最新十一章模糊和KALMAN滤波目标跟踪系统ppt课件.ppt

十一章模糊和十一章模糊和KALMANKALMAN滤波滤波目标跟踪系统目标跟踪系统内容提要内容提要1.模糊和数学模型控制器模糊和数学模型控制器 2.目标实时跟踪系统目标实时跟踪系统3.模糊控制器模糊控制器4. KALMAN滤波控制器滤波控制器 5. 仿真结果仿真结果 6. 总结总结 在第九章我们比较了模糊和神经网络在倒车控制中的应用，在本章着重比较模糊系统和KALMAN滤波系统在实时跟踪上的比较。 三三 模糊控制器模糊控制器 我们限制模糊控制器的输出角速度 到区间-6，6，同样 、 也划分为7个等级：LN：大负：大负MN：中负：中负SN：小负：小负ZE：零：零SP：小正：小正MP：中正：中正LP：大正：大正模糊论域采用梯形，重叠25% kvkeke 1.模糊控制器模糊控制器 第九章模糊集输出采用最小相关编码，这里采用相关乘法编码： )()(ymlwymoiiiNiiymoymo1)()(最后的输出 dyymodyyymovk)()(对于离散的情况 pjjpjjjkymoymoyv11)()(（11-7） 2.模糊中心的简化计算模糊中心的简化计算 这里我们给出两种模糊中心的计算方法：1我们通过局部模糊中心来计算全局的模糊中心2 如果模糊集是对称的并且是单峰的那么 可以通过7个点来计算。这些结论使得计算简化，对数字应用提供帮助。kv定理定理1：如果使用相关乘法推理产生输出模糊集，那么我们通过局部模糊中心来计算全局的模糊中心。NiiiNiiiikIwIcwv11 、 分别代表第 个模糊规则输出集 的面积和质心iIiciiLdyymILii)(11-10) iLiLiLiiIdyyymdyymdyyymc)()()(定理定理2：如果论域中的7个模糊集是对称的、单峰的并且我们使用乘法相关推理，那么我们可以根据分别7个模糊输出集的质心来计算最终的输出 。 kv7171)()(jjjjjjjkJymoJyymov2.模糊控制系统模糊控制系统 四四 KALMAN滤波控制器滤波控制器 KALMAN滤波 可以应用于雷达目标跟踪。如果用雷达探测目标的径向距离作为输出，我们可以得到状态方程如下：)()() 1(kTkk 表示速度， 表示空间一次扫描的时间间隔。 )(kT在本文中输出变量为控制台为跟踪到目标而要旋转的角速度，其状态和测量方程可以描述为：kkkkkkkkkkuwxx, 1, 1, 11kkkkVxHz将条件简化：1, 1, 1, 1kkkkkkkHkkkeeu不象模糊控制器，KALMAN滤波控制器不会自动限制输出到一个有用的范围内，我们必须给出一个门限。KALMAN滤波器有一个随机控制面 。控制器实际是三项输入和一个时变噪音之和 。1kkkkkkVKeevv下面给出不同方差噪音KALMAN滤波控制面的情况。 五五 仿真实验仿真实验 实验测试：实验测试：目标保持匀速每小时1870里，控制台方位角扫描0180度最大转速每秒36度，高低角扫描范围090度，最大转速每秒18度，采样间隔250毫秒，方位角最大误差10度，高低角最大误差5度。1.模糊控制器的最好结果（为了得到这个结果我们对梯形的上底、下底和增益进行了调整） 2.未调整的模糊控制器的结果（重叠33%，重叠过多引起过跟踪） 3.未调整的模糊控制器的结果（重叠12%，重叠过少引起遗漏或滞后） KALMAN滤波控制器的最好结果（ ） 0)(wVar敏感性分析敏感性分析 ：当FAM库包含所有的模糊控制规则，KALMAN滤波控制器非模型-噪音方差 很小时两者的性能几乎相同。当不确定性增加时系统的性能都发生改变。KALMAN滤波器状态方程包括噪音 项，模糊控制器在自身方程中虽然没有噪音项 但是模糊系统有自身无法克服的内部不定性。改变模糊系统的不定性我们可以随意去除一些FAM规则。KALMAN滤波控制器增加 = 1.0方位角，0.25高低角 )(wVar)(wVarkwkw 六六 总结总结 1.模糊控制系统的不定因素来源于模糊化本身，而KALMAN滤波控制系统的不确定因素来源于噪音误差 2.模糊控制系统计算简便的优点 3.模糊控制系统可以提供更好的鲁棒性 ：当我们将大半的模糊规则删去时，模糊控制器的性能会下降；当KALMAN滤波控制器状态噪音的方差增加时它的性能会迅速下降。4. KALMAN滤波控制器更容易出现发散不收敛、扰动的现象： a.舍入误差的影响以及递推算法使得舍入误差积累的影响。 b.估计过程模型的不精确 完完 谢谢谢谢 30 结束语结束语