无人飞行器集群仅测距初始相对位姿确定方法研究CSCD

针对全球导航卫星系统(GNSS)拒止环境下无人飞行器集群成员间的相对定位问题,研究了一种基于机载惯性测量单元(IMU)、气压高度计与数据链测距组合的初始相对位姿求解算法。首先,在高度计稳定输出较为精确的高度信息的前提下,将飞行器的三维运动解耦成二维水平运动,给出了三维加速度和角速度、测距信息的水平坐标系投影等效模型。在此基础上,以待求量相对位置和航向角的非线性形式构造了新的待求状态量,并将相对位置和航向角的非线性求解问题转化成了新状态量的线性模型最小二乘求解问题。然后,通过引入递推最小二乘算法(RLS),建立了该相对位姿求解算法的实时输出递推形式,有效降低了机载在线计算的负载。接着,对所提算法进行了可观测性分析,并给出了使系统状态量不可观测的几种相对运动形式。最后,对所提算法进行了数值仿真实验,仿真结果表明,该算法能够有效、快速求解初始相对位姿,位置误差在初始相对距离的10%以内,航向角误差在初始相对角度的1%以内。     

基于视觉的大尺度部件相对位姿实时测量方法研究

相对位姿是装配过程中的一项重要监控项。针对大尺度部件对接过程中的相对位姿测量需求,提出了一种基于视觉的相对位姿实时测量方法。该方法利用单目视觉技术,通过采集合作靶标的图像,实时解算大部段间的相对位姿,用于辅助大尺度部件的装配。首先,设计了一套相对位姿实时测量系统,包括搭载单目相机的视觉测量单元,以及用于辅助位姿解算的合作靶标;其次,对相对位姿测量的完整流程进行了研究,包含系统标定方法与实时位姿解算方法;最后,在实验室环境下对位姿测量系统的精度进行测试。试验结果表明,位姿测量系统在垂直于光轴方向的重复精度可达0.02mm,沿光轴方向重复精度优于0.2mm,输出位姿结果时间低于0.3s;对多测量单元组网测量进行了仿真计算,垂直于光轴方向的重复精度优于0.1mm,沿光轴方向重复精度优于0.2mm,输出位姿结果时间优于1.3s。试验结果表明,提出的方法可满足一般大尺度部件对接过程实时位姿监控与对接状态评估的需求。     

Numerical simulation of a cabin ventilation subsystem in a space station oriented real-time system

An environment control and life support system(ECLSS) is an important system in a space station. The ECLSS is a typical complex system, and the real-time simulation technology can help to accelerate its research process by using distributed hardware in a loop simulation system. An implicit fixed time step numerical integration method is recommended for a real-time simulation system with time-varying parameters. However, its computational efficiency is too low to satisfy the real-time data interaction, especially for the complex ECLSS system running on a PC cluster. The instability problem of an explicit method strongly limits its application in the ECLSS real-time simulation although it has a high computational efficiency. This paper proposes an improved numerical simulation method to overcome the instability problem based on the explicit Euler method. A temperature and humidity control subsystem(THCS) is firstly established, and its numerical stability is analyzed by using the eigenvalue estimation theory. Furthermore, an adaptive operator is proposed to avoid the potential instability problem. The stability and accuracy of the proposed method are investigated carefully. Simulation results show that this proposed method can provide a good way for some complex time-variant systems to run their real-time simulation on a PC cluster.     

复杂水下环境下高精度SINS/USBL误差标定技术

针对SINS/USBL组合系统在导航与定位前需要对一体化样机进行精确标定的问题,对复杂水下声场环境下高精度SINS/USBL误差标定技术展开了研究,包括对安装误差角和空间杆臂误差的估计.基于标定模型的几何关系,推导了标定的状态方程和量测方程,并提出了新型的基于相对量测信息滤波估计的误差标定技术.为解决标定过程中由于存在声学野值而导致滤波估计性能下降的问题,通过高斯牛顿迭代将Huber M估计嵌入到变分贝叶斯框架中,推导了基于M估计的非线性鲁棒自适应标定算法,在精确校正后无需重复标定.仿真的结果验证了该方案的有效性、实用性和鲁棒性.     

一种带随机偏差的分布式信息融合滤波算法

在通信、计算机、信号处理、自动控制中,对于带有未知的干扰和偏差的随机系统的状态估计已经广泛出现。在现实环境中,不同的传感器可能受到不同的干扰影响。研究随机系统的状态估计问题在实际应用中具有重要的意义。对带有随机偏差的线性随机系统,将系统转换为多模型结构的特殊情况。利用最小方差的最优加权融合估计算法,获得了分布式信息融合滤波算法。通过仿真可以看出,分布式信息融合算法要比局部估计算法具有更高的精度,算法具有分布式结构,这使其具有更好的鲁棒性和可靠性。     

Adaptive Gaussian sum squared-root cubature Kalman filter with split-merge scheme for state estimation

The paper deals with state estimation problem of nonlinear non-Gaussian discrete dynamic systems for improvement of accuracy and consistency. An efficient new algorithm called the adaptive Gaussian-sum square-root cubature Kalman filter（AGSSCKF） with a split-merge scheme is proposed. It is developed based on the squared-root extension of newly introduced cubature Kalman filter（SCKF） and is built within a Gaussian-sum framework. Based on the condition that the probability density functions of process noises and initial state are denoted by a Gaussian sum using optimization method, a bank of SCKF are used as the sub-filters to estimate state of system with the corresponding weights respectively, which is adaptively updated. The new algorithm consists of an adaptive splitting and merging procedure according to a proposed split-decision model based on the nonlinearity degree of measurement. The results of two simulation scenarios（one-dimensional state estimation and bearings-only tracking） show that the proposed filter demonstrates comparable performance to the particle filter with significantly reduced computational cost.     

轮地力学模型参数灵敏度分析与主参数估计

在星球探测过程中,星球车需要估计地面力学参数以及时调整控制策略,快速适应地形变化。针对形式复杂,参数耦合的轮地相互作用模型,采用Sobol灵敏度分析方法,分别对模型中的地面承压特性参数和剪切特性参数的灵敏度进行定量分析,筛选出沉陷指数与内摩擦角作为模型的主导参数,用于反映地面承压特性和剪切特性的变化。基于轮地相互作用力学平衡方程,通过简化应力分布公式,进一步推导出主导参数的解析表达式。通过以典型值固定非主导参数,利用系统状态参数和滤波处理完成地面力学特性主导参数的估计。结果表明,所提出的地面力学主导参数解析式及相应的估计方法能够快速反映地形的变化,沉陷指数估计的平均相对误差为2.8%,内摩擦角估计的平均相对误差小于3%。估计结果可准确预测车轮牵引力,为实现实时控制提供必要信息。     

可变弯度机翼后缘形态重构光纤监测技术

可变弯度机翼是一种变翼型变体飞行器，在飞行过程中可根据不同的飞行环境自适应调整机翼弯度来提高飞行效率，从而适应复杂多样的任务环境。针对可变弯度机翼后缘形态与偏转角度实时监测需求，研究了一种基于光纤布拉格光栅传感器的机翼后缘形态重构方法。采用数值仿真方法分析可变弯度机翼后缘的形态变化特征，得到可变弯度机翼后缘偏转位移与偏转角度之间关系。给出光纤布拉格光栅传感器布局形式，构建了基于应变和曲率信息递推位移重构原理的机翼后缘形态和偏转角度监测系统。基于光纤布拉格光栅传感器的机翼后缘形态重构相对误差约为6.39%，偏转角度辨识相对误差约为7.47%。研究结果表明，所提方法能够为可变弯度机翼后缘形态感知、姿态自适应调整以及气动外形优化提供技术支撑。     

半虚拟现实座舱中基于最大后验概率框架的手姿态估计

手姿态估计是半虚拟现实(SVR)座舱环境中进行人机交互(HCI)的基础工作,为此提出一种基于最大后验概率(MAP)框架的手姿态估计方法.针对手部自遮挡问题,建立多视点手势特征树,通过树节点搜索实现手姿态参数的快速估计,并利用时序信息提高估计精度.在树节点搜索过程中,采用改进的局部敏感哈希(LSH)索引算法提高搜索效率....     

多传感器融合状态估计方法综述

随着传感器网络技术的发展，多传感器融合状态估计凭借其鲁棒性、灵活性、可扩展性以及便于故障检测等优点，长期受到国内外学者的广泛关注，并取得了大量研究成果。数据融合的方法为融合状态估计奠定了理论基础，也是早期研究的主要方向，从20世纪70年代到20世纪末，相继发展出了集中式和分散式滤波架构及相应算法。无线通信技术的成熟以及一致性算法的出现使得分布式状态估计的研究进入了快车道，自2005年以来，大量基于一致性的分布式滤波算法被提出，其中不乏实用的经典方法和优秀的开创性方法。旨在梳理多传感器融合状态估计的发展，探究从数据融合到分布式滤波的内在联系，并对一些经典方法进行了总结。     

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。     

火箭上面级实时自适应抗差估计算法

针对火箭上面级飞行阶段存在的慢旋特性和大推力问题,提出了一种实时自适应抗差估计算法。针对前者,将抗差理论与CKF滤波算法相结合,以提高系统的抗差性;针对后者,采用嵌入机动决策的多模态轨道确定算法,在机动时刻调整状态方差矩阵,以加快观测信息对系统状态的修正作用,减小系统状态变量估计误差。通过对某次火箭上面级的实测数据分析,表明该算法能够有效抑制测量数据质量差的问题,提高系统的跟踪性能,并对外测弹道重建具有一定的应用价值。     

基于模型预测静态规划的自适应轨迹跟踪算法

轨迹跟踪是飞机自主运动控制的关键问题之一。跟踪模型预测静态规划（T-MPSP）是一种新近发展的基于非线性模型的轨迹跟踪算法,但对于飞行器受损等情况下,模型参数相较于标称模型具有较大的偏差时,则可能导致轨迹跟踪效果不理想。提出了基于参数估计的自适应轨迹跟踪算法,在模型预测静态规划（MPSP）的框架下得出解析解,实现了对参数的实时估计,据此更新跟踪模型预测静态规划算法中所使用的模型后,可以有效扩大对参数偏离的适应性,并保留模型预测静态规划计算效率高的特点。通过仿真对比得出,相较于已有的跟踪模型预测静态规划,改进后的算法对模型参数偏离的容忍性明显提高,且算法迭代效率高,适于在线应用。     

包含乘性噪声自适应修正的非合作目标相对导航算法

无人机（UAV）态势感知的任务是利用机载传感器对未知环境进行目标识别和引导，针对无人机与非合作目标间中远距离的相对导航问题，提出了一种基于角度和距离量测的相对状态估计算法。在现有滤波算法的基础上，为了提高精度和稳定性，本文利用了列文伯格-马夸尔特（LM）优化的思想对迭代卡尔曼滤波（IEKF）算法进行改进，提出了一种LM-IEKF算法，并推导该算法在迭代过程中的状态更新方程及协方差阵的递推公式。在此基础上，考虑到距离传感器由于信号相关特性而引入的乘性噪声，现有的加性噪声模型难以适应，因此，进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法，通过在线实时更新噪声阵提高滤波的精度，并设置渐消记忆指数平滑估计结果。算法验证结果表明，与现有的EKF、IEKF算法相比，在仅含加性噪声的情况下，LM-IEKF算法具有更好的性能；在包含乘性噪声的情况下，Modified LM-IEKF可以有效地估计量测噪声，与目前广泛使用的EKF算法相比，在综合相对位置和相对速度精度上分别提高了10%和23%。     

基于交互多模估计策略的故障检诊方法

针对多模自适应（ＭＭＡＥ）故障检诊（ＦＤＤ）方法的局限性,提出了一种基于交互多模（ＩＭＭ）估计策略的动态系统中多重故障的检诊方法。交互多模估计是针对包含有结构以及参数的系统的一种效率较好的自适应估计技术,它提供了故障检测、诊断和状态估计的集中框架。通过对在传感器和作动器中含有多个故障飞机的仿真。结果表明,所提供的方法比其它方法能够更快、更可靠地检测和隔离出多重故障。     

无人直升机视觉着陆中的运动状态估计算法

对无人直升机(UH)视觉着陆中基于视觉图像处理的运动状态估计问题进行了研究。介绍了视觉着陆原理,分析了运动估计、特征图像处理与着陆控制间的关系,推导并建立了UH相对着陆平台位姿估计算法、线速度与角速度估计算法。相邻两帧图像对应特征点像点位置为位姿估计算法提供数据,一帧图像特征点像点位置及其对应像点平移速度为线速度与角速度估计算法提供数据。利用UH着陆控制仿真数据模拟UH着陆运动过程中像点位置及其对应平移速度的视觉图像处理结果。仿真验证了运动状态估计算法,结果表明所提出的运动状态估计算法能有效地利用视觉图像处理结果数据估计出UH的位置、姿态、线速度和角速度。     

弹性高超声速滑翔飞行器的状态/参数联合估计

弹性高超声速滑翔飞行器具有强非线性、强不确定性和刚体/弹性耦合的特点，对其状态和参数进行估计十分必要。为解决这一问题，提出了一种传感器布置策略和一种利用正交三角（QR）分解更新到达代价的滚动时域估计算法（MHE-QR）。首先，建立了考虑弹性的传感器观测模型并分析了传感器位置对可观性的影响，并在此基础上提出了一种反映系统可观性的性能指标。传感器布置策略以此性能指标为目标函数，将传感器布置问题转化为约束非线性优化问题并求解，即可得到最优传感器布置方案。然后提出了MHE-QR算法。在滚动时域估计的框架下，该算法利用前向动态规划原理将到达代价的计算转化为最小二乘问题，并给出了基于QR分解的到达代价更新算法。仿真结果表明该传感器布置策略和MHE-QR算法能够有效提高估计精度、收敛速度和计算速度。此外，MHE-QR算法具有实时应用的潜力。     

基于神经网络的自适应状态观测器

利用ＢＰ神经网络动态系统对一类非线性时变系统的状态进行了估计。利用神经网络的“学习－遗忘”特性,提出了非线性时变系统的自适应状态观测器,对其结构及特性进行了讨论。仿真结果表明这种自适应状态观测器能跟踪系统参数及状态的变化。     

Robust image-based coordinated control for spacecraft formation flying

This paper addresses a coordinated control problem for Spacecraft Formation Flying (SFF). The distributed followers are required to track and synchronize with the leader spacecraft. By using the feature points in the two-dimensional image space, an integrated 6-degree-of-freedom dynamic model is formulated for spacecraft relative motion. Without sophisticated three-dimensional reconstruction, image features are directly utilized for the controller design. The proposed image-based controller can drive the follower spacecraft in the desired configuration with respect to the leader when the real-time captured images match their reference counterparts. To improve the precision of the formation configuration, the proposed controller employs a coordinated term to reduce the relative distance errors between followers. The uncertainties in the system dynamics are handled by integrating the adaptive technique into the controller, which increases the robustness of the SFF system. The closed-loop system stability is analyzed using the Lyapunov method and algebraic graph theory. A numerical simulation for a given SFF scenario is performed to evaluate the performance of the controller.     

具有通信约束的分布式SOR多智能体轨迹估计算法

针对传统多智能体轨迹估计算法信息交换量大，计算量随群规模指数增长，可扩展性差等诸多不足，提出了一种基于超松弛迭代（SOR）的分布式多智能体轨迹估计算法，通过将最大似然（ML）准则下的轨迹估计转化为两级线性优化问题，并综合利用分布式超松弛迭代（Distributed SOR）和标记初始化方法，加快求解速度并简化信息交换流程，最终实现了多智能体位姿轨迹优化和协作定位。实验表明，所提的分布式方法能达到集中式算法的精度水平，在49个智能体规模条件下，位置估计误差小于0.15 m，姿态估计误差小于0.03°，且数据交换量仅到现有主流分布式方法DDF-SAM的0.06%，能很好用于大规模集群的场景。