基于Transformer模型的卫星单目位姿估计方法

鉴于测量精度高、设备成本低等优点，基于单目图像的卫星位姿估计方法在交会对接、空间攻防等应用中具有广泛前景。得益于强大的特征提取与表达能力，卷积神经网络在目标单目位姿估计应用中取得了明显优于传统方法的性能表现，但已有基于卷积神经网络的方法存在诸如归纳偏置、绝对距离描述不直接、长距离建模能力不足等问题。聚焦卫星单目位姿估计应用需求，针对以上问题，创新地将Transformer模型应用于卫星目标位姿估计中，提出了一种新颖的端到端卫星单目位姿估计方法。首先，设计了一种基于关键点集合的卫星目标表示方法，并构建了基于该表示方法的损失函数，进一步，结合关键点回归任务特点，设计了端到端的关键点回归网络模型，并改进了用于特征提取的主干网络结构。在公开数据集上实验测试结果表明：本文方法实现了可靠、高效的卫星目标单目位姿估计，并取得了优于已有同类方法的性能。     

自主姿态测量最优算法研究

针对利用地球重力场和磁场矢量观测进行自主姿态测量的应用问题,提出了一种新的最优递推估计算法。该算法采用卡尔曼滤波框架,利用加权统计线性回归并结合自适应滤波技术进行测量更新,与现有方法相比,在提高测量精度的同时,增加了同步提供姿态速率信息的功能。仿真结果表明,新算法的姿态估计精度比目前常用的直接计算方法提高近两倍。     

基于SVR的航空发动机抗性能退化容错研究

涡轮风扇发动机工作环境复杂,长期工作在高温、高压状态下,使得发动机不断老化、性能衰退,由性能退化导致的航空发动机可靠性降低问题不容忽视.采用支持向量回归方法SVR对测量参数进行估计,获得发动机性能退化模型;应用支持向量机的非线性回归的核函数变换法,对特征空间优化获得最优分类面,同时基于Mann-Kendall算法对发动机性能退化参数进行评估.结果表明:该方法能有效地评估分析发动机性能退化趋势和衰退程度.     

基于Rodrigues参数的姿态估计算法

 以Rodrigues参数作为姿态描述参数提出一种快速的全姿态估计算法。Rodrigues参数具有简洁高效的特点,但它具有奇异性,不适用于大角度情况。首先将序贯旋转方法和Rodrigues参数相结合,提出了一种简洁、无奇异的姿态描述方法。然后应用该姿态描述方法,针对“矢量观测+陀螺”这种典型的姿态测量方案,讨论飞行器的姿态估计问题。在姿态估计算法设计中,给出了陀螺模型和观测矢量模型,推导了状态和状态误差协方差阵的预测方程和量测更新方程,并提出了预测方程的一种高效积分方法。仿真结果表明在估计精度等同的条件下,该姿态估计算法比四元数算法效率大约提高10%。     

在线学习的循环自适应机动目标跟踪算法

针对机动目标难以精确跟踪的问题,提出了一种可在线学习的循环Kalman神经网络跟踪算法。考虑到状态转移矩阵、量测噪声和过程噪声矩阵在机动目标跟踪中难以实时、离线估计,且在实际应用中对应数据集获取成本高,因此使用在线学习的神经网络对其进行实时估计。由于Kalman滤波算法本身是一种循环结构,将简单的全连接层网络与其嵌合,全连接层网络实时输出状态转移矩阵、量测和过程噪声矩阵估计,构成一种广义的循环Kalman神经网络,根据网络最终输出的位置估计进行端到端的在线学习,并且通过理论推导证明了其在线学习的可行性。将提出的循环Kalman神经网络同3种经典机动目标算法进行了仿真对比,结果表明：循环Kalman神经网络跟踪需要很少的先验信息,在最优区域内较之其他3种算法具有最高的跟踪精度和鲁棒性,并且具有效率高、训练成本低以及可扩展性强的特点。     

权值动态分配的加权平均法在姿态解算中的应用

鉴于各种姿态算法解算后的精度不高,提出将加权平均法应用于捷联惯导系统的姿态解算中.针对实际应用中无法准确获得姿态角度的真实值这一情况,提出对解算误差进行实时估计的方法,再基于最优权值分配的原则进行权值动态分配.对几种姿态解算算法进行了有效的融合,并应用到姿态解算模块的实际测量中.测量结果分析表明此种方法很大程度上减少了单一算法的解算误差及测量的误差,提高了测量的精度.     

高速风洞试验模型姿态角的视频测量及不确定度研究

高速风洞测力试验中,阻力系数精度σc x的先进指标为0.0001,按误差分配原理,要求试验模型迎角的测量精度σα≤0.01°。为此,研究风洞试验中模型姿态角视频测量及其不确定度,给出其系统误差的补偿方法。实测数据（马赫数为1.5、2.0、3.0和4.0）表明：在2m暂冲式超声速风洞试验中,各阶梯迎角测量数据的标准差（含风洞气流脉动致模型姿态角振动产生的误差）在0.0018°和0.0094°之间,迎角实测估计值的标准不确定度≤0.003°,由此可知,姿态角视频测量系统的σα≤0.0094°。本方法既不破坏模型的外形,又不改变模型的刚度与强度,具有实用价值。     

拟VGG16网络的航空传感器故障检测分类

参考计算机视觉等领域的研究与应用进展，提出了拟图智能化故障诊断概念；拟照VGG16图像分类网络，提出了一种航空传感器故障检测与分类方法。首先，基于仿真、实飞等手段建立了航空传感器故障飞行数据库；该数据库包含4型大型客机、通航飞机在5种飞行状态的飞行数据，并可有效模拟气动数据、惯性测量单元等传感器的故障。其次，提出将航空器气动数据、惯性测量单元等传感器的测量数据堆叠成灰度图像数据格式；该图像保留了传感器测量数据的时间、空间耦合特征，将传感器故障检测与分类转换成为图像上的异常区域检测与分类问题。再次，提出了一种数据增强方法，将堆叠形成的传感器测量数据图像的维度增强为VGG16图像分类网络输入维度，并基于预训练的VGG16图像分类网络，采用微调优化网络模型，最终得到了拟图智能化航空传感器故障检测与分类深度神经网络。在多个航空器数据集上的实验结果表明，网络的平均测试准确度可以达到97.6%。最后，参考计算机视觉领域的深度神经网络可解释性分析方法，基于类激活映射图（CAM）对本文发展的传感器故障检测与分类网络进行了分析，初步阐明了网络内部各层卷积核节点特征提取运算的机理，提升了该网络故障检测与分...     

基于自适应径向基网络的舰船RCS统计特征识别方法

文章采用舰船RCS频域起伏序列的均值、标准差为识别特征向量,利用提出的基于样本密度的自适应径向基网络,进行舰船分类识别研究。自适应径向基网络采用改进的自适应PSO方法估计样本密度最优邻域半径,实现径向基网络中心的自适应选择。改进的自适应PSO方法采用能反映样本聚类特点的BWP指标为适应度评价函数,采用快慢结合的高斯自适应惯性权重调节策略,提高了最优样本密度邻域半径的搜索速度和精度。实验结果表明,自适应径向基网络能自适应获得径向基网络最优识别率对应的RBF中心及其位置分布,减少了对建模人员经验的依赖,提高了反舰导弹对舰船类型的识别分类能力。     

基于不敏变换的动基座传感器偏差估计方法

提出了一种新的基于合作目标的动基座传感器误差绝对配准方法。该方法利用所获得的合作目标位置信息,将载体平台姿态角偏差转换为传感器测量偏差中的一部分,并建立偏差状态方程和测量方程。在此基础上,采用广义最小二乘方法以实现传感器测距误差的估计,不敏滤波的方法则用于实现平台载体的姿态偏差和角度测量偏差的实时估计。仿真结果表明,该方法实现简单,收敛速度快,可以实现单部动基座传感器的偏差估计。     

Installation error calibration for MEMS angular measurement system in hypersonic wind tunnel

The accuracy of model attitude measurement has an important impact on wind tunnel test results. Microelectromechanical System Inertial Measurement Unit (MEMS IMU) provides a feasible way to measure model attitudes with high accuracy. However, the installation error between MEMS IMU coordinate system and the body coordinate system of test models can make the accuracy of the model attitude measurement decrease. In wind tunnel tests, the installation error depends on the relationship between the IMU and the model mechanism before tests. Therefore, in-field calibration in wind tunnel tests is necessary to reduce installation errors. To improve attitude measurement accuracy, the least squares quaternion calibration method based on MEMS IMU and six-position calibration procedure are proposed. High-precision three-axis turntable tests are performed. The pitch accuracy after calibration is higher than that before calibration in the angle of attack sweeping tests. The Root-Mean-Square Errors (RMSE) in the roll and yaw are within 0.01°, which are smaller than those before calibration. In the roll sweeping tests, RMSE of three attitude angles decrease significantly. In hypersonic wind tunnel tests, the pitch errors before and after calibration are within 0.05° and 0.02° in the angle of attack sweeping tests without wind. In five angle of attack sweeping tests with wind, the deviation between the mean of the pitch and the pitch after the elastic angle correction is within 0.03° and the standard deviation of five tests is within 0.01°. The proposed method is confirmed to enhance the accuracy of attitude measurement effectively, which is convenient for engineering applications.     

非合作慢旋目标即时状态位姿确定

对失效卫星等非合作慢旋目标进行在轨服务，需要精确测量追踪航天器与目标之间的姿态信息。因此，如何在复杂的光照条件下快速、准确地对非合作慢旋目标进行即时状态位姿确定具有一定的挑战性。应用ORB-SLAM技术，首先定位关键帧，并估计姿态。然后用当前帧的特征点与地图点对应的特征点进行匹配。最后，将完成匹配的特征点通过重投影确定其在地图中的位置，如果出现跟踪丢失，则根据已有的地图点估计姿态。实验结果表明：在复杂的光照条件下，分别对以10(°)/s角速度运动和以3(°)/s角速度运动的非合作目标进行测量，当测量稳定后，平均角速度误差约为0.1(°)/s和0.02(°)/s，可以满足工程上空间非合作目标相对姿态测量的精度要求。     

陆用惯性导航系统非线性对准方法

以某型自行火炮炮载惯性导航系统为研究对象。为解决大方位失准角造成的系统非线性问题,在对大失准角误差模型进行详细分析的基础上,提出了基于快速正交搜索（FOS）和卡尔曼滤波（KF）的非线性参数估计方法。利用事先训练好的非线性误差模型进行对准,既能消除线性姿态误差,又可以对非线性姿态误差起到良好的抑制作用。仿真结果表明,FOS/KF方法的对准精度和实时性远优于扩展卡尔曼滤波（EKF）。对比试验结果表明,单独使用EKF时的方位角误差最大达到14.99°,而FOS/KF可以使方位角误差保持在0.8°以内。FOS/KF方法的估计精度不随系统非线性程度的变化而变化,并且不需要进行粗对准,简化了对准过程,提高了载体机动性。     

基于序列图像的航天器自主导航降维滤波方法

非合作目标的运动感知与状态估计,是太空领域技术发展的重要组成部分。非合作目标相对状态的精确估计是相对导航的难点问题。传统的非合作目标扩展卡尔曼滤波算法需要结合非合作目标的质心位置,增加了状态变量的维数,提高了系统不确定性,从而会影响状态扩展卡尔曼滤波的收敛速度。提出了一种基于序列图像的非合作目标相对导航方法,该方法在不对质心进行估计的情况下首先对非合作目标姿态进行估计,在完成非合作目标姿态估计后再对其质心进行估计。本文推导了光学相机测量值与目标真实姿态的关系,构建了基于序列图像的测量模型,分别建立了不含有非合作目标质心位置的状态方程和基于非合作目标位置、速度矢量的状态方程,设计了适用于非合作目标状态估计的扩展卡尔曼滤波算法。仿真实验表明该方法可在10 Hz采样频率下经过50次采样（即5 s）内快速收敛,从而有利于空间飞行器的在轨服务与维护。     

低照度小样本限制下的失效卫星相对位姿估计与优化

低照度图像信息受损严重,会导致失效卫星的位姿估计精度和鲁棒性降低。基于此,提出了无监督生成式对抗网络低照度图像增强模型。生成器以U-Net网络为基础,并设计密集残差连接结构。判别器设计为全局-局部的双辨别器结构,由传统的单一标量扩展为多标量判别。在小样本的条件下,基于进化训练与并行训练方式改进基于SinGAN的数据增广方法。最后,在基于ORB-SLAM位姿初始化的基础上,建立特征信息的局部地图,克服位姿估计对参考帧的依赖;通过关键帧ROI的稠密匹配,建立关于平面法向量和单目相机安装高度的非线性优化模型求解尺度因子;通过闭环检测后的相似性变换,构建关键帧集合的联合位姿图优化方程,实现对位姿矩阵的全局校正。实验结果表明：测量稳定后,低照度图像的姿态角误差最大值为4°,而图像增强后的姿态角误差最大为0.5°;对于以角速度20°/s运动的失效卫星旋转5周,相对静止下的跟踪测量为5周,1 m水平方向机动下的跟踪测量为4.5周。可以满足失效卫星相对姿态测量的任务需求。     

双目视觉绳系支撑飞行器模型位姿动态测量

绳牵引并联机器人（WDPR）为风洞试验提供了一种新型支撑方式，可用于多/六自由度风洞复杂动态试验。针对该支撑下飞行器模型的大范围运动，发展了一种基于双目视觉的模型位姿动态测量方法。首先，设计了一种编码合作标志点，合理布置于模型表面，通过图像处理消除绳对标志点成像干扰，进行标志点三维重构；然后，利用绝对定姿算法求解相对位姿初值，且给出了理论误差分析，并基于双目相机重投影误差构建李代数下的无约束最小二乘优化问题，采用L-M算法进行位姿优化；最后，采用该测量系统分别进行了静态和动态精度验证试验，以及大迎角俯仰振荡等3种单/多自由度典型运动轨迹测量。试验数据显示，静态角度和位移测量精度分别优于0.02°/0.02 mm；动态测量时角度精度可达到0.1°量级，位移平均误差为0.4 mm。研究结果表明：设计的双目视觉测量系统是有效可行的，可为后续风洞试验的实际应用提供支持。     

Accurate attitude estimation of HB2 standard model based on QNCF in hypersonic wind tunnel test

The accuracy of the HB2 standard model attitude measurement has an important impact on the hypersonic wind tunnel data assessment. The limited size of the model and the existence of external vibrations make it challenging to obtain real-time reliable attitude measurement. To reduce the influence of attitude errors on test results, this paper proposes a Quaternion Nonlinear Complementary Filter (QNCF) attitude determination algorithm based on Microelectromechanical Inertial Measurement Unit (MEMS-IMU). Firstly, the threshold-based PI control strategy is adopted to eliminate noise effect according to the Acceleration Magnitude Detector (AMD). Then, the flexible quaternion method is updated to carry out attitude estimation which is operational and easy to be embedded in the Field Programmable Gate Array (FPGA). Finally, a high-precision three-axis turntable test and a hypersonic wind tunnel test are performed. The results show that the pitch-roll attitude errors are within 0.05° and 0.08° in the high-precision three-axis turntable test in a calculation time of 100 s respectively, and the attitude error is within 0.3° after the elastic angle correction in the hypersonic wind tunnel test. The proposed method can provide accurate real-time attitude reference for the analysis of the actual movement of the model, exhibiting certain engineering application value with robustness and simplicity.     

基于改进UKF的组合导航系统航向角估计方法研究

为满足运载体长航时、高精度的导航需求,解决系统可观测性弱导致的航向角易发散的问题,提出了一种基于MEMS非线性组合导航系统的用于提高航向角估计精度的算法。通过采用单天线GNSS航向角作为量测量进行航向约束,解决了MEMS-SINS/GNSS姿态估计中航向角可观测性弱、估计值收敛差的问题;通过转弯判断规则和常规无迹卡尔曼滤波改进算法,抑制了偏流角对系统估计精度的影响。仿真结果表明,该算法有效地抑制了航向角估计精度差的问题,水平姿态精度达到0.01°,航向角精度达到0.1°,提高了系统的导航精度及可靠性。     

An adaptive attitude algorithm based on a current statistical model for maneuvering acceleration

A current statistical model for maneuvering acceleration using an adaptive extended Kalman filter(CS-MAEKF) algorithm is proposed to solve problems existing in conventional extended Kalman filters such as large estimation error and divergent tendencies in the presence of continuous maneuvering acceleration. A membership function is introduced in this algorithm to adaptively modify the upper and lower limits of loitering vehicles' maneuvering acceleration and for realtime adjustment of maneuvering acceleration variance. This allows the algorithm to have superior static and dynamic performance for loitering vehicles undergoing different maneuvers. Digital simulations and dynamic flight testing show that the yaw angle accuracy of the algorithm is 30% better than conventional algorithms, and pitch and roll angle calculation precision is improved by 60%.The mean square deviation of heading and attitude angle error during dynamic flight is less than3.05°. Experimental results show that CS-MAEKF meets the application requirements of miniature loitering vehicles.     

一种基于三维到达角的无偏伪线性卡尔曼滤波

为了解决大场景下基于三维到达角的目标跟踪问题，提出了一种具有无偏性的伪线性卡尔曼滤波。首先，基于三维到达角信息对目标运动模型与量测模型进行建模；之后，对量测模型进行了伪线性化处理，得到了线性形式的目标量测模型。为了解决伪线性卡尔曼滤波存在的有偏性问题，提出了一种结合EKF（extend Kalman filter）的三维伪线性无偏卡尔曼滤波。仿真实验表明，该模型能够对非机动目标与机动目标有效跟踪，对于百公里级别的目标，当角测量误差从0.1°变化到0.5°，算法在仿真时间结束时均能将绝对位置误差降低至10 km以内，且算法的运行速度与EKF为同一个量级，同时兼顾了抗干扰能力、定位跟踪精度、运行效率的要求，能够为大场景下的目标跟踪提供有效方法。