基于正弦/直线过载的惯性测量组合动态误差标定系统

为解决航天器惯性测量组合与过载相关的动态误差难以在地面精确标定的问题,提出并构建了一种基于正弦直线过载的惯性测量组合动态误差试验系统。利用该系统提供过载的正弦特性和直线往复运动的周期特性,结合惯性测量组合在正/负半周期内的脉冲输出,标定惯性测量组合动态误差。试验结果表明,采用该系统标定的惯性测量组合动态误差重复性、一致性好,是惯性测量组合动态误差的地面精确标定的一种有效手段。     

基于神经网络模型的动态非线性气动力辨识方法

 在标准径向基函数（RBF）神经网络模型的基础上发展了带输出反馈的RBF神经网络。将计算流体力学(CFD)方法计算的时域气动载荷作为输入信号,建立跨声速非定常非线性气动力模型,并进一步运用CFD方法验证模型的精度。算例表明带输出反馈的RBF神经网络较标准RBF神经网络精度更高,能更准确描述跨声速激波大幅振荡时的非线性和非定常特性,并可推广用于多自由度运动的动态非线性气动力建模。用多级信号训练,预测简谐信号输入下的气动力算例表明带输出反馈的RBF神经网络能够预测不同振幅、不同频率的信号激励下的非线性气动力。     

捷联惯性测量组合双位置射前标定方法研究

从理论上探讨了捷联惯性测量组合射前标定方法,以挠性陀螺捷联惯性测量组合为主要研究对象,根据导弹临发射前的特点,提出了一种双位置射前标定方法。该方法充分利用导弹发射前的信息,合理选择标定位置,对影响导弹命中精度大的不稳定误差参数进行标定。理论分析和实验结果表明,该方法可以对捷联惯性测量组合主要误差参数进行射前标定,从而提高捷联惯性测量组合的使用精度,放宽其稳定性要求。     

基于多加速度计组合的误差模型自标定方法

本文针对惯性测量组合当中的加速度计误差模型自标定问题,提出了一种基于多加速度计组合的测试方法.该方法以重力加速度go的幅值平方作为参考基准来标定误差系数,使得标定精度不受转角定位误差的影响.采用三个相互正交的加速度计输出平方和作为观测信息,建立了g02观测误差辨识模型方程.该测试方法有效提高了加速度计的测试精度.     

基于MEMS器件的弹载小型惯性测量设计与标定实验

针对弹载惯性测量装置小体积、低功耗的应用需求,研制了基于16488的弹载惯性测量装置,应用六位置正反转方法在三轴速率转台上对测量装置进行模型误差系数标定。实验结果表明,应用标定后的模型误差系数对原始输出数据进行补偿后,姿态测量精度得到大幅提高,能满足弹载姿态测量精度需求。     

一种MEMS陀螺标度因数误差补偿方法

高动态、恶劣温度环境下,微小型飞行器(MAV)导航、制导与控制系统关键器件微机电系统(MEMS)陀螺受温度和转速耦合影响,其标度因数误差呈强非线性特点,常规方法无法精确补偿。通过分析MEMS陀螺标度因数误差的产生机理,建立了包含温度和转速非线性因素的标度因数误差模型,提出一种基于径向基(RBF)神经网络的标度因数非线性耦合误差补偿方法,解决了常规补偿方法精度差的问题。标定与补偿实验表明:在-10～+55℃温度范围、-150～+150(°)/s输入转速范围内,采用新方法补偿后MEMS陀螺输出平均精度比多项式拟合方法提高7倍;在-20～+20(°)/s低输入转速的误差强非线性区间内,精度提高近20倍,验证了本文方法的有效性和优越性。     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用RBF神经网络逼近非线性函数，并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能。H^∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性，而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后给出的算例验证了该方法的有效性。     

基于飞行数据反演解算的 SINS空中标定技

针对机载 SINS定期拆卸并进行实验室标定存在的维护效率低、标定周期不合理的问题,提出一种基于 GPS/SINS组合导航仿真飞行数据反演解算的免拆卸空中标定方法。在对飞行数据拟合插值的基础上,利用飞行数据序列和 SINS反演算法解算出惯性器件的输出增量,以引入误差后的惯性器件输出值作为 SINS的输入进行纯惯导解算,并以 SINS和 GPS输出的速度误差作为系统级标定 Kalman滤波器的观测量,对惯性器件误差项进行滤波估计。仿真结果表明,这种标定方法可较好地估计出 SINS中的误差项,实现了 SINS的免拆卸标定,降低了对 SINS定期标定的要求。     

基于模糊神经网络的某型直升机可靠度预测

为了实现某型直升机可靠度准确预测,建立了基于自适应模糊神经网络的可靠度预测模型。该模型以故障间隔时间为输入,以可靠度为输出,通过模糊神经网络自适应训练获得适合直升机可靠度预测的故障间隔时间隶属函数。对模型进行检验取得了较好的仿真结果,与应用RBF神经网络进行可靠度预测相比速度更快,同时预测精度提高了98.4%。     

基于飞行数据反演解算的SINS空中标定技术

针对机载SINS定期拆卸并进行实验室标定存在的维护效率低、标定周期不合理的问题,提出一种基于GPS/SINS组合导航仿真飞行数据反演解算的免拆卸空中标定方法。在对飞行数据拟合插值的基础上,利用飞行数据序列和SINS反演算法解算出惯性器件的输出增量,以引入误差后的惯性器件输出值作为SINS的输入进行纯惯导解算,并以SINS和GPS输出的速度误差作为系统级标定Kalman滤波器的观测量,对惯性器件误差项进行滤波估计。仿真结果表明,这种标定方法可较好地估计出SINS中的误差项,实现了SINS的免拆卸标定,降低了对SINS定期标定的要求。     

基于IGA算法优化的RBF神经网络应用

提出了一种基于改进遗传算法(Improved Genetic Algorithm,IGA)优化的径向基函数(RBF)神经网络,将实数编码的自适应交叉和变异操作的遗传算法与梯度下降法混合交互运算,作为RBF网络的学习算法,并应用于非线性函数的逼近和导弹故障模式的识别问题。仿真结果表明,基于IGA算法的RBF神经网络不仅结构简单,而且具有较好的网络泛化性能。     

基于神经网络动态逆的大迎角导弹解耦设计

导弹大迎角飞行时,系统非线性特性非常明显,各通道间有很严重的气动交叉耦合现象.为实现对系统的非线性解耦,构造了基于神经网络动态逆的大迎角导弹解耦控制器,设计了非线性动态逆系统,利用RBF神经网络逼近逆误差.仿真实验结果表明:所设计的控制系统具有良好的解耦和指令跟踪能力.     

一种动态面神经网络鲁棒飞行控制律设计

提出一种基于RBF(Radial Based Function)神经网络和动态面控制的飞行控制律设计方法。针对飞机气动参数变化引起的非线性和不确定性,通过RBF神经网络在线逼近。动态面飞行控制律消除了反推设计方法中由于对虚拟控制反复求导而导致的复杂性问题。同时,在控制律设计中引入一个鲁棒因子项来补偿外界干扰和神经网络的逼近误差,提高了系统的鲁棒性,使整个系统获得更好的跟踪控制性能。基于Lyapunov稳定性定理证明了闭环系统的所有信号半全局一致终结有界,并且通过适当选择设计参数,跟踪误差可收敛到原点的一个小邻域内。最后,通过飞机俯仰运动飞行的数值仿真验证了该方法的有效性。     

基于卫星和星敏感器的冗余激光惯组在轨标定

采用高精度卫星导航速度、位置信息以及星敏感器提供的姿态信息设计十表冗余捷联惯组的标定模型,包含陀螺和加速度计的零次项和标度因数,对卫星和星敏感器辅助的冗余激光陀螺捷联惯组进行实时在轨标定.利用标准Kalman滤波和Sage-Husa自适应滤波作为估计算法,对十表冗余捷联惯组参数进行在线估计.数值仿真结果表明:参数标定精度均在7％以内,是一种实时的在轨标定方法,满足误差补偿要求.冗余惯组在轨标定方法为航天器高精度定姿和定轨提供了一种理论参考.     

基于RBF神经网络的开关磁阻电机在线建模 及其实验验证

 为了获取开关磁阻电机(SRM)的精确模型,提出了一种基于径向基函数(RBF)神经网络对SRM进行建模的方法,主要包括离线建模和在线建模两部分。离线建模通过实验测量得到SRM的磁链特性曲线,并利用该数据训练RBF神经网络,实现SRM磁链的离线建模;在线建模是指当SRM的运行状态发生变化时,离线模型的估计磁链与实际磁链会产生误差,通过对神经网络的输出权值进行在线调节,实现具有在线动态调节功能的SRM在线模型。为了验证该方法的可行性,针对一台12/8结构的SRM样机进行仿真和实验,结果表明SRM的离线模型和在线模型在仿真和实验条件下均能正确地估计SRM的磁链特性,而且在线模型的估计精度高于离线模型,验证了本文的研究方法合理有效。     

基于进化神经网络的压气机结垢性能退化评估

采用进化神经网络方法,通过测量参数对压气机结垢性能退化模式进行了定量监控和评估。运用粒子群算法优化径向基函数(Radial Base Function,RBF)神经网络的初始权值,即由神经网络训练样本所得到的实际和期望的输出之间的误差平方和构造适应度函数,对RBF神经网络的隐层中心、半径以及输入输出权值进行全局寻优搜索,设计了进化RBF神经网络,并对模拟得到的压气机结垢的样本进行训练和测试。结果表明:进化RBF神经网络的模式识别能力比普通RBF神经网络的要强,对燃气轮机性能退化评估和健康管理具有重要理论意义和应用价值。     

有输入未建模动态的导弹鲁棒控制器设计

在导弹系统俯仰通道中存在输入未建模动态情况下，提出了一种基于RBF神经网络和反演控制技术的非线性鲁棒控制器的设计方法。首先应用两个RBF神经网络对输入未建模动态设计了神经网络逆补偿器．然后利用反演控制技术设计了导弹非线性控制器．最后应用Lyapunov稳定性理论推导出RBF神经网络权重矢量调节律，证明了系统的所有信号均有界且全局指数收敛至原点。最后给出的BTT导弹非线性六自由度数字仿真结果显示了该设计方法的有效性。     

一种基于无线信号辅助的室内无死角定位算法

针对传统惯性导航系统定位误差随时间积累的问题,提出了一种基于无线信号辅助定位的室内无死角定位算法。该算法首先利用加速度计、陀螺仪、磁力计和气压计等传感器数据实现三维定位,然后利用无线信号对惯导定位中的位置偏差进行实时校正,再通过航向最优估计算法对航向误差进行修正,在位置和航向上增强惯导系统的实用性。利用实验室自主研发的微惯性测量单元固定在腰部脊椎位置进行实验验证,结果显示基于无线信号辅助的室内无死角定位算法精度达到1%以内,与纯惯导技术相比,能够提供更持久和准确的三维位置信息。     

DGPS/IMU integration-based geolocation system: Airborne experimental test results

This paper addresses differential global positioning system (DGPS)/inertial measurement unit (IMU) integration-based geolocation system developed for airborne remote sensing cameras. First, we provide a brief review on sensor calibration, alignment and sensor fusion as background material of this research. After presenting those background material, as a main part of this paper we present a geolocation algorithm designed for an airborne imaging system. The geolocation system developed is tested through actual airborne experiments. For the verification of the geolocation system developed, we compare initial stationary states of the airplane before-taking off with states after-landing. From the actual test results, we find that it is critical to do an accurate time synchronization between IMU, DGPS, and airborne images, and to compensate for the data delay occurred during the network transfer.