摘要：介绍了一种用于GPS时差比对数据处理的自适应卡尔曼滤波器,在Matlab环境下编写了离散时间形式的卡尔曼滤波算法程序,利用该算法对GPS信号与铯原子频标的时差比对数据进行了分析处理,最后介绍了该算法的数字芯片FPGA实现。

摘要：控制系统故障诊断在生产中十分重要,而传感器作为控制系统中最容易发生故障的环节,对其故障做出及时正确的预报尤为重要。介绍了卡尔曼滤波器的原理,以及基于卡尔曼滤波器的控制系统传感器故障诊断方法,从仿真结果可以看出这种方法在故障诊断中的实用性和有效性。

摘要：航空发动机是典型的非线性系统,传统的基于线性模型的故障诊断算法忽略了高阶非线性特性,对诊断结果有一定的影响。本文建立了发动机改进平衡流形展开模型,提出了基于改进的平衡流形展开模型与容积卡尔曼滤波器相结合的双通道传感器故障诊断及隔离方法,利用双传感器的冗余性实现了快速灵敏地故障检测与隔离。所提方法在CFM-56发动机的模拟机上进行仿真试验,试验结果证明了所提方法的有效性。

摘要：主要针对某型捷联寻的制导弹药 ,进行了捷联寻的制导系统滤波器设计并进行了目标机动情况下的仿真验证。利用捷联寻的导引头给出的量测信息 ,设计了捷联寻的制导系统的强跟踪卡尔曼滤波器 ,估计出弹目相对运动等信息 ,用于末制导弹药的最优导引律 ,导引其命中目标。仿真结果表明 ,所设计的捷联寻的制导系统滤波器能有效对付目标机动 ,满足某型制导弹药武器系统性能指标要求。

摘要：在分析卡尔曼滤波器和α-β-γ滤波器的基础上,提出了一种改进的α-β-γ-θ滤波器的离散形式和连续形式,设计了一种具有鲁棒性能的改进型的PID控制器。通过理论推导,证明了所设计的α-β-γ-θ滤波器是n阶系统(可以近似为2阶系统)的一个一致渐近稳定的3阶状态观测器,并给出了α-β-γ-θ滤波器的稳定性与α,β,γ,θ参数选择的之间的关系。同时对α-β-γ-θ滤波器和改进型的PID控制器进行了实验仿真,并将其应用到发电厂的热工控制系统技术改造项目中,案例研究表明所设计的α-β-γ-θ滤波器和改进型的PID控制器能取得良好的控制效果。

摘要：针对星上计算机运算资源有限的问题,为了降低卫星姿态确定系统故障诊断的运算量,提出一种基于卡尔曼滤波器的故障检测与分离方法。该方法首先基于卫星姿态运动方程设计了一种加性卡尔曼滤波器,然后将卡尔曼滤波器与简化观测器思想相结合,进一步提出一种采用简化滤波器思想的姿态敏感器故障诊断律。所提出的故障诊断方法既可以实现对陀螺故障的检测与分离,又能够诊断星敏感器的故障。此外,该方法只利用一个滤波器即可实现故障检测与分离,其计算量小,有利于在轨实施。最终采用一个由三正交一斜装陀螺组件和星敏感器构成的姿态确定系统对所提出的方法进行了仿真校验,仿真结果表明了所提方法的有效性。

摘要：针对基于滤波器的预测方法由于依赖模型精度而导致长周期预测精度低的问题,提出了一种基于滤波器和长短期记忆(LSTM)网络的融合故障预测算法,实现航天器飞轮执行器缓变故障的预测。首先,分别设计了小批量标准化LSTM网络和趋势识别模块,二者串联组成神经网络预测器提高对时序预测的准确性。然后,利用递归最小二乘(RLS)参数估计原理改进卡尔曼滤波器更新过程,以增强对时序预测误差的鲁棒性。在此基础上,将神经网络预测器输出的预测值与改进后的滤波器相融合,获得未来时刻的预测残差项实现迭代更新和预测,克服了滤波器算法对模型的依赖,提高了预测精度。最后,设计仿真实验比较了三种神经网络预测器的时序预测性能,并考虑飞轮轴承性能退化故障,利用所提融合预测算法判断出飞轮在856 s时性能退化达到阈值,预测时间误差为36 s,从而验证了预测算法对缓变故障的有效性。

摘要：文中设计了一种新的基于ARMA模型自校正卡尔曼滤波器,从而避免了经典卡尔曼滤波器需要精确知道系统的模型参数和噪声统计特性的缺点。仿真结果表明,在未知部分模型参数和噪声统计特性的情况下,自校正卡尔曼滤波器的滤波性能,非常接近稳态最优卡尔曼滤波器。且计算过程简单,并可以在线建模,适用于部分慢时变系统。

摘要：针对离散时间Markov跳变系统设计最小方差有限脉冲响应滤波器。这类滤波器在一段有限的滚动时域上利用可测输入和输出的线性函数来估计系统的状态,并使估计状态能尽可能接近实际状态,即满足无偏差条件。通过最小化估计误差的方差,可以得到最优滤波器。为了便于工程应用,假设每一个采样时刻的跳变模态和系统的输入、输出均是可知的。最小方差有限脉冲响应滤波器分别以序列形式和迭代形式给出。数值示例验证了所提方法的可行性和有效性。

摘要：针对大规模时空数据的稳健参数设计问题,将快速不可分离高斯过程(fast nonseparable Gaussian process,FNSGP)模型与多元质量损失函数相结合,建立一个新的优化方案.首先,在考虑空间与时间相关性的条件下,使用FNSGP模型构建输入因子与质量特性之间的响应曲面,并采用前向滤波和后向平滑的快速、精确算法对模型进行估计和预测;其次,基于信噪比计算时空响应的联合损失权重,构造多元质量损失函数;然后,结合多元质量损失函数建立两阶段参数优化方案;最后,利用非线性优化算法寻找空间与时间因子的联合最优参数设计值.研究结果表明,本文所提方法可以有效地处理大规模时空数据的元建模与稳健参数设计问题,与可分离高斯过程、线性回归、随机森林等替代方法相比能够获得更为稳健的优化结果.