基于EM和高斯平滑器的飞行器参数辨识方法
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状与问题提出 | 第11-15页 |
| 1.2.1 研究现状分析 | 第11-14页 |
| 1.2.2 研究问题提出 | 第14-15页 |
| 1.3 本文主要研究内容及章节安排 | 第15-16页 |
| 第二章 解析高斯近似滤波及平滑理论 | 第16-30页 |
| 2.1 贝叶斯滤波框架 | 第16-18页 |
| 2.1.1 贝叶斯滤波的统一框架 | 第16-17页 |
| 2.1.2 经典卡尔曼滤波 | 第17-18页 |
| 2.2 非线性系统解析高斯近似滤波 | 第18-25页 |
| 2.2.1 扩展卡尔曼滤波器(EKF) | 第19-20页 |
| 2.2.2 中心差分卡尔曼滤波器(CDKF) | 第20-22页 |
| 2.2.3 无迹卡尔曼滤波器(UKF) | 第22-24页 |
| 2.2.4 求容积卡尔曼滤波器(CKF) | 第24-25页 |
| 2.3 最优平滑 | 第25-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 EM-CKS参数辨识算法设计 | 第30-48页 |
| 3.1 期望最大化(EM)算法 | 第30-33页 |
| 3.2 高斯平滑器的构造 | 第33-36页 |
| 3.3 EM-CKS参数辨识算法的建立 | 第36-45页 |
| 3.3.1 问题描述 | 第36-37页 |
| 3.3.2 EM算法 | 第37-38页 |
| 3.3.3 CKF过程 | 第38-39页 |
| 3.3.4 CKS过程 | 第39-41页 |
| 3.3.5 EM代价函数的最小化 | 第41-44页 |
| 3.3.6 算法步骤总结 | 第44-45页 |
| 3.4 本章小结 | 第45-48页 |
| 第四章 基于EM和CKS的飞机气动参数估计 | 第48-70页 |
| 4.1 横向线性模型仿真验证 | 第48-56页 |
| 4.1.1 ATTAS试验飞机横向线性模型仿真 | 第48-51页 |
| 4.1.2 辨识结果及分析 | 第51-56页 |
| 4.2 纵向非线性模型验证 | 第56-69页 |
| 4.2.1 HFB-320飞机纵向非线性模型 | 第56-61页 |
| 4.2.2 辨识结果及分析 | 第61-69页 |
| 4.3 本章小结 | 第69-70页 |
| 第五章 EM-CKS辨识算法与其它算法的性能对比 | 第70-82页 |
| 5.1 横向线性模型的对比结果与分析 | 第70-76页 |
| 5.1.1 辨识精度对比 | 第70-73页 |
| 5.1.2 收敛特性对比 | 第73-75页 |
| 5.1.3 计算机时对比 | 第75-76页 |
| 5.2 纵向非线性模型的对比结果与分析 | 第76-81页 |
| 5.2.1 辨识精度对比 | 第76-77页 |
| 5.2.2 收敛特性对比 | 第77-81页 |
| 5.2.3 计算机时对比 | 第81页 |
| 5.3 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 工作总结与创新点 | 第82-83页 |
| 6.2 研究展望 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 发表论文和参加科研情况说明 | 第90-92页 |
| 致谢 | 第92-94页 |
| 附录 | 第94-96页 |
| 附录A：过程噪声隐含时的参数估计 | 第94页 |
| 附录B：4.3 中定理A的证明 | 第94-96页 |
