针对组合导航系统为高维非线性非高斯的特点,提出了一种在线实时调整粒子个数的自适应MCMC（Markov Chain Monte Carlo）粒子滤波算法。该算法利用基于KLD（Kullback-Leibler Distance）采样方法的自适应粒子个数调整算法在线调整MCMC粒子滤波过程中的粒子个数,利用预测粒子在状态空间中的分布情况来在线实时的确定下一次滤波迭代所需的粒子个数,从而有效减小算法的运算量,提高MCMC粒子算法的实时处理能力。最后,将该算法应用到了组合导航系统中进行了仿真研究。通过仿真结果可以看出,该算法在保持了MCMC粒子滤波算法的估计能力的同时,有效降低了算法的计算量,更适合于实际应用。

针对液压伺服系统中直接用测量的方法来建立伺服阀死区非线性的模型非常困难的现状,该文充分利用了现有的对液压伺服系统模型的认识,用RBF神经网络来代替伺服阀死区非线性部分的模型,设计了一个带神经网络的辨识器.该辨识器采用了迭代最小方差(RLS)学习算法对系统进行建模.最后,用Matlab/Simulink中的S_Function模块实现了上述辨识器的编程,并进行了仿真.仿真结果表明,所设计的辨识器能较好的解决液压伺服系统的建模问题.

本文从液压伺服系统的原始机理模型出发,提出了一种非线性跟踪控制方法,并且利用Lyapunov函数对这种方法进行了证明.利用对系统参数以及摩擦力的离线辨识结果,并结合本文提出的控制方法设计了控制器,并进行了仿真.文章最后给出了位置跟踪的仿真结果,并对仿真结果进行了分析,证明了这种控制器的有效性.