摘要：卡尔曼滤波器广泛用于解决线性高斯系统的状态估计问题.然而,在实际应用中过程噪声和系统模型参数先验信息未知,且量测受到异常值干扰,给准确估计系统状态带来极大困难.针对具有噪声信息和状态模型不确定的动态系统,提出一种广义交互式多模型自适应滤波算法.该算法设计多个模型并行的方式对系统不确定进行处理,对于每个模型,建立Skew-T分布非对称重尾噪声表示模型,为了解决过程噪声与系统协方差相互耦合难以求解的问题,利用逆威沙特分布对系统预测协方差矩阵进行描述,并通过变分贝叶斯推理递归计算系统状态的后验分布.仿真结果和实验验证表明,在噪声信息和状态模型不确定条件下,所提出算法具有较高的估计精度.

摘要：针对常规输出反馈特征结构配置方法不能完全保证闭环系统稳定性的问题,提出一种改进的输出反馈特征结构配置方法.该改进的算法通过引入二次型性能指标,将闭环系统的稳定性问题转化为线性二次型最优控制问题,从而保证闭环系统的稳定性;考虑到采用特征结构配置方法所设计的闭环系统鲁棒性不强,给出保证系统鲁棒性的条件,以解决系统鲁棒性问题.最后,通过在飞翼飞机上的仿真结果验证了所提出算法的有效性.

摘要：针对杂波先验信息未知且群结构可能发生分裂和合并条件下的基于随机矩阵的多群目标跟踪问题,提出基于网络流理论的多群目标跟踪算法。首先建立椭圆轮廓且群结构发生分裂和合并的多群目标运动模型,再根据Pauta准则对包含目标点与杂波的量测集进行处理,消除异常值,利用自适应谱聚类算法对处理后的量测集进行分割,获得单位时间内多个群目标的数目。结合量测分割结果,构建基于随机矩阵的多群目标网络流模型,设计多约束条件下的最小费用优化函数,运用A*搜索算法求得目标函数的全局最优解。最后根据指向⁃隐含速度约束条件得到最优关联航迹。仿真结果表明,与GM⁃GPHD滤波器相比,所提算法可准确地提取多条航迹并具有较低的计算复杂度以及更好的跟踪性能。

摘要：针对传统的可重复使用运载器(Reusable Launch Vehicle,RLV)在末端能量管理段(Terminal Area Energy Management,TAEM)存在的轨迹自适应能力不足和制导精度不够的问题,提出了一种TAEM三维轨迹规划算法及横向制导策略。首先,设计了纵向动压剖面和由3个参数决定的分段地面轨迹;其次,迭代基于内核提取协议(Kernel Extraction Protocol,KEP)的运动方程组,并设计了纵向位置校正算法,增强了对不同初始能量的自适应能力;最后,通过建立横向轨迹跟踪的数学模型,设计了航向校准和预着陆子阶段的开环和闭环横向制导律。仿真验证了轨迹规划和制导策略的有效性。

摘要：为了提高无人驾驶车辆路径跟踪的精度与实时性,通过分析无人驾驶车辆的运动模型,提出一种结合补偿控制的模糊PID跟踪算法.采用GPS获取车辆位置信息,并与目标路径比较,从而求出位移的偏差和车辆航向角的偏差,以此作为控制器的输入信号.根据偏差量和偏差量的变化程度来决定方向盘的转向和车速,运用补偿控制对模糊控制器的输出值进行纠正,从而控制无人驾驶车辆实现路径的准确跟踪.试验结果表明,该算法能够准确跟踪各种参考路径,并具有较好的鲁棒性.

摘要：对于通过经验和肉眼观察的传统诊断方法,可能引发误诊和漏诊的情况。为了精确的诊断口腔疾病,设计了一种基于卷积神经网络的口腔牙齿疾病诊断系统。该系统利用基于STM32的图像显示平台采集口腔图像,并使用GoogLeNet网络模型对图像进行特征提取与识别。采用TensorFlow框架对模型进行训练,结果表明,相比于传统的全连接网络,所提出的系统具有较高识别率。