高超声速机动目标天基跟踪鲁棒性滤波方法

为解决高超声速滑翔飞行器(HGV)机动飞行过程中的跟踪问题,提出了一种基于机动观测器补偿的鲁棒扩展卡尔曼滤波方法。针对传统卡尔曼滤波器由于模型误差而无法稳定跟踪的问题,首先建立了HGV动力学模型和天基红外测量模型;随后,设计机动观测器对未知气动加速度进行在线估计;在此基础上,利用机动估计对扩展卡尔曼滤波中的预测步骤进行修正,克服了因模型误差而导致的滤波发散问题;最后,考虑到机动观测器的时延误差,在扩展卡尔曼滤波迭代过程中引入次优渐消因子,提高了滤波跟踪的鲁棒性。与强跟踪滤波、扩维卡尔曼滤波、交互多模型滤波等典型跟踪方法相比,所提方法可在不具备目标机动先验信息的情况下,以较低的计算耗时取得良好的稳定性和跟踪精度。     

一种液体火箭发动机试车启动过程故障预警方法

针对某液体火箭发动机地面试车启动过程中故障样本数据稀少、故障预测和故障部件定位等问题,提出了一种基于注意力机制的卷积神经网络和长短时记忆网络的故障预警方法。首先,搭建了液体火箭发动机系统仿真模型,采用参数故障注入方法获取启动阶段的正常/故障样本;其次,通过卷积神经网络从输入样本中捕获局部特征,利用长短时记忆网络从特征中提取时序特征,进而预测出监测参数的潜在变化趋势;最后,基于故障诊断模型定位故障部件,实现发动机启动过程的故障预警。实验结果表明,该方法能够有效地对该火箭发动机启动阶段故障进行预警,具有工程应用价值。     

一种在时域内计算三维翼颤振的方法

使用模态法构造结构模型,研究了在时域内耦合结构模型和气动模型预测三维翼颤振的方法;求解N-S方程计算非定常气动力.Newmark算法简化颤振方程.采用无限平面插值方法耦合结构网格和气动网格;使用弹性系数算法和局部网格重构法重构非结构气动网格,以确保结构方程和气动方程进行耦合求解.AGARD 445.6翼算例检验了计算方法的可行性.     

一种空间目标翻滚周期估计的新方法

针对传统自相关和频谱周期估计方法常会出现虚假周期,提出一种基于非参数检验经验模态分解的周期估计方法。首先对空间翻滚目标的RCS序列进行形态学闭运算提取趋势特征,然后对闭运算后的RCS序列进行经验模态分解,对分解得到的每个本征模态函数(IMF)进行谱分析得到其IMF周期,最后基于非参数检验理论,对每个IMF周期进行分组求秩检验得到目标的翻滚周期。仿真和实测试验结果表明,该方法不仅能够克服虚假周期的影响,而且能够明显改善对翻滚周期的估计精度。     

基于深度网络的太赫兹波束预判方法研究

针对太赫兹波波束较窄引起的伺服天线被动跟踪无法达到空间太赫兹通信链路性能要求的问题,提出了一种基于优化深度网络的太赫兹波束预判方法。首先通过分析方位、俯仰角误差大小随运行周期、外推初始时刻的变化,得到高轨对低轨卫星指向误差呈周期性发散的特征;然后采用粒子群算法优化长短时记忆网络参数,对未来时刻指向误差进行预测并修正,针对粒子群算法易陷入局部最优、全局搜索能力较差的问题,通过动态调整粒子群算法的惯性权重,以达到优化长短时记忆网络的目的。仿真结果表明：基于改进后粒子群算法优化的长短时记忆网络能够有效预测未来时刻指向误差,在同一链路场景中相比未改进网络平均绝对百分比误差降低13.08%。     

卫星遥测数据短时CEEMDAN-PSO-ELM预测模型

针对卫星遥测数据变化类型众多而导致传统预测模型难以准确预测的问题，提出一种基于自适应噪声完整集成经验模态分解(CEEMDAN)-粒子群(PSO)-极限学习机(ELM)的组合预测模型。首先对遥测序列进行CEEMDAN分解，以降低序列的非线性;然后利用PSO对ELM预测模型的输入权值和隐含层偏差进行优化;最后利用PSO-ELM预测模型分别预测分解后的序列，依次相加得到最终预测结果。将其应用在某在轨卫星实测数据中，与传统的预测模型比较。结果表明:该方法在平均绝对误差、平均绝对百分误差、均方根误差、标准均方误差指标上均最小，在曲线拐点处与真实数据最为接近。证明该模型能实现准确预测的功能。     

一种惯组外场标定振动干扰的分离方法

惯组在外场进行标定时常会受到地基振动的干扰,这种干扰会对惯组的测试精度造成极大的影响.为解决这一问题,根据工程实际需要,提出了一种基于经验模态分解和数字信号滤波技术相结合的惯组输出振动干扰分离方法.首先利用经验模态分解将受振动干扰的惯组输出分解成若干本征模态分量,然后采用低通滤波器对高频分量进行滤波,对低频分量相应区段做幅值修正,最后将处理过的各分量叠加,即重构出消除振动干扰的信号.相对于传统的剔除野值后的平滑滤波方法,新方法保证了数据信息的完整性,有效降低了振动干扰的不利影响,提高数据信息的可靠性和真实性.仿真实验和工程实践表明,该方法对外场的瞬时振动干扰有较强地分离能力.     

用卡尔曼滤波实现单轴跟踪系统的前馈复合控制

在跟踪系统中 ,利用目标单轴向运动加速度的非零均值相关模型可以构造目标的运动学方程 ,用接收机角误差信号和天线座测角传感器信号重构目标位置量测的方法 ,可以组成目标运动的量测方程 ,从而构造关于目标位置、速度、加速度的状态估计器。利用目标机动加速度的当前统计模型 ,则实现了该估计器加速度的均值和方差的自适应滤波估计运算。针对状态方程为上三角阵的特点 ,采用一次一个量测的处理方法 ,对误差协方差阵的传播和更新实现全上三角矩阵因子分解 ,保证了估计器实时运算的数字稳定性。上述技术的综合应用 ,用卡尔曼估计器实现了单轴角跟踪系统的前馈复合控制     

基于小波阈值降噪和经验模态分解的高光谱图像分类算法

为了充分降低高光谱图像中的噪声以获得高精度的分类结果,本文结合小波阈值降噪(WTD)和经验模态分解(EMD)的优点,提出了一种基于小波阈值降噪-经验模态分解的高精度支持向量机(SVM)高光谱图像分类算法(WTD-EMD-SVM)。首先对高光谱图像进行小波阈值降噪,除去高光谱数据中的高频噪声;然后再对高光谱图像进行EMD,获得含有高光谱数据本质特征的内固模态函数(IMF)和含有低频噪声的残差;最后采用内固模态函数重构高光谱图像,并对高光谱图像进行SVM分类。将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,同时可减少支持向量数目,以提高高光谱图像分类速度。     

基于Gauss伪谱法的临近空间飞行器上升段轨迹优化

综合考虑密度变化、声速变化、发动机推力变化及地球引力等因素对飞行轨迹的影响,研究了与实际飞行环境更加相符的临近空间飞行器燃料最优爬升轨迹。针对该问题在气动数据处理和优化求解上存在的困难,提出一种基于Gauss伪谱法(Gauss Pseudospectral Method,GPM)的求解策略。首先,依据气动数据特点,设计拟合模型对气动参数进行高精度拟合;其次,为避免间接法和传统直接法的缺点,将Gauss伪谱法和序贯二次规划(Sequential Quadratic Programming,SQP)相结合,对存在边值及加速度约束的轨迹优化问题进行求解,获得最优飞行轨迹。仿真结果表明,在更为真实的飞行环境下,利用GPM和SQP相结合的方法可在5.83s获得一条精度为10-4～10-6左右的飞行轨迹。     

基于意图推断的高超声速滑翔目标贝叶斯轨迹预测

为解决高超声速滑翔目标机动给探测防御造成的困难，研究基于意图推断的贝叶斯轨迹预测方法。首先对目标进行动力学建模，利用气动参数设计机动模式集。假定高超声速滑翔目标必定攻击某目标，结合飞行意图合理构造意图代价函数，借鉴贝叶斯理论迭代推导机动模式和运动状态递推公式。通过蒙特卡洛采样实现轨迹预测算法。仿真结果表明，算法能有效提高目标机动不确定条件下轨迹预测的精度，当多目标可能被打击时，通过对预测轨迹进行在线重新规划，降低目标误判给轨迹预测造成的不利影响。     

一种LSTM模型预测BC值的空间碎片无控再入预报方法

提出一种利用长短周期记忆(LSTM)神经网络模型动态预测无控再入过程中弹道系数(BC)值实现空间碎片高精度再入时刻预报。通过利用空间碎片两行根数(TLE)、简化通用摄动模型(SGP4)与公开的物体陨落时间作为实测数据样本，利用迭代修正BC值方法构建预测模型的训练集，由此构造用于预测BC值的LSTM模型预测BC，再采用高精度轨道外推动力学模型配合预测BC值预报再入时刻，结果表明基于LSTM模型预测BC的空间碎片再入时刻预报方法是可行的，在95%的置信度内，90天以上的再入时刻预报精度小于10%，30天预报精度小于8%。     

一种星-箭连接动态界面力的深度学习反演方法

针对于星-箭连接动态界面力无法通过力传感器直接测量,且典型时域动载反演方法难以准确计算界面力的时域变化等难点,提出了基于长短时记忆(LSTM)神经网络的星-箭界面力深度学习反演方法。首先通过卫星地面测试试验得到数据依据,以卫星主体结构的加速度测量数据为输入层,以星-箭界面力测量数据为输出层,利用LSTM神经网络建立输入和输出间的反演映射关系模型,实现卫星在发射过程中较高精度的界面力反演。进而,设计并开展了某典型卫星结构的正弦扫频和随机振动实验,测试LSTM界面力反演方法的可行性。结果分析可知,所提出的基于LSTM深度学习反演方法能够精确地获得动态界面力时程数据,两项性能指标均优于目前典型的载荷反演方法。     

RLV末端能量管理段轨迹在线规划与制导

针对可重复使用飞行器（RLV）末端能量管理段利用数值优化算法在线规划轨迹的实时性无法保证,工程应用性差的问题,在末端能量管理段的航向调整段（HAC）轨迹前增加直线预测捕获段(PASL),并在该阶段提前完成末端区域能量管理(TAEM)段轨迹的在线规划,从而降低工程中对轨迹在线规划方法实时性的高要求。首先,通过求解零气动角下的质点运动方程解析解,得到直线预测捕获段结束点的飞行状态预测值作为TAEM段轨迹的初始点状态。然后,在线求解以航向调整段进入点飞行器航向角偏差最小为目标函数,以动压、过载和速度滚转角限制为约束的非线性规划问题,得到航向调整螺旋线中心的最优位置。最后,设计了以规划轨迹确定的标称气动角指令为前馈,以跟踪偏差的比例+微分律生成指令(PD)为反馈的TAEM段制导律。算例仿真校验了本文基于弹道预测的末端能量管理方法的有效性。     

再入机动飞行器自适应轨迹线性化控制

针对一类多输入多输出模型不确定系统,提出了一种基于广义模糊神经网络的自适应轨迹线性化控制方法(ATLC).针对再入机动飞行器(MRV)进行了控制器设计和分析.MRV气动参数存在较大的不确定,这会导致轨迹线性化控制器(TLC)鲁棒性能下降.利用广义模糊神经网络(G-FNN)在线补偿系统的非线性建模不确定,改善了控制器性能.基于Lyapunov稳定性理论,证明了ATLC闭环控制系统的稳定性.仿真结果表明自适应轨迹线性化控制系统在飞行器气动参数大范围摄动时仍具有鲁棒性和稳定性,验证了所提出的控制策略的有效性.     

一种基于飞行任务的临近空间短距滑翔飞行器弹道预示方法

针对临近空间短距滑翔飞行器机动模式多变、弹道参数变化剧烈等特点,本文设计了一种基于变结构交互式多模型滤波的轨迹预测方法。该方法基于飞行任务结合自适应网格构建时变的机动模型集,解决机动模式多变的问题。通过引入渐消因子、修正Markov概率转移矩阵,提出一种变结构交互式多模型方法辨识机动模型特征参数。最后通过更新机动模型中的控制参量,实现数值积分条件下的轨迹预测。仿真结果表明,该方法对典型机动模式下的短距滑翔飞行器,具有高精度和强鲁棒的轨迹跟踪能力并且在轨迹预示过程中具有较强的收敛性,因此具有一定的理论意义和工程应用价值。     

基于优化多尺度排列熵和卷积神经网络的滚动轴承故障诊断方法

针对滚动轴承故障分类中特征信号微弱、信号非线性和多尺度特征难提取的问题，提出基于优化多尺度排列熵（MPE）和卷积神经网络（CNN）的滚动轴承故障诊断方法:通过改进自适应噪声完备集合经验模式分解（ICEEMDAN）对轴承信号进行分解和重构，实现信号降噪；通过粒子群算法（PSO）对MPE进行优化，提出PSO-MPE特征提取方法，参数优化后的MPE能够提取更为关键的特征信息；将所得的排列熵输入到CNN中进行故障分类以及降维可视化分析。以凯斯西储大学开放轴承数据库样本为测试对象，将文章所提出的ICEEMDAN-PSO-MPE-CNN方法与ICEEMDAN-PSO-MPE-RNN、CEEMDAN-SVM、ICEEMDAN-PSO-MPE-SVM等方法进行纵向和横向对比分析，结果表明改进方法的分类准确率和效率更高，在T-SNE可视化下的分类效果更明显，能够实现滚动轴承故障的高精度和高效率检测。     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

一种未来大型天地往返运输系统平台气动方案

针对未来低运行成本、可直接水平起降、重复使用的大型天地往返运输系统平台飞行器研制所需重点解决的全速域气动力性能需求与气动热防护匹配等难题，分析了典型航天飞机方案所存在的能量运行缺陷等主要问题及可能的改善方案。基于放宽气动热防护设计、涡轮/冲压/火箭发动机三动力组合、嵌套式旋转机翼全速域变体、在爬升阶段将飞行动能转化为高度势能以及再入阶段“跳跃式”盘旋减速飞行轨迹控制等设计思想，从能量损失速率控制和回收利用等角度出发，开展了一种新型大型天地往返运输系统平台气动布局概念设计研究。全速域气动力/热性能工程估算以及内/外流整体气动效能初步分析结果表明，该方案可有效满足整个飞行包线内的升重平衡需求，相比航天飞机方案具有显著的整体气动效能优势，值得进一步开展深入研究。