一、次优滤波器在航空火力控制中的应用（论文文献综述）
黑梦娜[1]（2021）在《无人机高度多传感器信息融合技术》文中进行了进一步梳理随着现代社会信息化与智能化的迅速发展,无人机及其相关技术也得到了更大范围的应用与研究,这也对无人机飞行控制系统的控制精度与安全性能提出了新的挑战。无人机飞行控制系统是一类多传感器控制系统,因此多传感器信息融合方法作为一种处理多源数据的有效手段,已经在无人机高度控制系统中已经得到广泛使用,其中Kalman滤波由于性能稳定以及计算简单是信息融合技术中最常用的方法之一,但传统Kalman滤波由于种种条件限制在大多数实际应用中难以发展。为了提升无人机高度控制系统在高度方向上的精度以及确保无人机在故障发生情况下对真实状态的有效跟踪,本文基于卡尔曼滤波原理提出了改进Kalman滤波的多层多源信息融合方法和改进扩展Kalman滤波的强跟踪融合方法,保障了无人机高度飞行系统的精确性与鲁棒性。本文的工作主要体现在以下两个方面。（1）引入了改进的Kalman滤波多层信息融合方法,选择无人机高度控制系统常用的3种测高传感器,结合不同传感器的测量特点建立对应的高度观测模型,为高度数据融合做好前期工作;融合算法首先利用ARIMA模型算法对三种传感器的原始测量数据降噪处理,然后利用递推加权最小二乘法对降噪后的三种传感器高度数据进行加权融合以实现改进算法的第一层融合,后借助Kalman滤波将第一次三个传感器的融合结果进行第二层融合,仿真结果对比分析可得,经过两层融合得到的高度数据精度更高,计算分析得到,该算法与未采取融合算法的数据对比得,高度估计值的均方根误差减小50.7%,最大偏差减小59.8%,可以论证得出:最终的融合结果在垂直方向上的定位精度得到有效改善,并且初步具备对异常情况的处理能力。（2）引入了基于扩展Kalman改进的强跟踪滤波方法,并应用于无人机飞行系统中的故障检测与诊断。为了实现对无人机真实飞行状态的有效跟踪,通过扩展Kalman引入了强跟踪滤波算法的理论:一是引入一类新的单重次优渐消因子的强跟踪滤波器。用新息序列计算时变渐消因子,并将其对滤波增益矩阵进行实时修正,该算法侧重于跳过模型参数的更新估计,直接实现对状态的修正估计;二是提出一类新的多重渐消因子的强跟踪滤波器,通过多个渐消因子对不同的数据通道进行渐消,进一步提高系统的跟踪能力;其中多重渐消因子的计算并未采取利用先验信息设计比例的传统方法,而是通过一种新的相对精确的次优算法来计算渐消因子,不仅实现了在线更新渐消因子,也大大节省了计算工作量,最后对跳变型故障与渐变型故障这两种故障情况进行仿真模拟,得到了几种不同算法下系统状态的跟踪效果图,结果显示本文提出的改进次优渐消因子强跟踪滤波算法在性能和精度方面都达到了更优的效果。
曲蕴杰[2]（2020）在《小型无人机惯性/卫星/视觉组合导航技术研究》文中研究指明导航系统是无人机的重要组成部分之一,在整个飞行平台中起着至关重要的作用。本文针对小型无人机复杂环境下导航定位需求,开展了基于中低精度惯导与卫星深组合导航技术研究。通过建立惯性/卫星组合导航系统非线性误差模型,研究非线性滤波、噪声自适应等组合导航滤波方法,提高惯性辅助卫星深组合导航系统性能;针对无人机实际任务需求,深入研究了基于视觉跟踪技术的组合导航方法,通过引入视觉辅助体系,实现未知环境建模和未知环境下动态目标追踪与定位,进一步提升了无人机的实际使用性能。本文的主要工作和创新性成果包括:1.考虑姿态误差角较大的情况,利用四元数法建立了非线性捷联惯导系统速度、位置和姿态误差模型,分析了捷联姿态算法的优化问题,推导证明了求解四元数微分方程的三阶Taylor展开递推式,并与四阶龙格-库塔法进行了对比研究;2.针对组合导航滤波模型和噪声不确定性对组合导航性能的影响,提出了基于最大似然估计的组合导航噪声自适应滤波方法,在系统模型和噪声特性不确切的条件下提升组合导航滤波稳定性和组合性能;3.针对卫星导航位置与速度测量误差相关特性和小型无人机计算能力不足等问题,提出了一种位置速度序贯UKF滤波方法,并成功地应用于小型无人机的初始对准和导航解算,在大失准角条件下取得了很好的效果;4.针对高动态强干扰等复杂环境下组合导航应用需求,研究了惯性辅助卫星深组合技术,基于卫星环路特性完成了惯性辅助环路性能分析,提出了基于惯性辅助的惯性/卫星深组合架构,完成了深组合算法仿真分析和系统研制,在提升卫星导航高动态适应性的同时显着提升了抗干扰能力;5.针对无人机在复杂电磁环境下卫星导航系统失效导致纯惯性导航精度无法满足任务需求的问题,提出了一种基于视觉跟踪技术的组合导航算法,该算法基于改进的核函数循环检测跟踪算法,借助多维度颜色特征描述运动目标,去除特征冗余信息,实现无人机对目标的精确跟踪,利用跟踪的结果得到无人机的速度信息并与惯性导航系统进行组合导航,提升了无人机GNSS拒止条件下的导航精度;6.为验证论文提出的多种组合导航方法,搭建了机载带飞验证平台并进行了机载带飞试验,对本文提出的基于序贯STF-AUKF的惯性/卫星组合导航算法、惯性/卫星半耦合深组合导航方法以及基于视觉辅助跟踪技术的组合导航算法进行了验证。试验结果表明,本文提出的组合导航方法可有效提高小型无人机组合导航系统的鲁棒性和精度。
董文慧[3]（2020）在《有限维非线性滤波的分类及实时无记忆滤波方法的研究》文中研究表明现实世界中的信息由于受到噪声的干扰而无法准确测量,如何对连续的或离散的输入过程中的干扰噪声进行滤除以提取有用信息,或者如何在带有噪声的信号中获得关于有用信息的“最好”估计,此即为滤波。滤波理论作为估计理论中研究最为活跃的分支之一,被广泛应用于通信、定位导航、图像处理等诸多领域。根据系统是线性的或非线性的特征,可将其分为线性滤波和非线性滤波。对于一般的非线性滤波问题,如果给出了关于系统状态的后验条件概率所满足的演化方程的描述,则可以求得最优非线性滤波器,而这个可以通过对非归一化的状态条件密度ρ（t,x）所满足的Duncan-Mortensen-Zakai（DMZ）方程进行归一化处理得到。DMZ方程是一个随机偏微分方程,一般情况下难以求解。自上世纪70年代,有限维滤波成为非线性滤波领域的一个研究热点。因为有限维滤波只需要通过计算有限个充分统计量就可给出ρ（t,x）的解析计算式,具有显着优势。受到利用Wei-Norman方法求解时变线性微分算子方程的启发,Brockett,Clark,Mitter等人提出首先通过对滤波系统所对应的DMZ方程中的微分算子生成的有限维李代数进行分类,然后来构造滤波系统的有限维滤波器。Yau及其合作者在21世纪初完成了对最大秩下有限维估计代数的完全分类,但目前对非最大秩下的有限维估计代数的分类研究还很少。本文主要研究一类状态空间维数是4,线性秩为1的非最大秩下有限维估计代数的结构,同时在满足一些条件下构造出了一类新的多项式滤波系统,其相应的Wong-Ω矩阵元素可以是二次甚至是更高次的多项式,此外,利用Wei-Norman方法构造出这类新的系统的有限维滤波器。另一种研究思路是基于偏微分方程的求解来设计实时高效的非线性滤波器。DMZ方程是一个二阶随机偏微分方程,一般很难得到其闭形式解,因此可以通过数值求解DMZ方程的方法来设计次优非线性滤波器。本文基于线上和线下相结合的Yau-Yau滤波方法来设计非线性滤波器,其中线下部分是求解前向Kolmogorov方程,它是一个与观测无关的二阶线性偏微分方程。本论文主要通过引入扩展的Legendre多项式,利用Galerkin谱方法数值求解前向Kolmogorov方程,同时给出Legendre-Galerkin谱方法的收敛性分析证明。此外,本文提出的算法分别在时变和时不变的二维非线性滤波算例上进行数值测试,并且与现在常用的滤波算法如扩展卡尔曼滤波和粒子滤波,进行了滤波性能对比,数值模拟结果也进一步验证了我们提出的滤波算法的实时高效性以及准确性。
潘岩[4]（2019）在《火电机组SCR烟气脱硝机理建模与智能控制》文中研究说明随着国家综合实力日渐提升,环保意识逐渐加强,有关燃煤火电污染物排放的限制也日渐严格,新政策对于火电SCR脱硝系统提出了更高的要求,也给发电企业带来了更大的压力。SCR脱硝系统本身属于具有大惯性、大迟延特性的对象,运行过程涉及化学反应,加之脱硝品质还要受到烟气流场分布等因素的影响,本质上看SCR脱硝系统归属复杂系统,控制难度大。当前已实现脱硝改造的老旧机组与新建机组普遍存在自动化投入率不高,脱硝品质有限的问题。对此本文从控制角度出发,充分分析了问题产生的原因,提出了增加调节阀门与测点的分区优化方案。并按照控制系统组成环节分别设计了 SCR脱硝优化控制策略,通过软硬结合的方式实现提高脱硝效率与严格控制氨逃逸量的双重目标,最终实现系统的经济环保运行。主要研究成果包括:1、针对烟道横截面较大,烟气中氮氧化物浓度分布不均匀所引起的NOx控制与氨逃逸相矛盾的问题,提出了基于网格法的脱硝分区优化控制方案。根据网格分区优化计算结果,按区域增设调节阀门与测量装置,即分区优化控制的设备改造方案。一系列优化改造意在不改变系统特性的条件下,为先进控制算法与策略提供更大的实施空间,是进一步优化控制研究的基础。2、以SCR脱硝反应机理为基础,基于质量平衡方程代入现场数据构建了SCR脱硝系统通用传递函数模型。为验证所述模型的合理性,设计阶跃仿真与实际运行数据进行对比,包括喷氨调节阀门阶跃响应时的氮氧化物浓度和氨逃逸量变化对比、烟气流量阶跃响应时的氮氧化物浓度和氨逃逸量变化对比、反应器入口氮氧化物浓度阶跃变化比较,仿真验证了所构建模型与现场情况具有相同的趋势,证实了其有效性。3、以SCR分区优化方案为基础,引入神经网络反馈线性化（Neural Network-feedback Linearization,NNFL）算法控制总喷氨调节阀门,提出单神经元自适应-人工鱼群滚动寻优（Receding horizon-S ingle N euron Adaptive-Artificial Fish Swarm,RSNAAFS）算法对喷氨支管调节阀门进行控制,仿真证实了所述方案能够实现SCR脱硝对象系统的自动运行,且控制品质较常规方案在响应速度、控制精度等方面具有一定优势。4、基于受限玻尔兹曼机结构设计了多输出串级平面场结构优化控制策略,提出单神经元自适应-模拟退火（Single Neuron Adaptive-Simulated Annealing,SNASA）算法,实现了对脱硝对象的优化控制。提出深度粒子群（Deep Particle Swarm,DPSO）算法,实现了脱硝对象的深度控制。仿真结果证实了所设计的控制策略与深度算法拥有较好的鲁棒性,其控制品质优于常规控制方案。5、以SCR烟气脱硝系统精细化调节为目标,提出了考虑执行机构输出限制的滑模变结构优化控制方案。构建了虚拟滑模面优化控制策略,以此为基础设计了引入差分进化算法的快速自适应滑模变结构控制算法。提出了串级差分进化-滑模变结构优化控制算法。所述优化算法均实现了 SCR烟气脱硝系统的仿真优化运行,仿真结果证实了相关控制策略与算法能够满足具有大惯性、大延迟特性工业对象的控制需求,鲁棒性好,优于常规控制方案。
吕重阳[5]（2019）在《水下航行器路径规划关键技术研究》文中研究说明世界各国对海洋资源探索已成为一种“隐形”科技竞赛,而水下航行器的路径规划技术则对海洋探索起着至关重要的作用。随着人类对海洋资源探索需求地提升以及海底环境复杂程度地增加,单独水下航行器已经无法满足人们的要求,多水下航行器系统就此应运而生。水下航行器系统具有机动性强、工作效率高以及更好应对突发事件等优势。要想更好地完成多水下航行器路径规划问题,单独水下航行器路径规划的安全性与完整性是前提,在此基础上加入多航行器协同性则会使整个系统的效率较大提升。本文围绕水下航行器路径规划关键技术进行了深入研究,其中包括水下环境三维建模仿真技术、多水下航行器全局路径规划技术、水下动态障碍物实时避碰技术、复杂环境目标强跟踪技术、多水下航行器协同定位技术。主要内容有为:海底环境建模是水下航行器路径规划的前提,准确地建立海底地形能够增大航行器水下航行的安全指数并提高航行效率。本文从多幅二维矢量电子海图中提取离散水深数据点,首先介绍几种常用经典数据融合方法,并进行优缺点阐述,针对地形数据融合复杂且低效的缺点,将智能优化算法和卡尔曼滤波相结合,提出一种改进的自校正融合技术,并对提取得离散水深点进行融合。融合后的水深点利用效率较高,但相对间隔较大而无法实现海底环境得高精度模拟。所以本文进一步对融合后的数据进行插值,在分形插值算法理论基础上,提出一种复合分形插值算法,从而生成一种精度更高的三位海底环境模型,最后通过数值仿真实验对改进后的插值算法与传统的插值算法进行实验结果对比分析。路径规划分为静态规划和动态规划两部分。本文将全局静态路径规划问题转化为分段最优点求值问题,通过对粒子群算法中惯性权值和学习因子地改进,使其避免容易陷入“早熟”的缺点;利用粒子群算法具有记忆能力和较强并行计算能力等特点,对两个水下航行器同时进行全局路径规划;针对水下航行器无法进行大幅度转弯及灵活性较弱的特点,进一步提出一种双参数光滑细分原则算法,利用该算法对初始路径进行光滑处理,同时给出该方法详细的收敛性证明;利用改进后的算法对两个水下航行器全局静态路径规划进行仿真模拟实验,并对实验结果进行分析性描述。针对动态路径规划中的不确定因素,本文着重考虑到动态大型鱼群和大型移动漂浮物地影响,通过研究水下航行器和动态障碍物的运动学原理,提出一种基于相对运动模型的动态避障策略。水下航行器利用视觉传感器和声呐传感器分别获取近距离和远距离动态障碍物的相应数据,结合扩展卡尔曼滤波对障碍物的运动轨迹进行预测,同时建立了降速和转弯处理的避碰策略,针对不同模型的避碰策略设置不同权值,进而将其转化为整数线性优化求解问题,并对该方法进行数值仿真实验。如今的路径规划技术已不再是传统意义上的一条无碰撞轨迹问题,它需要满足工程应用的实际需求,并在此基础上加入目标强跟踪技术,而这种目标强跟踪技术需要一种鲁棒性较强且稳定度较高的滤波模型。针对这个问题本文提出了一种基于Krein空间的鲁棒性H∞滤波算法,进而把问题转化为二次型最优值求取问题,并进行系统性描述和详细理论证明。为了提高强跟踪滤波算法精度,转而求其次的从运动模型入手,而单纯运动模型已经无法满足复杂环境中的运动问题,故基于此本文提出一种交互式模型算法,将该算法与鲁棒H∞滤波相结合,通过数值仿真对比实验证明该方法的高效性。当由多个航行器进行路径规划时,多个航行器间的协同定位技术则是多水下航行器路径规划技术的重要组成部分。协同定位技术的好坏直接影响整个系统的效率和任务的完成情况。为提高多航行器协同定位的精度,本文提出一种基于Krein空间的非线性不确定系统鲁棒性H∞滤波算法,并将该算法应用于多移动机器人的协同定位系统中,人为地增加机器人个数,从而无形中增加了系统的复杂程度,最终充分的反映出该算法的稳定性和高效性。从实验结果可以看出这种算法能够有效降低多航行器的定位误差,极大程度的提高了航行器系统的导航与定位精度。
赵伟[6]（2017）在《基于容积规则的鲁棒卡尔曼滤波算法研究与应用》文中研究说明实际生产中,控制系统都具有非线性,并且运行在变化的环境中。系统的不确定性普遍存在,譬如模型参数变化、未知参数、传感器噪声与外部扰动等。在利用线性滤波技术对系统的状态进行估计时,系统非线性及不确定性对滤波算法的精度和鲁棒性都会产生很大影响,进而导致系统稳定性变差并且不能保持所期望的性能。因此非线性滤波技术以及处理系统不确定性的鲁棒控制技术越来越受到学者的关注。本文在奇异值分解容积卡尔曼滤波（singular value decomposition aided Cubature Kalman filter,SVDCKF）和奇异值分解容积积分卡尔曼滤波（singular value decomposition aided Cubature Quadrature Kalman filter,SVDCQKF）的框架内,以消除或降低系统不确定性对滤波性能的影响为目的,围绕基于容积规则的鲁棒卡尔曼滤波算法展开了相应的研究,主要工作如下:首先,为了解决随机动态系统的状态估计中,状态突变与测量粗差导致卡尔曼滤波器的性能衰减这一问题,提出了一种自适应鲁棒奇异值分解容积卡尔曼滤波算法。该算法利用卡方检验的方法来检测系统残差是否保持正交,进而判断出状态突变或/和测量粗差发生与否。针对这两种不确定性采用了不同方法应对:引入基于强跟踪技术的自适应算法调整过程噪声协方差矩阵以消除状态突变的影响;引入测量噪声增强鲁棒算法用于调节测量噪声以消除粗差的影响。数值仿真验证了算法的有效性。通过卡方检验结果,对鲁棒算法与自适应算法进行切换,不但可以有效的消除单独不确定性的影响,而且能够处理两种不确定同时发生的情况。其次,针对具有未知输入的一类非线性系统状态估计问题,给出了一种基于降维奇异值分解容积卡尔曼滤波的非线性未知输入观测器。该系统的非线性由部分状态引起,通过证明推导出了对非线性的这一部分状态向量进行采样与全部向量采样后的积分等价定理。这样就可以利用导致系统非线性的这部分状态向量的高斯积分来表示所有状态的后验均值和矩阵协方差。由此而设计的未知输入观测器的采样点数目可大为减少,而依然可以保持容积卡尔曼滤波的精确度达到泰勒展开的三阶,在牺牲部分精度的前提下,获得更高的计算效率。目标轨迹跟踪仿真结果验证了算法的有效性。再次,将H-∞与容积积分卡尔曼滤波相结合,提出了奇异值分解H-∞容积积分卡尔曼滤波器,以应对系统不确定性。该方法采用的容积积分卡尔曼滤波应用超球容积规则和二阶的高斯-拉盖尔积分规则,相比于容积卡尔曼滤波提高了滤波精度,而采样点只是线性增加,同时H-∞的引入也增强了系统的鲁棒性。数值仿真与GPS/INS组合导航系统的仿真均验证了算法的有效性。最后,提出带有神经网络噪声补偿的奇异值分解容积卡尔曼滤波器。噪声补偿是利用三层BP神经网络对方差和均值未知的有色系统噪声与测量噪声进行补偿。将该算法应用在双目立体视觉伺服系统中验证其性能和有效性。仿真结果表明,使用该算法在线估计图像雅可比矩阵时,能够改善系统的动态性能,同时对视野约束也有较好的鲁棒性。同时,基于MOTOMAN UP6型机器人的双目视觉伺服控制实验也验证了算法的有效性。
张聪[7]（2016）在《地炮闭环校射弹射击方法研究》文中认为地炮闭环校射指的是弹丸在飞行过程中可以自主测得其弹道信息,并发送回火炮阵地,火控系统对测量的弹道参数进行气动参数辨识、及其后续飞行弹道的预报,解算出弹丸的落点坐标,并与火炮瞄准的目标坐标对比,获得落点坐标偏差量,再计算出射击诸元修正量,由火控系统调炮实施下一发炮弹的射击,实现对目标的精确打击。闭环校射弹本质上是低成本弹药为提高射击精度的一种改良。实现闭环校射的一个重要环节是对飞行过程中的测量参数进行参数滤波,本文建立基于质点弹道方程的状态模型和基于GPS测量数据的量测方程,分别采取扩展卡尔曼滤波、衰减记忆卡尔曼滤波与H∞滤波对量测数据进行参数辨识,并对仿真结果进行分析。仿真结果表明：衰减记忆卡尔曼滤波相比于扩展卡尔曼收敛速度更快,精度更高；当实际弹道与基准弹道在初始条件差别较大时,扩展卡尔曼由于系统模型不准确出现较大估计误差,由于衰减因子的作用,衰减记忆卡尔曼增大了新量测值的权重,则能有效减小发散。H∞滤波对噪声统计特性没有要求,可以最小化最坏估计误差,但其性能对设计参数的敏感性太强。在有色噪声条件下,H∞滤波比卡尔曼滤波收敛速度快,精度高；相反在高斯白噪声条件下,卡尔曼滤波的性能要优于H∞滤波。为获得落点坐标偏差量进而对射击初始诸元进行修正,本文采用弹道方程组解算弹道偏差法与非线性模型预报法。弹道方程组解算弹道偏差法比较简单,容易理解,采用质点弹道模型计算量小,预报时间快,在运用衰减记忆卡尔曼滤波进行参数辨识的情况下,预报精度较高。非线性模型预报法在参数滤波趋于稳定后,能较好地拟合出精度高的模型进行落点预报,但如滤波时间较短,所拟合的模型不能综合代表整体性能,偏差较大。闭环校射弹可自主、连续纠偏,对传统低成本弹药经过简单改进后可大幅度提高射击精度。在原有射击修正基础上,提出“单炮多发连续弹着”、“疏散配置、火力集中”法、“运动补偿”法等射击方法,为地面火炮实施精确打击提供了可参考的射击方法。
邱海洋[8]（2016）在《不确定系统滤波技术研究及在组合导航中的应用》文中提出随着微电子技术和芯片技术的发展,导航应用趋向于更加微型化,高集成化,对其稳定性,精度的要求也日益增高,单一的导航系统已经无法满足这类需求,以多种导航系统进行组合的组合导航系统已经成为导航发展的主要方向。在硬件技术、成本及规格参数受到一定限制的情况下,以滤波技术为代表的信息融合方法便成为了提升系统性能的重要手段。以状态空间估计为基础的卡尔曼滤波技术被广泛应用于导航系统及其相关的领域中。卡尔曼滤波对系统准确度与噪声统计特性都有着严格的要求,只有在满足其要求的情况下,才能使估计结果达到“最优”。但是,任何物理系统与描述它的数字模型之间都必然存在差异,这也表明在实际应用中,通过经典离散卡尔曼滤波器获得的估计结果,可能仅仅是理论最优,很难解释系统的真实情况。以扩展卡尔曼滤波为代表的非线性滤波,实质上是一种对原有数学模型的“修正”,使其非线性的系统动态模型可以通过线性近似更加逼近于真实系统。而不确定系统滤波技术主要侧重于数字模型与真实系统之间可能存在的差异,设置一种上界,进而使滤波器的估计误差有界,即保证在该上界之内所有可能的系统差异,对估计结果带来的误差影响有界,同时又确保这些系统差异不会造成滤波发散。系统的非线性也可以被理解为系统不确定性的一种特例。本文以组合导航中的滤波模型为研究对象,首先以滤波过程中的估计误差动态模型为例,分析了时不变系统的估计误差最终会根据噪声协方差参数,收敛于稳态解,而与系统初始状态无关。而该动态过程如无法收敛,则滤波最终会发散。然后应用滤波收敛证明其估计误差的动态系统是稳定的,由于卡尔曼滤波是二范数H2滤波的一种延伸,本文通过李雅普诺夫方程法对系统的稳定性进行分析,并且对方程中的二次型参数,引入椭圆概念,证明以矩阵噪声方差为约束的系统稳定域实质为一凸多胞形,李雅普诺夫方程中的二次型参数解则为该多胞形的一种上界。在完成了对滤波系统的特性分析之后,本文研究了控制领域拓展的H∞鲁棒滤波技术。推导了以博弈论为基础的离散H∞滤波表达式,并将其与H2滤波和卡尔曼滤波进行比较分析。以线性不等式LMI形式的系统不确定约束为例,研究了鲁棒LMI滤波在组合导航模型下的应用。以凸集约束的不等式鲁棒滤波方法虽然可以对不确定系统进行更准确、保守性更优的描述,但往往需要更大的运算量,LMI求解方法也需要大量的运算资源,因此,本文研究了一种以范数有界形式来确定系统不确定性的鲁棒卡尔曼滤波方法,其优点在于可以将系统不确定性约束以固定范数形式进行表示,最终形成类似于传统卡尔曼滤波的迭代形式,便于工程应用。本文认为系统的不确定性主要分为两类,其一为模型不确定性,其二为噪声的不确定性。其中噪声的不确定性意味着不能对噪声的分布或统计特性做出提前准确的预估,以至影响最终的滤波估计性能。在绝大多数滤波器设计中,噪声信息通过二次型矩阵形式进行表达,而二次型的几何表达即为“椭圆”,在噪声存在较大不确定性时,认为噪声有界则比给出其具体的统计特性更加容易、合理。基于以上分析,本文研究了一种椭圆有界的估计方法,并将其应用于常速度模型中,该模型也同样被应用于雷达目标跟踪等领域。在设计滤波器的过程中,对于不确定性噪声的另一种处理方法为不再考虑噪声因素影响。在常速度模型基础上,本文研究了一种有限脉冲FIR滤波器,不同于以经典卡尔曼滤波为代表的无线脉冲IIR滤波器,在每次滤波过程中,此滤波器使用有限的量测信息量,同时不再对噪声信息做出任何约束要求。
汪语哲[9]（2013）在《滤波技术在高超声速大机动飞行器末制导中的应用》文中认为近几十年来世界局势的发展状况，大体上可概括为“总体和平，局部战争”。作为一种新型作战方式，导弹武器得到了世界各国的普遍关注。以下一代战区弹道导弹（Theatre Ballistic Missile, TBM）为代表的攻击导弹飞行速度快，并具有大机动能力，对现有的拦截制导系统构成了巨大挑战。深入研究如何对这类飞行器进行有效末制导，有利于我军掌握未来战争的战略制高点，并进一步保障国家领土完整和人民生命安全。几乎所有先进末制导律在设计时，都需使用目标运动信息；然而很多情况下该信息不能通过测量元件直接获取，必须从被噪声污染的信号中进行在线估计，这就需要滤波技术的支持。滤波技术一直都是信号处理领域的研究热点之一。对于一般的非线性、非高斯系统，最优滤波问题没有递推显式解。高超声速飞行器末制导问题的弹目相对运动关系数学模型，很多情况下存在本质非线性和非高斯特征，且整个末制导过程具有很高的实时性要求；因而对这类问题，有必要研究估计精度高计算量适中的非线性制导滤波器。论文以下一代高超声速TBM飞行器的末制导为课题背景，研究了存在未知信息的离散系统的建模和滤波问题；并针对此类目标的末制导中，确定性等价定理的失效问题，给出了一种解决方案并设计了基于Matlab的改进型软件工具包进行了仿真验证。具体来讲，研究主要包括以下内容：首先，从贝叶斯最优估计理论出发，研究了非线性和非高斯离散随机系统的高斯逼近滤波技术。在线性高斯随机系统的最优滤波器—卡尔曼滤波算法（Kalman Filter，KF）的基础上，对非线性随机函数的次优高斯逼近方法进行了讨论；根据噪声混入系统的不同类型，针对带有加性和隐含噪声的非线性随机系统，分别推导了两类扩展卡尔曼滤波算法（Extended Kalman Filter，EKF）和无迹卡尔曼滤波算法（Unscented Kalman Filter，UKF）；引入辅助函数技术重构采样点，增强了UKF算法在高维系统中实现上的数值鲁棒性；对一类存在多种工作模式的混杂系统进行了研究，根据混杂系统的贝叶斯估计理论进行推导，研究了两类多模型算法原理和实现，较好解决了这类系统的状态估计问题。然后，研究了高超声速大机动飞行器的跟踪问题。针对此类问题在系统建模过程中通常存在的本质非线性和非高斯特征，采用成型滤波器模拟验前未知信息；并采用中央差分算法逼近非线性函数，针对带有加性和隐含噪声的非线性随机系统，分别推导了两类中央差分滤波算法（Central Difference Kalman Filter,CDKF）；在CDKF的第二步滤波计算过程中引入迭代更新步骤，推导了极大后验估计意义下的一种改进型迭代中央差分滤波算法（ICDKF）。通过高超声速大机动飞行器拦截中两个典型的非线性估计问题，验证了ICDKF算法同主流的EKF和UKF算法相比，具有更高的估计精度和更快的收敛速度并且计算量适中，因而更适于在实战环境中处理这两类跟踪问题。接着，通过一个仿真算例，讨论了非线性滤波器按照噪声混入系统的不同方式进行分类设计的必要性；进而提出了高斯次优非线性滤波器的一种改进型结构设计方法。采用这种设计方法，按照项目要求，研究了一种能够解决部分高斯次优非线性滤波器的一致性检验难题、并便于在仿真开始前修改模型参数和替换滤波算法、在仿真结束后执行大量数据的统计处理的改进型滤波制导工具箱的设计方案。为科学评价两种滤波器的估计效果，提出了一种滤波器改进型初始估方法和一种能够从统计学角度比较两种滤波器估计效果的假设检验判别法，并基于上述滤波制导工具箱进行了仿真验证。最后，以具有大机动能力的下一代高超声速TBM为例，研究了如何对此类飞行器进行有效拦截末制导，并给出了一种滤波制导一体化设计方案。将CDKF融入多模型算法（Multiple Model Adaptive Estimation, MMAE），提出了一种多模型/中央差分算法（MMAE/CDKF）用于解决建模过程中存在未知信息的末制导系统的目标加速度检测和估计问题；接着针对高超声速飞行器末制导问题较高的实时性要求，考虑到传统多模型滤波器过大的计算量在工控机上实现较为困难，在被拦截飞行器指令加速度为Bang-Bang类型时，引入聚合、尺寸裁剪等技术手段对MMAE/CDKF算法进行简化，提出了一种快速多模型/中央差分算法（fast MMAE/CDKF），在保障估计精度的同时降低了计算量；大量的仿真实验证实了这两种算法的有效性。为有效利用上述两种算法对于目标加速度信息和弹目视线角信息估计性能的改善，更好地解决高超声速大机动飞行器末制导中确定性等价定理的失效问题，分别采用上述两种估计算法作为制导滤波器，提出了一种基于逻辑判断的切换微分对策制导律DGL/N。这种滤波制导一体化设计方案充分考虑了制导滤波器的估计精度和拦截弹有限的机动能力对于末制导律设计的影响，取得了比传统制导律和基本微分对策制导律更好的拦截效果。综上，论文给出了高超声速大机动飞行器末制导问题中，制导滤波器和拦截制导律的一些新型设计和评价方法，为下一代反导拦截系统的研发，奠定了一定理论基础，并给出了部分可能的设计思路。
李生权[10]（2012）在《基于前馈补偿的压电智能结构复合振动主动控制》文中研究说明结构的振动容易造成结构的疲劳破损，进而影响结构的性能，所以如何有效地解决工程结构中的振动问题已经变得越来越重要，而传统的结构和控制方法难以满足需求。压电智能结构是在不改变基体结构强度特性的基础上，将压电元件粘贴到基体结构中组成的一种主动智能结构。这种结构不仅同时具有传感和驱动功能，还具有优良的机电耦合特性、质量轻和高可靠性等特点，是行之有效的振动控制备选结构之一。但是压电智能结构存在多种不确定性和耦合等特点，并且在实际环境中该结构受到多重干扰激励的影响，使其成为一个多变量耦合的不确定性系统，这些因素给结构的振动主动控制带来了很大挑战。因而寻求在实际过程中容易实施、能有效地降低智能结构振动的控制方法成为学者迫切需要进行研究的课题之一。本文针对各种激励干扰对实际压电板结构的影响，致力于研究基于前馈补偿的结构振动主动控制方法，以提高板结构的振动主动抑制能力，主要研究工作和创新点如下：（1）为了获取完整的状态方程，结合压电元件的本构方程和结构振动的基本理论，并考虑压电驱动器和传感器与基体结构的耦合作用，分别基于压电片和加速度计作为传感器的情况，采用有限元分析法建立压电智能结构的状态空间模型。（2）针对振动主动控制系统中存在控制溢出、高次谐波响应和结构建模误差等内外干扰严重破坏系统的性能和稳定性的情况，本论文提出了基于扰动观测器（DOB）的复合振动控制策略。首先，DOB估计内外干扰量通过前馈通道与反馈控制器的叠加来有效抑制干扰信号对受控结构产生的影响；其次，采用混沌优化策略对LQR的参数进行自动优化设计，提高LQR的振动抑制性能。采用四面固支板结构对所提的方法进行实验验证，实验结果表明，该方法能在保持系统稳定性的同时，显着地提高振动抑制性能。针对结构多模态振动主动控制中存在的输出叠加、输入耦合和传感器/驱动器同位配置的情况，进一步改进DOB的结构，提出一种基于改进的DOB的多模态复合振动控制策略，并进行了仿真和实验研究，结果表明了该方法同样能获得优越的振动抑制性能。（3）针对加速度传感器和压电驱动器异位配置引起的相位时延现象，在基于改进DOB的复合振动控制器的基础上，研究了一种两自由度的复合振动控制方法，并进行了振动抑制性能分析和稳定性分析。针对传感器测量结构位移和加速度等时存在的高频量测噪声的问题，通过额外引入一个高通滤波器来补偿反馈控制器通道，这样无论是低频的内外干扰，还是高频的量测噪声给系统带来的影响都能很好地消除。压电加筋板的振动控制实验证明了所提方法在抑制内外干扰、传感器量测噪声以及传感器/驱动器异位配置引起的时延等方面的有效性。（4）针对结构多模态振动主动控制中存在的输出叠加和输入耦合的情况，设计一种不依赖结构数学模型的多模态线性自抗扰复合振动主动控制策略。首先，将其它模态的输出叠加和控制输入耦合看成集总干扰，针对每个独立模态设计线性扩张状态观测器（LESO）估计出这种集总干扰，再通过前馈补偿的方式抵消这种影响；然后针对每个独立模态设计线性PD控制器。几种激励情况下的实验结果表明，该方法不仅能够有效地抑制加筋板结构由于前两阶共振频率引起的振动，而且具有良好的抑制不确定因素引起的整个结构波动的能力。（5）针对二阶自抗扰振动控制器在加筋壁板结构振动主动控制中存在的几个问题，本文还研究了几种自抗扰振动控制补偿技术。一种是针对当外界扰动激励变化时，扩张状态观测器（ESO）对扰动和各阶状态的估计存在偏差的问题，提出一种状态估计误差补偿的自抗扰振动控制方案，利用状态观测误差信息，对二阶自抗扰振动控制器进行补偿，减小ESO对扰动和各阶状态估计的压力。最后通过四种干扰激励的实验结果验证了该方法的有效性、实用性和强抗干扰能力；另一种是针对加筋板结构的多模态振动控制中的时延问题，在原有的二阶自抗扰振动控制器中引入输出预估器来补偿时延对结构振动性能的影响。实验结果表明该方法能够快速有效地抑制加筋壁板结构的多模态振动。再一种是分析能使加速度反馈闭环系统稳定的条件，提出了一种加速度传感信号反馈和二阶线性自抗扰的复合振动主动控制策略，从理论上分析了闭环结构的稳定性和优越性，并通过实验验证了所提方法不仅能够有效地抑制由于正弦激励和外界冲击引起的振荡，而且能更好的抑制不确定因素引起的整个结构的波动。
二、次优滤波器在航空火力控制中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、次优滤波器在航空火力控制中的应用（论文提纲范文）
（1）无人机高度多传感器信息融合技术（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 第1章 绪论 |
| 1.1 本文研究背景及意义 |
| 1.2 无人机多传感器数据融合概况 |
| 1.2.1 数据融合的研究现状 |
| 1.2.2 无人机高度多感器信息融合的研究现状 |
| 1.2.3 Kalman滤波在无人机信息融合中的应用 |
| 1.3 无人机故障检测与诊断技术概述 |
| 1.3.1 故障检测与诊断的概念 |
| 1.3.2 故障诊断技术的发展现状 |
| 1.4 论文结构与内容安排 |
| 第2章 无人机导航控制基本理论 |
| 2.1 高度概念 |
| 2.1.1 几种常用高度介绍 |
| 2.1.2 几种高度之间的关系 |
| 2.2 无人机的几个坐标系 |
| 2.2.1 地球中心坐标系(ECEF) |
| 2.2.2 当地地理坐标系(NED) |
| 2.2.3 机体坐标系 |
| 2.3 各坐标系之间的转换 |
| 2.3.1 地球中心坐标系转换为NED坐标系 |
| 2.3.2 NED坐标系到机体坐标系下的转换 |
| 2.3.3 姿态角的四元素表示 |
| 2.3.4 高度运动方程 |
| 2.4 无人机高度传感器观测模型 |
| 2.4.1 无线电高度表 |
| 2.4.2 差分GPS |
| 2.4.3 气压高度计 |
| 2.5 本章小结 |
| 第3章 基于Kalman滤波的高度信息融合方法 |
| 3.1 经典Kalman滤波 |
| 3.1.1 Kalman滤波基本原理 |
| 3.1.2 Kalman滤波局限性 |
| 3.2 最优加权与递推最小二乘法结合 |
| 3.2.1 递推最小二乘法 |
| 3.2.2 递推加权最小二乘法 |
| 3.3 ARIMA模型 |
| 3.3.1 ARIMA的组合模型 |
| 3.3.2 时间序列平稳性分析 |
| 3.3.3 自相关函数与偏自相关函数 |
| 3.3.4 ARIMA建模流程 |
| 3.4 改进Kalman滤波的融合算法 |
| 3.4.1 ARIMA模型降噪 |
| 3.4.2 第一层融合 |
| 3.4.3 第二层融合 |
| 3.5 仿真实验与分析 |
| 3.5.1 参数设置 |
| 3.5.2 ARIMA模型降噪效果分析 |
| 3.5.3 第一层融合结果对比分析 |
| 3.5.4 第二层融合结果对比分析 |
| 3.5.5 气压计常值偏差分析 |
| 3.5.6 误差分析 |
| 3.6 本章小结 |
| 第4章 基于强跟踪滤波的故障诊断技术 |
| 4.1 基于强跟踪滤波器的故障诊断方法 |
| 4.1.1 扩展Kalman滤波在故障检测中的应用 |
| 4.1.2 扩展Kalman滤波存在的问题 |
| 4.1.3 强跟踪滤波的引入 |
| 4.1.4 强跟踪滤波的原理 |
| 4.2 一类新的带次优渐消因子的强跟踪滤波器(SFEKF) |
| 4.2.1 次优渐消因子的引入 |
| 4.2.2 次优渐消因子的计算 |
| 4.2.3 SFEKF的工作过程 |
| 4.3 一类新的带多重渐消因子的强跟踪滤波器(SMFEKF) |
| 4.3.1 多重渐消因子的引入 |
| 4.3.2 多重渐消因子的计算 |
| 4.4 仿真与分析 |
| 4.4.1 参数设置 |
| 4.4.2 跳变型故障仿真结果与分析 |
| 4.4.3 渐变型故障仿真结果与分析 |
| 4.4.4 误差分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文工作的总结 |
| 5.2 今后工作的展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（2）小型无人机惯性/卫星/视觉组合导航技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 研究目的与意义 |
| 1.3 国内外研究现状及分析 |
| 1.3.1 小型无人机组合导航系统研究现状 |
| 1.3.2 非线性滤波技术研究现状 |
| 1.3.3 自适应滤波技术研究现状 |
| 1.3.4 惯性/卫星深组合导航技术研究现状 |
| 1.3.5 图像匹配技术研究现状 |
| 1.4 本文的主要研究内容 |
| 第2章 小型无人机组合导航系统原理 |
| 2.1 引言 |
| 2.2 惯性/卫星组合导航系统工作原理 |
| 2.2.1 惯性导航系统工作原理 |
| 2.2.2 卫星导航系统工作原理 |
| 2.3 惯性/卫星组合导航系统误差分析 |
| 2.3.1 惯性导航系统误差分析 |
| 2.3.2 GPS导航系统误差分析 |
| 2.4 捷联姿态算法的优化 |
| 2.4.1 四阶龙格-库塔法 |
| 2.4.2 三阶Taylor展开递推算法 |
| 2.4.3 优化性能对比 |
| 2.5 本章小结 |
| 第3章 基于噪声自适应UKF的惯性/卫星组合导航算法研究 |
| 3.1 引言 |
| 3.2 UKF原理 |
| 3.2.1 UT变换 |
| 3.2.2 UKF算法 |
| 3.3 系统噪声和观测噪声对滤波的影响分析 |
| 3.3.1 系统噪声矩阵Q对滤波的影响 |
| 3.3.2 观测噪声矩阵R对滤波的影响 |
| 3.4 噪声自适应UKF算法 |
| 3.4.1 系统噪声自适应UKF算法 |
| 3.4.2 观测噪声自适应UKF算法 |
| 3.4.3 融合强跟踪的系统噪声自适应UKF算法 |
| 3.5 基于STF-AUKF的惯性/卫星组合导航算法 |
| 3.5.1 基于STF-AUKF的非线性初始对准算法 |
| 3.5.2 基于序贯STF-AUKF的组合导航算法 |
| 3.6 实验结果与分析 |
| 3.6.1 系统噪声自适应算法仿真试验 |
| 3.6.2 观测噪声自适应算法仿真试验 |
| 3.6.3 初始对准仿真试验 |
| 3.6.4 组合导航仿真试验 |
| 3.7 本章小结 |
| 第4章 惯性/卫星深组合导航技术 |
| 4.1 引言 |
| 4.2 深组合性能分析 |
| 4.2.1 卫星跟踪环路分析 |
| 4.2.2 惯性辅助跟踪环路性能分析 |
| 4.3 基于惯性/多普勒辅助的半耦合深组合导航 |
| 4.3.1 频率预测辅助 |
| 4.3.2 加速度辅助 |
| 4.3.3 惯性多普勒辅助环路处理方法 |
| 4.4 断开环路的全耦合深组合导航 |
| 4.4.1 环路预处理滤波模型 |
| 4.4.2 环路NCO控制方法 |
| 4.5 实验结果与分析 |
| 4.5.1 半耦合环路辅助仿真实验 |
| 4.5.2 全耦合环路预处理仿真实验 |
| 4.5.3 全耦合环路复制信号控制量仿真实验 |
| 4.6 本章小结 |
| 第5章 基于视觉跟踪技术的组合导航方法 |
| 5.1 引言 |
| 5.2 视觉方法的理论基础 |
| 5.2.1 目标颜色命名方法 |
| 5.2.2 主成分分析法基本原理 |
| 5.3 视觉跟踪算法原理 |
| 5.3.1 目标颜色名称标定算法的实现 |
| 5.3.2 目标颜色核相关跟踪算法 |
| 5.3.3 算法测试与评估 |
| 5.3.4 TCKCT算法用于无人机跟踪运动目标 |
| 5.4 基于视觉跟踪技术的组合导航算法 |
| 5.4.1 基于视觉跟踪技术的组合导航原理 |
| 5.4.2 基于视觉跟踪技术的组合导航算法模型 |
| 5.4.3 基于视觉跟踪技术的组合导航算法 |
| 5.5 试验结果与分析 |
| 5.6 本章小结 |
| 第6章 机载带飞试验验证 |
| 6.1 引言 |
| 6.2 机载带飞验证平台构建与试验方案 |
| 6.2.1 机载带飞试验平台构建 |
| 6.2.2 机载带飞试验系统同步方法 |
| 6.2.3 机载带飞试验方法 |
| 6.3 机载验证试验与试验结果 |
| 6.3.1 基于序贯STF-AUKF的惯性/卫星组合导航算法机载带飞试验结果 |
| 6.3.2 惯性/卫星半耦合深组合导航方法机载带飞试验结果 |
| 6.3.3 基于视觉辅助跟踪技术的组合导航算法机载带飞试验结果 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文及其它成果 |
| 个人简历 |
（3）有限维非线性滤波的分类及实时无记忆滤波方法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第1章 绪论 |
| 1.1 非线性滤波理论的历史研究和发展现状 |
| 1.1.1 滤波理论的研究背景 |
| 1.2 滤波理论的研究现状 |
| 1.2.1 贝叶斯估计理论 |
| 1.3 最优滤波理论和次优滤波算法 |
| 1.3.1 最优滤波理论 |
| 1.3.2 次优滤波算法 |
| 1.3.3 实时无记忆非线性滤波器 |
| 1.4 有限维非线性滤波器和估计代数方法 |
| 1.4.1 有限维滤波器的结构 |
| 1.4.2 估计代数方法 |
| 1.5 本文的研究内容、结果和展望 |
| 1.6 论文总体安排 |
| 第2章 有限维估计代数的结构和分类 |
| 2.1 预备知识 |
| 2.2 最大秩下有限维估计代数的分类 |
| 2.3 非最大秩下有限维估计代数的分类 |
| 第3章 非最大秩下的有限维非线性滤波器 |
| 3.1 问题描述 |
| 3.2 一类新的有限维滤波器的估计代数结构 |
| 3.3 多项式滤波系统 |
| 3.4 Wei-Norman方法构造有限维非线性滤波器 |
| 3.4.1 有限维非线性滤波器的一般构造 |
| 3.4.2 针对一类新的多项式系统的有限维滤波器的构造 |
| 第4章 实时无记忆性滤波方法 |
| 4.1 问题描述 |
| 4.1.1 已有结果 |
| 4.1.2 非线性滤波问题的线上-线下算法 |
| 4.2 Legendre-Galerkin谱方法在非线性滤波问题中的应用 |
| 4.2.1 Legendre-Galerkin谱方法 |
| 4.2.2 Legendre-Galerkin谱方法的收敛性分析 |
| 4.3 基于Legendre-Galerkin谱方法的非线性滤波算法 |
| 4.3.1 算法设计 |
| 4.3.2 数值仿真实验 |
| 第5章 总论 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（4）火电机组SCR烟气脱硝机理建模与智能控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 火电SCR脱硝国内外研究现状 |
| 1.2.1 火电SCR脱硝被控系统研究动态 |
| 1.2.2 火电SCR脱硝控制系统研究动态 |
| 1.3 论文主要研究内容 |
| 第2章 SCR脱硝系统分区优化方法 |
| 2.1 引言 |
| 2.2 SCR烟气脱硝系统简介 |
| 2.2.1 火电SCR烟气脱硝原理 |
| 2.2.2 火电SCR烟气脱硝控制任务 |
| 2.3 SCR脱硝分区优化的必要性 |
| 2.4 SCR脱硝分区优化设计与改造 |
| 2.4.1 网格法烟道截面分区优化 |
| 2.4.2 脱硝执行系统优化改造 |
| 2.4.3 脱硝分区测量优化改造 |
| 2.5 本章小结 |
| 第3章 SCR脱硝系统传递函数模型构建 |
| 3.1 引言 |
| 3.2 SCR烟气脱硝反应系统建模 |
| 3.2.1 催化剂表面NH_3质量平衡方程 |
| 3.2.2 SCR脱硝反应器内NO质量平衡方程 |
| 3.2.3 SCR脱硝反应器内NH_3质量平衡方程 |
| 3.2.4 SCR脱硝系统喷氨控制阀及管道方程 |
| 3.2.5 SCR脱硝反应系统方程 |
| 3.3 SCR烟气脱硝系统模型仿真与分析 |
| 3.3.1 喷氨调节阀门阶跃变化 |
| 3.3.2 烟气流量阶跃变化 |
| 3.3.3 反应器入口氮氧化物浓度阶跃变化 |
| 3.4 本章小结 |
| 第4章 SCR脱硝系统喷氨自适应优化控制 |
| 4.1 引言 |
| 4.2 反应器入口烟气预处理脱硝优化策略 |
| 4.2.1 SCR烟气脱硝系统常规控制策略 |
| 4.2.2 喷氨支管调节阀门控制策略 |
| 4.3 SCR脱硝自适应优化控制方案 |
| 4.3.1 基于RSNAAFS算法的反应器入口烟气预处理 |
| 4.3.2 基于NNFL算法的SCR反应器出口NO_x浓度控制 |
| 4.4 SCR脱硝自适应优化控制仿真分析 |
| 4.4.1 基于RSNAAFS算法的反应器入口喷氨优化 |
| 4.4.2 基于NNFL算法的NO_x浓度优化 |
| 4.5 本章小结 |
| 第5章 SCR脱硝深度控制 |
| 5.1 引言 |
| 5.2 大数据深度学习优势 |
| 5.2.1 大数据理论用于SCR脱硝的优势 |
| 5.2.2 深度学习用于SCR脱硝的优势 |
| 5.3 基于深度控制的SCR烟气脱硝优化系统 |
| 5.3.1 多输出串级平面场优化控制结构 |
| 5.3.2 单神经元自适应-模拟退火(SNASA)算法 |
| 5.3.3 深度粒子群(DPSO)算法 |
| 5.3.4 SCR脱硝系统深度控制 |
| 5.4 仿真与结果分析 |
| 5.5 本章小结 |
| 第6章 SCR脱硝滑模变结构优化控制 |
| 6.1 引言 |
| 6.2 滑模变结构控制 |
| 6.2.1 滑模变结构控制原理简述 |
| 6.2.2 滑模变结构控制的抖振问题 |
| 6.2.3 滑模变结构抖振处理方法 |
| 6.3 控制输出前馈补偿SMC优化脱硝控制 |
| 6.4 无差自适应滑模变结构优化控制 |
| 6.5 仿真结果与分析 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（5）水下航行器路径规划关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 水下航行器系统的研究进展 |
| 1.3 水下航行器路径规划的研究现状 |
| 1.3.1 水下航行器系统的全局静态路径规划 |
| 1.3.2 水下航行器的局部动态路径规划 |
| 1.3.3 水下目标跟踪技术 |
| 1.4 水下航行器路径规划中的协同定位技术 |
| 1.5 水下航行器系统路径规划发展趋势与需求 |
| 1.5.1 路径规划中的传统方法与群智能优化算发的相互结合 |
| 1.5.2 多传感器信息融合技术在路径规划中的应用 |
| 1.5.3 路径规划技术指标的提升 |
| 1.5.4 多个航行器在路径规划上协同定位的应用 |
| 1.6 论文研究内容 |
| 第2章 三维海底地形数据融合及建模仿真技术 |
| 2.1 电子海图中海底高程数据的提取 |
| 2.2 海底高程数据的融合技术 |
| 2.2.1 基于随机过程的方法 |
| 2.2.2 人工智能的方法 |
| 2.2.3 数据融合方法的比较 |
| 2.3 基于智能优化算法和卡尔曼滤波相结合的自校正融合方法 |
| 2.3.1 协方差融合估计 |
| 2.3.2 自校正融合的方法 |
| 2.3.3 改进的卡尔曼滤波器数据融合 |
| 2.3.4 自校正系数的优化问题 |
| 2.4 基于复合分形插值算法海底模型的建立 |
| 2.4.1 基于迭代函数系统插值的数学基础 |
| 2.4.2 复合分形插值算法的设计 |
| 2.5 仿真实验及结果分析 |
| 2.6 本章小结 |
| 第3章 多水下航行器全局静态路径规划研究 |
| 3.1 常用的全局路径规划方法概述 |
| 3.1.1 基于几何模型的搜索算法 |
| 3.1.2 基于智能优化的全局路径规划搜索方法 |
| 3.2 常用的全局路径规划方法优缺点比较 |
| 3.3 基于光滑细分原则的粒子群算法的全局路径规划 |
| 3.3.1 改进型算法地设计 |
| 3.3.2 算法的收敛性分析 |
| 3.3.3 算法的仿真实验及分析 |
| 3.4 真实海底环境算法实现过程及流程图 |
| 3.4.1 粒子初始化问题 |
| 3.4.2 对粒子位置进行编码 |
| 3.4.3 设计适应度函数及约束条件 |
| 3.4.4 粒子的更新及终止条件,最终形成可行路径 |
| 3.5 仿真实验及结果分析 |
| 3.5.1 全局路径实验一 |
| 3.5.2 全局路径实验二 |
| 3.5.3 全局路径实验三 |
| 3.5.4 全局路径实验四 |
| 3.6 本章小结 |
| 第4章 水下航行器局部动态路径规划研究 |
| 4.1 水下航行器局部路径规划介绍 |
| 4.1.1 基于虚拟势场的局部路径规划 |
| 4.1.2 基于数学最优化方法的局部路径规划 |
| 4.2 移动物体运动学基础 |
| 4.2.1 水下航行器的运动学基础 |
| 4.2.2 障碍物运动情况综合分析 |
| 4.2.3 基于EKF滤波方法预测障碍物运动 |
| 4.3 碰撞预测及避障策略 |
| 4.3.1 障碍物碰撞预测 |
| 4.3.2 AUV避障策略 |
| 4.4 仿真实验 |
| 4.4.1 动态障碍物运动仿真实验 |
| 4.4.2 水下航行器避障实验仿真 |
| 4.5 本章小结 |
| 第5章 基于多模型的水下目标强跟踪研究 |
| 5.1 典型模型分析 |
| 5.1.1 匀速(CV)模型 |
| 5.1.2 匀加速(CA)模型 |
| 5.1.3 匀转弯(CT)模型 |
| 5.1.4 Singer模型 |
| 5.2 基于改进鲁棒性H_∞滤波的IMM算法 |
| 5.2.1 Krein空间的基本原理 |
| 5.2.2 鲁棒H_∞滤波在Krein空间中的理论 |
| 5.2.3 多模型算法的基本理论 |
| 5.2.4 水下航行器系统模型 |
| 5.2.5 交互式多模型算法 |
| 5.3 数值仿真分析 |
| 5.4 本章小结 |
| 第6章 基于非线性鲁棒H_∞滤波的多航行器协同定位研究 |
| 6.1 非线性不确定系统的鲁棒H_∞滤波的描述(KHIF) |
| 6.1.1 系统描述与优化问题 |
| 6.1.2 Krein空间形式系统的建立 |
| 6.1.3 递归公式与最优值条件 |
| 6.1.4 数值仿真与分析 |
| 6.2 多水下航行器协同定位系统的非线性误差模型 |
| 6.2.1 状态方程 |
| 6.2.2 量测方程 |
| 6.3 试验结果与分析 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（6）基于容积规则的鲁棒卡尔曼滤波算法研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 非线性滤波算法研究现状 |
| 1.2.1 扩展卡尔曼滤波 |
| 1.2.2 Sigma点卡尔曼滤波 |
| 1.2.3 粒子滤波 |
| 1.3 鲁棒卡尔曼滤波算法的研究现状 |
| 1.4 本文的主要研究内容 |
| 第2章 基于卡方检验的自适应鲁棒SVDCKF |
| 2.1 引言 |
| 2.2 奇异值分解容积卡尔曼滤波算法 |
| 2.3 自适应算法与鲁棒算法 |
| 2.3.1 判断方法 |
| 2.3.2 强跟踪自适应算法 |
| 2.3.3 测量噪声增强鲁棒算法 |
| 2.4 基于卡方检验的自适应鲁棒SVDCKF |
| 2.5 数值仿真 |
| 2.6 本章小结 |
| 第3章 基于降维SVDCKF的未知输入观测器 |
| 3.1 未知输入观测器 |
| 3.2 一般非线性未知输入观测器模型 |
| 3.3 基于SVDCKF的非线性未知输入观测器 |
| 3.4 基于降维SVDCKF的非线性未知输入观测器 |
| 3.4.1 具有特殊非线性的系统模型 |
| 3.4.2 降维算法等价性相关定理 |
| 3.4.3 基于降维算法的未知输入观测器 |
| 3.5 仿真与分析 |
| 3.6 本章小结 |
| 第4章 鲁棒SVDCQKF算法及在组合导航中的应用 |
| 4.1 组合导航与卡尔曼滤波算法 |
| 4.2 基于奇异值分解鲁棒容积积分卡尔曼滤波 |
| 4.2.1 H-∞原理 |
| 4.2.2 贝叶斯框架下的非线性滤波 |
| 4.2.3 奇异值分解鲁棒容积积分卡尔曼滤波 |
| 4.3 GPS/INS组合导航原理及数学模型 |
| 4.3.1 组合导航基本原理 |
| 4.3.2 GPS/INS组合导航数学模型 |
| 4.4 数值仿真及GPS/INS组合导航系统仿真 |
| 4.4.1 数值仿真 |
| 4.4.2 GPS/INS组合导航系统仿真 |
| 4.5 本章小结 |
| 第5章 噪声补偿SVDCKF及在机器视觉中的应用 |
| 5.1 神经网络与卡尔曼滤波 |
| 5.2 基于神经网络的噪声补偿SVDCKF算法 |
| 5.2.1 BP神经网络 |
| 5.2.2 基于神经网络的噪声补偿算法 |
| 5.3 双目视觉模型 |
| 5.4 用于估计图像雅可比矩阵的噪声补偿SVDCKF算法 |
| 5.4.1 图像雅可比矩阵估计模型 |
| 5.4.2 基于噪声补偿算法的双目伺服控制系统 |
| 5.5 基于图像反馈的视觉伺服系统仿真与实验 |
| 5.5.1 仿真与分析 |
| 5.5.2 基于图像反馈的视觉伺服系统实验 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间承担的科研任务与主要成果 |
| 致谢 |
（7）地炮闭环校射弹射击方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 闭环校射弹国内外研究概况 |
| 1.2.1 闭环校射理论国外研究概况 |
| 1.2.2 闭环校射理论国内研究概况 |
| 1.2.3 参数辨识研究概况 |
| 1.3 本文的主要研究内容 |
| 2 传统炮兵射击修正方法分析及闭环校射技术原理 |
| 2.1 传统的炮兵射击修正方法及其不足 |
| 2.1.1 传统炮兵射击流程 |
| 2.1.2 传统炮兵射击修正的主要方法 |
| 2.1.3 传统炮兵射击与修正方法的不足 |
| 2.2 地炮闭环校射弹的射击理论与方法 |
| 2.2.1 基本概念与内涵 |
| 2.2.2 基本原理 |
| 2.2.3 系统构成 |
| 2.2.4 闭环校射弹的流程图 |
| 2.2.5 采用闭环校射弹射击的优点 |
| 3 弹道方程的建立 |
| 3.1 坐标系的建立 |
| 3.2 各坐标系间的转换关系 |
| 3.2.1 弹道坐标系与基准坐标系的关系 |
| 3.2.2 弹轴坐标系与基准坐标系的关系 |
| 3.2.3 弹体坐标系与弹轴坐标系的关系 |
| 3.2.4 第二弹轴坐标系与第一弹轴坐标系的关系 |
| 3.3 作用在闭环校射弹上的力和力矩 |
| 3.3.1 相对气流速度和相对攻角 |
| 3.3.2 有风时的空气动力 |
| 3.3.3 空气动力矩 |
| 3.4 六自由度的刚体弹道方程 |
| 3.5 考虑陀螺效应的质点弹道方程 |
| 3.6 本章总结 |
| 4 弹道参数辨识方法 |
| 4.1 滤波模型 |
| 4.1.1 状态方程 |
| 4.1.2 量测方程 |
| 4.2 基于最小二乘估计的参数辨识方法 |
| 4.3 基于扩展卡尔曼滤波的参数辨识方法 |
| 4.3.1 扩展卡尔曼滤波理论 |
| 4.3.2 扩展卡尔曼滤波在滤波模型有较大误差时的性能分析 |
| 4.4 基于衰减记忆卡尔曼滤波的参数辨识方法 |
| 4.5 卡尔曼滤波的辨识结果比较分析 |
| 4.5.1 扩展卡尔曼滤波与衰减记忆卡尔曼滤波的性能比较 |
| 4.5.2 衰减因子对卡尔曼滤波的性能影响 |
| 4.5.3 衰减卡尔曼滤波在系统模型不准确时的性能分析 |
| 4.6 基于H_∞滤波的弹道参数辨识方法 |
| 4.7 卡尔曼滤波与H_∞滤波对比 |
| 4.7.1 卡尔曼滤波与H_∞滤波在不同噪声条件下的仿真结果 |
| 4.7.2 卡尔曼滤波与H_∞滤波在系统模型不准确时的仿真结果 |
| 4.7.3 边界条件对H_∞滤波性能影响分析 |
| 4.8 本章小结 |
| 5 弹道预测方法 |
| 5.1 弹道方程组解算弹道偏差的预报方法 |
| 5.2 非线性模型预报法 |
| 5.3 落点预报结果 |
| 5.3.1 参数辨识对落点预报的性能影响分析 |
| 5.3.2 滤波时间对落点预报性能的影响分析 |
| 5.3.3 不同噪声下衰减记忆卡尔曼滤波与H_∞滤波的落点预报性能分析 |
| 5.3.4 非线性模型预报法的性能分析 |
| 5.4 本章小结 |
| 6 闭环校射弹的射击方法研究 |
| 6.1 射击方法概述 |
| 6.2 闭环校射弹的新型射击方法 |
| 6.2.1 “单炮多发连续弹着”法 |
| 6.2.2 “疏散配置、火力集中”法 |
| 6.2.3 “运动补偿”法 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 7.1 本文的主要工作 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
（8）不确定系统滤波技术研究及在组合导航中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 课题研究现状分析 |
| 1.2.1 INS/GPS组合导航系统 |
| 1.2.2 滤波理论的发展 |
| 1.2.3 改进的卡尔曼滤波理论在组合导航系统中的应用 |
| 1.2.4 不确定性系统鲁棒滤波理论在组合导航系统中的应用 |
| 1.3 论文的主要内容与章节安排 |
| 第2章 组合导航系统滤波方程分析 |
| 2.1 最优估计滤波器卡尔曼滤波 |
| 2.2 滤波稳态解与系统不确定性对滤波器的影响 |
| 2.2.1 通过埃尔米特矩阵求取滤波稳态解 |
| 2.2.2 由系统不确定引起的滤波发散 |
| 2.2.3 系统不确定性对估计结果的影响 |
| 2.3 惯导系统误差分析 |
| 2.3.1 惯导系统方程 |
| 2.3.2 惯导系统误差方程 |
| 2.3.3 轨迹仿真方程 |
| 2.3.4 惯导及组合导航系统仿真 |
| 2.4 李雅普诺夫与状态椭圆稳定性 |
| 2.4.1 李雅普诺夫稳定性 |
| 2.4.2 状态椭圆方程 |
| 2.4.3 状态椭圆方程约束条件 |
| 2.4.4 最小状态椭圆方程 |
| 2.5 本章小结 |
| 第3章 线性不等式鲁棒滤波方法研究 |
| 引言 |
| 3.1 离散H∞滤波器 |
| 3.1.1 L2范数与H∞范数 |
| 3.1.2 基于博弈论（Game Theory）的H∞滤波 |
| 3.1.3 H2滤波, H∞滤波与卡尔曼滤波 |
| 3.2 线性不等式LMI |
| 3.2.1 线性不等式与凸集定义 |
| 3.2.2LMI的不等式组表达式 |
| 3.3 鲁棒H∞滤波器 |
| 3.3.1 有界多胞形集合的系统不确定性描述 |
| 3.3.2 鲁棒H∞滤波的线性不等式求解 |
| 3.3.3 鲁棒H∞滤波与卡尔曼滤波器 |
| 3.3.4 不稳定模型的LMI稳定性分解方法 |
| 3.4 鲁棒H∞滤波在组合导航中的应用分析 |
| 3.5 本章小结 |
| 第4章 范数有界鲁棒卡尔曼滤波器研究 |
| 引言 |
| 4.1 不确定系统描述与滤波器推导 |
| 4.1.1 范数有界不确定系统描述 |
| 4.1.2 鲁棒卡尔曼滤波器的推导 |
| 4.2 滤波特性分析 |
| 4.2.1 滤波收敛性与稳定性分析 |
| 4.2.2 鲁棒卡尔曼滤波与传统KF的关系 |
| 4.3 范围参数α的选取原则 |
| 4.4 鲁棒卡尔曼滤波仿真实验 |
| 4.4.1 数值模型仿真 |
| 4.4.2 组合导航应用模型仿真 |
| 4.5 本章小结 |
| 第5章 自适应有界椭圆估计方法 |
| 引言 |
| 5.1 基于二次形的椭圆方程描述 |
| 5.1.1 系统过程噪声上界椭圆 |
| 5.1.2 有界椭圆估计中的预测问题：椭圆求和 |
| 5.1.3 有界椭圆估计中的量测更新问题：椭圆相交 |
| 5.2 标量量测条件下的椭圆相交问题 |
| 5.3 改进降低保守性自适应椭圆估计方法 |
| 5.4 仿真结果与分析 |
| 5.4.1 仿真数据估计性能分析 |
| 5.4.2 真实数据估计性能分析 |
| 5.5 本章小结 |
| 第6章 忽略噪声条件的FIR滤波分析 |
| 引言 |
| 6.1 FIR滤波 |
| 6.1.1 系统模型与问题规划 |
| 6.1.2 初始均值方阵确定 |
| 6.1.3 最优FIR估计 |
| 6.2 无偏FIR估计增益 |
| 6.2.1 递推形式的无偏FIR估计 |
| 6.2.2 估计误差分析 |
| 6.2.3 时变系统的FIR估计 |
| 6.2.4 最优FIR采样窗口 |
| 6.3 数值模型仿真分析 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（9）滤波技术在高超声速大机动飞行器末制导中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 图表索引 |
| 主要符号和专有名词表 |
| 第1章 绪论 |
| 1.1 引言 |
| 1.1.1 现代战争中的攻击导弹 |
| 1.1.2 反导武器的发展 |
| 1.1.3 制导律的产生和发展 |
| 1.1.4 滤波技术的产生及应用 |
| 1.2 课题的背景和意义 |
| 1.3 末制导律和滤波技术的研究状况 |
| 1.3.1 末制导律的研究状况 |
| 1.3.2 滤波技术的研究状况 |
| 1.3.3 当前高超声速飞行器末制导的主要问题及部分解决措施 |
| 1.4 论文主要研究内容 |
| 第2章 末制导律和非线性滤波器算法研究 |
| 2.1 引言 |
| 2.2 末制导律 |
| 2.2.1 末制导回路 |
| 2.2.2 比例制导律 |
| 2.2.3 增广比例制导律 |
| 2.2.4 最优制导律 |
| 2.3 贝叶斯估计 |
| 2.3.1 贝叶斯估计的模型假设 |
| 2.3.2 贝叶斯估计的最优准则 |
| 2.3.3 贝叶斯最优估计和最优滤波 |
| 2.3.4 贝叶斯滤波最优解 |
| 2.4 高斯滤波 |
| 2.4.1 卡尔曼滤波 |
| 2.4.2 扩展卡尔曼滤波 |
| 2.4.3 无迹卡尔曼滤波 |
| 2.5 跳跃马尔可夫系统和多模型滤波 |
| 2.5.1 跳跃马尔可夫系统的数学描述 |
| 2.5.2 交互多模型滤波算法原理 |
| 2.5.3 交互多模型滤波算法实现 |
| 2.5.4 静态多模型算法 |
| 2.6 本章小结 |
| 第3章 改进中央差分算法在高超声速飞行器跟踪问题中的应用 |
| 3.1 引言 |
| 3.2 中央差分滤波算法 |
| 3.2.1 中央差分算法 |
| 3.2.2 使用中央差分算法逼近非线性随机函数的均值和方差 |
| 3.2.3 中央差分算法的参数 |
| 3.2.4 中央差分滤波算法 |
| 3.3 中央差分滤波算法的改进 |
| 3.3.1 测量更新 |
| 3.3.2 迭代更新 |
| 3.4 仿真验证 |
| 3.4.1 高超声速正弦大指令机动飞行器跟踪问题 |
| 3.4.2 闪烁噪声下高超声速非机动飞行器的跟踪问题 |
| 3.5 本章小结 |
| 第4章 随机噪声干扰下滤波制导系统的设计和评价方法改进 |
| 4.1 引言 |
| 4.2 新型滤波制导工具箱的设计 |
| 4.2.1 传统编程方式设计滤波制导仿真程序的缺陷 |
| 4.2.2 新型滤波制导工具箱的模块化实现 |
| 4.2.3 非线性滤波器一致性检验的实现 |
| 4.2.4 仿真验证 |
| 4.3 滤波器的性能评价指标 |
| 4.3.1 无偏性 |
| 4.3.2 有效性和一致性 |
| 4.3.3 高斯滤波器状态估计的统计检验 |
| 4.4 滤波器初始估计方法及其改进 |
| 4.4.1 初始估计的目的 |
| 4.4.2 实际系统中高斯滤波器的初始估计 |
| 4.4.3 仿真系统中高斯滤波器的初始估计 |
| 4.4.4 高斯次优非线性滤波器的改进型初始估计方法 |
| 4.4.5 仿真验证 |
| 4.5 滤波器性能改进型评价方法 |
| 4.5.1 传统评价方法及其缺陷 |
| 4.5.2 最优比较判别法 |
| 4.5.3 假设检验判别法及其改进 |
| 4.6 本章小结 |
| 第5章 滤波制导一体化设计在高超声速大机动飞行器末制导中的应用 |
| 5.1 引言 |
| 5.2 系统建模 |
| 5.2.1 状态模型 |
| 5.2.2 传统测量模型 |
| 5.2.3 方位角信息测量模型 |
| 5.2.4 毁伤模型 |
| 5.3 跟踪算法 |
| 5.3.1 多模型算法 |
| 5.3.2 非线性多模型算法 |
| 5.3.3 快速非线性多模型算法 |
| 5.4 仿真研究 |
| 5.4.1 开环性能比较 |
| 5.4.2 闭环仿真研究 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
| 个人简历 |
（10）基于前馈补偿的压电智能结构复合振动主动控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 压电智能结构的振动控制方法及研究现状 |
| 1.2.1 被动控制 |
| 1.2.2 半主动控制 |
| 1.2.3 主被动控制 |
| 1.2.4 主动控制 |
| 1.3 前馈补偿技术及其在振动控制中的研究 |
| 1.3.1 干扰观测技术及其振动复合控制器的研究 |
| 1.3.1.1 基于干扰观测器的振动复合控制器的研究意义 |
| 1.3.1.2 基于干扰观测的复合控制器及其在振动控制中的研究现状 |
| 1.3.2 自抗扰控制技术及其振动控制器的研究 |
| 1.4 论文主要研究内容及创新点 |
| 第二章 压电智能板结构的数学模型分析 |
| 2.1 引言 |
| 2.2 压电元件的工作原理 |
| 2.2.1 压电效应 |
| 2.2.2 压电方程 |
| 2.3 压电板结构状态空间模型的建立 |
| 2.3.1 压电板结构动力学方程的建立 |
| 2.3.2 状态空间方程的建立 |
| 2.4 本章小结 |
| 第三章 基于扰动观测技术的压电壁板结构复合振动 |
| 3.1 预备知识 |
| 3.1.1 频域扰动观测器的基本原理 |
| 3.1.2 扰动观测器的设计 |
| 3.1.2.1 L ( s )滤波器的结构选择 |
| 3.1.2.2 滤波器时间常数选取 |
| 3.1.3 扰动观测器的仿真及性能分析 |
| 3.1.4 四面固支压电板结构机电耦合模型 |
| 3.2 基于 DOB 的四面固支板结构的最优复合振动控制器 |
| 3.2.1 LQR 最优振动控制器 |
| 3.2.2 基于 Logistic 序列的 LQR 结构振动控制器优化设计 |
| 3.2.2.1 LQR 权矩阵参数常规化方法 |
| 3.2.2.2 Logistic 混沌序列优化算法的可行性分析 |
| 3.2.2.3 Logistic 混沌优化算法的实现 |
| 3.2.3 扰动观测器的设计及其物理意义 |
| 3.3 四面固支板压电板最优复合振动控制实验分析 |
| 3.3.1 参数辨识系统 |
| 3.3.2 实验结果 |
| 3.4 基于扰动观测器的多模态振动控制 |
| 3.4.1 混沌优化的多通道 PID 振动控制器 |
| 3.4.1.1 压电加筋板的多模态机电耦合模型 |
| 3.4.1.2 混沌优化多通道 PID 控制器的实现 |
| 3.4.2 基于多通道扰动观测技术的振动控制器 |
| 3.4.2.1 改进的 DOB 振动控制器 |
| 3.4.2.2 基于 DOB+mPID 复合策略的压电加筋板结构多模态振动主动控制 |
| 3.4.3 多模态振动控制仿真和实验验证 |
| 3.4.3.1 系统参数辨识系统 |
| 3.4.3.2 仿真结果 |
| 3.4.3.3 实验分析 |
| 3.5 本章小结 |
| 第四章 加速度传感器噪声抑制的扰动观测振动控制技术 |
| 4.1 引言 |
| 4.2 基于改进型扰动观测器的振动控制器结构 |
| 4.2.1 基于扰动观测器的时延补偿复合振动控制 |
| 4.2.2 具有传感器量测噪声去除功能的扰动观测复合振动控制 |
| 4.2.3 新型扰动观测器的控制结构参数设计 |
| 4.3 实验验证 |
| 4.4 本章小结 |
| 第五章 加筋壁板结构的自抗扰振动控制 |
| 5.1 引言 |
| 5.2 自抗扰振动控制器原理 |
| 5.3 二阶线性自抗扰振动控制器 |
| 5.3.1 线性自抗扰振动控制器的原理 |
| 5.3.2 LESO 状态估计性能分析 |
| 5.3.3 LADRC 的稳定性能分析 |
| 5.4 压电加筋壁板结构的多模态线性自抗扰振动控制器设计 |
| 5.4.1 多回路扩张状态观测器 |
| 5.4.2 多模态动态解耦控制 |
| 5.5 实验研究 |
| 5.6 结论 |
| 第六章 自抗扰控制器的几种补偿技术及其应用研究 |
| 6.1 引言 |
| 6.2 压电壁板结构的状态估计误差补偿线性自抗扰振动控制器设计 |
| 6.2.1 状态观测误差补偿的 LADRC |
| 6.2.2 自抗扰主动振动控制器设计 |
| 6.2.3 自抗扰振动主动控制实验 |
| 6.3 基于输出预估自抗扰策略的加筋板结构多模态振动主动控制 |
| 6.3.1 输出预估自抗扰振动控制器设计 |
| 6.3.2 自抗扰振动主动控制实验 |
| 6.3.2.1 实验系统 |
| 6.3.2.2 异位配置时延估计 |
| 6.3.2.3 实验结果与分析 |
| 6.4 基于加速度反馈和自抗扰的加筋壁板结构复合振动控制 |
| 6.4.1 加筋压电智能板结构振动主动控制器设计 |
| 6.4.1.1 加速度反馈 |
| 6.4.1.2 复合控制器设计 |
| 6.4.2 压电加筋板结构振动控制实验结果与分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
四、次优滤波器在航空火力控制中的应用（论文参考文献）
- [1]无人机高度多传感器信息融合技术[D]. 黑梦娜. 西安邮电大学, 2021(02)
- [2]小型无人机惯性/卫星/视觉组合导航技术研究[D]. 曲蕴杰. 哈尔滨工业大学, 2020(01)
- [3]有限维非线性滤波的分类及实时无记忆滤波方法的研究[D]. 董文慧. 清华大学, 2020(01)
- [4]火电机组SCR烟气脱硝机理建模与智能控制[D]. 潘岩. 华北电力大学(北京), 2019(01)
- [5]水下航行器路径规划关键技术研究[D]. 吕重阳. 哈尔滨工程大学, 2019(04)
- [6]基于容积规则的鲁棒卡尔曼滤波算法研究与应用[D]. 赵伟. 燕山大学, 2017(05)
- [7]地炮闭环校射弹射击方法研究[D]. 张聪. 南京理工大学, 2016(02)
- [8]不确定系统滤波技术研究及在组合导航中的应用[D]. 邱海洋. 哈尔滨工程大学, 2016(06)
- [9]滤波技术在高超声速大机动飞行器末制导中的应用[D]. 汪语哲. 哈尔滨工业大学, 2013(01)
- [10]基于前馈补偿的压电智能结构复合振动主动控制[D]. 李生权. 南京航空航天大学, 2012(06)