光纤陀螺温度建模及补偿技术研究

研究了干涉式光纤陀螺的温度补偿问题。首先分析了光纤陀螺仪温度漂移的主要影响因素，并应用人工神经网络与数理统计方法建立了陀螺仪的温度补偿模型。最后对某型号陀螺进行了0～50℃环境温度下的大量恒温及变温实验，通过实验数据完善所建模型并完成了对该陀螺的温度补偿。实验结果表明：在特定温度环境下，该方法能够有效地改善光纤陀螺仪零偏稳定性。     

机抖激光陀螺捷联系统中惯性器件的温度补偿的研究

研究了机抖激光陀螺和加速度计的温度特性。通过重复性温度实验，得到了激光陀螺零偏的温度补偿模型；通过静态特性测试，得到了加速度计的补偿模型。结果表明，得到的模型可以有效补偿惯性传感器的漂移，使陀螺的精度提高了4．6倍，加速度计的漂移小于一个脉冲，并可以通过温度补偿来缩短系统的预热时间，由原来的半小时到基本不需预热；系统的精度提高了1倍。     

基于支持向量机的冗余陀螺故障诊断方法

为了弥补最优奇偶向量法在冗余陀螺故障诊断中存在的不足,提出了基于支持向量机的故障诊断方法.在最优奇偶向量法的基础上,将冗余陀螺测量单元中所有陀螺的奇偶残差看做整体,作为多故障支持向量分类机进行训练数据,并从训练数据预处理、核函数选择和参数寻优等方面进行了研究.将训练后的支持向量分类机用于对九陀螺冗余测量单元的故障诊断试验,试验结果表明,该方法具有良好的故障识别率、较低的漏检率和虚警率.     

遗忘因子最小二乘支持向量机及在陀螺仪漂移预测中的应用研究

以陀螺仪漂移误差系数时间序列预测为对象，研究并提出了遗忘因子最小二乘支持向量机算法。构造了以多项式、径向基、小波函数为核函数的支持向量机（SVM）、最小二乘支持向量机（LSSVM）、遗忘因子最小二乘支持向量机（FFLSSVM），比较了它们用于强非线性测试集的泛化性能。实验结果表明：FFLSSVM比由相应核函数构成的SVM、LSSVM自适应性强、预测精度高；三种核函数生成L2（R）子空间上完备基的能力不同，导致三个FFLSSVM逼近任意目标函数的精度有差异；遗忘因子最小二乘小波核支持向量机可有效地用于陀螺漂移误差动态补偿、可靠性辅助决策、故障预测。     

模拟选通积分电路的温度特性对陀螺性能影响的实验研究

研究了模拟选通积分电路的温度特性对陀螺性能的影响。在数字闭环光纤陀螺工作原理的基础上,推导出陀螺输出与模拟选通积分电路中积分电容值的线性关系,进行了电路的温度性能试验,试验结果证实了理论推导,据此建立了线性模型并进行了补偿,补偿后陀螺零偏稳定性提高了75%。     

基于粗集和支持向量机的雷达信号识别法

结合粗集的属性约简和支持向量机的分类机理,提出了一种融合算法.应用粗集理论的属性约简过程作为数据的预处理,把冗余的属性和冲突的对象从决策表中删去,却不损失任何有效信息;然后利用支持向量机进行分类识别.这样可以大大降低数据维数,减小支持向量机分类过程中的复杂度,在不同程度上避免了训练模型的过拟合现象,且分类性能更加优越.最后通过对雷达信号识别的仿真实例说明了上述方法的有效性.     

具有高适应性的光纤陀螺零偏非线性温度误差补偿方法

确定了光纤陀螺零偏温度误差模型的组成并设计温度试验验证了所选模型项的充分性。通过反解温箱传递函数实现了温箱的输入控制,并控制陀螺本体进行了恒定速率升降温,再结合不同高低温区间的温度循环操纵误差轨线完成了对于温度/温变速率平面的覆盖,揭示了平面覆盖性与环境适应性间的联系。借助非线性偏最小二乘估计对零偏非线性温度漂移模型进行了高精度辨识,获得了各温度因素的组成形式与影响权重。最后利用随机变温与惯导冷启动试验验证了本方法对于复杂温度环境的高适应性。经温度误差补偿后,全温范围陀螺零偏稳定性由0.02°/h水平降至优于0.005°/h。     

光纤陀螺随机误差建模及补偿

针对光纤陀螺的非系统性随机噪声,研究其补偿方法。首先,对光纤陀螺观测数据进行平稳性、正态性、零均值性和周期性统计检验。然后,基于时间序列分析的数据建模方法,利用光纤陀螺的输入输出特性数据建立AR模型,并验证AR模型的适用性。最后,采用基于AR模型的Kalman滤波算法对随机误差进行滤除。仿真结果表明,基于AR模型的Kalman滤波算法能够有效抑制光纤陀螺随机误差。     

基于多元线性回归模型的光纤陀螺温度误差建模

在-40℃～60℃温度范围内测试了数字闭环光纤陀螺的标度因数、偏置和噪声,基于对测试 数据的分析指出,零偏稳定性大于0.3°／h的光纤陀螺的温 度误差主要来源于标度因数误差和偏置误差。利用逐步回归法分析了零偏与温度、温度梯度 之间的线性关系和标度因数与温度之间的线性关系,建立了零偏误差和标度因数误差的多元 线性回归模型。在模型中引入到达探测器的光功率作为新变量,提高了标度因数模型精度, 并使计算量减小40％。建模结果表明,标度因数误差回归模型的残差均方(RMS)达到1
(bit／(°／s)) 2,偏置误差回归模型的残差均方达到0.067(°／h) 2。     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.     

基于粒子群优化核极限学习机的北斗超快速钟差预报

针对卫星钟差序列中非线性特性较为复杂和超快速钟差预报精度较低的问题，将核极限学习机算法引入到北斗超快速钟差预报中。首先，将极限学习机进行优化，引入粒子群优化算法来选择核极限学习机所需的核参数和正则化参数；然后，将优化后的方法应用到超快速钟差预报中，并给出了利用该方法进行超快速钟差预报的步骤；最后，在分析iGMAS提供的实测北斗超快速钟差数据的基础上，选用单天和多天数据进行短期预报。结果表明：在短期预报6h范围内，利用本文提供的优化方法解算得到的超快速钟差预报精度明显优于二次多项式模型和周期项模型，并且采用此方法得到的超快速钟差预报产品与iGMAS提供的超快速钟差预报产品(ISU-P)相比，GEO、IGSO和MEO卫星的预报精度分别提升了50.51%、46.98%、40.67%，其与最终精密钟差的符合程度显著 增强 。     

航天器单层板结构弹道极限的支持向量机预测模型

提出了一种基于非线性不可分支持向量机（SVM）方法的航天器单层板结构弹道极限预测模型。利用实验数据对SVM进行训练,建立穿透点和未穿透点的分隔面,进而预测新结构弹道极限特性。SVM的训练问题是以实验点分类正确性为约束,预测置信度最大化为目标的二次规划问题,用Lagrange对偶方法有效求解了该训练问题,并通过附加Lagrange乘子的上限约束处理不可分数据集。引入二次核函数将线性SVM推广到非线性,有效实现了实验点的分类。利用超高速碰撞实验数据对SVM弹道极限预测模型进行了验证,计算对比表明SVM方法有效预测了弹道极限,并且精度高于NASA JSC单层板弹道极限方程。对分离面方程分离变量,建立了基于SVM的弹道极限方程显式表达式。     

一种基于谱域-空域组合特征支持向量机的高光谱图像分类算法

针对高光谱图像分类问题,提出了一种基于支持向量机的利用组合特征对高光谱图像进行分类的算法,组合特征综合了高光谱图像的光谱域和空域信息。针对图像的高维数据特性,利用最大噪声分量方法进行特征提取,对得到的主分量图像,采用虚拟维数估计算法来确定需要保留的主分量数目,并用数学形态学操作用保留的主分量图像中提取目标的形态信息。根据得到的空域特征并结合原始光谱域特征,构造用于分类的组合特征矢量。而且采用了支持向量机,利用了其支持小样本、效率高的优点。高光谱数据实验表明,本文提出的方法和单独使用谱域或空域信息进行分类相比,具有一定的优越性。
     

基于最小二乘支撑矢量机的陀螺漂移预测

为提高支撑矢量机(SVM)标准算法速度和解决大规模问题,研究了SVM的最小二乘回归算法,并给出了计算模型。对陀螺仪漂移预测的结果表明,最小二乘SVM算法的精度与标准算法相近,并可解决大规模数据问题,在工程实践中具有其有效性和可行性。     

一种改进的补偿因子区域不变CS算法及Simulink模型建模

相位补偿因子、距离向补偿因子和方位向补偿因子的产生是合成孔径雷达实时CS（Chirp Scaling，调频变标）算法中的关键。针对一种现有的补偿因子区域不变CS算法进行了改进，对于更新步长内各单元的统一补偿因子，采用该区域内所有单元频率平均值对应的补偿因子，代替原来使用的第一个单元对应的补偿因子，使得最终的补偿结果相比于原有算法更加均匀，计算量与原有算法相当。经过Matlab仿真验证，改进算法的成像指标得到提升。为便于生成FPGA代码，采用Simulink工具搭建了用于生成改进算法中三种补偿因子的模型。将Simulink模型输出的代码加载到Vivado软件中，对Vivado输出的补偿因子与由Matlab输出的精确补偿因子进行了对比，精度满足要求，验证了所搭建Simulink模型的准确性。     

基于组合优化算法的临近空间飞行器轨迹优化

提出一种临近空间飞行器轨迹优化方法,利用基于支持向量机与遗传算法的组合优化算法,解决多约束条件下的高效轨迹优化问题。首先,建立临近空间飞行器轨迹优化数学模型。然后,通过参数化方法和惩罚函数法将轨迹优化问题转化为约束参数优化问题。在此基础上,提出一种求解无约束参数优化问题的组合优化算法,通过支持向量机对遗传过程中产生的种群进行分类,提高基本遗传算法的计算效率,结合轨迹优化数学模型,给出轨迹优化算法。最后,以临近空间飞行器航程最远轨迹优化问题为例,进行数学仿真分析。仿真结果表明,针对给定的算例,文中提出的方法与基于基本遗传算法的轨迹优化方法相比,计算效率显著提高。     

压缩感知与最小二乘联合的卫星姿态抖动估计

卫星在轨运行时姿态存在一定频率的抖动,目前的星敏感器和陀螺等测量仪器受限于测量频率,无法直接测量高频抖动。提出了一种压缩感知和最小二乘相结合的卫星姿态抖动估计方法。根据姿态抖动中的频率稀疏信息,通过压缩感知方法从姿态欠采样数据中恢复出抖动频率,进一步利用最小二乘方法,精确估计出卫星姿态的高频抖动。与单纯采用压缩感知方法或最小二乘方法相比,该方法提高了卫星姿态抖动的估计精度。     

交会对接微波雷达近距离高精度测角算法研究

近距离测角与远距离测角的主要区别是被测目标位于雷达天线阵近场而非远场,目前的测角算法均基于远场目标假设,在交会对接近距离测角中难以满足精度要求。针对交会对接微波雷达近距离高精度测角问题,提出了一种基于相差复矢量匹配的测角算法。分析了测角信号空间传播几何模型,定义了相差复矢量及表征相差复矢量匹配程度的测角目标函数,建立了求解方位角与俯仰角的非线性规划算法模型,给出了算法的输入条件和执行步骤。仿真结果和微波暗室实测结果验证了该算法的有效性。