基于TheoH方差的陀螺随机误差系数动态提取

针对运用动态Allan方差提取陀螺随机误差系数时,用截断窗截取原始信号造成方差估计置信度降低的问题,提出运用混合理论方差(Theo H方差)来代替Allan方差对截断窗内的数据进行分析,并提取出随时间变化的陀螺随机误差系数。Theo H方差改善了Allan方差计算时相关时间只能达到信号总时间的二分之一及长相关时间下方差估计置信度降低的问题,其计算的相关时间可以达到数据总时间的四分之三,有效改善了动态算法因数据截取造成误差系数估计置信度下降的缺陷。从对仿真信号和光学陀螺实测数据处理结果上来看,本文方法既能准确地对动态条件下陀螺量测信号的随机误差进行细化辨识,又能大幅提高中、长相关时间下方差估计的置信度。     

轨道机动过程中推力加速度的在线最小方差估计

定位和跟踪空间机动目标时，对目标运动建模受发动机推力的不确定性影响，通过统计处理离散的雷达观测数据实时估计发动机的推力，进而定位和跟踪机动目标便是本文所要研究和解决的问题，本文在地心惯性系建立了常推力轨道机动过程中连续变质量运动模型和离散雷达量测模型，机动过程中质量秒耗量和排气速度作为表征轨控发动机推力的两个近似常量，应用扩展卡尔曼滤波对离散雷达测量数据进行序贯统计处理得到发动机推力的最小方差估计；文中详细地给出了线性化量测模型的变分方程和观测矩阵；仿真结果表明该算法能快速、准确地在线估计轨控发动机的等效推力。     

不确定度评定的一种方法——最大方差法

研究了不确定度评定的新方法－最大方差法，分析了它的原理，列出了最大方差法用表，举例说明了它的应用。     

基于Hadamard方差的导航星座自主时间同步算法研究

文章在总结国内外研究成果基础上,针对GPS铷钟虽然短期稳定性较好,但采用Allan方差描述铷钟频率稳定性时,其钟差状态方程仅为两参数,在较长平滑时间里存在时钟漂移和甚低频噪声的影响,使噪声特性淹没或估值不收敛的缺陷,引入Hadamard方差建立了三参数系统状态误差模型,通过三次采样方差从模型上解决了线形漂移和甚低频噪声的影响问题。在时钟系统状态模型和星间双向测量方程建模基础上,给出了工程实用的标准Kalman基本滤波方程。数值分析仿真表明,采用Hadamard方差描述时钟频率稳定性显著提高星载时钟自主同步精度,从而克服了Allan方差描述产生的频率漂移影响较大和甚低频噪声不收敛的问题。     

基于灰色模型和ARIMA模型的钟差预测

由于多种因素的影响,原子钟运行情况十分复杂,为了有效地进行钟差预报和更好的反应原子钟的特性,提出一种基于灰色模型和ARIMA模型的组合模型来实现钟差的预报,并给出了灰色模型和ARIMA模型进行原子钟钟差预报的基本思想和预报模型。利用组合模型更精确地把握钟差序列复杂细致的变化规律,从而更好的逼近钟差序列。为了验证该组合模型的可行性和有效性,利用原子钟钟差数据进行钟差预报分析,结果显示该模型具有较好的预报精度。     

灰色模型在卫星钟差预报中的缺陷分析

卫星钟差预报是时间同步的关键技术之一,方法繁多。针对灰色模型在卫星钟差预报中的应用,以GPS Rb钟钟差预报为实例,从模型构造上分析了该模型在卫星钟差预报中存在的缺陷,有利于该模型的改进和完善。     

神经网络在导航卫星钟差预报中的应用CSCD

为提高导航卫星钟差预报精度,提出一种神经网络和多项式相结合的钟差预报方法,该方法在根据星载原子钟物理特性进行多项式模型预报后,采用神经网络对多项式模型预报误差进行建模,以实现导航卫星钟差预报精度补偿。为验证本文提出的预报模型的可行性和有效性,利用实测的COMPASS导航卫星钟差数据进行钟差预报精度分析,并与传统的多项式模型预报精度进行比较。结果表明:基于神经网络建立的组合预报模型能有效提高导航卫星钟差的预报精度。     

神经网络在导航卫星钟差预报中的应用

为提高导航卫星钟差预报精度,提出一种神经网络和多项式相结合的钟差预报方法,该方法在根据星载原子钟物理特性进行多项式模型预报后,采用神经网络对多项式模型预报误差进行建模,以实现导航卫星钟差预报精度补偿。为验证本文提出的预报模型的可行性和有效性,利用实测的COMPASS导航卫星钟差数据进行钟差预报精度分析,并与传统的多项式模型预报精度进行比较。结果表明:基于神经网络建立的组合预报模型能有效提高导航卫星钟差的预报精度。     

网络计划中构建对偶网络模型的理论和方法

针对现有的网络计划模型重点体现的不是其核心机动时间和路差,而是具体的时间和路长,进而使得该模型在运用时往往会遇到阻碍的问题,利用对偶原理,构建网络计划模型的对偶模型.首先,通过分析机动时间和路长之间的关系,推导出路差定理;其次,在路差定理的基础上,利用对偶原理构建对偶网络模型,并分析其性质;然后利用该模型揭示网络计划的对偶等价性;最后,通过例子进行验证和说明.该对偶网络模型重点体现了机动时间和路差,使得网络计划更具针对性和有效性.     

广义回归神经网络在卫星钟差短期预报中的应用

近年来,神经网络(Neural Network,简称NN)在非线性系统的预测方面取得了广泛的应用。考虑到卫星钟差包含了复杂的非线性因素,所以将一种新型神经网络-广义回归神经网络(Generalized Regression Neural Network,GRNN)应用于钟差预报中。采用“滑动窗”方式构建样本数据以提高数据利用率,为提高网络的泛化能力,利用K重交叉验证法(K-fold Cross-Validation)对网络进行训练学习,并根据最小均方根误差(Root Mean Square Error,RMSE)确定最优平滑因子。利用国际GNSS服务(International GNSS Service,IGS)公布的精密GPS卫星钟差数据进行预报实验,并与传统二次多项式模型对比分析。结果表明：GRNN模型在24h的预报跨度内的误差可达ns级,并较多项式模型有更好的稳定性;对于线性钟差,GRNN模型要逊于多项式模型,而对于非线性钟差,GRNN模型则明显优于多项式模型,初步验证了GRNN用于钟差预报的可行性、有效性以及实用性。     

基于台架的涡扇发动机优化调整分析

提出了一种新的发动机优化调整方法.这一方法以多自由度多目标优化理论为基础,利用发动机性能仿真模型和故障诊断模型,在对故障发动机进行故障诊断的基础上,通过调整发动机可调部件以使发动机的性能达到设计要求.利用这一方法建立的发动机调整模型被用于某型处于生产试验阶段的涡扇发动机的实际试车调整中,实践表明,发动机调整模型所得到的最优调整方案能够有效地指导故障发动机的试车调整.      

粒子群优化在直升机旋翼动平衡调整中的应用

传统的直升机旋翼调整方法没有考虑调整参数与振动信号之间的非线性关系,针对这一缺点,提出将广义回归神经网络(GRNN,General Regression Neural Network)和粒子群算法相结合的旋翼调整方法,采用GRNN网络建立旋翼动平衡调整模型,以桨叶的调整参数作为神经网络的输入,以旋翼转轴和机身的三向的加速度测量值作为网络输出,建立调整参数与直升机振动信号间的模型.以直升机振动作为目标函数,采用粒子群优化算法对桨叶的调整参数进行寻优,获得当直升机振动最小时的桨叶的调整量. 飞行实验结果表明,此方法可通过飞行测试获得的新数据对神经网络进行更新,使系统在使用过程中不断完善,并可在较少的飞行调整下完成旋翼的动平衡调整.      

基于经纬仪的光束平差法定向方法改进

针对基于传统经纬仪工业测量系统使用光束平差法定向精度有待提高的问题，提出一种新的定向改进方法。该方法同时结合了精确互瞄法与光束平差法，简化了测量过程，提出新的约束，消减了光束平差法中定向阶段的基准点测量累积误差，实现了在非通视条件中完成多台经纬仪高精度定向的目标。试验数据表明：该方法可在10m范围内，在误差为±3″的测点交会精度下，维持0.1mm的定向精度。     

三星编队星座星间相对状态自主确定

在星间无线电相对状态测量系统中,针对三星编队星座相对状态联合解算时观测方程的几何结构比较弱、法方程病态的情况,提出了基于部分参数加权平差的相对状态解算方法。首先给出三星编队星座系统相对状态解算的数学模型,然后比较了联合解算方法和部分参数加权平差方法,最后对仿真结果进行分析。分析结果表明,使用基于部分参数加权平差的相对状态解算方法能够自主确定三星编队星座的相对状态。     

基于GRNN网络和遗传算法的旋翼动平衡调整

针对传统旋翼调整方法没有考虑调整参数与振动信号之间的非线性关系,提出一种结合广义回归神经网络GRNN(General Regression Neural Network)和遗传算法的旋翼调整方法,采用GRNN建立旋翼动平衡调整模型,以桨叶调整参数作为GRNN输入,以旋翼转轴3个方向的加速度测量值和机身3个方向加速度测量值作为网络输出,建立调整参数与直升机振动信号之间的模型.以直升机振动作为目标函数,采用改进的遗传算法对桨叶调整参数进行寻优,获得直升机振动最小时的桨叶的调整量.飞行实验表明,通过1到2次飞行调整,可使3个方向机身振动(旋翼的一阶振动)为最小,完成旋翼的动平衡调整.      

热真空试验中变温速率的实现

为在热真空试验中实现试件温度的规定变化，在建立试件温度场数学模型的基础上，分析了既定变温速率的外热流调整方法，并介绍了仿真结果以及应用实例，证实了模型的正确性。     

基于WPI的多操纵面飞机积分滑模容错控制

针对含位置和速率限制、故障重构存在误差和时滞下的过驱动飞行器损伤故障的容错控制问题,提出了一种基于动态自适应加权伪逆法(WPI,Weighted Pseudo Inverse)的积分滑模主动容错方法.采用指令限制模块对饱和控制信号及瞬时干扰进行限制,设计了动态自适应控制分配律逐步减小指令饱和,同时通过故障估计值修正控制分配律来直接补偿气动力损失,降低了故障对系统稳定的影响;设计积分滑模律实现了含重构不匹配和时滞的稳定控制.仿真结果表明,所设计的控制器能快速准确地跟踪参考指令,对时滞具有较强的鲁棒性,同时对损伤故障具有较强容错能力.     

线性模型跟踪控制系统的模型匹配设计

研究了用完全模型匹配方法求解模型跟踪控制的问题。对通常的模型匹配解法进行了扩展,并所据此引入广义最小方差控制思想,提出一种模型跟踪和误差的新方法。最后,对该方法在惯性导航系统中的应用进行了仿真研究。验证了其可行性和有效性。     

旋翼多维振动最优调整方法

针对直升机旋翼系统非线性、难以建模的特点,采用径向基函数(RBF,Ra-dial Basis Function)神经网络建立直升机旋翼动平衡调整模型.根据约束条件以直升机机身振动值作为目标函数建立适应度函数,以旋翼系统的调整参数为优化变量,进行神经网络学习和优化.利用粒子群优化(PSO,Particle Swarm Optimization)算法对适应度函数进行寻优,获得当直升机振动最小时的桨叶的调整参数.实验结果表明:PSO算法寻优效率方面高于遗传算法;RBF神经网络和PSO算法相结合可以有效地实现直升机旋翼动平衡调整.