基于LSTM的空间机器人系统惯性张量在轨辨识

在空间机器人抓捕目标的过程中,整个系统的惯性张量会随时间变化且在目标被捕获瞬间发生突变,这会严重影响整体姿态控制的精度。针对以上问题,提出了一种基于长短期记忆（LSTM）的系统惯性张量在轨实时辨识方法。首先,对于目标捕获前后的2个阶段,利用拉格朗日方程建立了空间机器人的动力学模型;然后,基于所建空间机器人模型采用域随机化方法生成足量训练数据,并用其对由LSTM网络与多层全连接网络构建的参数辨识网络进行训练;最后,使用训练好的参数辨识网络对系统惯性张量进行辨识。数值仿真结果表明：所提方法能够精确辨识空间机器人抓捕过程中的系统惯性张量,所研究系统的主惯量平均相对辨识误差小于0.001,惯性积的平均相对辨识误差小于0.01。     

基于MIMU的适应多步态的步行导航算法

针对目前国内外步态导航算法中引入的零速检测大都不能很好的对多种步态的行走进行辨识的问题,提出了基于低成本MIMU（微惯性测量单元）、且能兼容多种步态的步行导航算法。算法通过采集安置在行人脚部MIMU输出的测量信息,用捷联惯性积分算法进行导航解算。其间,提出一种新的零速检测方法对行走时变化的步速和步型进行准确辨识,进而找到脚步的零速时刻点,并通过设计的扩展卡尔曼滤波（EKF）对导航解算结果进行零速修正（ZUPT）,实现系统的反馈。最后进行两组实验对算法验证。结果表明,该步态导航算法能对行走时的多步态问题有很好的兼容性,零速修正时刻辨识准确度高,两组实验的导航解算误差均达到0.6%以内,进一步提高了步态导航算法的精度和实用性。     

带有空间机械臂的航天器系统惯性参数辨识

针对航天器惯性参数在轨辨识问题,文章以空间机械臂为研究对象,建立了带有空间机械臂的航天器系统动力学模型,并进行了空间机械臂的动力学分析。通过规划一种复杂的空间机械臂的运动轨迹,对机械臂各关节施加合适激励的方法,使空间机械臂做充分可变构型运动。该运动会改变航天器系统的惯性分布,从而引起航天器系统速度变化。然后,通过ADAMS(Automatic Dynamic Analysis of Mechanical Systems,机械系统动力学自动分析)软件建模测量这些速度变化,计算出空间机械臂的惯性变化,进而基于动量和动量距守恒的方法建立线性回归方程。最后,通过应用递推最小二乘法解线性回归方程组,辨识出了航天器的惯性参数。仿真分析结果表明了所辨识的航天器惯性参数的有效性和准确性。     

粒子群算法在气动力参数辨识中的应用

将粒子群优化算法推广应用于气动力参数辨识,以取代传统的梯度类优化算法。通过采用加入动态改变惯性权重的粒子群算法对A型、B型战术导弹的纵向和横向气动力参数进行辨识计算及分析后,可以看到:(1)粒子群算法是气动力辨识的一种新的有效方法,该算法不受参数初值选取的影响,具有较好的全局寻优特性;(2)粒子群算法的计算效率受算法构造本身等因素的影响比较大、对粒子群规模不十分敏感,并且还有相当大的进一步完善与改进的空间。     

航天器捕获制动过程的质量特性在轨辨识方法研究

针对航天器系统质量、质心位置和惯性矩阵的在轨辨识问题提出一种解决方法:将系统所有未知参数以组的形式进行划分,每组未知参数都可以转化为线性表示形式,从而将一个非线性系统的参数辨识问题转化为若干个线性的子参数辨识问题;用递推式最小二乘法对每个子参数辨识问题进行求解,在对某组参数求解时所需的其他未知参数则用其估计值代替。通过该方法可将复杂非线性系统转化为若干线性系统实现系统参数在轨辨识。通过数值仿真对采用推进器激励的航天器的总质量、质心位置和惯性矩阵进行辨识,验证了方法的有效性。     

基于ODE参数辨识的液压伺服系统灰箱建模

 针对液压伺服系统常规"白箱"建模由于参数无法精确获得导致所得模型精度不高及"黑箱"建模所得模型内部结构未知的问题,本文提出基于ODE参数辨识的液压伺服系统"灰箱"建模。首先,建立了工程上实用的系统状态空间模型, 根据系统特征确定了待辨识参数,将模型辨识问题转化为常微分方程(ODE)参数辨识问题;然后,采用正弦扫频信号作为激励信号和基于带边界约束的信赖域优化算法的初值问题方法进行参数辨识;为了和ODE参数辨识结果进行对比,本文同时采用系统的频率响应数据和最小二乘法辨识得到系统的"黑箱"传递函数模型;最后,通过大量实验验证了辨识模型的精确度。实验结果表明,本文提出的基于信赖域算法的液压伺服系统模型辨识方法可以有效处理参数的边界问题,使辨识模型既具有实际的物理意义,又与实际系统高度符合。     

水下重力匹配定位算法综述

随着重力测量和水下导航技术的发展,惯性/重力匹配导航技术因其精度高、自主性强和航时长等优点,已成为水下自主导航的重要研究方向。惯性/重力匹配导航系统主要由惯性导航系统、重力实时测量、海洋重力场背景图和重力匹配定位算法构成。重力匹配定位算法通过将实时测量的重力异常值与构建的重力场背景图进行匹配,得到水下运载体当前时刻的位置信息,是惯性/重力匹配导航技术的核心。本文详细介绍了重力匹配算法的技术发展现状,重点分析了具有代表性的ICCP算法、SITAN算法、矢量匹配算法及其衍生算法,并对惯性/重力匹配水下自主导航技术的未来发展进行了展望。     

综合导航系统信息融合模拟仿真平台设计CSCD

为解决综导系统的信息融合问题,设计了一种新型的综导系统信息融合模拟仿真研究平台。平台包括综导信息融合模拟评估导调台、惯性类导航设备模拟器、非惯性类导航设备模拟器、综合导航模拟器、电子海图系统和数据分析服务器六大模块。导调台采取一种新的船舶运动参数发生器模拟生成多种海况条件下船舶运动参数;综合导航模拟器采取多种融合算法并行运行方式,以方便比较不同算法的性能;数据分析服务器采用高性能计算机模拟公共计算环境,可研究适应未来船舶软硬件计算资源的信息融合方法。系统测试表明,基于平台的导航信息融合流程和效果满足要求,所设计的平台系统功能正常,可直接用于舰船信息融合算法的设计、分析、测试评估等工程研发工作。     

推力矢量飞机自适应控制系统仿真平台研究

研究了具有自修复功能的推力矢量飞机自适应控制系统的结构功能特点,研究了RHO优化控制算法实现在线控制器设计,利用MSLS辨识算法实现在线飞行参数辨识和等价空间算法、传感器信息融合技术和概率统计理论实现FDI算法。并且根据系统各个部分的算法,采用面向对象技术语言VC 6.0和三维图形语言OpenGL开发了仿真平台,利用仿真平台实时演示了飞机存在舵面故障情况下的飞行控制系统运行仿真,解决了飞机飞行过程中存在舵面损伤和气动参数变化的问题,该仿真平台可以根据需求进行飞机故障加载,具备完备的推力矢量飞机自适应控制系统仿真功能。     

基于速度误差的系统级标定方法

为降低捷联惯导系统误差参数标定过程对高精度转台的要求,提出一种基于速度误差的系统级标定方法。在惯性器件误差参数模型和捷联惯导系统误差方程的基础上,以惯导系统转动前后的导航速度误差为观测量,编排设计旋转方案,对加速度计和陀螺的误差参数进行拟合标定。仿真结果表明,与传统的分立式标定方法相比,在保证标定精度的同时,对高精度转台的要求更低,可应用于外场标定。     

基于智能信息融合的飞控系统故障检测隔离方法研究

利用小波时频信号分析技术来分离非平稳噪声,提高了残差中故障信息的信噪比.提出了智能信息融合故障检测新方法,应用模糊逻辑自适应调节无故障的模型参数,抑制残差中非平稳信号的增长;采用人工神经网络故障分类器来消除非线性故障信号偏差对残差判决的影响,扩大了故障检测与隔离算法的适用范围.仿真结果表明,该算法技术性能优越,改进效果明显.     

人工智能在卫星任务规划中的应用

智能规划与调度是实现卫星自主规划其飞行任务的关键。将人工智能方法应用于卫星的任务规划,以执行对地观测任务为例,将任务规划问题归于组合优化问题,建立了相应的数学模型,并应用Hopfield神经网络算法进行求解,结果表明,该方法可用于单个仪器的任务规划。     

一种智能的惯导陀螺漂移误差消除算法

给出了一套智能的消除惯导陀螺漂移误差算法,即改进的BP(Back Propagation)神经网络模态识别算法。可根据即时的飞行区域、气压计和雷达高度表测量的地形高程数据等,在机载数字地图上实时地进行在线模态识别,找出最合适的匹配区,并对惯性导航系统指示的位置信息进行修正。该算法具有识别精度高、识别速度快和识别准确率高等特点,可用于各类有人驾驶飞行器和无人自主控制的飞行器的惯导误差修正。     

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。     

人工神经网络技术在舱外航天服自动温控系统中的应用

介绍了舱外航天服手动温度控制存在的问题,分析了已有的航天服自动温控方案。采用人工神经网络的反向传播算法,以氧气的消耗量、全身出汗量、心率、液冷服的出口水温及出入口的水温差等５个参数作为输入,以液冷服冷却水的入口温度为输出,建立了舱外航天服的自动温控系统的人工神经网络模型。并讨论了反向传播算法及网络构造。结果表明,人工神经网络技术为解决舱外航天服自动温度控制提供了一条新途径。     

Application of neural networks for the design of flight control algorithms. II Adaptive tuning of neural network control law

In this paper, we consider different approaches for the neural network controller tuning in the flight control system. Two of the most common tuning approaches in the adaptive control theory are applied. The first one uses parameter identification technique and consists in solving a real-time regression problem for the control law. The second approach is based on the Lyapunov direct method, which utilizes a tracking error as an absolute measure of tuning performance. The neural network control law are designed for the three-axis flight control problem and tested on the full nonlinear model of a fighter aircraft. Closed loop simulation results are presented and two adaptation algorithms are compared in the case of abrupt change of aircraft dynamics.     

基于神经网络和人工势场的协同博弈路径规划

协同博弈路径规划是空战自主决策、机器人体育比赛等应用场景中的重要问题，其难点在于对环境对抗性反馈的实时自适应和多智能体的相互配合。提出一种基于神经网络和人工势场的协同博弈路径规划方法，使用反向传播（BP）神经网络自适应调整人工势场函数系数，并将人工势场作为神经网络输出端的特征提取。为解决真实样本质量和数量不足的问题，基于遗传算法仿真生成样本数据用于神经网络训练，并通过滚动时域的思路面向动态博弈优化样本性能。从样本数据中提炼出距离差与航向差以反映协同和博弈特性，利用神经网络的黑盒特性和学习能力解决协同博弈问题。应用于二对一反隐身超视距空战路径规划，比经典人工势场法有明显性能提升，且计算开销可接受，计算复杂度分析表明该方法可以较好扩展到多机对抗场景。     

优化抗差自适应滤波器在深组合导航中的应用

为了提高惯性/卫星深组合导航系统的滤波性能,在抗差自适应滤波算法的 基础上,研究了一种优化抗差自适应滤波算法。该算法通过比较实际预测残差协方差矩 阵和理论协方差阵的差值来生成自适应因子,从而优化抗差自适应滤波。将所研究的算 法应用于惯性/卫星深组合导航系统, 在高动态环境下进行仿真验证, 并与常规卡尔曼 滤波、抗差自适应滤波进行比较。结果表明,优化算法能有效地控制观测异常和动态模 型异常对状态参数估值的影响,所得组合导航位置误差和速度误差明显减小,提高了组 合导航系统的滤波精度。     

双基角时变下的空间目标BISAR自聚焦算法

以空间目标为研究对象,针对双基地逆合成孔径雷达(BISAR)成像中双基角变化及同步误差导致的二维ISAR像散焦问题,提出了基于粒子群优化(PSO)的非参数自聚焦算法。算法首先将回波中平动和转动及同步误差等因素导致的相位变化项统一建模,其次将二维图像对比度最大作为优化目标,利用PSO算法对所有高次项相位进行整体优化估计,然后对高阶相位项进行补偿,最后基于补偿后剩余的一阶线性相位项进行方位压缩得到目标的二维ISAR像。算法可解决参数相位误差估计法中因模型误差导致的聚焦精度下降问题,同时也降低了BISAR自聚焦算法的复杂度。通过与参数法自聚焦算法的性能进行对比仿真实验,验证了算法的有效性。