基于最优样条节点的导弹主动段弹道估计方法

拟合导弹主动段弹道并估计其弹道参数是天基红外系统(SBIRS)的重要任务之一。首先采用三次样条函数对导弹主动段弹道进行描述,并建立主动段弹道的运动模型和测量模型;其次采用最大似然估计方法将导弹弹道估计问题转化为非线性最小二乘准则下的样条系数和样条节点分布最优估计问题;最后利用投影定理将样条系数估计和样条节点分布估计分离开来,并通过迭代逼近给出了最优样条节点数的确定方法。仿真实验结果表明,所提方法不仅对主动段弹道的拟合精度高,而且还减少了待估参数的数目,简化了求解过程,可在无先验信息条件下较好地解决导弹主动段弹道的估计问题。     

顺轨拦截模式剩余飞行时间估计方法

匹配顺轨和逆轨拦截模式的估计方法是精确计算剩余飞行时间(TGO)的必要条件,适用于逆轨拦截模式的TGO估计方法并不适于顺轨拦截模式。为此,针对顺轨拦截模式,分别提出了拦截机动/非机动目标的TGO估计方法。通过对线性制导方程的变形求解出了拦截弹的飞行弧长,并根据预测的碰撞点位置求得了TGO估计的解析式。该求解方法通用性强,适用于弹道成型制导律的TGO估计。以负比例(RPN)和扩展RPN(ARPN)为制导框架,与经典方法进行对比,所提出的TGO估计方法精确度高,能够有效提高导弹的制导性能。     

基于贝叶斯网的航班过站时间动态估计

一架飞机每天要执行多个航班,从而 形成航班链。前序航班进港后,若估计出飞机在机场的过站时间,后续航班的离港时间便可 较准确给出。文中选取了对航班过站时间影响较为显著的几个因素,运用历史数据,采用最 大似然估计进行贝叶斯网参数学习并获得不同情况下过站时间的估计值。同时,利用贝叶斯 网增量学习的特性,运用航班增量数据基于贝叶斯估计修正贝叶斯网参数,并用新的学习 结果更新过站时间估计值。实验数据表明,所提出的方法能较好地对飞机过站时间进行估计。最后,对影响过站时间的各因素进行了灵敏度分析对比。     

MLE辅助PLL的高动态GPS载波跟踪

针对传统锁频环（FLL）鉴别器存在一步延迟效应和近似误差的问题,提出一种基于极大似然估计器（MLE）辅助锁相环（PLL）的高动态载波跟踪环路。该方法从极大似然估计理论入手,构造多普勒频移的非相干极大似然代价函数,采用非迭代估计方法求取各通道多普勒频移偏差的极大似然估计,与PLL进行融合滤波并计算频率修正量,进而控制本地数控振荡器（NCO）完成载波跟踪。仿真结果表明：在同等环路阶数和滤波器带宽条件下,新方法的响应速度、动态忍受力优于基于FLL辅助PLL的方法,可以跟踪加加速度达到100 g/s的超高动态 信号。     

低成本动中通姿态估计算法

针对低成本微机电惯性测量单元无法满足宽带移动卫星通信系统姿态估计精度的问题,提出了以单基线GPS为辅助敏感器的改进型非线性观测器姿态估计算法。与经典观测器相比,改进算法利用观测器估计姿态代替加速度计估计姿态计算北向矢量的观测矢量,有效解决了加速度计精度与单基线GPS精度不匹配的问题。在单基线GPS不能正常工作的状态下,设计了状态判断开关,成功减少了载体机动加速度对估计结果的影响。试验结果表明：在单基线GPS一直正常工作的条件下,设计的改进非线性观测器的姿态估计精度达到±0.5°;在单基线GPS不能一直正常工作的情况下,在GPS可见弧段其姿态估计精度也达到±0.5°,均优于传统非线性观测器,满足低成本动中通要求。     

一种基于系统误差自动补偿的编队目标航迹精细关联算法

为解决编队内各目标航迹精细关联的难题,按照编队目标航迹的特点,结合误差估计技术及航迹关联技术,提出了一种基于系统误差自动补偿的编队目标航迹精细关联算法,该算法首先基于循环阈值模型对各传感器获得的航迹进行编队识别,并按编队中心航迹完成编队航迹的整体预关联,然后基于编队航迹状态识别模型,搜索或建立分辩状态最接近的预关联编队航迹,并基于编队航迹系统误差估计模型和误差确认模型,获得最终的系统误差估计值,自动完成系统误差补偿,最后利用传统的航迹关联算法进行编队航迹的精细关联。经仿真数据验证,与基于目标不变信息量的模糊航迹对准关联算法和基于航迹迭代的航迹对准关联算法相比,该算法具有耗时少、关联性能有效稳定等综合优势,能较好的满足工程上对系统误差下编队内目标航迹的精确关联需求。     

基于信道估计自适应算法的AVLC重发机制仿真

航空甚高频链路控制(AVLC)是下一代民航地空数据链甚高频数据链模式2(VDL2)的链路服务规程.为了提高AVLC重发控制效率、减少误重发,提出了基于信道估计的监督帧发送时刻自适应算法.在OPNET平台上建立了物理层、数据链路层和子网层VDL2架构;利用动态进程建模方法,建立了AVLC模型.通过对无监督帧、监督帧发送时刻静态算法和自适应算法分别建模,开展对比仿真,验证了监督帧重发控制对于提高VDL2性能的有效性和自适应算法较静态算法的优越性.实验结果表明,在宽范围的系数合理区间内,所提出的算法可有效增加吞吐量,缩小包延时,同时可增强系统稳定性.      

电动静液作动器的非线性变阻尼积分滑模控制

对于电动静液作动器(EHA),传统滑模控制器存在加速度信息难以获取,参数不易整定和控制信号抖振等问题,从而造成控制器很难应用于实际。针对以上问题,利用奇异摄动理论对EHA数学模型进行合理的降阶,从而使控制器设计避免了使用加速度信息。在此基础上,利用降阶模型设计了一种新型非线性变阻尼积分滑模控制器(NSMC),该控制器可根据位置控制误差实现系统阻尼比由欠阻尼到过阻尼的自适应调节,能有效提高位置阶跃调节性能。设计了一种基于滤波器的不确定项估计器对EHA中存在的参数不确定性和外部扰动进行实时估计并补偿。滑模面积分项的引入和不确定项估计器的使用,一方面使控制器中无需使用切换函数,实现了EHA的无抖振滑模控制,另一方面使系统整个动态过程完全表现为滑动模态,从而可根据EHA控制指标直接整定滑模面参数,大大简化了参数整定过程。同时利用Lyapunov稳定性理论对整个闭环系统和滑模面的稳定性进行了详细分析。分别与PI控制器、传统滑模控制器(SMC)和传统变阻尼滑模控制器(DVSMC)进行了详细的仿真分析比较,仿真结果表明NSMC能有效提高EHA位置跟踪性能和增强对参数不确定性和外部扰动的鲁棒性。     

视觉SLAM方法综述

实时定位与建图(SLAM)技术搭载特定传感器,使移动机器人在无任何环境先验条件下,在运动过程中自主建立环境模型来计算自身位姿,大幅提高其自主导航能力,以及对不同应用环境的适应性。视觉SLAM方法以相机作为外部传感器,通过采集周围环境信息来创建地图并实时估计机器人自身位姿。为此,介绍了具有代表性的经典视觉SLAM方法及与深度学习相结合的视觉SLAM方法,分析了视觉SLAM方法中采用的不同特征检测方法、后端优化、闭环检测,以及动态环境下视觉SLAM方法的应用,总结了视觉SLAM方法的问题,并探讨了视觉SLAM方法在未来的热点研究方向和发展前景。