视觉辅助的无人机自主空中加油建模与仿真

为准确获得插头锥套式空中加油过程中无人机与锥套的相对位姿信息,提出了机器视觉辅助的插头锥套式无人机自主空中加油仿真方案,开发了基于Open CV,Simulink及Vega Prime视景仿真技术的闭环仿真系统.研究了机器视觉识别跟踪锥套的图像处理算法,利用Kalman滤波算法估计无人机与锥套的相对位姿.仿真结果表明,机器视觉算法可以准确识别跟踪锥套,滤波器状态估计的收敛速度较快,无人机姿态角变化范围较小,保证了插头锥套式无人机自主空中加油的平稳安全对接.     

视觉辅助的无人机自主空中加油建模与仿真

为准确获得插头锥套式空中加油过程中无人机与锥套的相对位姿信息,提出了机器视觉辅助的插头锥套式无人机自主空中加油仿真方案,开发了基于Open CV,Simulink及Vega Prime视景仿真技术的闭环仿真系统。研究了机器视觉识别跟踪锥套的图像处理算法,利用Kalman滤波算法估计无人机与锥套的相对位姿。仿真结果表明,机器视觉算法可以准确识别跟踪锥套,滤波器状态估计的收敛速度较快,无人机姿态角变化范围较小,保证了插头锥套式无人机自主空中加油的平稳安全对接。     

基于测距测角信息的DG-IEKF相对导航算法

在自主近距空中加油过程中,无人机通常利用机间数据链进行导航数据共享,解算获得高精度的相对导航信息.机间数据链受扰中断时,在常规相对导航策略失效的情况下,无人机通过搭载的态势感知传感器对未知环境进行探索.针对受油机与非合作目标加油机间中远距离相对导航问题,提出了一种测距测角信息下的相对状态估计算法.考虑到测距测角信息下算法的强非线性,在迭代扩展Kalman滤波(Iterative Extended Kalman Filter,IEKF)的基础上,利用信赖域狗腿(DG)优化算法,提出了一种DG-IEKF算法,并推导了该算法在迭代过程中的状态更新方程与协方差阵更新方程,最后给出了该算法的相对导航仿真结果.仿真实验结果表明,该算法导航精度优于现广泛使用的扩展Kalman滤波算法(Extended Kalman Filter,EKF)与IEKF算法,在RMSE方面与EKF相比,相对位置综合精度提高了35.55％,相对速度综合精度提高了19.20％,具有较高的可靠性与稳定性.     

基于整周模糊度精确解算的空间站伴随飞行器DGPS相对导航技术研究

研究了基于载波相位差分GPS的空间站伴随飞行器相对导航技术,建立了相对导航滤波的系统状态空间模型,并且系统状态向量中包含了GPS整周模糊度;采用扩展卡尔曼滤波EKF实现了相对导航滤波的最优状态估计,并提出了浮点解和定点解相结合的GPS整周模糊度解算方法,以提高相对导航精度。仿真结果表明,与仅采用EKF对GPS整周模糊度进行最优估计获得浮点解的方法相比,采用浮点解和定点解相结合的GPS整周模糊度解算方法,可有效提高相对导航滤波精度。     

无人机软管式自主空中加油视觉导航技术

近年来,机器视觉技术的迅速发展给无人机自主空中加油提供了一种新思路,克服了传统GPS动态适应能力差的不足。基于双目视觉,提出了一种实用的无人机自主空中加油导航方案,并提出了一种利用深度学习进行检测跟踪配合几何约束进行位姿计算的技术。根据加油机和受油机距离的不同,将导航分为远端导航和近端导航。全程对加油锥套进行检测和跟踪,并在近端进行锥套位姿计算。实验结果表明,该算法满足加油的鲁棒性要求,稳定跟踪锁定目标距离范围大于40m。当与目标距离小于10m时,距离误差优于±10cm。说明本文提出的方法具有较强的应用前景。     

基于改进的自适应平方根容积卡尔曼滤波相对导航算法

针对无人机编队飞行时由于目标建模的不确定性导致相对导航滤波算法精度降低甚至出现滤波发散的问题,提出了一种自适应平方根容积卡尔曼滤波算法。首先,建立了无人机双机编队时的相对导航模型。然后,基于新息的自适应修正准则,对滤波状态预测量进行修正,进行了基于自适应修正的平方根容积卡尔曼滤波相对导航算法设计。最后,开展了仿真计算与结果分析。仿真结果表明,该算法具有较好的滤波精度和稳定性,且当目标运动状态与模型不匹配时,该算法与平方根容积卡尔曼滤波算法相比有更好的滤波性能。     

区域导航无人机空中基准站的多源信息融合容错导航系统研究

作为卫星导航系统的补充和备份,区域导航服务系统近年来得到较大发展。在基于无人机的区域导航服务系统中,无人机自身的定位精度对区域导航服务系统的可靠运行有直接的影响。针对无人机导航传感器及系统的容错和可靠性问题,设计了具有针对性和自优化功能的多源信息融合容错导航方案,提出了一种优化的基于矢量分配形式的自适应联邦滤波算法。通过对每个状态量设计不同的信息分配系数,实现传感器量测噪声的动态优化调整,有效减小了传感器故障对融合导航系统的影响,提高了无人机导航系统的鲁棒性。验证分析表明,该方法可以减小子滤波器故障信息对融合导航系统联邦滤波全局估计的影响,避免了故障子滤波器在信息重置过程中对系统造成的污染,提高和保障了无人机空中基准站多源信息融合导航系统的稳定性和可靠性。     

无人机空中对接中的视觉导航方法

无人机空中加油是一种能有效提升巡航里程及续航时长的技术手段,近距相对位置和姿态测量技术是其中需要解决的关键问题之一。针对该问题研究了无人机自主空中对接中的视觉导航方法,完成了近距对接的地面实验。首先,利用移动对接图标和无人机的GPS/INS信息进行无人机的粗略导航,完成会合;再充分利用视觉图标的颜色与形状信息,通过颜色分割选取目标可能区域,在这些区域中进行快速椭圆检测,针对椭圆检测算法存在误检测及边缘不重合的问题,提出了椭圆检测与轮廓检测相结合的方法,能够更准确地描述图标边缘;最后,利用改进的OI算法进行相对位姿的估计,实现近距的精确导航。实验结果表明,无人机在较高速度下的跟踪效果良好,采用的视觉导航方法能够满足空中对接中精度与实时性的要求。     

无人机自主空中加油技术探究

作为提高无人机作战效能的有效手段,无人机自主空中加油技术近年来已成为了无人机研究领域的重要发展方向.本文在总结国外无人机自主空中加油技术发展的基础上,指出了基于"插头-锥管"的无人机自主空中加油的关键技术和发展方向,对于研究无人机空中加油技术具有一定的借鉴意义.     

基于无损切换的无人机自主空中加油技术研究

提出了基于无损切换的无人机自主空中加油解决方案,建立了包括无损切换的双目视觉传感器、激光测距传感器以及扰动影响的无人机和硬式加油管的仿真系统;研究了近距离逼近与自动对接阶段的无损切换算法,双目视觉特征点识别与位姿估计算法,双目视觉测量与激光测距融合算法,分别对近距离逼近与自动对接阶段的位姿测量进行了仿真验证。结果表明,本技术方案可实现近距离逼近和自动对接的相对位姿精确测量,且具有较强的实时性、准确性和鲁棒性,保证了自动空中加油的平稳跟踪引导和自动对接。     

基于双重卡尔曼滤波器的发动机故障诊断

提出了一种基于双重卡尔曼滤波器的航空发动机健康参数估计方法,实现了传感器发生故障情况下发动机故障的准确诊断.采用发动机动态工作点的测量数据,解决了可测量参数偏少导致故障诊断困难的问题;球面采样平方根UKF(UnscentedKalmanfilter)故障诊断滤波器具有更好的滤波稳定性与更低的计算量的要求,提高了故障诊断算法的效率与精度.某型双轴涡扇发动机故障诊断仿真结果表明,该方法可以准确的同步实现气路部件与传感器的故障诊断,是一种有效的航空发动机故障诊断方法.      

一种基于组合导航系统的新融合滤波算法

本文设计了一种可用于地面用户的低成本组合导航系统，提出了基于该系统的新信息融合方法，即模糊卡尔曼滤波算法和地图匹配技术联合起来。仿真结果表明模糊卡尔曼滤波算法相当于一数据平滑处理窗口，具有比常规卡尔曼滤波算法更高的精度。     

基于最大一致容积Kalman滤波器的多机器人协同定位CSCD

机器人位置信息是多机器人系统执行任务的前提,单个机器人因传感器载荷和作用范围的限制,难以完成复杂环境中的定位任务,多个机器人通过协作可实现大范围下的位置确定。将配置多个传感器的同构机器人群替换为配置单个或少量传感器的异构机器人可降低硬件成本,并且通过设计协同算法,不会降低定位精度。提出了一种将容积Kalman滤波器与最大一致思想融合后的新型滤波算法,并将该算法应用于麦克纳姆轮机器人系统。通过仿真和实物验证了最大一致容积Kalman滤波器的协同定位效果。     

用于微机械捷联式航姿系统的四元素算法卡尔曼滤波器

介绍了一种卡尔曼滤波器 ,它适用于由微机械惯性传感器构成的捷联式航姿系统。文中阐述了系统构成和原理 ,基于四元素算法公式推导了姿态算法和系统误差模型 ,并设计了实时卡尔曼滤波器。仿真结果表明 ,当没有横向加速度干扰时系统精度优于 0 .0 4度 ,当出现 0 .1g/1Hz的横向交变加速度干扰时 ,精度降为 0 .4 4度。初步测试结果表明系统的静态精度为 :俯仰和横滚 /-0 .2度 ,航向 /- 0 .3度。     

Observer-type Kalman innovation filter for uncertain linear systems

An observer-type of Kalman innovation filtering algorithm to find a practically implementable "best" Kalman filter, and such an algorithm based on the evolutionary programming (EP) optima-search technique, are proposed, for linear discrete-time systems with time-invariant unknown-but-hounded plant and noise uncertainties. The worst-case parameter set from the stochastic uncertain system represented by the interval form with respect to the implemented "best" filter is also found in this work for demonstrating the effectiveness of the proposed filtering scheme. The new EP-based algorithm utilizes the global optima-searching capability of EP to find the optimal Kalman filter and state estimates at every iteration, which include both the best possible worst case Interval and the optimal nominal trajectory of the Kalman filtering estimates of the system state vectors. Simulation results are included to show that the new algorithm yields more accurate estimates and is less conservative as compared with other related robust filtering schemes     

Adaptive robust cubature Kalman filtering for satellite attitude estimation

This paper is concerned with the adaptive robust cubature Kalman filtering problem for the case that the dynamics model error and the measurement model error exist simultaneously in the satellite attitude estimation system. By using Hubel-based robust filtering methodology to correct the measurement covariance formulation of cubature Kalman filter, the proposed filtering algorithm could effectively suppress the measurement model error. To further enhance this effect and reduce the impact of the dynamics model error, two different adaptively robust filtering algorithms, one with the optimal adaptive factor based on the estimated covariance matrix of the predicted residuals and the other with multiple fading factors based on strong tracking algorithm, are developed and applied for the satellite attitude estimation. The quaternion is employed to represent the global attitude parameter, and three-dimensional generalized Rodrigues parameters are introduced to define the local attitude error. A multiplicative quaternion error is derived from the local attitude error to maintain quaternion normalization constraint in the filter. Simulation results indicate that the proposed novel algorithm could exhibit higher accuracy and faster convergence compared with the multiplicative extended Kalman filter, the unscented quaternion estimator, and the adaptive robust unscented Kalman filter.     

基于对偶四元数的INS/GPS组合导航算法研究

在基于对偶四元数的捷联惯导解算方法的基础上,推导了以惯性系作为导航系的惯导误差方程,在此基础上设计了卡尔曼滤波组合导航算法。通过激光惯导跑车采集数据,进行了仿真分析,试验结果表明,该组合导航算法能有效的消除惯导累积的速度误差和位置误差,相比于目前广泛应用的INS/GPS组合导航算法,本文描述了INS/GPS组合导航的另一种实现方式,获得了相当的精度,具有一定的工程应用价值。     

基于UKF算法的航天器自主导航研究

针对卫星上配备的多种姿态敏感器，进行了导航方案的设计，利用姿态敏感器的测量信息实现轨道参数的估计。通过UKF(Unscented Kalman Filter)算法研究了卫星的自主导航问题，较传统的扩展卡尔曼滤波方法(EKF)简化了计算过程。数值仿真结果验证了该导航算法的优越性。     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。     

Adaptive Gaussian sum squared-root cubature Kalman filter with split-merge scheme for state estimation

The paper deals with state estimation problem of nonlinear non-Gaussian discrete dynamic systems for improvement of accuracy and consistency. An efficient new algorithm called the adaptive Gaussian-sum square-root cubature Kalman filter（AGSSCKF） with a split-merge scheme is proposed. It is developed based on the squared-root extension of newly introduced cubature Kalman filter（SCKF） and is built within a Gaussian-sum framework. Based on the condition that the probability density functions of process noises and initial state are denoted by a Gaussian sum using optimization method, a bank of SCKF are used as the sub-filters to estimate state of system with the corresponding weights respectively, which is adaptively updated. The new algorithm consists of an adaptive splitting and merging procedure according to a proposed split-decision model based on the nonlinearity degree of measurement. The results of two simulation scenarios（one-dimensional state estimation and bearings-only tracking） show that the proposed filter demonstrates comparable performance to the particle filter with significantly reduced computational cost.