基于转动基座的SINS初始对准方法研究

提出了一种基于转动基座的快速估计平台失准角的初始对准方法,研究了扩展观测量的Kalman滤波算法,运用谱条件数方法分析了载体在转动基座方式下各状态量的可观测度,指出转动基座初始对准的可观测度优于传统最优二位置对准。初始对准计算机仿真结果进一步验证了该方法的快速性与精度,可为进行SINS快速精确对准方法研究提供理论与工程应用参考。     

一种快速精确的捷联惯性导航系统静基座自主对准新方法研究

通过对捷联惯性导航系统(SINS)静基座初始对准物理特性的深入分析,针对传统静基座初始对准方法对方位角和陀螺漂移可观测度低的不足,提出了一种基于惯性测量单元(IMU)信息的SINS静基座自主对准方法,该方法不需要进行SINS力学编排,而是充分利用IMU输出的角速度和比力信息。文中给出了静基座粗对准算法,推导了静基座精对准的动力学模型,并对该模型进行了可观测性分析,最后采用改进的Sage-Husa自适应卡尔曼滤波器进行SINS静基座初始对准仿真计算。数字仿真结果表明：该方法具有对准精度高、对准时间短、自主性强、计算量小、易于工程实现等特点。     

SINS基于非线性量测的大失准角初始对准算法

针对陆用捷联惯导系统(SINS)大失准角初始对准问题,提出一种基于二阶非线性量测的二阶泰勒级数展开的初始对准算法。首先,将大失准角非线性对准问题,转化为具有线性系统方程和二阶非线性量测方程的滤波问题。然后,设计基于二阶非线性量测方程的二阶泰勒级数展开的滤波算法,可以在任意姿态和无初值条件下进行初始对准和参数估计。最后进行车载对准试验,结果表明,新算法可以在300s内完成实现大失准角初始对准,对准精度与传统分段对准算法相当。     

弹载SINS四元数模约束下滤波空中对准

针对弹载SINS/GPS系统的空中对准,提出一种四元数模约束条件下的非线性滤波初始对准算法。首先,利用坐标变换和四元数姿态描述,将传统的强非线性滤波对准问题转化为一个二阶弱非线性滤波问题;其次,采用二阶扩展卡尔曼滤波（EKF）对二阶非线性部分进行处理,得到一种简洁的滤波对准方案;最后,推导了四元数模约束条件下滤波算法的最优实现,及反馈四元数估计结果时的闭环滤波形式。利用车载MEMS IMU/GPS系统,进行了初始对准的地面试验,结果表明,在车辆弱机动条件下,对准算法能够实现姿态和惯性器件误差的快速估计,实现惯导系统的对准。     

简化七阶CQKF及其在SINS大失准角初始对准中的应用

针对捷联惯性导航系统（SINS）大失准角初始对准的滤波过程，提出简化七阶正交容积卡尔曼滤波算法（7th-SCQKF）。根据简化容积卡尔曼滤波(CKF)理论，推导出改进的简化七阶CKF算法（7th-MSSRCKF），改进了原简化七阶CKF（7th-SSRCKF）的性能；同时，在7th-SSRCKF和7th-MSSRCKF基础上，引入正交半径准则，提出简化七阶CQKF（7th-SCQKF）算法，提高了滤波精度；并将简化七阶CQKF（7th-SCQKF）算法应用到SINS的大失准角初始对准仿真中，结果表明，7th-SCQKF比7th-MSSRCKF的滤波精度高，验证了新算法的正确性和有效性。     

SINS快速精确传递对准技术研究

针对空间机动平台武器捷联惯性导航系统（SINS）快速精确动基座传递对准问题,采用适于空间武器SINS动基座姿态传递对准的数学模型,提出将预测滤波方法应用于空间机动平台武器SINS的传递对准中。该方法能够在线估计并修正系统模型,提高状态估计的精度,并克服了将模型误差假设为高斯白噪声的局限性,同时也降低了系统状态变量的维数,减小了计算量。仿真结果表明,该方法的收敛速度和滤波精度都明显优于标准Kalman滤波,有效地提高了空间机动平台武器SINS动基座传递对准的精度和速度。     

直接对准算法及遗传算法在SINS初始对准中的应用研究

分析了捷联惯性导航系统（SINS）应用直接对准算法进行初始对准的基本原理，并验证了基于中等精度惯性器件的量测值进行静基座直接对准的可行性。简要介绍了遗传算法（GA）及其搜索过程，提出了根据静基座直接埘准的结果，确定GA遗传空间的方法，并构造了GA的适应度函数。仿真结果表明，与常规滤波算法相比，结合使用直接对准和遗传算法两种方法进行SINS静基座初始对准，不仅大大缩短了对准时间，精度也与其相当。     

无迹粒子滤波在捷联惯导初始对准中的应用研究

给出了捷联惯导系统初始对准时的非线性误差模型,处理非线性系统的传统方法是扩展卡尔曼滤波方法(EKF)即对非线性系统进行线性化后再利用卡尔曼滤波进行处理。而无迹粒子滤波(UPF)是基于蒙特卡罗方法和贝叶斯理论,用加权的粒子表示概率密度函数,通过观测值更新粒子的权值,得到优化的状态估计值和方差,结合无迹卡尔曼滤波(UKF)进行迭代计算,是一种新型处理非线性系统的方法。本文对UPF滤波方法进行研究,运用于捷联惯导系统初始对准的姿态估计,计算机仿真和试验结果均表明了该方法的方位失准角估计精度和收敛速度明显优于传统的EKF。     

一种弹道修正弹SINS任意滚转角快速粗对准方法

针对弹道修正弹药出炮口后滚转角处于随机状态,捷联惯导系统(SINS)失准角过大时卡尔曼滤波收敛困难的问题,提出在卫星拒止环境下利用神经网络快速估计初始滚转角的改进方法。在炮口处布设少量导航信标,建立反向传播(BP)神经网络拟合初始滚转角与观测量间的非线性映射模型。针对信标辅助下姿态弱可观的问题,引入惯导测量参数作为输入,提高网络估计精度。采用主成分分析法进行特征提取,简化网络结构。仿真结果表明,与基于非线性卡尔曼滤波的对准方法相比,本算法可实现任意滚转角下的快速粗对准;对射角、初始俯仰角误差未在训练范围内以及存在布设误差等场景也进行了测试,与未优化的BP网络相比,对准精度更高,鲁棒性更好。     

基于融合状态递推的非线性联邦滤波器故障检测算法

传统的联邦滤波器故障检测算法一般是针对线性系统模型提出的,现在非线性条件下对算法进行推广,推导了针对非线性模型的状态χ~2故障检测算法,并对其进行改进,提出一种基于融合状态递推的新型联邦滤波故障检测算法。该算法利用联邦滤波器的全局最优融合状态通过状态递推器获得融合状态递推,再由各子系统通过非线性滤波得到的状态估计与融合状态递推之间的残差构造检验量,进行故障检测。由于全局最优融合状态的精度要高于局部滤波值,故相比于传统联邦故障检测法,该算法的检测灵敏度更高;最后设计了一组仿真实验,验证了该检测算法的有效性。     

一种适用于空间监视跟踪的递推滤波算法

针对空间监视跟踪环境中对于包含角变量的状态向量估计存在精度较低的缺点,利用Gauss von Mises（GVM）多变量概率密度分布,提出一种基于矩匹配的GVM参数估计方法,并在此基础上改进GVM分布的确定性采样方法,建立针对GVM分布的递推滤波算法,该算法充分考虑了流形的内蕴结构,克服了传统滤波方法假设状态向量定义于欧氏空间及采用欧氏空间中高斯分布模型的局限性。仿真结果表明,该滤波算法能有效估计状态变量的后验概率分布,对角变量的估计精度明显优于扩展卡尔曼滤波方法(EKF)。     

基于简化RLS算法的无源雷达杂波抑制

研究了利用调频广播信号作为非合作目标照射源的收发分置无源雷达系统的运动目标检测方法。针对直达波、多径信号对目标检测性能的影响,选择自适应滤波方法抵消杂波。LMS算法计算复杂度低,但收敛速度慢;相反RLS算法收敛速度快,但计算复杂度高。综合两者优点,提出了一种简化RLS算法:复数两级欧几里德坐标下降算法(CDCD)。基于实测数据的处理结果表明:与同量级复杂度的LMS和FEDS相比,该算法具有更好的收敛速度。最后通过对杂波相消后的主天线信号与参考信号相干匹配实现目标检测。     

一种基于有限记忆算法的干涉仪解模糊纠错方法

针对在通道相位误差较大时常规干涉仪测角解模糊算法频繁出错的问题,提出了一种基于有限记忆算法的干涉仪解模糊检测与纠错方法。利用干涉仪逐次递推测角算法解模糊的结果估计出角度和整周模糊值的初始值,在此基础上进行角度和整周模糊值的有限记忆递推,识别并纠正逐次递推测角算法中出错的解模糊测角数据,期望得到正确的解模糊结果,以保证后续角度数据的处理精度。仿真结果表明,有限记忆纠错算法能够有效地识别并纠正逐次递推解模糊测角算法中存在的模糊值出错问题,降低干涉仪解模糊的出错概率。此方法对其它体制的相位干涉仪测角解模糊纠错也具有一定指导意义。     

面向高超声速飞行器双重不确定性的自适应状态估计

将高超声速飞行器双重不确定性因素建模为未知干扰输入项，针对状态演化方程和量测方程含有不同未知干扰输入的高超声速飞行器控制系统状态估计问题开展研究，提出一种基于自适应方差极小化的递推状态估计器(Adaptive variance minimization based Recursive Estimator, AVMRE)。首先建立了状态估计递推滤波器模型，实现滤波误差中的量测未知干扰解耦，之后引入自适应调整因子刻画状态未知干扰并推导了最小上界估计误差协方差矩阵，最后，基于最小方差估计准则设计了滤波器中的量测增益反馈矩阵。以外部突风和传感器故障为例，受内外部双重不确定性因素影响下的高超声速飞行器仿真实验验证了本文算法的有效性，与相关算法的仿真对比反映了本文算法的优越性。     

一种面向临近空间高超声速再入滑翔目标跟踪算法

针对临近空间高超声速再入滑翔目标的跟踪问题，提出了一种基于回顾成本输入估计的无偏转换量测卡尔曼滤波(Retrospective cost input estimation-unbiased converted measurements Kalman filter, RCIE-UCMKF)。首先，根据再入滑翔目标的飞行特性，将加速度看成是未知的确定输入构建运动学跟踪模型；然后，对目标的非线性量测信息进行无偏转换，并将得到的噪声协方差矩阵进行解耦，降低算法的复杂度；最后，利用回顾成本的输入估计对未知加速度进行重构，采用递推最小二乘法更新输入估计器的参数矩阵，同时将估计的加速度引入到卡尔曼滤波框架下，实现对高超声速再入滑翔目标状态的准确估计。仿真结果表明了该算法的有效性和可行性。     

利用姿态机动的绳系卫星编队系统轨道协同控制

为克服绳系卫星编队系统在轨道机动过程中的系绳摆动现象，提出一种通过调整领航星推力方向进而实现编队系统轨道跟踪的控制算法。由于推力方向角与状态量互相耦合且少于系统自由度个数，轨道协同控制属于典型的非仿射欠驱动控制问题。针对此问题，首先采用升阶法将角速度作为虚拟控制输入；然后为各子系统设计子滑模面后加权得到高层滑模面和等效控制输入律，并设计观测器估计系统非线性项；其次基于模型预测控制算法优化得到最高层滑模面的趋近控制律；最后采用MATLAB/Simulink验证了所提控制算法的有效性。     

复杂不确定性下多无人机的抗扰时变编队控制

针对存在不确定非线性动态和外部时变干扰的多无人机系统的时变编队问题，提出了基于扩张状态观测器(ESO)的抗扰编队控制方法。首先建立了分布式ESO来估计多无人机系统的不确定性，基于ESO的输出提出了抗扰编队控制律，并提出一套算法来对控制律进行参数选定。然后，通过分析得到基于该控制律下，多无人机系统实现抗扰时变编队所需要的充要条件，并最终严格证明了在满足编队充要条件和基于提出的控制律下，多无人机系统可以稳定实现抗扰时变编队。最后仿真结果表明理论方法的有效性。     

基于递推差分进化算法的空间机器人参数辨识

针对空间机器人抓取未知目标时的特性参数以及关节摩擦系数的辨识和在线修正问题,提出一种基于递推差分进化算法的实时参数辨识方法。首先采用静态连续摩擦模型描述机器人的关节摩擦特性,并建立两关节空间机器人的非线性动力学模型,然后基于差分进化算法和递推最大似然估计法推导出递推差分进化算法,并用于空间机器人的参数辨识,最后仿真校验了该辨识方法的有效性。仿真结果表明,该算法的辨识精度优于遗传算法和最小二乘法,辨识速度较快,能满足遥操作的要求,且对于动态信息有较好的跟随性。     

不规则地形条件下的双向抛物方程模型研究

在传统SSFT抛物方程模型基础上,针对传统算法忽略电波后向传播与散射,造成不规则地表边界条件下电波传播预测误差较大的问题,提出了可计算任意不规则地形剖面下前向和后向传播场的递归双向抛物方程模型,并给出了具体实现步骤,提高精度的同时弥补了传统算法的不足。仿真分析了双向抛物方程模型计算标准大气条件下单刃峰、双刃峰及实际地形的电波传播场分布特性,并与传统宽角抛物方程与几何绕射理论进行比较,验证了算法及模型的正确性与有效性。     

基于递归模糊神经网络的鲁棒BP算法研究

讨论了一种基于递归模糊神经网络的鲁棒BP算法的实现。该算法采用极大似然法修正传统BP算法的指标函数 ,利用M估计器和自举算法在线估计样本的误差分布 ,适合于动态非线性系统的辨识 ,逼近精度高 ,收敛速度快 ,在小噪声扰动时处于稳定 ,对过失误差有很强的鲁棒性。仿真结果证明了该算法的有效性