智能Kalman滤波理论及在飞行测试中的应用

Effective analysis on flying test tracking data is an important technical way to ensure the accuracy and the effectiveness of flight quality evaluation. The complexity of flying test environment and the limitation of test devices, in addition, the inner principle shortcoming of the traditional state estimation theory applied to practical engineering applications, the estimation performance and its measure evaluation methods can not satisfy the demands from practical engineering applications. Motivated by flying test data analysis demand and based on our innovative research work on performance analysis of the engineering Kalman filtering, we are going to study smart Kalman filtering theory and its application in the analysis of flying test data by using matrix analysis, convex combination optimization and deep learning and so on. The main research contents include as follows: 1) Study the principle analysis of adaptive filtering methods and a universal estimation performance measure method of the adaptive filtering methods, and establish the supporting theory of performance improvement on the adaptive filtering technology. 2) Present a novel engineering observable degree theory based on studying engineering observibility theory of complex systems. 3) Design the smart Kalman filtering methods based on top credibility FMSE computation and the engineering observable degree theory, respectively, obtain composite smart Kalman filtering method based on top credibility FMSE computation and the engineering observable degree theory. The final target is to establish the basic frame of the smart Kalman filtering theory and solve the application problem in the flying test data analysis.

飞行测试跟踪数据的高性能分析是保障航空飞行器质量评估效果准确性和有效性的重要手段。飞行测试环境复杂性和测试设备功能局限性，加之面向实际工程应用时传统状态估计理论存在本质原理性缺陷，导致现有Kalman滤波方法的估计性能及其度量评估体系已难以满足日益增长的实际工程需求。本项目以飞行测试数据分析为需求背景，基于课题组在面向工程应用的Kalman滤波性能分析等方面的研究成果，以矩阵分析、数学归纳法、凸组合优化和深度学习等为解决问题的技术手段，开展智能Kalman滤波理论及其应用研究。主要内容包括：1）开展自适应滤波方法机理分析，研究自适应滤波技术的统一性能度量方法，建立自适应滤波技术的性能改善支撑理论；2）研究面向复杂系统的工程可观测性判定方法，并以此为基础建立一套新型工程可观测度计算理论；3）建立基于高可信FMSE计算和工程可观测度的复合智能Kalman滤波理论。

实际工程应用的复杂性常导致建立精准的Kalman滤波模型是一件非常困难的工作，因此在实际Kalman滤波器设计过程常会面临模型参数不精准情形，从而导致传统Kalman滤波估计输出结果的可用性和可信性评估遭遇新的困难和挑战。针对上述问题，本项目以飞行测试跟踪数据的高性能分析为出发点，以可观测度理论和可信度理论研究为主线，重点开展智能Kalman滤波新理论新方法的研究，主要创新性研究工作如下：1）自适应滤波方法性能改善支撑理论研究方面，深入开展自适应Kalman滤波方法的性能机理分析研究、提出一种新型的智能Kalman滤波可信度性能度量方法、建立基于局部参数动态估计和全局滤波调整相结合的复合自适应滤波框架；2）工程可观测度计算理论方法研究方面，建立复杂系统基于CRLB的工程可观测度计算方法，解决基于SVD的尺度变换不变性可观测度分析问题，以及研究基于可观度计算分析的滤波器性能评估方法；3）工程化智能自适应容积Kalman滤波研究方面，提出基于可信度理论的智能Kalman滤波方法，建立基于工程可观测度的智能Kalman滤波方法，完成基于多模式集成融合的复合智能Kalman滤波设计，创新性提出基于模型参数比的智能自适应Kalman滤波方法；4）在实际数据测试分析研究方面，研究基于智能抗野值滤波技术的飞行测试数据分析，提出基于乘性噪声相关性自适应估计的智能容积Kalman滤波以及基于EM改进和高斯项合并规则改进的高斯和CKF轨迹分析方法。本项目研究工作成果进一步丰富和完善了可观测度理论和工程化智能Kalman滤波理论体系，创新性建立的可信度滤波和模型参数特征约束滤波方法为智能Kalman滤波理论的变革性研究提供了两个新的研究途径和方向，同时为飞行测试试验数据的高性能分析提供了一套新型有效滤波方法和数据处理手段。目前已录用和发表高质量学术论文20篇，其中SCI论文10篇，申请发明专利10余项，培养研究生10余人，获得重要科技奖项3项，已按照计划完成项目研究内容并已达到预期研究目标。