无人飞行器集群仅测距初始相对位姿确定方法研究CSCD

针对全球导航卫星系统(GNSS)拒止环境下无人飞行器集群成员间的相对定位问题,研究了一种基于机载惯性测量单元(IMU)、气压高度计与数据链测距组合的初始相对位姿求解算法。首先,在高度计稳定输出较为精确的高度信息的前提下,将飞行器的三维运动解耦成二维水平运动,给出了三维加速度和角速度、测距信息的水平坐标系投影等效模型。在此基础上,以待求量相对位置和航向角的非线性形式构造了新的待求状态量,并将相对位置和航向角的非线性求解问题转化成了新状态量的线性模型最小二乘求解问题。然后,通过引入递推最小二乘算法(RLS),建立了该相对位姿求解算法的实时输出递推形式,有效降低了机载在线计算的负载。接着,对所提算法进行了可观测性分析,并给出了使系统状态量不可观测的几种相对运动形式。最后,对所提算法进行了数值仿真实验,仿真结果表明,该算法能够有效、快速求解初始相对位姿,位置误差在初始相对距离的10%以内,航向角误差在初始相对角度的1%以内。     

射线计算机成像技术在发动机变壁厚产品检测中的试验研究

针对液体火箭发动机离心轮、涡轮静子等厚度变化大的复杂激光选区熔化成形（SLM）钢构件在常规X射线胶片照相检测（RT）时,由于胶片的宽容度低造成的检测覆盖率低,存在漏检质量隐患的问题,采用射线计算机成像技术（CR）对该类变截面厚度差在5～20 mm内的钢构件进行检测。结果表明,CR检测图像宽容度是胶片照相检测的3倍,检测覆盖率高;以离心轮线状缺陷CR检测为例,且通过CT和理化检测验证证明,CR检测具有与胶片照相检测基本一致的缺陷检测灵敏度、可靠性。     

基于离散反电动势估计的永磁同步电机无速度传感器控制

针对高速永磁同步电机(PMSM)的无速度传感器控制问题,提出了一种基于离散反电动势估计的PMSM无速度传感器控制策略。实施离散反电动势估计的设计有三点:首先,设计了离散dq电流观测器以消除反电动势估计中的电感交叉耦合效应;然后,设计了延迟补偿模型以补偿数模转换引起的电压误差,同时设计了较为精确的离散模型,以克服由数字实现导致的估计反电动势和实际反电动势之间的偏差;最后,开展了高速PMSM驱动试验,试验结果验证了所提出的高速PMSM无速度传感器控制方案的性能。     

带角度约束的多飞行器编队协同拦截制导律设计

针对多枚飞行器协同拦截同一目标的问题,在最优控制与时间调整相结合的基础上,设计了一种带有时间约束与角度约束的协同制导律。首先,在初始时刻(或中段制导结束时刻),根据初始状态及终端角度约束情况,以指定策略为编队中的各飞行器分配拦截角度。其次,采用线性化最优控制的设计方法,解算带有拦截角度约束的最优导引指令。最后,在求解针对运动目标的飞行器剩余时间估计的基础上,根据一致性的方法推导时间调整项的导引指令。仿真结果表明,在典型背景下,设计的制导律能够使多枚飞行器以特定的编队构型协同拦截同一目标,从而有效提高拦截概率。     

星敏感器在轨光行差修正方法研究

星敏感器作为目前航天器中最重要的姿态测量敏感器,其精度直接影响航天器姿态测量精度,因此对其误差源进行分析和修正则尤为重要。提出了一种星敏感器在轨光行差修正方法,根据光行差产生的原理和特点,将星敏感器沿探测器X和Y方向产生的光行差误差角巧妙地转换为光行差误差四元数,并直接对输出四元数进行修正,从而为修正星敏感器光行差提供了一种方便简洁的方法。     

基于事件驱动的容积卡尔曼滤波定位算法

以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动（stochastic event-triggered）的思想,并在此基础上建立了基于残差检测的事件驱动（detected event-triggered）模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波（CKF）算法框架中的滤波更新过程,得到了检测事件驱动CKF（DECKF）和随机事件驱动CKF（SECKF）两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。     

基于红外波段船载星光定向仪白昼恒星探测技术

摘要： 白昼恒星探测技术是船载星光定向仪海上应用的关键技术之一.本文基于实测星图给出白昼恒星探测技术的理论公式和实现方案.该技术针对实测红外星图中的背景噪声、伪星点、坏像素、对灰度背景的适应性问题,分别设计星图滤波算法、多帧伪星点剔除算法、坏像素索引表以及多梯度渐进积分时间调整算法.通过外场观星和组合导航实验验证该技术的有效性和精度.     

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.