基于并行模型自适应滤波的空间目标相对位姿估计

摘要： 扩展卡尔曼滤波(EKF)的估计精度受限于测量噪声统计特性的准确程度,如果敏感器测量噪声方差偏离其标称值,将会对滤波性能产生不利影响.尽管自适应扩展卡尔曼滤波(AEKF)能够对测量噪声方差进行估计,但是,噪声特性准确的情况下,AEKF的性能往往不及传统EKF.针对上述问题,本文提出一种并行模型自适应滤波(PMAF),基于特定的自适应率将EKF和AEKF结合起来,使得在先验信息准确的情况下,EKF在状态估计中起主导作用;相反,在实际噪声方差偏离标称值时,令AEKF起主导作用.这样,即能有效削弱测量噪声统计特性不确定性对滤波性能的影响,又能确保正常情况下的估计精度.以空间目标相对位姿估计为例,通过数学仿真对EKF、AEKF和PMAF进行了对比研究,表明所提算法的综合性能优于传统方法.     

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

阵风响应问题的配点型区间分析方法

最新的先进飞行器设计进展已经认识到定义多种类型的不确定性的重要意义。现有的气动弹性理论面临的一个重要问题是如何处理阵风激励和结构中的不确定性参数。给出了弹性机翼构件受到阵风作用时的控制方程。考虑了阵风模型和机翼结构中存在的不确定性参数,将其用区间向量定量化并一元化处理,基于第一类Chebyshev正交多项式和区间配点方案,结合有限元计算方法,提出了一种阵风响应问题的配点型区间分析方法(CIAM),推导了配点型区间分析方法的数学表达式。该方法避免了计算响应函数对不确定性参数的灵敏度(偏导数),放宽了不确定性参数变化范围为小区间的要求。为解决含有不确定性参数的阵风响应问题提供了一种新的可行途径。通过与Taylor区间分析方法(TIAM)的比较,数值算例表明,该方法能够得到一个包含精确响应值的足够"紧"的阵风响应区间。显示了该方法的优越性,具有工程指导意义。      

基于UPF滤波的微小航天器姿态矩阵估计方法

针对基于惯性-星光姿态确定系统噪声存在非高斯分布的情况,提出了将离散粒子滤波(UPF)方法应用于定姿系统滤波器设计,该方法用离散卡尔曼滤波(UKF)得到粒子滤波的重要采样函数,从而克服扩展卡尔曼滤波(EKF)和UKF只能应用到噪声为高斯分布的不足。文章以微机电系统(MEMS)陀螺和互补性金属氧化物半导体有源像素图像传感器(CMOS APS)星敏感器为姿态敏感器件,选取基于矢量观测的最小参数姿态矩阵估计方法为定姿算法,提出将UPF与最小参数姿态矩阵估计方法结合,设计了一种针对微小航天器的UPF姿态估计器,采用从MEMS陀螺采集的数据进行了半物理仿真并对其特性进行了分析与比较。仿真比较结果表明:在敏感器精度较差并且系统噪声非高斯分布的情况下,这种基于UPF的姿态估计方法可以取得比EKF和UKF更快的滤波收敛性和更好的滤波精度,有效地提高了定姿性能。     

基于矢量观测的航天器分段信息融合定姿方法

针对基于MEMS(微机电系统)陀螺和CMOS APS星敏感器的集成惯性/星光姿态确定系统的低精度特点,研究了适用于该定姿系统的基于矢量观测的定姿算法.对于陀螺/星敏感器这种配置模式,有EKF(Extended Kalman Filter)、QUEST、最优REQUEST等几种适用的定姿算法.针对EKF和最优REQUEST算法的不同特点并结合确定性算法QUEST,以四元数为姿态参数,将姿态估计的EKF方法分别与QUEST算法和最优REQUEST算法进行了融合,提出一种分段信息融合的姿态估计器:陀螺漂移估计误差较大时,将EKF与QUEST结合,快速估计出陀螺漂移.当陀螺漂移误差减小到一定程度,再切换为EKF与最优REQUEST算法融合的双重滤波器.仿真比较结果表明,这种分段信息融合的姿态估计器既可以估计姿态参数也可以估计陀螺漂移,并能达到很高的定姿精度.     

数据丢包和量化约束下的分布式滚动时域估计

针对网络约束问题，对带丢包和量化的网络化系统分布式状态估计进行了研究。用一组满足Bernouli分布的随机变量来描述丢包现象，采用预测补偿机制进行丢包补偿。将数据量化引入的误差描述为观测方程中的参数不确定性，通过求解固定时域内的min-max问题，得到局部估计器。对局部估计器的稳定性进行研究，给出了误差范数平方的期望收敛的充分条件。推导了局部估计器误差协方差上界的递推公式，在此基础上，应用协方差交叉（CI）融合算法得到了分布式融合估计器。仿真结果表明，所提算法能够有效减小数据丢包和量化对状态估计的影响。      

自适应高斯—厄米特滤波器

针对带有未知统计特性噪声的非线性系统，提出了一种新型的自适应滤波器——自适应高斯—厄米特滤波器(AGHF)，其过程是通过将Sage Husa噪声估计器推广到非线性系统，得到更为一般的噪声估计的递推形式，它与高斯—厄米特滤波器(GHF) 相融合，得到适用于带有未知统计特性噪声的非线性系统的高精度自适应滤波器.仿真结果表明，当非线性系统存在一类未知统计特性噪声(系统噪声或测量噪声)时，与扩展卡尔曼滤波器(EKF)、GHF和自适应扩展卡尔曼滤波器(AEKF)相比，AGHF滤波器可显著提高对噪声统计特性和系统状态的估计精度.     

基于STLS的卫星质量质心在轨估计

提出了一种使用结构总体最小二乘(Structured Total Least Squares,STLS)进行卫星质量和质心参数在轨估计的方法。其相对于现有方法有三个优点:采用完整的动力学模型,考虑敏感器测量误差,估计模型中不包含误差很大的推力值。首先推导了卫星质量和质心参数的估计方程,将其化为STLS模型的形式,对该模型定义了质量质心参数的STLS估计,并使用结构总体最小范数(Structured Total Least Norm,STLN)算法进行具体求解。证明了当敏感器噪声为高斯分布时,该估计为极大似然估计。仿真结果验证了该STLS估计方法的有效性。     

基于有限存储空间的分布式传感器融合估计器

研究具有信息传输模型不确定性、随机时间延迟和数据丢包的网络化多传感器分布式融合估计问题。模型的不确定性刻画为系统矩阵中的非高斯非白噪声干扰，在远程处理中心处设置有限长度的存储空间用来存储各个传感器延迟到达的测量值。在最小方差原则下设计了一种利用测量值到达变量的最优常增益局部估计器，利用协方差交叉加权方法得到最优分布式融合估计器并推导得到使得估计器有界的条件。最后，通过某电源系统计算实例仿真验证所提融合估计器的有效性。     

一种模型误差鲁棒的卫星姿态确定方法

提出一种结合非线性预测滤波和二阶插值滤波实现基于星光/陀螺的高精度姿态确定的新算法.该算法用非线性预测滤波估计模型误差,再对补偿后的模型用高精度的二阶插值滤波来估计姿态参数.解决了在卫星实际运行中难以获得姿态确定系统的精确动力学模型,采用传统EKF(Extended Kalman Filter)将模型误差作为零均值白噪声处理,导致滤波精度降低甚至发散的问题.同时,二阶插值滤波将非线性模型按照二阶近似,无需计算函数偏导数,得到高精度的卫星姿态估计.仿真验证了该方法能有效地实时估计并补偿模型误差,提高了姿态估计的精度,且估计精度受滤波周期的影响不大,从而验证了算法的鲁棒性和有效性.      

基于UR-MTPGERT网络模型的复杂装备风险传导分析

针对复杂装备风险传导关系描述不清晰的问题,构建了风险传导不确定随机多传递参量图形评审技术（UR-MTPGERT）网络模型。首先,基于机会理论,定义了不确定随机变量的矩母函数,并在此基础上构建了UR-MTPGERT网络模型。其次,为刻画复杂装备的微观风险信息,在模型中引入系统风险度、风险元重要度、风险路径关联度等解析参数。然后,求解矩母函数时,采用德尔菲法处理专家经验数据,得到经验不确定分布,并利用极大熵模型处理随机数据,得到概率密度函数;引入矩阵分析技术,解决了网络拓扑分析困难的问题,在此基础上计算网络参数。最后,对某型飞机进行安全性分析,结果表明,该模型能清晰反映风险元间的关系,可以为复杂装备的风险分析、预判和安全控制提供借鉴。      

考虑控制约束和不确定性的火星最优进入制导

摘要： 针对火星进入段控制受约束、大气环境以及探测器自身参数不确定性等问题,提出控制受约束的火星最优鲁棒进入制导方法.将针对参数不确定系统的最优性能指标转换为针对标称系统的修正性能指标;同时考虑控制约束,在性能指标中引入饱和函数,将制导问题转化为求解修正Hamilton Jacobi Bellman (HJB)方程问题;由于HJB方程是偏微分方程,求解有难度,利用神经网络的逼近能力近似求解.本文制导方法保证了不确定系统有最优的性能指标上界和较强的鲁棒性.最后将其应用到火星进入制导中,仿真结果表明系统存在不确定的情况下,仍可以很好地满足火星进入段终端条件,控制量也在约束的范围内,从而验证所提方法的有效性.     

非线性随机动态系统学习建模方法

在动态神经网络及扩展卡尔曼滤波算法的基础上，提出了对非线性随机动态系统进行学习建模的迭代算法，用这种方法对非线性随机系统建模，可以获得更准确伯系统模型，并可对非线性随机系统进行状态估计。最后给出相应算法及仿真结果。     

含区间参数不确定结构的损伤识别方法

针对损伤识别中遇到的含统计信息不足的不确定参数的结构,以区间向量来描述其中的不确定参数。基于有限元理论给出了应变模态的测试方法,进一步将应变模态表示为区间参数的函数,结合一阶Taylor展开与区间分析,计算了参数不确定条件下应变模态的界限,给出了一种考虑参数不确定的结构损伤识别方法,并在理论上对比分析了与基于概率方法的区别与联系。为验证方法的合理性,对简支梁在不同位置损伤的情况进行了数值模拟,分析了不同损伤程度以及参数不同不确定程度下简支梁应变模态的变化规律,简要讨论了噪声对识别准确性的影响。为含不确定参数的结构的损伤识别提供了一种新的方法和思路。      

空气耦合超声检测中脉冲压缩方法的参数选优

多种脉冲压缩方法已成为提高空气耦合超声检测信号信噪比(SNR)的有效手段,而实际使用中面临如何选取合适参数以获得更好压缩效果的问题.基于脉冲压缩技术的基本原理及其在超声检测中的实现,建立了具备超声信号脉冲压缩实时处理的空气耦合超声检测系统.使用窄带空气耦合超声换能器分别就线性调频、非线性调频及相位编码脉冲压缩方法的关键参数对压缩效果的影响开展了实验研究,获得了脉冲压缩参数选取准则.最后以模拟缺陷的蜂窝夹芯复合材料试样为对象,验证了参数选优后的脉冲压缩方法在空气耦合超声检测中的应用效果.      

基于UGF-GO法的EWIS退化系统可靠性分析

针对飞机电气线路互联系统（EWIS）差异性大、随时间退化严重、可靠性建模困难等问题,将通用生成函数（UGF）和GO法融合,提出了基于UGF-GO法的EWIS退化可靠性分析方法。首先,考虑EWIS各连接部件使用性能及环境的差异性,利用含随机参数的Wiener退化过程模型建立部件可靠性仿真模型,采用马尔可夫链蒙特卡罗（MCMC）算法对模型中的未知参数进行估计,并与传统二步法参数估计值进行对比,得到较为精确的系统部件退化可靠性曲线。其次,在分析系统退化可靠性时,利用UGF-GO法对某飞机EWIS结构可靠性进行建模及计算。最后,以某飞机电气线路互联系统为例,结合部件退化可靠性计算结果,评估系统在不同给定阈值下可靠性水平。结果表明:UGF-GO法可有效解决系统退化状态的可靠性分析问题。