DIS系统中的DR算法与参数递推

DIS 作为一项现代仿真技术,在多兵种、多种武器平台的联合作战仿真与训练演习方面有着极其重要的作用,而DR技术是构造DIS系统的关键技术之一.本文首先介绍了采用DR技术的意义及特点,以及通常采用的DR算法.然后介绍一种本文采用的参数递推算法.这种算法基于二阶传递函数思想,含有自然频率和阻尼系数这两个特征参数,特征参数可由前三帧的状态值实时计算得到.文章最后对算法优劣进行了评价,并给出了仿真运行结论.     

无人机自主着陆视觉相对位姿测量误差分析方法

卫星拒止条件下无人机自主安全回收的关键是全自主、高精度的测量无人机相对着陆场站的相对位姿信息。视觉相对位姿测量直接敏感高动态运动体之间的相对位姿信息,具有全自主、高精度等优势,为无人机自主安全回收提供新的技术途径。针对视觉相对位姿测量精度易受目标特征提取精度和相机内参数标定误差影响的问题,提出了一种无人机自主着陆视觉相对位姿测量误差分析方法,该方法通过研究测量机理模型确定关键误差影响因素,计算相关参数变化对测量精度的影响,最后利用仿真分析验证本文所提方法的有效性。     

航空发动机复合材料叶片切削加工智能装夹系统

航空发动机复合材料叶片通过热压成型后，型面误差大，刚性弱，其榫根铣削和叶片切边加工装夹难度大，往往需要通过扫描来重构型面，重新生成加工代码，导致加工过程复杂，加工代码文件不通用，严重影响了其批量生产效率。提出用于航发复材叶片切削加工的多点阵自适应装夹和调姿系统。该系统采用定位和夹紧分开的柔性阵列工装，夹紧采用弹性吸盘，定位采用刚性定位器，确保吸紧和定位后叶片型面的精度；该系统能够在叶面最大误差范围内，根据叶片型面和榫根的误差自动地调节加工位姿，确保在不修改加工代码的情况下，实现满足性能要求的榫根和前后缘加工，大大减小了叶片切削加工的难度，提高了加工的效率。     

基于位置修正的轨迹测量方法研究

传统精密轨迹测量方法大都采用GPS、全站仪等设备,存在设备不易架设、数据不连续、对环境要求较高等缺点。针对该问题提出一种基于航位推算系统的轨迹测量方法。该方法在航位推算基础上引入了位置修正技术,通过起始点与终点坐标即可计算出系统俯仰角误差、方位角误差及里程仪标度因数误差。系统完成航位推算计算后,用求解出的系统误差对航位推算轨迹进行修正,即可获得高精度的轨迹数据。最后通过试验验证该方法可行,系统行进153m误差小于0.12m。     

输入量化下航天器位姿一体化预设时间控制

航天器在轨抢修或维护等空间近距任务中，往往要求执行任务的航天器在限定的时间窗口和有限通信带宽的条件下，实现对目标的位姿跟踪。针对其姿轨耦合控制问题，提出了一种带有输入量化的姿轨一体化预设时间控制方法。首先，在Lie群SE(3)框架下，建立了相对运动航天器位姿一体化误差动力学模型。其次，引入了输入量化机制，减小控制器到执行机构间的通信频次。接着，基于推导的实际预设时间稳定引理，结合反步法设计了一种非奇异预设时间位姿跟踪控制器。为提高系统鲁棒性，设计新型自适应律估计并补偿系统总扰动，并利用量化器参数抑制量化误差；该方法能够在不依赖系统初始状态、输入量化和扰动信息未知的情况下实现预设时间内稳定，且稳定时间上界可由一个控制参数预先设定。然后，基于Lyapunov理论证明了系统的稳定性。最后，数值仿真结果验证了该方法的有效性。     

RGB-D SLAM综述

RGB-D SLAM是指使用RGB-D相机作为视觉传感器,进行同时定位与地图构建(SLAM)的技术。RGB-D相机是近几年推出的能够同时采集环境RGB图像和深度图像的视觉传感器。首先对主流RGB-D相机,RGB-D SLAM算法框架流程做了介绍,然后对RGB-D SLAM算法的国内外主要标志性成果,以及RGB-D SLAM的研究现状进行介绍,并对RGB-D SLAM方法前端视觉里程计中特征检测与匹配、后端位姿图优化、回环检测等关键技术进行介绍总结。最后,对RGB-D SLAM算法的优缺点进行了分析,并对RGB-D SLAM算法的研究热点及发展趋势进行了讨论。     

智能化舰船要害检测、轨迹预测与位姿估计算法

准确检测与打击舰船要害部位可有效提升反舰导弹毁伤效能。针对舰船要害部位检测精度低、导引误差解算精度不足等问题，提出基于深度学习的舰船要害关键点检测、轨迹预测与导引头位姿估计算法。融合深层语义信息与浅层定位信息，采用SoftPool池化保留细粒度特征，提升多角度多尺度舰船要害部位检测精度；将关键点检测结果与舰船空间结构建立映射，解算导引头三维位姿；引入长短期记忆网络挖掘要害打击点时空特征，实现多尺度舰船要害动态轨迹预测。实验结果表明：所提算法对舰船要害部位检测与轨迹预测精度高，导引头位姿估计结果较准确，满足自主突防视角反舰导弹对复杂海战场的态势感知需求。     

前飞状态旋翼变转速过程瞬态载荷过冲研究

变转速旋翼在高速及长航时直升机等领域有巨大的应用前景，旋翼变转速过程的瞬态动力学响应及载荷特性，对直升机飞行控制和部件结构设计都至关重要。本文基于相对坐标描述的拉格朗日递推多体动力学方法，构建了一套旋翼变转速过程瞬态动力学分析模型，能够体现动态时变的旋翼转速和旋转角加速度对动力学响应的影响，在此基础上，对旋翼变转速过程的瞬态动力学行为进行了数值仿真分析研究。结果显示，旋翼变转速过渡过程，对摆振方向动力学影响十分显著，进而会引起旋翼轴扭矩瞬态载荷过冲现象；采用平滑进入/改成的变转速策略，有利于减小旋翼轴扭矩过冲载荷；旋翼升转速和降转速过程，会产生不同的动力学影响；变转速过渡时间是影响瞬态动力学特性最重要的因素，随着角加速度的增大，旋翼轴扭矩载荷过冲会急剧增大；旋翼拉力水平、前飞速度等飞行状态参数，主要影响稳定状态下的载荷基准值，对瞬态载荷过冲幅值也具有一定的影响。     

基于Transformer模型的卫星单目位姿估计方法

鉴于测量精度高、设备成本低等优点，基于单目图像的卫星位姿估计方法在交会对接、空间攻防等应用中具有广泛前景。得益于强大的特征提取与表达能力，卷积神经网络在目标单目位姿估计应用中取得了明显优于传统方法的性能表现，但已有基于卷积神经网络的方法存在诸如归纳偏置、绝对距离描述不直接、长距离建模能力不足等问题。聚焦卫星单目位姿估计应用需求，针对以上问题，创新地将Transformer模型应用于卫星目标位姿估计中，提出了一种新颖的端到端卫星单目位姿估计方法。首先，设计了一种基于关键点集合的卫星目标表示方法，并构建了基于该表示方法的损失函数，进一步，结合关键点回归任务特点，设计了端到端的关键点回归网络模型，并改进了用于特征提取的主干网络结构。在公开数据集上实验测试结果表明：本文方法实现了可靠、高效的卫星目标单目位姿估计，并取得了优于已有同类方法的性能。     

结合极化自注意力机制的空间目标位姿估计

利用深度学习强大的特征提取能力和残差网络的捷径反馈机制，设计了端对端的图像位姿估计方法。该方法提高网络特征的学习能力，将Polarized Self-Attention注意力模块嵌入到残差网络ResNet-50中，对空间目标图像中的空间信息进行了增强。由于空间目标的位置和姿态信息相互独立，将其分为两个不同的网络结构分支通过回归分别得到两者的信息。其中，在姿态信息回归分支中，对姿态信息进行软分配编码，相比直接回归有效减少了姿态误差。最后在URSO空间目标图像数据集上进行了实验验证，所提算法对空间目标位姿估计取得了更好的估计结果。