随机扰动情况下绳系卫星状态保持阶段的最优控制

在考虑系绳弹性的情况下, 建立绳系卫星轨道面内运动的动力学模型, 并在系统平衡位置线性化, 得到绳系子星在随机扰动作用下的稳态保持状态方程. 引入基于卡尔曼滤波的状态估计方法和最优状态反馈控制策略, 提出了保持系统稳态运行的控制方法, 并以YES2空间系绳试验为参考模型设计了稳态保持控制系统. 分别在不考虑系绳弹性和考虑系绳弹性的系统模型下进行相应仿真分析, 结果表明所提出的控制方法能使系统具有良好的抗干扰性能, 系绳控制张力变化平缓且幅值小, 提高了系统状态保持阶段的可靠性和安全性. 同时系绳刚度系数的减小可使系绳纵向振动加剧, 但对横向摆动影响较小, 这为选取合适的系绳材料提供了理论参考.      

一种用于目标跟踪的UT-BLUE滤波方法

雷达机动目标跟踪问题中,通常目标运动模型可精确地在直角坐标系下建模,但大多数情形下模型是非线性的,同时在传感器坐标系下所获得目标量测又是直接可用的.通过将无迹变换与最优线性无偏滤波器有机结合,提出一种新的BLUE(Best Linear Unbiased Estimator) 滤波算法,以便解决上述非线性跟踪问题.首先,该算法利用无迹变换对经由直角坐标系下非线性目标运动模型得到的目标状态及其协方差作出预测,然后在保持传感器坐标系(极坐标系)下所固有的量测误差的同时,直接对它们作出状态估计.在算法推导及Monte-Carlo仿真过程中,将新的BLUE滤波算法和EKF(Extended Kalman Filter)、UKF(Unscented Kalman Filter)滤波算法进行比较,结果表明新算法的有效性和适用性.      

旋翼/涡轴发动机的自适应模型

基于卡尔曼滤波器研究旋翼/涡轴发动机的机载自适应模型.采用拟合法建立了状态变量模型,并将发动机性能蜕化参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测参数的偏离量估计出发动机部件性能蜕化值,最后将部件性能蜕化值用于对机载模型中不可测性能参数的修正,从而使机载模型能适应发动机的非额定工作状况.通过数字仿真表明,建立的机载自适应模型能真实反映发动机的工作状况,并且在全包线范围内该模型都具有比较好的鲁棒性和实时性.     

一种基于假设检验的多重渐消卡尔曼滤波

提出了一种基于假设检验的带多重渐消因子卡尔曼滤波的新算法.该算法采用χ2检验法,通过渐消因子矩阵对卡尔曼滤波器的噪声方差进行在线修正,从而使滤波器在对象模型存在误差或对象受到外扰时仍然收敛,同时能够提高系统的精度.该算法应用于车载GPS (Global Positioning System)/INS(Inerial Navigation System)组合导航系统中,取得了良好的效果.      

绳系拖曳飞行器高抗扰轨迹跟踪控制

针对受未知风扰动作用下的绳系拖曳飞行器轨迹精确控制问题，设计了一种基于最小学习参数神经网络估计器的拖曳飞行器轨迹动态面控制方法。首先，结合绳系拖曳系统多刚体动力学模型，构建拖曳飞行器六自由度非线性模型，并完成其仿射非线性化处理。其次，考虑到拖曳飞行器可能受到前方飞机尾涡、紊流和阵风等未知气流及不可测量瞬变缆绳拉力等扰动的综合影响，构建了基于最小学习参数神经网络的拖曳飞行器状态/扰动在线估计器，以准确重构系统不可测量集总扰动。然后，基于所提状态/扰动在线估计器，设计了一种基于最小学习参数神经网络状态/扰动在线估计器的拖曳飞行器轨迹动态面控制方法，并分析了系统稳定性。最后，仿真表明，所提方法能够在多重气流扰动下实现拖曳飞行器位置稳定和机动轨迹跟踪。      

基于矩阵分解的空间系绳系统不完全反馈控制

针对利用空间系绳系统（STS）进行面内捕获过程中系绳展开后状态保持阶段及捕获完成后系统面内运动抑制等问题,在面内角和面内角速率信号丢失情况下,基于矩阵分解采用不完全状态反馈控制方法,设计出能够抑制系绳展开完成后所出现的非标称行为、捕获后面内摆动的张力控制律,进而使系统回稳。将所设计的控制律与线性二次调节器（LQR）+降维观测器方法对比,在参数不确定的条件下检验该控制律的控制效果。仿真结果表明,所设计的控制律在超调量和调节时间上优于LQR+降维观测器方法,能够有效控制系绳的展开误差及捕获过程所带来的面内扰动。所设计的控制律结构简单,控制效果良好,且设计过程无需参数调整。      

惯导系统初始对准的次优滤波算法

分析了惯导系统(INS)初始对准的动态误差向量方程及其动态误差向量的可观性问题,并研究了按动态误差向量的可观度划分观测子空间.在惯导系统初始对准问题中通过使用变量可观度的概念构造次优卡尔曼估计算法.并用C语言编程实现了初始对准的最优及次优卡尔曼滤波算法.从仿真结果可见次优卡尔曼滤波算法可用于INS初始对准的实用计算中.     

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.     

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.     

视线测量光学导航系统观测模型选取

在基于视线矢量观测的自主光学导航系统中,观测模型的非线性是影响导航精度的一个重要因素。通过定量计算观测模型的非线性强度,研究了视线测量光学导航系统测量模型的选取问题。文章基于透射投影模型的共线性方程,给出了两种视线矢量观测模型的导航测量方程及测量噪声统计特性。在扩展卡尔曼滤波框架内深入分析了观测模型非线性对导航性能的影响。并利用微分几何非线性曲率测量理论,定量比较了两种观测模型的非线性强度。最后以基于视线矢量观测的姿态确定系统为例,仿真验证了非线性曲率测量与导航性能的一致性,结果表明基于单位矢量观测模型的光学导航系统具有更高的估计精度和更快的收敛特性。     

Optical/radio/pulsars integrated navigation for Mars orbiter

In this paper, we address the issue of the integrated navigation algorithm with different combination of measurements for Mars orbiter. First, system dynamic model and navigation measurement models using optical measurement information, radio measurement information and X-ray pulsars measurement information are respectively established. Second, optical/radio/pulsars integrated navigation algorithm is proposed, and observability analysis of the integrated navigation system is also conducted. Third, adaptive extended Kalman filter is adopted to fuse measurement information and suppress measurement and process noise to optimally estimate the state of Mars orbiter. Monte Carlo simulation results show that optical/radio/pulsars integrated navigation can effectively improve the navigation accuracy and satisfy the navigation requirements of Mars orbiter.     

机动目标状态估计器算法研究

基于战斗机航迹准稳态运动状态假设,研究了机动目标状态估计器算法.该算法通过选取虚拟测量变量和状态变量,以及假设目标处于航迹准稳态运动状态,把含有9个变量的非线性滤波和预测问题转化为1个三阶和3个二阶的线性滤波和预测问题.在综合控制系统中的仿真结果表明,该算法计算量小,滤波精度好,能够满足综合控制需求.      

卫星编队对空间非合作目标测距相对导航精度分析

针对单颗卫星对空间非合作目标测距不能估计全部相对运动状态的问题,提出利用编队中多颗卫星同时测距相对导航。建立了相对运动状态估计的系统模型;推导了系统可观测矩阵;通过计算系统可观测度和采用无迹卡尔曼滤波（UKF）对目标相对运动状态进行估计,研究了观测矢量方向和数量与相对导航精度的关系。结果表明双星测距能估计全部相对运动状态,观测矢量夹角越大,相对导航精度越高,在编队尺寸远小于目标距离的前提下,多于两颗的卫星测距并不能明显提高相对导航精度。     

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.     

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.     

一种用于GPS/DR组合定位的非线性滤波算法

建立了适用于车辆导航系统的基于UKF(Unscented Kalman Filter)的GPS/DR(Global Positioning System/Dead Reckoning)组合定位滤波模型及算法.针对系统状态方程为线性、观测方程为非线性的特点,提出了一种将UKF和EKF(Extended Kalman Filter)相结合的非线性滤波算法.结合后的算法和原有UKF算法相比减少了在时间更新阶段的运算量,并且由于采用基于Unscented变换的思想来处理系统观测方程的非线性问题,避免了EKF引入的线性化误差,提高了滤波精度.仿真结果证明:算法在减少运算量的同时,仍具有较高的滤波精度,且明显优于EKF,因而能够满足车辆导航系统占用资源少、滤波精度高的要求.      

卫星不足情况下低成本MEMS-INS/GPS伪松组合导航

为了解决GPS可观测卫星不足情况下低成本微电子机械-惯性导航系统/全球定位系统（MEMS-INS/GPS）组合导航精度维持问题,提出基于灰色模型和自适应卡尔曼滤波的MEMS-INS/GPS伪松组合导航方法。以MEMS-INS/GPS松组合导航模式为框架,建立了伪松组合导航系统的状态空间模型。基于MEMS-INS/GPS的历史观测数据,使用灰色模型对MEMSINS/GPS观测差值进行预测,称为系统伪观测量。当GPS可观测卫星充分时,使用噪声自适应估计卡尔曼滤波对MEMS-INS/GPS进行松组合导航;当GPS可观测卫星不足时,使用噪声自适应估计卡尔曼滤波依据系统伪观测量,将MEMS-INS/GPS进行伪松组合导航。以车载低成本MEMSINS/GPS组合导航系统为例进行仿真和实验验证,结果表明：当GPS可观测卫星不足时,传统的MEMS-INS/GPS松组合导航精度迅速下降并发散,而MEMS-INS/GPS伪松组合导航精度与GPS正常工作时的导航精度相差不大,维持了较高精度的导航状态。     

连续小推力航天器自主导航及在轨参数标定

以连续小推力航天器为背景,提出了综合考虑星载加速度计和推力器在轨标定的自主导航方案。首先以精确姿态测量和引力梯度模型为标定参考信息源,建立了包含加速度计参数、推力器参数以及光压系数的完整参数测量模型;然后基于天文导航方法建立了自主导航系统状态模型和观测模型;表明各状态和参数的能观性后,采用了具备良好计算效率和鲁棒性的双重无迹卡尔曼滤波方法进行状态和参数联合估计。分析与数值仿真表明,该方法通过结合参数在轨标定直接提高了导航模型精度,在工程应用中具备可行性和有效性。     

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。