发射系下SINS/GPS/CNS组合导航系统联邦粒子滤波算法

传统的扩展卡尔曼滤波(Extended Kalman filter, EKF)算法应用于未来高超、空天飞行器的组合导航系统时,因其模型线性化展开会导致模型不准确,从而引起导航精度下降;采用蒙特卡洛方法来实现递推贝叶斯估计问题的粒子滤波(Particle filter,PF)算法能有效避免引入线性化误差,具有一定的优势。据此,针对高超、空天飞行器在发射过程中通常需要直接获得发射惯性系下的高精度导航参数的需求,提高发射惯性系下弹载组合导航系统滤波算法的精确性就尤为重要,PF滤波算法无需对非线性系统进行线性化展开即可直接实现对非线性系统的状态误差估计。为此,本文将PF滤波算法引入空天飞行器SINS/GPS/CNS多信息融合组合导航系统,设计了发射系下基于联邦滤波器的PF滤波算法,实现了对组合导航系统状态参数的直接建模估计。算法仿真结果表明,相较于发射系下SINS/GPS/CNS组合导航系统联邦EKF滤波算法,PF滤波算法有效提高了组合导航系统滤波精度。     

分布参数随机系统的条件滤波方法

针对分布参数随机系统在其控制输入,系统输出存在观测噪声情况下,提出了分布参数随机系统的条件滤波方法,使得在获得系统状态的最优估计的同时,可以得到关于不确知的控制输入的最优估值,该算法所具有的系统状态和控制输入的估计器结构上的相似性,为降低分布参数系统的滤波算法数值计算上的复杂性提供了一种解决途径,也使得该算法在工程实际中有较大的应用前景.     

一种提高测量CCD成像系统MTF精度的数据处理方法

根据刃边图像的特点,采用中值滤波法、多剖线平均法以及局部滤波法对图像中的噪声进行前期处理,去噪效果好,使图像的有用信息损失小,提高了测量CCD成像系统调制传递函数的精度。实验表明,本文的数据处理方法能有效的提高测量CCD成像系统的传递函数的精度。     

火星探测器捕获段自适应卡尔曼滤波方法

天文导航是一种广泛应用于深空探测任务中的节能、高效的导航方式。基于轨道动力学模型和星光角距的卡尔曼滤波方法已经被成功应用在天文导航系统中。在捕获段由于探测器所处动力学环境复杂,未建模的加速度误差,星历误差等都会造成过程噪声统计特性不完全。针对以上问题,提出一种根据新息和残差序列的变化趋势来调节过程噪声协方差阵的自适应平方根容积卡尔曼的方法（AQSCKF）。该方法先分别利用新息和残差计算调节因子,然后判断新息和残差的变化趋势,当新息和残差的变化趋势一致时,取二者调节因子的均值作为过程噪声方差阵的调节因子,对其进行调节。此外,本文还将该方法与传统的只利用新息或残差在线调节协方差阵的平方根容积卡尔曼滤波（SCKF）方法进行对比,仿真结果表明,在解决由于过程噪声统计特性不能完全已知的问题上,AQSCKF算法不仅能显著提高导航精度,并且具有很好的稳定性。     

精密测距的动态数据处理

无线电精密测距是通过无线电测量飞机、舰船、导弹等目标的精确距离和速度信息。根据飞机实际中的运动情况建立动态模型,采用适合于工程应用的新型自适应α-β滤波器对测距值进行实时动态处理,然后经过详细的MATLAB仿真,验证了动态滤波算法在保证实时性的前提下可以提高测距精度。     

GPS锁定晶振的数据处理方法研究

针对GPS锁定晶振频率标准,提出了一种滑动平均值法滤波方法,通过这种算法建立新的取样值与历史取样值相关性,适当选取取样点数形成滑动滤波窗口,改变的滑动滤波窗口大小,能有效克服GPS接收机输出的1×10-6的波动影响,可以在很短的时间间隔内解算出被控晶振与GPS的偏差值,应用于控制算法,不断修正压控晶振的频率,使压控晶振锁定在GPS上。     

一种无人机极点区域约束系统输出反馈滤波设计

针对参数变化引起的系统不稳定情况,研究其闭环极点处于区域约束下滤波问题,提出了基于输出反馈的滤波系统设计方法。在被控系统及反馈滤波系统同时存在不确定性的情况下,以线性矩阵不等式形式给出输出反馈滤波系统的可解性条件,使其闭环系统渐近稳定,滤波误差输出对干扰的抑制性能指标小于给定上界,并把闭环系统极点配置于复平面上指定区域。运用该方法对某型警用无人飞行器纵向运动进行仿真验证,闭环系统的极点均分布在预期界限,系统趋于稳定,达到了设计目标,表明了该方法的有效性。     

Kalman弹道滤波器的快速收敛性研究

在弹道修正过程中,需根据一段实测弹道参数,准确地估算常规弹箭的飞行弹道。工程中,常应用Kalman滤波方法,结合质点弹道模型建立六状态滤波弹道模型。速度初值估计的准确性,是对滤波过程造成影响的主要因素。为改善这一状况,采用多项式拟合用以对速度状态进行估计并以此作为滤波初始值。在此种估计下滤波,速度滤波过程可快速收敛,位置滤波过程收敛速度大幅度提高,可使最优弹道诸元参数获取时间缩短30%。     

航空发动机健康估计的神经网络修正卡尔曼滤波算法

针对商用航空发动机与气路相关的传感器分布不均、且个数小于气路健康参数的个数、使用卡尔曼滤波算法估计全部气路健康参数时容易出现误判的特点,提出一种神经网络修正的卡尔曼滤波算法。该算法在每个采样周期内利用BP神经网络来修正个体的偏移方向,按粒子滤波算法计算每个个体的权值用以估计总体的均值和协方差,然后利用卡尔曼滤波算法更新所有个体,并将总体的均值作为当前时刻的估计结果。通过对商用航空发动机部件级模型在多个飞行状态点数字仿真模拟9种气路突变故障,由7个可测输出估计全部10个健康参数,该混合算法的估计误差相比BP神经网络与无迹卡尔曼滤波算法分别平均降低了34.6%与47.9%。     

航海光纤陀螺捷联惯导系统快速对准技术研究

针对中小型水面舰船对航海惯导系统快速对准的实际需求,结合光纤陀螺的误差特性,提出一种针对航海光纤陀螺捷联惯导系统的快速对准方法。该方法充分考虑光纤陀螺启动特性对惯导系统对准精度的影响,在对准过程中保存光纤陀螺输出平稳后的数据,并利用基于正反向联合导航和滤波的方法,重复利用输出平稳后的数据,缩短对准时间,提高系统对准精度。经过实际的舰载试验验证表明,采取该方法后,所研制的航海光纤陀螺捷联惯导系统在对准时间20min条件下的导航精度相当于传统方法对准时间1h条件下的导航精度,显示了本方法的正确性和有效性,为航海光纤陀螺捷联惯导系统的进一步工程应用提供了有力支撑。