基于GA-ELM的飞行载荷参数识别

针对用复杂飞行数据识别飞行载荷时的精度低、速度慢等问题,提出一种结合遗传算法(GA)和极限学习机(ELM)的GA-ELM模型。该模型使用ELM神经网络作为计算核心,用遗传算法产生ELM网络输入层到隐含层的权值矩阵和隐含层偏移量;用GA-ELM模型对飞行数据进行识别,并与BP神经网络和原始ELM神经网络的识别结果进行对比。结果表明:GA-ELM模型是一种有效且高精度的飞行载荷参数识别方法。     

基于ADE-ELM的涡轴发动机建模方法

提出了基于自适应微分进化-极端学习机(ADE-ELM)求解平衡方程的高精度涡轴发动机实时部件级模型建立方法.基于牛顿-拉夫逊(N-R)迭代模型,以迭代计算前模型平衡方程残差为输入,迭代收敛后平衡方程猜值修正量为输出,训练极端学习机,并采用自适应微分进化(ADE)算法优化极端学习机(ELM)参数,提高猜值修正量映射精度.ADE算法中采用sigmoid型自适应缩放因子,提高了微分进化算法的寻优能力.在涡轴发动机不同飞行状态下的测试结果表明,以N-R迭代算法模型为基准,基于ADE-ELM的发动机模型,最大建模误差约为一次通过算法的1/3,运算耗时约为一次通过算法的1/3,验证了算法的有效性.      

一种改进的高超声速滑翔目标跟踪方法

针对临近空间高超声速滑翔目标跟踪问题，提出一种基于反向传播神经网络修正改进迭代扩展卡尔曼滤波(Back Propagation Neural Network-aided Improved Iterative Extended Kalman Filter, BP-IIEKF)的目标轨迹跟踪方法。在雷达站坐标系下建立目标运动模型和量测模型。引入阻尼因子修正IEKF算法中的协方差预测矩阵，并定义算法的代价函数，给出迭代终止条件，保证了算法收敛精度，减小状态的观测更新误差，提高了目标状态估计精度。利用BP神经网络修正滤波结果，补偿系统滤波误差，进一步提高了跟踪精度。仿真结果表明所提算法对高超声速滑翔目标具有更高的跟踪精度。     

改进的基于隐马尔可夫模型的自适应IMM算法

针对机动目标跟踪中交互式多模型算法(IMM)的马尔可夫转移概率矩阵固定不变造成跟踪精度降低的问题,在已有的基于隐马尔科夫模型(HMM)的自适应IMM算法的基础上,对隐马尔可夫链的长度和Baum-Welch算法迭代次数的2个参数对该算法跟踪性能的影响,进行了深入研究分析,进一步明确了这2个参数选择的依据;并针对该算法在目标机动转换时峰值误差增大的问题,给出了2种修正方法,从而提出了改进的基于HMM的自适应IMM算法。最后,通过仿真分析了算法的参数和修正方法对跟踪性能的影响,并与传统IMM算法进行对比,证明了文章提出算法的有效性。     

临近空间高超声速滑跃式轨迹目标跟踪技术

针对临近空间目标飞行速度快、机动特性强和加速度突变的特性,提出一种地心直角(ECEF)坐标系下基于目标特性分析的修正强跟踪滤波(MSTF)算法。首先,通过对ECEF坐标系下目标量测的无偏转化处理,以有效减小目标高超声速飞行所带来的旋转、平移和线性化误差影响;接着,在对目标特性充分分析的基础上,合理构建强跟踪滤波(STF)模型,通过对模型参数的自适应调节,以有效实现临近空间高超声速滑跃式轨迹目标的精确跟踪;最后,结合统计学原理对目标加速度的突变进行合理检测和补偿,以进一步修正强跟踪滤波模型的跟踪精度。仿真结果表明,与现有的临近空间目标跟踪算法相比,该算法具有较高的定位跟踪精度。     

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.     

相控阵主动雷达导引头波形策略

针对高脉冲重复频率脉冲多普勒(HPRF-PD)体制的相控阵主动雷达导引头中存在的距离遮挡问题,设计了一种新的波形选择策略。首先,利用提出的脉冲重复频率(PRF)波形选择策略,离线计算得到距离对应PRF的波形查找表。然后,通过叉积自动频率控制环路滤波(CPAFCLF)算法预估下个相参处理间隔(CPI)导引头与目标间的径向相对速度,并联合提出的基于Sage-Husa带有速度预测的自适应"当前"统计模型(SH-ACSMVP)算法得到的距离跟踪值,获得下个CPI的距离预测值。在跟踪机动目标场景中,相比于"当前"统计(CS)模型跟踪算法及基于"当前"统计模型的自适应无迹卡尔曼滤波(CAUKF)算法,本文算法得到的距离预测误差更小,误差收敛速度更快。根据此距离预测值从波形查找表中选择波形发射,作为下个CPI的发射波形,实现后续跟踪阶段的抗距离遮挡,提高目标跟踪性能。仿真结果表明了本文所设计波形选择策略的正确性及有效性。     

基于天基光学监视的空间目标MSC-SPKF跟踪方法

在对天基光学监视跟踪特点进行分析的基础上,提出样点状态转换修正球坐标Sigma点卡尔曼滤波(MSC-SPKF)方法以实现对空间目标的三维被动跟踪。利用修正球坐标系和无迹变换(UT)分别在仅测角被动跟踪和获取非线性系统状态二阶矩方面的优势,选择在修正球坐标状态空间内进行Sigma点采样,并利用状态空间转换完成样点矢量非线性预测,最后在修正球坐标空间内完成滤波更新,并给出相应的初始化方法。仿真结果表明该方法在收敛性和稳健性上更有优势。     

一种可用于航空发动机健康状态预测的动态集成极端学习机模型

提出一种动态集成极端学习机模型用于航空发动机健康状态预测.采用AdaBoost.RT集成学习算法对极端学习机（ELM）进行集成,在训练时采用每个训练样本的近邻样本对ELM的局域性能进行评估;在预测时首先确定新样本在训练样本集中的近邻样本,然后根据ELM在近邻样本上的性能来赋予集成权值实现弱学习机的动态集成.以燃油流量为指标进行航空发动机健康状态预测,动态集成ELM模型短期预测结果的平均相对误差绝对值（MAPE）为3.688%,小于单一ELM模型的3.830%以及静态集成ELM模型的3.719%;长期预测结果中动态集成ELM模型的MAPE为3.075%,小于单一ELM模型的4.355%以及静态集成ELM模型的3.884%.因此动态集成ELM模型更适用于航空发动机健康状态预测.      

基于MRP的全局稳定的PID刚体姿态控制

针对刚性航天器姿态控制问题,建立了由修正Rodrigues参数(MRP)表示的混杂姿态模型,并基于此模型设计了一种具有迟滞特性的非线性比例-积分-微分(PID)切换控制器.该控制器包含一个对克里奥利力矩和期望机动力矩的前馈补偿项和一个用于消除轨迹跟踪误差的PID反馈项.通过一个特别的Lyapunov函数分析得到了全局渐...     

基于QPSO-ELM的某型涡轴发动机起动过程模型辨识

针对解析法建立某型涡轴发动机起动过程模型困难的问题,提出一种基于量子粒子群优化-极限学习机（QPSO-ELM）的某型涡轴发动机起动过程模型数据驱动辨识方法。首先构建基于状态空间法描述的某型涡轴发动机起动过程分段模型,然后结合发动机起动试验数据,采用QPSO-ELM算法对该起动模型进行辨识,试验结果表明：燃气发生器转子转速、发动机输出轴转速和燃气涡轮后温度的辨识结果都良好地逼近了实测数据,最大相对误差的均值分别为1.358%、1.628%和2.195%,满足实际应用的精度需求,并且QPSO-ELM的辨识精度优于极限学习机（ELM）、支持向量机（SVM）和反向传播（BP）神经网络。     

基于改进A^*算法的无人机快速轨迹规划方法

针对旋翼无人机在三维障碍物环境中自主飞行时路径搜索速度慢、轨迹生成通常忽略无人机动力学特性的问题,发展一种基于改进A^*算法并同时考虑无人机动力学特性和运动学性能的快速轨迹规划方法。首先,在三维障碍物环境中运用改进A^*算法通过剔除部分网格节点降低A^*算法的节点计算量,提升算法的路径搜索速度;其次,以最小化飞行轨迹的四阶导数作为目标函数,以路径点处的位置、速度、加速度等各阶导数作为约束条件优化飞行轨迹;最后,在三维障碍物环境中对比A^*算法改进前后的路径搜索结果,并对优化的飞行轨迹进行仿真飞行测试。结果表明:改进A^*算法大幅降低了A^*算法的节点计算量,显著提升了路径搜索速度;且无人机能够始终以较小位置误差沿优化轨迹光滑连续飞行。     

一种对飞行参数选取的自适应方法

飞参数据的典型选取问题是单机寿命监控以及飞行品质分析中压缩数据的储存空间关键。针对飞参数据的特征,提出了一种基于ELM极限学习机的飞参数据选取的模型。利用极限学习机ELM神经网络、文化基因算法MAS优化的方式,克服了算法中存在早熟收敛和局部极小的问题。实现了对飞机不同部位载荷自适应选取不同飞行参数的效果,有效获得评估出飞参数据的重要度。验证结果表明,优化后的ELM-M模型比传统选取飞参模型的精度得到了极大提高,泛化能力增强,说明了方法的可行性、有效性。     

基于RDK-ELM 的航空发动机控制系统故障诊断

为保持较高诊断正确率,缩短训练时间,满足航空发动机故障诊断对于实时性和高诊断率的需求,提出1种对深度核极限学习机的简约改进方法。输入数据中随机选取部分数据作为支持向量,结合深度学习网络的多层结构,完成了对输入样本的特征提取,通过核函数实现了高维空间映射分类。数字仿真表明:算法分类正确率高,训练时间短,可应用于航空发动机控制系统的故障诊断。     

Range, radial velocity, and acceleration MLE using radar LFM pulsetrain

An efficient implementation of the maximum likelihood estimator (MLE) is presented for the estimation of target range, radial velocity, and acceleration when the radar waveform consists of a wideband linear frequency modulated (LFM) pulse train. Analytic properties of the associated wideband ambiguity function are derived; in particular the ambiguity function, with acceleration set to zero, is derived in closed form. Convexity and symmetry properties of the ambiguity function over range, velocity, and acceleration are presented; these are useful for determining region and speed of convergence for recursive algorithms used to compute the MLE. In addition, the Cramer-Rao bound (CRB) is computed in closed form which shows that the velocity bound is decoupled from the corresponding bounds in range and acceleration. A fast MLE is then proposed which uses the Hough transform (HT) to initialize the MLE algorithm. Monte Carlo simulations show that the MLE attains the CRB for low to moderate signal-to-noise depending on the a priori estimates of range, velocity, and acceleration     

基于IGA-ELM网络的滚动轴承故障诊断

为了提高航空发动机轴承故障诊断准确率,提出基于改进遗传算法优化极限学习机网络（IGA-ELM）的诊断模型。针对传统遗传算法易早熟等缺陷,对遗传算法的交叉操作和变异操作进行改进,并用改进的遗传算法优化极限学习机的输入权值矩阵和隐含层阈值,利用Moore-Penrose算法计算极限学习机的输出权值矩阵。使用IGA-ELM诊断模型对滚动轴承正常、内环故障、外环故障和滚珠故障4种工况进行诊断,并分析极限学习机隐含层神经元的数量和激活函数对轴承故障诊断的影响。为了验证改进遗传算法优化极限学习机的有效性,将传统遗传算法、自适应遗传算法和粒子群算法作为对比算法。经过分析表明：改进遗传算法收敛速度和收敛误差,均优于对比算法。     

基于PDR和磁场匹配的智能手机室内定位

目前，基于磁场的室内定位方法存在指纹采集无法快速建库的问题，导致匹配特征较少、无法快速进行匹配操作和航向角估计精度低。基于磁场梯度的快速近似，使用高斯牛顿迭代方法结合通过PDR测量的轨迹进行磁场轮廓匹配定位，提高了单点磁场指纹的可分辨性。基于步态模型的更新用作测量信息以改善C-INS的导航性能，提出了一种基于捷联惯性导航系统的行人航位推算算法。基于MFS参考位置，使用扩展Kalman滤波器控制PDR惯性导航的位置漂移误差，进一步提高了轨迹轮廓的精度。测试结果表明，该算法可以获得更好的位置估计和航向估计结果。     

Interacting acceleration compensation algorithm for trackingmaneuvering targets

The two-stage Kalman estimator has been studied for state estimation in the presence of random bias and applied to the tracking of maneuvering targets by treating the target acceleration as a bias vector. Since the target acceleration is considered a bias, the first stage contains a constant velocity motion model and estimates the target position and velocity, while the second stage estimates the target acceleration when a maneuver is detected, the acceleration estimate is used to correct the estimates of the first stage. The interacting acceleration compensation (IAC) algorithm is proposed to overcome the requirement of explicit maneuver detection of the two-stage estimator. The IAC algorithm is viewed as a two-stage estimator having two acceleration models: the zero acceleration of the constant velocity model and a constant acceleration model. The interacting multiple model (IMM) algorithm is used to compute the acceleration estimates that compensate the estimate of the constant velocity filter. Simulation results indicate the tracking performance of the IAC algorithm approaches that of a comparative IMM algorithm while requiring approximately 50% of the computations     

腰绑式行人导航系统基于缓存区的启发式航向补偿算法研究

腰绑式行人导航系统通过航位推算方法实现行人定位导航，对于实行灾难救援和单兵作战等任务十分便利。行人行进步长和航向的准确估计是实现航位推算的前提。根据腰绑式惯性传感器信号的特征，采用基于三轴合成加速度的峰值检测进行单步划分；利用步频和加速度方差信息构建线性步长模型。针对人员执行任务过程中由于运动方向不确定性导致传统启发式航向漂移消除算法过度修正甚至失效的问题，提出了一种基于缓存区的启发式航向补偿算法。根据运动方式选定N个复步作为一个缓存区，计算缓存区内相邻复步航向差值的方差，依据方差动态调整航向补偿算法的修正强度，避免过度修正。利用所提算法进行了矩形实验和操场实验，终点定位误差小于1%，表明了所提方法的有效性。     

支持向量机时间序列预测模型的参数影响分析与自适应优化

建立在统计学习理论和结构风险最小原则上的支持向量机在理论上保证了模型的最大泛化能力,因此与建立在经验风险最小原则上的神经网络模型相比,理论上更为完善.本文运用支持向量机建立时间序列预测模型,研究影响模型预测精度的相关参数,在分析参数对时间序列预测精度的影响基础上,提出用遗传算法建立支持向量机预测模型的参数自适应优化算法.最后,用太阳黑子数据和航空发动机油样光谱数据进行了预测分析.算例表明了本文算法的正确性.