机载武器传递对准的可观测性分析

采用"速度+姿态"量测匹配法设计了机载武器传递对准系统,建立了系统的动态误差模型和量测模型,并在这些模型的基础上设计了卡尔曼滤波器.介绍了基于可观测性矩阵奇异值分解的分段定常系统(PWCS, Piece-Wise Constant System)可观测性分析法,并通过该方法分析了机载武器传递对准系统各个状态变量的可观测性.在可观测性分析的基础上忽略不可观测状态变量,实现系统滤波器降维.设计了摇摆机动,在该机动基础上对降维前后滤波器性能和传递对准精度进行了对比,证明了可观测性分析的必要性和正确性.     

航空发动机传感器故障与部件故障诊断技术

结合局部学习思想与集成学习技术,提出了一种基于支持向量机-极端学习机-卡尔曼滤波器(SVM-ELM-KF,Support Vector Machine-Extreme Learning Machine-Kalman Filter)的航空发动机传感器故障与突发性部件故障诊断的方法.将改进的迭代约简最小二乘支持向量回归机训练技术推广到分类机中,用于区分传感器故障与部件故障,使得该分类机具有一定的稀疏性.对于传感器故障,利用ELM分类机对故障进行定位.对于部件故障,利用改进的卡尔曼滤波器对发动机各部件的健康参数进行估计,从而对部件故障进行定位.仿真结果表明,提出的故障诊断方法能够准确地区分传感器故障和部件故障,实现故障的有效定位,验证了方法的可行性.     

未知参数高阶线性系统基于特征模型的卡尔曼滤波

针对一类有量测噪声的未知参数高阶线性系统设计了基于特征模型的卡尔曼滤波器,改进了由于传统卡尔曼滤波器在未知系统状态转移阵时应用的难题.在对高阶线性系统的自适应控制中,利用建立系统的特征模型构造状态转移阵,结合卡尔曼滤波的思想对系统输出进行滤波,使系统输出以及控制量的性能得到极大的改善.通过对一个未知参数的高阶线性系统仿真实验验证了此方法的有效性.     

基于扩展卡尔曼滤波的舰机相对位姿估测

通过将基于扩展卡尔曼滤波的长序列图像分析方法与单目视觉技术相结合,把无人机自主着舰视觉导引中舰机间相对位姿的估测,转化为机载摄像机对着舰靶标平面3D位姿的实时估测问题.首先根据透视投影理论,建立了以摄像机的透镜中心为原点且Z轴与光轴重合的摄像机坐标系和世界坐标系,然后利用机载摄像机连续拍摄的靶标图像序列,选择描述相对运动的3个欧拉角、平移向量及它们的速度作为状态变量;由靶标角点的提取和帧间匹配,建立了反映着舰靶标上特征点的图像坐标和状态变量之间关系的观测方程,带入扩展卡尔曼滤波器,估测出舰机的相对运动参数.计算机数据仿真和基于DSP平台的半实物仿真试验验证了算法的有效性和鲁棒性.      

高精度光纤陀螺捷联系统设计

以高精度光纤陀螺捷联系统为研究对象,提出了基于仿真的系统总体设计方法,分析了高精度光纤陀螺捷联系统设计中的关键技术,重点对轨迹发生器的设计、卡尔曼滤波器中状态变量的确定原则、滤波器中外部辅助信息的利用,以及卡尔曼滤波器在初始对准中的应用进行了研究,并选取不同状态变量、不同的组合导航工作时间、单位置和双位置对准等几种情况的仿真进行了对比分析,仿真结果表明:卡尔曼滤波器是系统总体设计的主题,它与载体的机动特性、组合导航工作模式、器件精度等是密不可分的.      

实时建模的自适应跟踪卡尔曼滤波器

本文提出了一种新的机动目标自适应跟踪卡尔曼滤波器。其基本思想是:通过统计方法录取加速度数据,实时建立其AR模型,通过前、后项预测作机动指令估计。由于选择了新的机动加速度量,从而得出线性的状态方程,由机动指令的实时估计得到机动目标自适应跟踪卡尔曼滤波器。 在PC—8000开发系统上的数字仿真结果表明其在各种机动情况下都具有较高的距离、速度和加速度估计精度。     

基于多模型简化CDKF的故障诊断方法

针对使用传统卡尔曼滤波器对非线性系统进行故障诊断,估计精度低的问题,提出了一种新的故障诊断方法.该方法结合多模型自适应估计和简化中央差分卡尔曼滤波器的优点,能在线快速地检测出故障,利用中央差分代替了雅可比矩阵的求解,使系统状态估计准确收敛到真实值附近,而且避免了反复求解量测预测方差等一系列繁杂过程.在执行机构不同故障的情况下,通过与其他算法进行诊断对比,结果表明提出的算法在精度上和运行速度上具有明显的优势.     

基于并行扩展卡尔曼滤波的自主卫星星座导航方法

针对星间距离测量容易受到外界干扰的问题，提出了一种适用于多颗地球卫星和一颗月球卫星的卫星星座自主导航的并行扩展卡尔曼滤波算法.通过解决噪声统计不确定情况下的测量调度问题来选择适当的测量，降低干扰的影响.为了自适应地选择适当的测量，提出一种基于不同来源的测量构造多个子集的并行扩展卡尔曼滤波器，其中每个扩展卡尔曼滤波器用于处理不同测量子集，并基于残差序列计算子滤波器的权重，组合并行滤波器的估计结果.通过与EKF和传统的多模型自适应估计算法进行比较，表明所提出方法在干扰条件下的三轴位置估计误差的稳定性，体现了性能优势.     

适用于时变不确定系统的并行模型自适应估计

摘要： 针对受到潜在模型不确定性影响的系统,设计一种并行模型自适应估计(PMAE)算法.以往基于不确定性系统模型设计的滤波算法,在模型精确的情况下,性能往往不及传统卡尔曼滤波（KF）.为了解决该问题,设计基于多个并行滤波器的自适应状态估计算法,其中一个滤波器为KF,用于在未出现模型不确定性的情况下,对系统进行最优状态估计;另一个滤波器为扩维卡尔曼滤波（AKF）,用于在出现模型不确定性的情况下,对不确定性模型参数进行辨识.以空间目标监视为例,分析算法的性能.仿真结果表明,利用PMAE算法能够自适应地对两个并行滤波器进行切换和折衷,从而有效应对模型中存在不确定性和不存在不确定性两种情况.     

基于KF-LESO-PID洛伦兹惯性稳定平台控制

为克服现有惯性稳定平台使用机械轴承干扰量大, 使用气/液浮轴承难度高, 使用磁阻力磁轴承线性度差的缺点, 提出一种基于洛伦兹力偏转磁轴承的新型洛伦兹惯性稳定平台(LISP)。为克服耦合效应和承载摩擦谐振干扰对平台偏转通道高频姿态补偿控制的影响, 提出一种基于LESO-PID结合卡尔曼滤波(KF)反馈的数字控制方案。根据洛伦兹力磁轴承(LFMB)支承偏转系统结构特点, 建立了LISP转子偏转动力学模型;利用模型分析径向两自由度偏转特性, 提出在PID控制器的基础上, 引入线性扩张状态观测器(LESO)和卡尔曼滤波反馈以抑制摩擦谐振干扰及耦合效应;搭建了以DSP和FPGA为核心的数字控制系统, 并以离散形式将控制方法进行数字化实现。采用对数频率特性判据和Nichols曲线对所提控制方法的稳定性进行分析, 通过仿真比较引入LESO-KF前后转子偏转通道的稳定性。实验结果表明:PID控制条件下在高频时失真, 引入LESO-KF后明显降低噪声及干扰, 同时还可对系统内部状态参数进行实时观测。实验结果验证了所提控制方法对摩擦谐振干扰及耦合效应的抑制作用。      

共用支承-转子结构系统振动耦合特性分析

针对带有涡轮级间共用承力框架的转子系统,为准确描述转子-共用支承-转子（简称共用支承-转子结构系统）之间的振动特性,采用转子截面横向和角向振动特性耦合动力学模型,振动耦合产生机理及影响规律进行研究。理论分析结果表明:转子支点的动态响应对其他转子的支点动刚度特性及转子振动响应特性具有一定影响,共用支承结构振动响应对转子系统振动特性的计算误差超过10%,因此,在共用支承-转子结构系统的临界转速和振动响应计算分析中,需要考虑2个转子与共用支承结构的振动耦合影响。对于涡轴发动机共用支承-转子结构系统的有限元仿真计算结果表明:由于存在共用承力框架,2个转子之间将发生振动耦合,系统产生耦合振型,某一转子转速将会影响另一转子所激起的系统共振临界转速;并对共用承力框架结构的隔振特性也有影响,2个转子共同激励下振动响应与转子单独激励相比,在承力框架安装边上的动载荷以及载荷传递系数均大幅度提高。      

无人直升机自主着舰系统设计及仿真试验

设计了一套包含视觉目标识别单元、目标跟踪器、甲板状态跟踪器和模糊逻辑控制的无人直升机自主着舰系统.视觉系统通过对采集的图像预处理提取出可能的甲板标识区域,然后对此区域计算其仿射不变矩特征集合,对得到的特征集经过模糊识别技术实现对甲板降落区域的识别,并根据矩特征集计算出甲板运动状态信息.目标跟踪器采用了卡尔曼滤波技术,在目标二阶运动方程的基础上设计了跟踪算法.甲板运动状态跟踪器用于在无人直升机的降落期间实现对甲板尤其是触舰瞬间甲板的纵摇、横摇及浮沉状态的预测,该跟踪器采用了改进的卡尔曼多步预测算法.设计了基于模糊逻辑的比例积分控制器,由多个并行的对特定任务实施控制的子控制行为构成.仿真试验结果验证了所提出的算法.在仿真试验中,无人直升机能够正确的识别甲板目标区域,实现了对运动舰船在二维水平面内的跟踪,甲板状态跟踪器能够预测未来1~5个周期内甲板状态,控制器基于目标信息和甲板状态能够正确地引导无人直升机实现安全着舰.     

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

基于序列红外图像的弹道导弹中段目标检测跟踪方法

针对弹道导弹中段目标检测跟踪问题,将卡尔曼滤波应用基于红外图像的弹道中段目标检测数据滤波和预测,建立了中段目标的状态方程和量测方程。针对卡尔曼滤波中系统噪声和量测噪声的自协方差阵难于确定的问题,研究了卡尔曼滤波参数选择设置方法,利用实际检测结果对不同噪声参数条件进行了试验,得到了应用于弹道导弹中段目标检测跟踪的滤波器参数设置规律,为弹道导弹中段目标检测跟踪技术提供了参考。     

基于ADRC的涡轴发动机／直升机子系统抗扰控制

主要研究涡轴发动机转速抗扰控制问题,提出了一种基于自抗扰控制技术(ADRC,Adaptive Disturbance Rejection Control)的涡轴发动机增量型串级抗扰控制器设计方法.一方面,采用串级控制结构,内环控制块模态的燃气涡轮转速,外环控制功率涡轮转速,使得内环扰动得到快速抑制.另一方面,每个子回路中通过扩张状态量观测实时地对被控对象内环进行扰动补偿.最后,基于直升机/发动机非线性综合仿真模型的数字仿真表明该控制方法显著改善了涡轴发动机功率跟随特性,提升了直升机/涡轴发动机综合闭环系统的可操控极限.     

Estimation of flexible space tether state based on end measurement by finite element Kalman filter state estimator

This paper proposes a novel finite element Kalman filter to estimate the unmeasurable state of space tether systems based on the measured state at its ends only. The finite element method calculates the unmeasurable internal state as the virtual measurement based on the dynamic model of the system by imposing the input of measured state at the boundary to the model using the Lagrange multiplier method in the spatial space. Combining the real and virtual measurement into a hybrid measurement model of the system, the full state is reconstructed and propagated in the temporal space by the extended Kalman filter. Two state-space system models, the dynamics-based and kinematics-based state models, in the Kalman filter are explored. The observability and stability of the newly proposed finite element Kalman filter are examined and proved. The advantages of the proposed state estimator are (i) the singularity in the virtual measurement of state caused by the number of internal state greater than the number of state measured at the boundary is eliminated in the statistic meaning by the Kalman filter, and (ii) the effects of noises of the observation data and the uncertainties of model discretization are considered and minimized. The correctness and effectiveness of the proposed state estimator is demonstrated by the numerical analysis of a space tether system orbiting around the Earth. The results show the proposed state estimator with only measured state at the ends of the tether successfully provides an accurate time history estimation of geometric configuration and motion of the entire tether. Moreover, the results also show the difference caused by the dynamics-based and kinematics-based system models in the state estimator is negligible. The kinematics-based system model should be used in the state estimator due to its significantly low computational load. Finally, the proposed method can be easily applied for the state estimation process for other space tethered spacecraft systems.     

基于改进卡尔曼滤波的电池SOC估算

以研究电动汽车动力电池管理系统为背景,以电池荷电状态估算为关键技术,介绍了荷电状态与其主要影响因素的非线性动态关系,建立了二阶RC等效电池模型.在此基础上,考虑了温度对电池内阻的影响,采用卡尔曼滤波算法、改进的安时计量法和开路电压法,结合基于温度的电池模型参数在线辨识,对电池荷电状态进行估算,通过MATLAB仿真,并与基于经验公式的卡尔曼滤波算法进行了对比,平均误差为2.46%,提高了估算精度,验证了算法的可行性和可靠性.      

四元数UKF超紧密组合导航滤波方法

针对GPS/SINS(Global Positioning System/Strapdown Inertial Navigation Sys-tem)超紧密组合导航系统线性化滤波在高动态、弱GPS信号等环境下性能下降严重的问题,提出了一种以四元数UKF(Unscented Kalman Filter)为基础的GPS/SINS超紧密组合导航系统非线性滤波方法.通过分析GPS与SINS在超紧密组合导航系统中的关系,提出了一种利用SINS信息来估计、修正GPS载波信号的方法,在此基础上建立了组合导航滤波的状态方程和量测方程;以四元数乘性误差模型为基础,提出了一种可应用于UKF滤波的求解四元数加权均值的方法;提出了基于四元数UKF的GPS/SINS超紧密组合导航滤波方法.仿真实验表明:在高动态环境下,四元数UKF滤波方法增强了GPS/SINS超紧密组合导航系统的定位精度和抗干扰能力.     

发射系下的SINS/CNS/GNSS组合导航UKF滤波算法

弹载系统的组合导航系统模型常建立在发射惯性坐标系下，且捷联惯性/天文导航/卫星导航（SINS/CNS/GNSS）是一种目前研究较多的组合模式。该组合导航系统的状态方程具有强非线性的特点，常用的滤波方法为扩展卡尔曼滤波（EKF）。为了提高组合导航系统的精度及可靠性，对该组合导航系统的无迹卡尔曼滤波（UKF）模型进行了设计，直接将姿态、位置与速度参数作为状态的一部分，利用CNS及GNSS提供的姿态与位置构成量测方程，并详细给出了姿态样本点的生成、均值及方差的生成过程。仿真结果表明，相对于EKF算法，采用UKF算法后各导航参数的精度可提高约20%~30%，并且系统的实时性也可以得到保证。