车载单天线GPS/MEMS-SINS组合对准算法

捷联式惯性导航系统（SINS）需要精确的初始姿态信息进行姿态、速度和位置解算,而微机电系统（MEMS）惯性传感器由于精度限制无法完成自对准。为了解决这个问题,提出一种基于单天线GPS测姿和MEMS SINS的组合对准算法。采用单天线GPS在载体稳定协调运动条件下给出粗略的航向角信息,进行姿态粗对准。在精对准阶段,使用GPS提供的载体的航向角、位置和速度信息作为观测量,建立Kalman滤波器,对捷联式惯性系统的误差项进行估计,得到精确的姿态矩阵（DCM）,完成对准。经过仿真和车载试验验证,对准后的俯仰角和横滚角均方误差在0.1°内,航向角均方误差在0.5°以内。表明算法可以在运动条件下完成载体的对准要求,有一定的实用价值。     

初始方位信息辅助下潜航器快速传递对准算法

针对多潜航器连续快速布放需求,提出基于初始方位信息辅助下快速传递对准算法.潜航器惯导系统只在对准初始时刻由移动基准惯导提供准确的方位信息和概略的水平姿态信息,布放入水后以初始时刻水平姿态误差和当前速度误差为滤波状态,以水下多普勒测速仪的速度为观测量,通过卡尔曼滤波进行惯性系下的航行中对准.实验验证以优于0.01(°)/h的激光陀螺惯导系统/卫星组合导航的姿态解算值为参考基准,基于实际数据的仿真计算表明,在50s内即可实现快速对准,方位精度达到1密位(1σ).     

基于激光多普勒测速仪的车载捷联惯导系统行进间快速对准方法研究

在载体线运动状态下,单纯依靠捷联惯组自身的测量是无法实现自主对准的,此时传统的粗对准方法误差大甚至不可用。本文设计了一种基于激光多普勒测速仪的行进间快速对准方法,理论分析表明,通过对传统惯性系对准算法中加入速度及加速度修正项完全可以实现载体存在非周期线运动情况下的快速对准。仿真结果表明,在激光多普勒测速仪测速精度在0.5%、输出速度更新频率在20Hz的情况下,输出对准姿态角在150s以内即可收敛到稳态值,横摇角和俯仰角误差在25″以内,航向角误差在0.03°以内,可以满足一定精度范围内的快速对准需求,也可以为后续的精对准过程提供较为准确的初始姿态。     

INS/GNSS组合导航系统空中快速对准方法

针对机载惯性/全球导航卫星系统(INS/GNSS)组合导航系统地面静基座对准时间较长、航向对准精度较低以及惯导空中故障重启后无法快速得到精确姿态信息重新进入导航状态等问题,提出一种快速初始对准方法。该对准方法基于惯性导航比力方程,利用GNSS的定位、测速信息与惯性测量组件(IMU)的输出信息解算载体姿态信息,并结合遗传-牛顿算法与求和自回归滑动平均(ARIMA)模型卡尔曼滤波信号降噪技术提高姿态信息的解算精度。基于实测飞行数据的解算验证了该方法的有效性、对准精度以及在实际工程应用中的优越性。     

基于惯性系双积分的分布式POS抗干扰对准方法

分布式P OS是一种基于惯性/卫星组合技术的柔性基线多节点高精度时空测量系统,是多任务航空遥感载荷高精度成像的关键装置.然而,外部扰动及节点间的柔性连接使得分布式P OS不能采用传统解析粗对准方法进行高精度初始对准.为实现分布式P OS系统在外部扰动下获得高精度初始姿态,提出了基于惯性系双积分的抗干扰对准方法,通过双积分去噪原理极大降低外部扰动影响,最后对算法进行了三轴转台实验和飞行实验验证.实验结果表明,该方法能够有效隔离载体的动态干扰,实现了分布式P OS各节点初始姿态信息的高精度测量.     

惯性系姿态确定的SINS晃动基座初始对准算法

在晃动基座下,载体将受到外界干扰(例如阵风和海浪),从而使传统解析粗对准无法完成捷联惯导系统(SINS)初始对准过程。基于此,采用SINS惯性系姿态确定初始对准算法解决SINS晃动基座初始对准,并使用Davenport-q递归算法实现其姿态确定过程。传统惯性系初始对准算法直接采用构造重力矢量观测来实现初始对准过程,可能会引起矢量构造共线,从而造成初始对准过程姿态计算震荡,降低其对准性能。通过分析晃动基座初始对准实际条件,提出了采用构造速度矢量观测来实现其对准过程,可以充分利用积分平滑作用,抑制周期性噪声和高斯白噪声,从而可以提高其对准性能。最后,通过SINS某码头系泊状态的对比测试试验进行验证,采用速度观测矢量完成SINS姿态确定初始对准时,其误差曲线将更加平滑,并具有优越的性能。     

EMD滤波在捷联惯导晃动基座初始对准中的应用

为了实现晃动基座情况下光纤捷联惯性导航系统的高精度初始对准,提出了一种基于经验模态分解(EMD)法去噪的抗干扰初始对准算法。该算法在凝固惯性系下进行姿态更新,以反映载体在晃动干扰下的姿态变化,从而消除角运动干扰的影响;并针对EMD法的不足对其进行改进,然后对加速度计的输出进行去噪,以消除线运动干扰的影响。结果表明:改进后的EMD法具有良好的去噪效果,基于EMD法去噪的抗干扰初始对准算法具有角运动和线运动的干扰抑制能力,能够实现晃动基座下的高精度抗干扰初始对准。     

机载激光捷联惯导舰上动基座自对准试验研究

舰船停泊在港口或者在海上抛锚时,由于受到海浪的冲击而发生摇摆,这对从舰上起飞的飞机激光惯导对准提出了新的课题.本文利用基于惯性系重力加速度的粗对准算法获得了较高精度的初始姿态和航向,在此基础上利用卡尔曼滤波对姿态和航向残差进行估计和修正,实现了动基座条件下高精度对准.     

未知纬度条件下基于空间圆拟合的SINS初始对准方法

传统的捷联惯导系统(SINS)晃动基座初始对准算法,如积分双矢量方法和多矢量Wahba方法等均需要精确的纬度信息,粗对准偏航角误差较大.针对此特点,提出了一种未知纬度条件下基于空间圆拟合的SINS初始对准方法.根据重力矢量在惯性系中绕地轴旋转包含北向信息的特征,以初始时刻凝固载体坐标系作为惯性系,首先对重力矢量在凝固载体系内进行投影并滤波,对其矢量端点进行空间圆拟合,然后通过三角几何关系得到导航坐标系,从而完成对准过程.通过仿真验证,证实了该对准方法不需要已知对准点的精确位置信息,相比于积分双矢量方法与多矢量Wahba方法,偏航角对准精度分别提高了12.37'与5.10'.     

卫星拒止情况下低精度惯导系统航姿算法研究

在卫星拒止情况下,低精度MEMS惯导系统由于惯性器件性能较差,无法长时间保持姿态精度。从重力矢量及飞行器的动力学特性出发,提出了一种基于动态检测和Kalman数据融合的航姿算法。该算法从导航与飞控一体化的理念出发,实时判断飞行器机动和飞控状态,在低动态时利用Kalman滤波器对水平加速度和惯性解算的姿态角进行数据融合,估计和修正水平姿态误差,从而提高水平姿态精度。经过飞行仿真验证,该算法可有效完成飞行器的动态检测,并保证在系统机动情况下水平姿态误差在2°以内。     

一种新的UPF算法在导航定位中的研究

为解决导航解算中粒子滤波的粒子退化现象和UPF(Unscented Particle Filter)算法存在计算量偏大的缺点,利用最小偏度单形采样结合比例修正算法,优化UPF算法中的重要性密度函数,并应用于PVA模型的导航定位解算。最终通过仿真实验结果表明,改进后的算法尤其能在平面方向得到较好的导航解,并且减少了计算量,提升了导航效率。     

基于Canny的改进图像边缘检测算法

边缘检测是图像处理领域中最重要的关键技术之一。针对经典边缘检测算法抗椒盐噪声性能较差及阈值选取适应性不强等问题，提出了一种基于Canny的算法架构，结合自适应中值滤波(Adaptive Median Filtering，AMF）、大津法(Otsu）以及最大熵法(Maximum Entropy Method，MEM）的改进图像边缘检测算法。该算法首先结合改进自适应中值滤波对图像降噪，从而在保留图像细节的同时较好地滤除了椒盐噪声干扰。而后利用基于Otsu和MEM提出的改进双阈值选取方法，获取自适应的高低阈值对图像边缘进行检测，边缘检测准确度可以达到96%以上。实验结果表明，本文算法在椒盐噪声干扰下针对背景复杂的图像有更好的边缘检测效果。     

一种改进的DTR算法

在机队相继萌生疲劳裂纹的间隔比q小于1的假设下，建立了一种修正的DTR计算模型，并用算例进行了验证。验证结果表明：修正DTR计算模型与原DTR计算模型的DTR计算值相对差随疲劳裂纹萌生条数的增加而增大；随相继裂纹萌生间隔比的增加，两种计算模型的DTR计算值相对差减小。     

一个均衡调整算法

本文对任务分配问题提出一个新算法－均衡调整算法，该算法具有变异性，均稀性以及均衡持久性，并以均衡定理的形式加以论述和证明，从而证明了均衡调整算法的正确性。     

基于修正Rife算法的脉冲回波相参积累算法

针对目标径向运动导致回波在波门内出现距离走动的情况,提出了一种针对径向匀速运动目标回波信号长时间相参积累的方法。该方法根据傅里叶变换的时移性质——不同时刻回波频谱相关序列的频率包含了各回波到达的时间延迟,通过修正Rife算法估计此时间延迟,最终确定并补偿各个回波的距离走动分量。仿真结果表明:提出的方法可以有效补偿各回波间的距离走动;信噪比低至-6dB时,算法的性能即可达到最优;补偿后积累信号的信噪比可以达到理想积累情况下的93%。     

基于改进Canny的激光主动成像图像边缘检测算法研究

针对传统Canny边缘检测算法存在的不足,结合激光主动成像末制导的实际特点,提出了一种改进的Canny边缘检测算法.该算法在Canny边缘检测算法的基础上,采用同态滤波和提升小波变换级联的方法代替传统的高斯滤波器;采用3×3邻域的权值梯度计算方法代替原有的2×2邻域差分运算;采用Otsu自适应阈值计算方法,使算法可根据图像自身特点选择最合适的阈值.实验证明:该算法提升了传统Canny算子的抗干扰能力和鲁棒性,能够较好地保存边缘信息,准确检测出激光主动成像图像的边缘,具有较强的自适应性.     

动态车间调度算法

介绍车间调度算法领域的一些热点研究,重点介绍遗传算法、蚁群算法以及免疫遗传算法;详细分析这3种算法的优缺点以及基本概念;同时针对几个数学模型展开分析;最后结合上述分析,确立我所"十一五"某相关课题算法的基本思路和原则.     

一种改进的SVM算法

当训练集的规模很大特别是支持向量很多时,支持向量机的学习过程需要占用大量的内存,寻优速度非常缓慢,这给实际应用带来了很大的麻烦。文献[4]提出了一种针对大规模样本集的学习策略,该方法虽大幅降低了学习的代价,但存在着一个致命的弱点:如果初始样本集选择不当,SVM的分类精度将得不到保障。基于此,本文引入了“最远邻”,对文献[4]中算法进行了改进。实验表明,采用这种改进的算法不仅保留了文献[4]方法的优点,而且这样获得的分类器的分类精度完全可以与直接通过大规模样本集训练得到的分类器的分类精度相媲美,甚至更优。     

基于GA优化BP算法的滑油状态监测

滑油状态的监测与分析是航空发动机状态监测与故障诊断的重要手段。为了解决以往滑油金属质量分数预测模型算 法的局部性、收敛速度慢及预测结果误差大等问题,结合遗传算法（GA）收敛速度快、鲁棒性好等优点,对反向传播（BP）神经网络 算法进行GA优化,通过GA对参数寻优,并应用于发动机滑油金属质量分数预测。由于滑油的状态参数并不能确定部件故障与 否,利用贝叶斯（Bayes）决策规则对诊断结果进行了错误率计算。将所提方法应用于某航空发动机滑油铁质量分数预测,结果表 明：采用GA优化后的BP神经网络（GA-BP）得到的预测结果具有更高的精度,其最大预测误差不超过6%,平均预测误差为1.7%, 所测数据与原数据具有较好的拟合性,利用Bayes决策规则对诊断结果进行分析,对于部件故障与否的判别更具说服力。