本文针对杂波条件下多扩展目标的状态估计,目标个数估计,扩展目标形状估计问题,提出了一种基于标签随机有限集（Labelled random finite sets, L-RFS）框架下多扩展目标跟踪学习算法,该学习算法主要包括两方面:多扩展目标动态建模和多扩展目标的跟踪估计.首先,结合广义标签多伯努利滤波器（Generalized labelled multi-Bernoulli, GLMB）建立了扩展目标的量测有限混合模型（Finite mixture models, FMM）,利用Gibbs采样和贝叶斯信息准则（Bayesian information criterion, BIC）准则推导出有限混合模型的参数来对多扩展目标形状进行学习,然后采用等效量测方法来替代扩展目标产生的量测,对扩展目标形状采用椭圆逼近建模,实现扩展目标形状与状态的估计.仿真实验表明本文所给的方法能够有效跟踪多扩展目标,并且在目标个数估计方面优于CBMeMBer算法.此外,与标签多伯努利滤波（LMB）计算比较表明:GLMB和LMB算法滤波估计精度接近,二者精度高于CBMeMBer算法.

In this paper, a constrained control scheme based on model reference adaptive control is investigated for the longitudinal motion of a commercial aircraft with actuator faults and saturation nonlinearities. Actuator faults and constraints are both important factors adversely affecting the stability and performance of flight control systems. An adaptive adjustment law based on Lyapunov function is utilized to adjust the fault-tolerant control law. Both additive and multiplicative faults are considered in the designed controller to deal with the three types of actuator faults: locked in place, loss of effectiveness, and bias. Moreover, different techniques are implemented in the basic and fault-tolerant controller to anti-windup. Proofs for the stability of the two modified controllers which improve the performance of control system operating in the presence of actuator faults and saturations are proposed. Finally, a numerical example of the anti-windup fault-tolerant controller for a commercial aircraft is demonstrated. The stability and performance improvements can be accrued with the presented fault-tolerant control scheme. (C) 2019 The Franklin Institute. Published by Elsevier Ltd. All rights reserved.

由于可重复使用运载器再入飞行包线大、参数快变、飞行环境复杂,因此很难用单个飞行模型描述飞行器的整个再入过程。将再入飞行轨迹划分为一系列子区域,并在各区域设计单独的控制器是一个行之有效的方法。目前关于飞行轨迹如何实现区域划分缺乏一套完整成熟的理论,本文以不同状态点模型之间的间隙度量值作为划分指标,在分析飞行器模型影响因素的基础上,以再入飞行轨迹为对象设计基于间隙度量的划分法。最后针对再入飞行轨迹进行区域的定量划分并给出结果。

现在飞行器为了提高可靠性和生存能力,装备了更多操纵面。控制分配用来将虚拟控制力矩分配到这些冗余的操纵面上。由于物理因素和气动因素,每个气动操纵面都存在一定的限制,这使得控制分配问题变得更加复杂。本文提出了一种基于加权伪逆法的新型控制分配算法。加权伪逆法是一种结构简单且计算效率高的控制分配算法,但是它不能给出最优的控制分配结果。遗传算法是一种随机搜索算法。本文中,它将被用来对加权矩阵进行优化,以实现最大的可达力矩集。为了提高方法的性能,期望力矩所在空间将被分为多个部分,并使用遗传算法为每一部分寻求最优的加权矩阵。与单一加权矩阵相比,多个加权矩阵可以保证新方法在每一部分都具有更好的性能。为了验证算法的有效性,直接分配法将用以作为对照。仿真结果表明,新方法性能较传统的加权伪逆法有较大提高。

MEMS IMU（Mirco Electro Mechanical System Inertial Measurement Unit）微机电惯性测量模块广泛应用于组合导航系统,其中MEMS IMU随机误差模型的准确性对导航精度有着重要的影响。针对Allan方差法在估计随机误差模型方面的不足,研究了间接估计方法。该方法以Daubechies离散小波变换与间接推断原理为基础,根据小波系数的零均值平稳特征,对分解尺度进行确定,将小波方差作为间接估计辅助参数,分析了最优估计准则的渐近一致性,最后使用高斯牛顿法对估计结果进行校正,获得满足渐近一致性的随机误差模型参数估计结果。仿真结果表明,间接估计方法提高了随机误差模型的估计精度,其中一阶马尔科夫过程的相关时间估计精度提高了12.383%,解决了一阶马尔科夫过程模型的准确估计问题。通过试验结果分析,进一步证明了以上结论。

扩展目标跟踪问题一直是国内外广泛关注的热点问题,扩展目标跟踪存在如下特点:第一,目标在一个采样周期内产生多个量测点,并且这些量测通常位于传感器（例如雷达）同一个分辨单元内,增加了扩展目标个数估计的难度;第二,扩展目标的形状通常是未知的,甚至可能随时间变化,导致目标形状估计难度增大。本文以随机有限集为理论基础,首先提出了基于RFS的杂波强度估计算法,然后建立了扩展目标的散射点模型,最后提出了一种杂波条件下基于标签随机有限集（Labelled random finite sets,L-RFS）框架下的多扩展目标跟踪估计算法。具体研究内容如下:（1）基于RFS的未知杂波强度估计算法。在很多情况下,目标跟踪受到密集,不均匀和随时间变化的杂波干扰,这将严重恶化未知杂波环境下的跟踪性能。本文考虑未知杂波的检测率和杂波率,引入有限混合分布（FMD）来拟合未知的杂波分布,然后采用吉布斯采样和贝叶斯信息准则（BIC）来估计杂波参数。（2）扩展目标散射点建模。随着现代传感器技术的不断发展,雷达分辨率的日益提高使得我们能够从单个目标中获得多个散射点信息,即一个扩展目标在一个采样周期内产生不止一个量测点,这就需要建立扩展目标散射点模型。首先,通过多伯努利RFS对扩展目标散射点状态进行建模,状态用具有参数集{（r（i）,p（i））}i=1 M的多Bernoulli分布模型来表示,假设扩展目标散射点个数满足泊松分布,散射点参数服从高斯分布,通过图理论方法来实现扩展目标散射点结构建模。（3）杂波条件下多扩展目标的跟踪估计算法。算法主要包括多扩展目标的动态建模和多扩展目标的跟踪估计两部分。通过对研究内容（1）进行扩展,本文结合GLMB滤波器建立了扩展目标的量测有限混合模型,利用Gibbs采样和BIC准则推导出有限混合模型的参数来对多扩展目标量测进行估计,通过获取扩展目标的等效量测来替代扩展目标量测,对扩展目标形状采用椭圆逼近建模,实现扩展目标状态和形状的估计。

随着多智能体技术的不断发展,其在各个领域的应用也越来越普遍。多智能体编队作为其中一种具有高效性的应用方式而被广泛研究,如利用多智能体编队实现地面目标的协同感知、空中多无人机编队探测以及海面多舰船的范围搜索等。在传统的目标跟踪算法中,一般使用静态雷达或单移动智能体对目标进行探测,但由于目标状态的不明确以及执行任务的复杂性提升等因素,传统方法已经不能满足任务需要,多智能体协作控制技术的出现得以解决这一问题。本论文基于多智能体系统,开展了多智能体协作控制与目标跟踪算法的相关研究,具体研究内容如下:（1）从多智能体编队控制理论出发,研究了多智能体系统的编队形成、队形保持以及协作式目标跟踪等问题。首先在杂波环境下对运动目标与杂波进行系统建模,之后采用改进Kalman滤波算法估计目标状态,最后通过基于一致性理论的编队形成方法研究了一种具有移动跟踪的多智能体编队控制算法。（2）从多智能体系统的空间网络拓扑结构出发,提出了一种衡量多智能体系统编队结构性能的指标,通过分析智能体观测角、漏检概率以及观测距离等因子对编队性能的影响,调整编队队形参数提高编队性能。（3）在分布式条件下对各个多智能体获取的目标量测进行了融合估计,考虑了待融合估计量之间的相关性。研究了各智能体估计值密度函数的最优融合问题,将CI算法（covariance intersection）应用到多智能体融合估计上,得到了多智能体信息融合后的估计值。然后对多智能体系统在噪声相关性条件下实现目标跟踪的问题展开了相关研究,重点考虑杂波环境下测量噪声自相关、状态噪声与测量噪声互相关以及同时具有两种相关性的三种情况,去除噪声相关性并对运动目标进行跟踪的问题。

随着无人机技术的不断发展,以及无人机应用领域的不断扩展,无人机与有人机在低空空域的融合运行是我国通用航空事业发展的必然趋势,而感知与规避技术是无人机与有人机间避免碰撞的重要保障。在对感知与规避技术进行详细阐述的基础上,对其关键技术问题之一的避让航迹规划进行了研究。首先,针对传统人工势场法的局部震荡问题提出了解决方案;其次,结合感知与规避实际背景,对威胁区模型进行了优化,并对无人机自身性能约束进行了建模;最后,对改进算法进行了仿真验证,阐明了其对无人机动力能源消耗、避让时间和任务执行效率等方面的影响。