Unscented粒子滤波在静基座捷联惯导系统大方位失准角初始对准中的应用研究

 静基座大方位失准角的捷联惯导系统误差方程是非线性的，Unscented粒子滤波从非线性系统状态向量概率分布出发，结合Unscented卡尔曼滤波和粒子滤波的特点，无需对非线性系统模型进行处理而能达到较高的滤波精度。本文对Unscented粒子滤波进行了研究，并结合重采样算法，运用于捷联惯导系统静基座大方位失准角初始对准中，计算结果验证了该方法的有效性与优越性。     

空空导弹SINS飞行中对准技术

针对空空导弹捷联惯导系统传递对准的精度和快速性之间的矛盾,设计一种利用弹载北斗卫星导航信息的捷联惯导系统飞行中对准算法,详细推导了惯性系下基于北斗卫星伪距/伪距率的飞行中对准模型,优化了飞行中对准的量测方程,对北斗卫星接收机的钟差和钟漂进行了降维处理.相应的数学仿真试验结果表明,所提算法能够在飞行过程中实现捷联惯导系统的初始对准,在10s内对准精度优于6',同时该算法通过在线标定惯性传感器随机启动误差,能够提高捷联惯导系统导航精度和导弹系统抗干扰能力.     

捷联惯导系统大失准角下的初始对准研究

针对捷联惯导系统初始对准过程中的大失准角情况,建立了基于欧拉平台误差角概念的捷联惯导系统(SINS)非线性误差模型,对于具有加性噪声的动态方程,当状态方程为非线性而观测方程为线性时,将一种简化的UKF滤波方法运用到捷联惯导系统初始对准中,并在静基座下对捷联惯导系统大失准角初始对准进行了仿真。仿真结果表明,随着失准角的增大,简化的UKF比EKF估计精度更高,是一种在进行捷联惯导系统大失准角条件下的初始对准时实用方法。     

ADOP可观测性分析方法在旋转式惯导初始对准中的应用

针对旋转式惯导系统多位置初始对准可观测性的问题,对可应用于初始对准方案选择的姿态精度因子(ADOP)可观测性分析方法进行了研究.以惯导初始对准33维状态误差方程为研究对象,分析ADOP方法在旋转式惯导初始对准的转动顺序、停留时间及模型降阶方面的应用.理论分析和仿真结果均表明该方法控制灵活、直观有效,能够为旋转式惯导初始对准应用中最佳方案选择提供依据.     

基于对偶四元数的捷联惯导算法在发射点惯性系下的应用研究

针对导弹类载体在做复杂的高动态机动时,采用传统的捷联惯导算法容易产生圆锥误差与划船误差,从而导致解算精度降低的问题,在发射点惯性系下设计了基于对偶四元数的捷联惯导算法。在建立发射点惯性系下的捷联惯导解算模型的基础上,详细推导了基于对偶四元数的捷联惯导解算算法,通过对比分析其中的速度更新过程与传统算法的差异,说明该算法可以有效提高速度和位置解算精度。在设计的多条机动飞行轨迹下,以三子样更新为例,对对偶四元数算法和传统算法的性能进行了仿真对比分析。仿真结果表明,对偶四元数导航算法可以有效提高速度和位置解算精度,且姿态机动情况越复杂、持续时间越长,改善效果越显著。     

严格逆向过程的捷联惯导快速回溯对准

回溯对准是利用高性能计算机反复进行正向和逆向导航解算来实现惯导系统的初始对准。对捷联惯导系统回溯参数辨识对准技术进行了研究,首次将严格逆向过程用在常规回溯对准中,其逆向过程不采用常规的近似解算,而是严格由正向过程的终点递推至起点,这可有效缩短惯导姿态失准角的估计时间,从而可相应提高捷联惯导在相同对准精度下的对准速度。最后,利用光纤陀螺捷联惯导系统进行了离线对准试验。结果表明,该对准方法的对准时间比常规回溯对准法缩短了1/3以上,证明了该对准方法的正确性、可行性。     

一种基于实时再处理技术的ＳＩＮＳ 初始对准算法

为了提高捷联惯导系统初始对准精度, 减少对准时间, 提出了一种优化的基于实时再 处理技术的初始对准方法。在导航计算机存储容量足够大并且计算能力足够强的条件下, 通过 两路独立的导航解算, 一路用作实时的对准导航, 另一路对存储的数据进行再次处理, 提高了 采样数据的利用率。与传统对准方法相比较, 该方法可以在较短的时间内取得同等的精度, 或 者在相同的对准时间内取得更高的对准精度。计算机仿真以及车载试验结果表明采用该初始对 准方法可以有效地实现惯导系统短时间高精度初始对准。     

捷联惯导系统动基座初始对准仿真研究

建立了捷联惯导系统动基座初始对准的误差模型，利用分段定常系统可观测性分析理论和方法对系统动基座初始对准时的可观测性进行了全面分析。并采用卡尔曼滤波技术，对系统在各种运动基座初始对准情况下的平台误差角进行了估计，给出了方差仿真曲线，比较了静基座与在这些运动情况下的卡尔曼滤波器的估计效果。仿真结果表明，在捷联惯导系统动基座初始对准过程中，可以通过载体线运动和角运动的改变来提高系统的可观测性和状态变量的可观测度，从而提高估计的精度和速度。这样可以寻求最佳机动方案，有效快速地进行初始对准。     

双轴连续旋转调制捷联惯导系统大失准角初始对准技术

由于可以补偿惯性器件在三个轴向上的输出误差，双轴旋转调制技术被广泛应用于捷联惯导系统(SINS)。选择了一种合理且实用的十六次序双轴转位方案，并对其调制原理和误差进行了分析。初始对准技术是捷联惯导系统的一项重要技术，其对准精度直接决定了后续导航的精度。在粗对准完成后，当姿态误差角较大时，后续的精对准误差模型呈非线性特性，故选择了滤波精度高、稳定性强的平方根容积Kalman滤波算法(SCKF)来解决这一问题。考虑到在实际对准过程中，量测噪声的统计特性易发生变化，将SCKF算法与Sage-Husa算法相结合，在传统Sage-Husa SCKF算法的基础上提出了一种改进的自适应滤波算法(ASCKF)。该算法采用QR分解来完成对噪声协方差的平方根矩阵估计，从而避免了传统Sage-Husa SCKF算法中所估噪声协方差矩阵不正定的问题。最后，通过仿真证实了ASCKF算法可被很好地应用于量测噪声统计特性发生变化的初始对准中。     

小波滤波在光纤陀螺捷联惯导系统初始对准中的应用研究

针对光纤陀螺车载捷联惯导系统在晃动基座下传感器测量噪声增大,导致对准精度降低、对准时间长的问题,本文对小波滤波方法在光纤陀螺捷联惯导系统初始对准中的预滤波处理进行了研究,确定了合适的小波尺度分解级数及小波基,并进行实验验证。实验结果表明：此方法有效降低了光纤陀螺的测量噪声,提高了航向角的对准精度并缩短对准时间,在工程上具有一定的参考价值。     

基于自适应Kalman滤波的改进PSO算法

针对基于Kalman滤波的PSO算法在设计与应用过程中存在的不足,提出了基于自适应Kalman滤波的改进PSO算法。利用粒子群状态空间Markov链模型,建立粒子群系统状态方程;采用粒子的速度和位置作为观测量,构建观测方程;引入记忆衰减因子动态调整Kalman滤波模型参数及噪声方差阵,降低模型误差,提高粒子的位置估计精度。仿真实验表明:改进的PSO算法无论在优化精度、收敛速度,还是在稳定性方面都有很大的改进和提高,这就有效避免了粒子的"早熟"收敛问题;尤其在处理复杂多峰问题上,改进算法表现出很明显的优越性。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选，降低输入维度；采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化，并对优化的神经网络进行训练；用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法，并且在参选故障诊断的性能参数不同时，其诊断误差相近，展现出较强的适应能力。      

基于改进PSO的飞行控制律参数多目标优化方法

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,以及物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。该算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异。从而,有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,还使用改进的粒子群优化算法对某型飞机横侧向控制律设计进行了数值仿真,结果显示该算法有效提高控制律优化调参效率,可满足期望的飞行品质要求。     

飞机飞行控制系统参数多目标优化设计研究

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异,从而有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,使用改进的粒子群优化算法对某型飞机纵向控制律设计进行数值仿真,结果显示,算法有效提高控制律优化调参效率,结果满足期望的飞行品质要求。     

改进的粒子群优化算法在气动设计中的应用

为了提高优化系统的搜索效率,发展出了社会模型这种改进智能优化算法的通用策略,在此基础上,提出了一种基于社会模型的改进粒子群优化(IPSOSM)算法。该算法对社会模型进行了分析并在此指导下,将人工鱼群算法(AFSA)中的聚群行为引入到粒子群优化(PSO)算法中,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,使得IPSOSM算法能够有效地跳出局部最优。函数测试表明,该算法显著提高了PSO算法的寻优性能。将IPSOSM算法应用到翼型和机翼的气动优化设计之中,取得了良好的结果,从而表明提出的算法简洁有效,具有较好的实用性。     

基于RHC-GCPSO的末端规避轨迹最优控制方法

针对传统典型末端规避战术实时性低、操作难度大和规避效果差等缺点,研究了一种实时指令控制的战斗机末端规避战术轨迹控制方法;分析了增大脱靶量的末端规避原理,在以导弹为原点的球坐标系下建立了导弹与战斗机的相对运动模型;结合战斗机动力学模型,建立了脱靶量末端规避数学模型;选取脱靶量为优化指标,建立了战术轨迹最优控制指令模型;提出了滚动关联粒子群算法并对该模型进行求解,得到了战斗机的最优战术机动控制指令;通过仿真,对比了滚动关联粒子群与粒子群、混沌粒子群三种算法对最优控制指令模型求解的结果,验证了该算法的优越性.     

人工鱼群算法在浮标跟踪阶段的使用优化研究

在对人工鱼群算法进行研究的基础上,结合被动浮标对潜跟踪的实际应用,将人工鱼群算法应用于被动浮标对潜跟踪时的投放优化,对算法的应用、相关参数的选择及其对浮标跟踪效果的影响进行了仿真分析,为被动浮标对潜跟踪使用提供了参考.     

基于改进粒子群算法的航空发动机性能综合评价

针对基于单参数评估发动机性能能力不足的问题,研究了利用多参数综合评估发动机性能的方法;通过对某型发动机台架试车数据分析,确定了使用综合加权法评估发动机性能比算术加权平均法更具合理性;分别利用改进的遗传算法和粒子群优化算法计算多参数的权值,对比结果表明:使用改进的粒子群算法在计算精度和速度上均优于遗传算法。同时还计算了各翻修次数下发动机的性能指标。     

基于CST参数化方法气动优化设计研究

翼型及机翼优化设计中,设计变量的个数对优化算法的收敛速度及代理模型的精度有很大的影响.因此,在精确描述翼型的同时,发展较少设计变量的翼型参数化方法对翼型优化设计有着重要的意义.本文基于CST(class function/shape function transformation)翼型参数化方法对Kriging模型的预测精度进行研究,并采用改进的粒子群优化算法构建气动优化设计系统.某亚声速机翼单点减阻设计及超临界翼型的稳健性设计表明该系统具有较高的设计质量,方法可靠,有较高的工程应用前景.     

高阶非线性系统的位置控制器PID参数优化

针对高阶非线性系统的位置控制器PID参数优化问题,以五阶传递函数横动伺服系统为例,结合粒子群算法成功实现了参数的优化。设计了粒子群算法的PID参数优化原理。在已知系统传递函数的基础上,利用ZN法进行参数初求解,然后利用粒子群算法对初解进行参数寻优,并将优化前后的系统进行动态性能对比,结果表明:优化后的高阶非线性系统动态性能更好,响应速度更快,调节时间更短,鲁棒性更强。