简介：红外跟踪与激光测距的联合跟踪系统在实际工程中得到越来越多的应用，但两类传感器采样不同步是比较常见的，从而带来了一些新问题。激光测距机的采样频率远远低于红外测角的采样频率，并非每个采样时刻都可以得到测距信息，因此，目标跟踪存在可观测性问题。提出了一种新的红外激光联合跟踪算法，即先对测角数据进行基于变长有限记忆最小二乘的预估计，然后将预估计后的测角结果与激光测距信息一起代入转换测量Kalman滤波方程中进行滤波。由于该算法有效的利用了全部测角信息，因此有利于改善跟踪估计性能。仿真实验表明，该算法具有较高的跟踪精度，且计算量较小。
简介：惯性导航系统中的动态扰动误差，一直是阻碍其推广应用的主要瓶颈，通过对惯导载体状态方程的解析，用H∞滤波理论来解决状态反馈控制器的设计问题，为改善惯导系统中的动态扰动误差提供了一种切实可行的新方法。
简介：基于粒子群优化算法（PSO）的神经网络具有良好的训练性能，输出的整体误差小于BP算法。用PSO作为一种粗优化或离线学习过程，用神经网络学习作为一种细优化或在线学习过程。这两种方法综合使用可以大大提高传动箱故障诊断性能。诊断系统把常用的7个时频动态特征参量作为BP网络的输入层的输入，把传动箱中常见的6种特征作为网络的输出。诊断系统拓扑结构为7—12—6的3层BP网络，规定系统误差0．001。结果表明．粒子群优化算法对多故障征兆有较好的故障识别率。作为一种有效优化方法，在机械故障诊断领域具有良好的应用前景。
一种新的红外激光联合跟踪滤波算法
用H∞滤波解决惯导系统中的动态扰动误差
粒子群优化算法在传动箱故障诊断中的应用
