1、迭代智能濾波算法是一種新興控制技術(shù)，該技術(shù)的發(fā)展為解決復(fù)雜非線性系統(tǒng)問題開辟了新的途徑。數(shù)據(jù)同化方法旨在融合物理模型與多源數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)同化技術(shù)在線性系統(tǒng)領(lǐng)域得到了較為廣泛的應(yīng)用。然而，當(dāng)系統(tǒng)表現(xiàn)為非線性時(shí)，濾波類的數(shù)據(jù)同化方法會(huì)出現(xiàn)濾波發(fā)散現(xiàn)象。針對(duì)非線性系統(tǒng)的濾波發(fā)散問題，本文的主要研究工作包含以下幾個(gè)方面：
　?。?）從數(shù)據(jù)同化的基礎(chǔ)理論入手，介紹了針對(duì)非線性系統(tǒng)的迭代智能學(xué)習(xí)算法，討論了該算法的初始狀態(tài)、學(xué)習(xí)速度、收斂性

2、等研究問題，強(qiáng)調(diào)了這類智能濾波算法的迭代智能和快速學(xué)習(xí)速度。
　?。?）針對(duì)強(qiáng)非線性系統(tǒng)的迭代學(xué)習(xí)控制問題，進(jìn)一步研究了迭代集合卡爾曼濾波算法，以低維Lorenz-63模型為平臺(tái)檢驗(yàn)了該算法的性能，并將其與集合卡爾曼濾波、迭代擴(kuò)展卡爾曼濾波等智能濾波算法，在集合數(shù)、觀測(cè)誤差方差、放大因子和模型步長(zhǎng)不同的條件下，進(jìn)行了同化效果對(duì)比研究，旨在獲得在較小的運(yùn)算負(fù)擔(dān)下，精度較高并且適合強(qiáng)非線性系統(tǒng)濾波的最優(yōu)同化算法。
　?。?）針對(duì)

3、迭代集合Kalman濾波局部收斂問題，從高斯－牛頓迭代的角度提出了一種基于全局收斂策略的改進(jìn)迭代集合Kalman濾波算法。在順序同化期間，自適應(yīng)地調(diào)節(jié)步長(zhǎng)因子，使得該算法在數(shù)據(jù)同化過程中的每次迭代結(jié)果都逼近于期望值。在低維Lorenz-63模型和高維Lorenz-96模型上分別進(jìn)行了敏感性實(shí)驗(yàn)，從集合數(shù)目、觀測(cè)方差、放大因子的改變等方面檢驗(yàn)了改進(jìn)智能算法的性能，并將其與傳統(tǒng)的集合卡爾曼濾波、迭代集合卡爾曼濾波進(jìn)行了相應(yīng)的對(duì)比研究。結(jié)果表