本文選題：機(jī)動(dòng)目標(biāo) + 時(shí)滯補(bǔ)償　； 參考：《中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院光電技術(shù)研究所)》2017年碩士論文

【摘要】：伴隨著科學(xué)技術(shù)的飛速發(fā)展,目標(biāo)的機(jī)動(dòng)性也在不斷地增強(qiáng),尤其是小型無(wú)人機(jī)這類新型目標(biāo)的出現(xiàn),使得光電跟蹤系統(tǒng)的跟蹤能力已經(jīng)很難滿足目前的實(shí)際需求,需要進(jìn)一步提高。而限制光電跟蹤系統(tǒng)跟蹤能力提升的因素有很多,其中圖像傳感器的時(shí)間滯后是一個(gè)主要因素,本文從時(shí)滯補(bǔ)償?shù)慕嵌瘸霭l(fā)來(lái)提升系統(tǒng)的跟蹤能力。從控制結(jié)構(gòu)來(lái)講,經(jīng)典控制包含的只有前饋和反饋,所有控制方法都是由這兩種基本形式組成。本文從這兩個(gè)方面出發(fā)對(duì)滯后進(jìn)行補(bǔ)償。利用前饋補(bǔ)償滯后,需要通過(guò)狀態(tài)估計(jì)方法來(lái)預(yù)測(cè)目標(biāo)的速度或加速度,然后前饋到速度控制回路或加速度控制回路。利用反饋補(bǔ)償滯后,則需要建立控制對(duì)象的預(yù)估模型,利用預(yù)估模型補(bǔ)償?shù)艉袦蟮姆答伭俊榱四軠?zhǔn)確預(yù)測(cè)目標(biāo)的速度或加速度,本文研究了預(yù)測(cè)濾波算法,對(duì)于小型無(wú)人機(jī)這類目標(biāo)的跟蹤,其難點(diǎn)在于目標(biāo)運(yùn)動(dòng)模型的準(zhǔn)確度。分析和研究了當(dāng)前主流的交互式多模型算法,預(yù)測(cè)精度有較好的效果,但計(jì)算復(fù)雜,模型切換效率低,不適合實(shí)際使用�；趯�(duì)交互式多模型算法的分析,提出了基于機(jī)器學(xué)習(xí)的預(yù)測(cè)前饋,通過(guò)機(jī)器學(xué)習(xí)的支持向量機(jī)對(duì)目標(biāo)的運(yùn)動(dòng)狀態(tài)進(jìn)行分類,根據(jù)分類結(jié)果切換運(yùn)動(dòng)模型,濾波算法只需進(jìn)行一次運(yùn)算。仿真實(shí)驗(yàn)結(jié)果表明,提出的基于機(jī)器學(xué)習(xí)的預(yù)測(cè)前饋算法計(jì)算量遠(yuǎn)遠(yuǎn)小于交互式多模型算法,同時(shí),保證了預(yù)測(cè)的精度,在模型切換效率上也優(yōu)于交互式多模型算法。此外,對(duì)于預(yù)估補(bǔ)償本文重點(diǎn)研究了Smith預(yù)估控制,但傳統(tǒng)的Smith預(yù)估控制對(duì)控制對(duì)象的參數(shù)變化很敏感,基于此,本文提出了與速度內(nèi)回路相結(jié)合的方式,在傳統(tǒng)Smith預(yù)估控制回路中增加一個(gè)內(nèi)回路,相當(dāng)于改善了控制對(duì)象的魯棒性,并且從理論上分析了改進(jìn)方案的有效性,在快反鏡實(shí)驗(yàn)平臺(tái)上設(shè)計(jì)了跟蹤實(shí)驗(yàn)方案,實(shí)驗(yàn)結(jié)果表明,改進(jìn)的Smith預(yù)估控制比傳統(tǒng)的Smith預(yù)估控制更加穩(wěn)定和有效。
[Abstract]:With the rapid development of science and technology, the maneuverability of targets is also increasing, especially the emergence of new targets such as small UAVs, which makes the tracking ability of photoelectric tracking system difficult to meet the actual needs. Further improvements are needed. There are many factors that limit the tracking ability of photoelectric tracking system, among which the time lag of image sensor is the main factor. In this paper, the tracking ability of the system is improved from the angle of time-delay compensation. From the control structure, the classical control contains only feedforward and feedback, all control methods are composed of these two basic forms. This article starts from these two aspects to carry on the compensation to the lag. Using feedforward compensation for hysteresis, it is necessary to predict the velocity or acceleration of the target by state estimation, and then feed forward to the speed control loop or acceleration control loop. Using feedback to compensate the lag, the predictive model of the control object is established, and the feedback with the lag is compensated by the predictive model. In order to accurately predict the velocity or acceleration of the target, the predictive filtering algorithm is studied in this paper. For the tracking of small UAV, the difficulty lies in the accuracy of the target moving model. This paper analyzes and studies the current mainstream interactive multi-model algorithms. The prediction accuracy is good, but the calculation is complicated and the model switching efficiency is low, so it is not suitable for practical use. Based on the analysis of the interactive multi-model algorithm, the predictive feedforward based on machine learning is proposed. The moving state of the target is classified by the support vector machine of machine learning, and the motion model is switched according to the classification results. The filtering algorithm needs only one operation. The simulation results show that the computational complexity of the proposed predictive feedforward algorithm based on machine learning is much less than that of the interactive multi-model algorithm. At the same time, the prediction accuracy is guaranteed and the model switching efficiency is better than that of the interactive multi-model algorithm. In addition, the paper focuses on the Smith predictive control for predictive compensation, but the traditional Smith predictive control is very sensitive to the change of the parameters of the control object. Based on this, this paper proposes a way to combine with the velocity inner loop. Adding an internal loop to the traditional Smith predictive control loop is equivalent to improving the robustness of the control object. The effectiveness of the improved scheme is analyzed theoretically, and the tracking experimental scheme is designed on the fast mirror experimental platform. Experimental results show that the improved Smith predictive control is more stable and effective than the traditional Smith predictive control.
【學(xué)位授予單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院光電技術(shù)研究所)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP181;TN29

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周星南;張鳳宇;劉以安;;基于輸入估計(jì)的機(jī)動(dòng)目標(biāo)跟蹤方法[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年06期

2 ;探測(cè)、跟蹤與偵察[J];電子科技文摘;2000年07期

3 劉丹,王宏強(qiáng),黎湘;基于交互多模算法在非線性測(cè)量方程下的機(jī)動(dòng)目標(biāo)跟蹤[J];電光與控制;2002年04期

4 錢瓊芬,徐毓;單模型機(jī)動(dòng)目標(biāo)跟蹤方法的仿真研究[J];空軍雷達(dá)學(xué)院學(xué)報(bào);2004年02期

5 劉昌云,劉進(jìn)忙,陳長(zhǎng)興,李松;機(jī)動(dòng)目標(biāo)跟蹤的機(jī)動(dòng)頻率自適應(yīng)算法[J];控制理論與應(yīng)用;2004年06期

6 李璐;;機(jī)動(dòng)目標(biāo)跟蹤領(lǐng)域的數(shù)據(jù)濾波技術(shù)應(yīng)用[J];電子科學(xué)技術(shù)評(píng)論;2005年04期

7 劉凱;苗艷;袁富宇;;用于純方位機(jī)動(dòng)目標(biāo)跟蹤的機(jī)動(dòng)探測(cè)法[J];指揮控制與仿真;2006年02期

8 馬照英;楊莘元;楊雷;;機(jī)動(dòng)目標(biāo)跟蹤中的序貫濾波[J];應(yīng)用科技;2006年06期

9 蔣宏;宋龍;任章;;非全測(cè)狀態(tài)下的機(jī)動(dòng)目標(biāo)跟蹤[J];系統(tǒng)工程與電子技術(shù);2007年02期

10 于國(guó)橋;張安清;;機(jī)動(dòng)目標(biāo)跟蹤的非線性算法[J];火力與指揮控制;2007年06期

相關(guān)會(huì)議論文 前10條

1 邱曉波;周啟煌;竇麗華;;機(jī)動(dòng)目標(biāo)跟蹤的參數(shù)辨識(shí)模型[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

2 徐本連;;雙觀測(cè)器純方位跟蹤性能界限的分析與近似[A];蘇州市自然科學(xué)優(yōu)秀學(xué)術(shù)論文匯編(2008-2009)[C];2010年

3 朱自謙;;用于機(jī)動(dòng)目標(biāo)跟蹤的復(fù)合機(jī)動(dòng)模型及其應(yīng)用[A];1992年中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1992年

4 單甘霖;朱紀(jì)洪;王子棟;郭治;;具有有色噪聲和指定預(yù)測(cè)方差的目標(biāo)跟蹤[A];1994中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

5 曲洪權(quán);李少洪;;一種改進(jìn)的機(jī)動(dòng)目標(biāo)跟蹤算法[A];第十三屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

6 郭軍海;謝京穩(wěn);沙定國(guó);;基于多普勒雷達(dá)組網(wǎng)的空間機(jī)動(dòng)目標(biāo)跟蹤[A];中國(guó)空間科學(xué)學(xué)會(huì)空間探測(cè)專業(yè)委員會(huì)第十八次學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2005年

7 巴宏欣;趙宗貴;劉海燕;楊飛;曹雷;;一種機(jī)動(dòng)目標(biāo)跟蹤的交互式多模型算法[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2004年

8 胡振濤;劉先省;;基于“當(dāng)前”統(tǒng)計(jì)模型的一種改進(jìn)機(jī)動(dòng)目標(biāo)跟蹤算法[A];第16屆中國(guó)過(guò)程控制學(xué)術(shù)年會(huì)暨第4屆全國(guó)故障診斷與安全性學(xué)術(shù)會(huì)議論文集[C];2005年

9 史健芳;馮志永;何承偉;趙丹丹;;基于高階累積量檢測(cè)機(jī)動(dòng)的目標(biāo)跟蹤算法[A];2007'中國(guó)儀器儀表與測(cè)控技術(shù)交流大會(huì)論文集（二）[C];2007年

10 孟凡剛;毛征;周沛然;趙齊月;龔萍;;基于IMM交互式平滑算法的機(jī)動(dòng)目標(biāo)跟蹤建模和仿真[A];系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第15卷）[C];2014年

相關(guān)博士學(xué)位論文 前9條

1 王寫;基于H_∞濾波理論和多模型算法的機(jī)動(dòng)目標(biāo)跟蹤研究[D];浙江大學(xué);2016年

2 羅笑冰;強(qiáng)機(jī)動(dòng)目標(biāo)跟蹤技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2007年

3 黨瑩;強(qiáng)雜波下機(jī)動(dòng)目標(biāo)跟蹤技術(shù)研究[D];中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所;2001年

4 陳亮;機(jī)動(dòng)目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2012年

5 李林;機(jī)動(dòng)目標(biāo)跟蹤航跡生成的融合算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

6 孫福明;機(jī)動(dòng)目標(biāo)跟蹤狀態(tài)估計(jì)與數(shù)據(jù)關(guān)聯(lián)技術(shù)的研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2007年

7 肖延國(guó);智能傳感器偵察網(wǎng)絡(luò)中的目標(biāo)跟蹤算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2007年

8 劉昌云;雷達(dá)機(jī)動(dòng)目標(biāo)運(yùn)動(dòng)模型與跟蹤算法研究[D];西安電子科技大學(xué);2014年

9 祝依龍;特征輔助的目標(biāo)機(jī)動(dòng)檢測(cè)技術(shù)[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 羅偉生;面向強(qiáng)機(jī)動(dòng)的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 陳松;基于粒子濾波的自適應(yīng)機(jī)動(dòng)目標(biāo)跟蹤[D];昆明理工大學(xué);2015年

3 劉葉楠;機(jī)動(dòng)目標(biāo)融合跟蹤算法研究[D];西安工業(yè)大學(xué);2015年

4 張文杰;基于變結(jié)構(gòu)多模型的機(jī)動(dòng)目標(biāo)跟蹤方法研究[D];貴州大學(xué);2015年

5 趙夢(mèng);機(jī)動(dòng)目標(biāo)跟蹤與多目標(biāo)互聯(lián)算法研究[D];電子科技大學(xué);2014年

6 董天發(fā);臨近空間高速高機(jī)動(dòng)目標(biāo)跟蹤算法研究[D];電子科技大學(xué);2015年

7 侯磊;機(jī)動(dòng)目標(biāo)跟蹤算法的研究[D];大連海事大學(xué);2015年

8 王順利;量化量測(cè)下的機(jī)動(dòng)目標(biāo)跟蹤方法研究[D];西安電子科技大學(xué);2015年

9 王美健;基于多模型（MM）的機(jī)動(dòng)目標(biāo)跟蹤算法研究[D];江南大學(xué);2016年

10 劉楠;基于機(jī)動(dòng)目標(biāo)跟蹤模型的自適應(yīng)濾波算法[D];浙江理工大學(xué);2016年

，

本文編號(hào)：1777249