机读格式显示(MARC)

• 000 01992nam0 2200337 450

• 001 0000437270

• 005 20231108153600.0

• 010 __ |a 978-7-118-12318-0 |b 精装 |d CNY109.00

• 099 __ |a CAL 0120217265865

• 100 __ |a 20211020d2021 em y0chiy50 ea

• 101 1_ |a chi |c rus |c tur

• 102 __ |a CN |b 110000

• 105 __ |a af a 000yy

• 106 __ |a r

• 200 1_ |a 低成本无人机状态估计与控制 |A di cheng ben wu ren ji zhuang tai gu ji yu kong zhi |d = State estimation and control for low-cost unmanned aerial vehicles |f (俄) Chingiz Hajiyev, (土) Halil Ersin Soken, Sitki Yenal Vural著 |g 苏艳琴...[等]译 |z eng

• 210 __ |a 北京 |c 国防工业出版社 |d 2021

• 215 __ |a 181页, [10] 页图版 |c 图 |d 24cm

• 300 __ |a 装备科技译著出版基金

• 314 __ |a Hajiyev规范汉译姓: 哈吉耶夫 Soken规范汉译姓: 索肯 Vural规范汉译姓: 弗拉尔

• 320 __ |a 有书目

• 330 __ |a 本书介绍了滤波增益校正的鲁棒卡尔曼滤波器 (RKF) 。在不影响精确测量的前提下, 通过定义一个测量噪声比例因子 (MNSF) 变量, 对测量进行修正, 其中, 故障考虑小权重和估计。提出单个和多个MNSF (R-自适应) 的RKF算法, 并应用于测量故障的无人机平台状态估计中。对比这些算法在不同类型传感器故障的处理结果, 给出应用建议, 并对RKF的稳定性进行分析。引入无人机状态估计的噪声协方差 (Q-自适应) 自适应过程, 提出了针对传感器/执行器故障的R-自适应和Q-自适应的鲁棒自适应卡尔曼滤波器 (RAKF) 算法。因此, 在传感器/执行器故障时, 该滤波器仍能保持稳定并保证精确估计。通过对无人机状态估计过程仿真, 对所提出的RAKF性能进行研究。该方法保证了无人机参数估计系统不受传感器/执行器故障的影响, 实现了无人机自主地执行任务。

• 510 1_ |a State estimation and control for low-cost unmanned aerial vehicles |z eng

• 606 0_ |a 无人驾驶飞机 |A wu ren jia shi fei ji |x 飞行控制

• 690 __ |a V279 |v 5

• 701 _1 |a 哈吉耶夫 |A ha ji ye fu |g (Hajiyev, Chingiz) |4 著

• 701 _1 |a 索肯 |A suo ken |g (Soken, Halil Ersin) |4 著

• 701 _1 |a 弗拉尔 |A fu la er |g (Vural, Sitki Yenal) |4 著

• 702 _0 |a 苏艳琴 |A su yan qin |4 译

• 801 _0 |a CN |b 人天书店 |c 20211020

• 905 __ |a LJUZC |d V279/107

• 920 __ |a 222016 |z 1