《表5 计算耗时：弹性高超声速滑翔飞行器的状态/参数联合估计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《弹性高超声速滑翔飞行器的状态/参数联合估计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对于估计算法的实际应用，计算耗时是非常重要的。表5给出了不同场景下的计算耗时，仿真在Windows 10系统（CPU为i5-7400，主频为3.00 GHz）中MATLAB R2017a环境下完成。其中EKF（场景3）的耗时明显短于其他算法，而MHE-QR（场景1、4、5）的平均耗时短于MHE-EKF。虽然同样使用MHE-QR算法，但传感器非最优布置的场景4的最大耗时是所有场景中最大的，说明传感器最优布置能够缩短计算耗时。由于估计状态数量最小，场景5的平均耗时和最大耗时都是使用MHE-QR算法的所有场景中最小的，但其估计精度较差，难以实际应用。而场景1则在估计精度和计算耗时之间做到了较好的平衡。得益于传感器最优布置和基于QR分解的到达代价更新策略，场景1的估计精度是最高的，但其平均耗时和最大耗时都仅长于使用EKF的场景2和不估计振型斜率的场景5，且其最大耗时并未超出采样周期，表明其具备实时应用潜力。因此，本文提出的传感器布置策略和到达代价更新策略不仅能够提高估计精度，也能够提高计算速度。