排序方式: 共有43条查询结果,搜索用时 15 毫秒
11.
极弱信号环境下GPS位同步和载波跟踪技术 总被引:1,自引:1,他引:0
为解决环路未锁定、无法找出正确的导航数据位跳变点时极弱全球定位系统(GPS)信号跟踪问题,通过分析信号跟踪模型和相关器1 ms采样数据特性,将最优路径动态规划算法应用于GPS位同步,并提出基于平方根无迹卡尔曼滤波(SRUKF)和位同步结合的载波联合跟踪算法。建立了适合位同步的SRUKF载波环参数估计模型,针对位同步的实现条件和无相位频率先验信息的情况,将位同步模块提前,研究设计了环路未锁定时串行和并行两种弱信号跟踪方案。位同步跟踪完成后环路采用单独的SRUKF工作方式。实验结果证实该文提出的算法具有较高的数据位边缘检测概率(EDR)和参数估计性能,而无须关心环路是否处于锁定状态,能够对载噪比低至22 dB/Hz的弱信号实现跟踪。 相似文献
12.
由于对气候变暖问题的关注,航空业成为全球第一个限制碳排放的行业,二氧化碳排放规制成为民用航空最主要的绿色壁垒.据国际民航组织(ICAO)研究,现阶段全球航空运输业排放的二氧化碳约占总量的2.4%.国际清洁运输理事会(ICCT)的一项研究显示,到2050年,航空业碳排放量将达到全球温室气体总排放量的22%. 相似文献
14.
提出了一种改善航空发动机加速性能的方法:采用SQP寻优方法对航空发动机进行加速过程的寻优控制仿真计算,获得以油/气压比为函数的优化加速燃油控制规律。选取工作包线内具有一定覆盖性的若干个状态点,进行加速过程寻优控制仿真。考虑到根据油/气压线开环进行加速控制易于导致涡轮后温度瞬态超调,提出了根据两类约束条件计算开环加速线,对所获得的两条优化的加速线进行融合,进而获得适用于全飞行包线范围内的加速燃油控制规律。仿真计算表明,所提出的加速燃油控制规律可以在兼顾涡轮后温度不超温和压气机喘振裕度的情况下,实现发动机加速时间最短的目标。 相似文献
15.
航空发动机加力燃油流量寻优控制方法 总被引:2,自引:1,他引:1
为了实现带加力航空涡扇发动机最大推力寻优,作为途径之一,提出了一种新的加力燃油流量寻优控制方法。在常规开环的加力燃油流量控制计划的基础上,叠加一个闭环的寻优修正,以余气系数、加力燃烧室出口温度、喷口面积等参数为约束条件,并给出了不可测约束参数的解析计算方法以及解析余度校验方法。以某航空发动机动态模型为例进行了寻优控制方法的仿真验证,结果表明,采用新的加力燃油寻优控制方法,在包线范围内平均可以将发动机最大推力提高6%左右,并具备较好的寻优控制安全性。 相似文献
16.
针对目前应用于SINS/GPS组合导航系统中的扩展卡尔曼滤波(Extended Kalman
Filter, EKF)存在精度低、实时性差的缺点,提出一种基于模型误差预测(Model Error
Prediction, MEP)的Unscented 卡尔曼滤波(Unscented Kalman Filter,
UKF)。MEP-UKF滤波算法将惯性器件测量误差作为模型误差使用MEP进行实时预测的同时,采 用UKF估计载体的姿态、速度及位置等误差信息,并反馈给SINS系统来校正导航参数。MEP-U KF不仅克服了UKF必须假设惯性器件误差为高斯白噪声的局限性,而且降低了SINS/GPS组合 导航系统状态变量的维数,大大缩短了导航解算的时间。仿真结果表明,MEP-UKF的收敛速 度和滤波精度均明显优于EKF,更好地满足了工程应用中对导航精度和实时性的要求。 相似文献
Filter, EKF)存在精度低、实时性差的缺点,提出一种基于模型误差预测(Model Error
Prediction, MEP)的Unscented 卡尔曼滤波(Unscented Kalman Filter,
UKF)。MEP-UKF滤波算法将惯性器件测量误差作为模型误差使用MEP进行实时预测的同时,采 用UKF估计载体的姿态、速度及位置等误差信息,并反馈给SINS系统来校正导航参数。MEP-U KF不仅克服了UKF必须假设惯性器件误差为高斯白噪声的局限性,而且降低了SINS/GPS组合 导航系统状态变量的维数,大大缩短了导航解算的时间。仿真结果表明,MEP-UKF的收敛速 度和滤波精度均明显优于EKF,更好地满足了工程应用中对导航精度和实时性的要求。 相似文献
17.
虚拟桌面技术研究与应用 总被引:2,自引:0,他引:2
IT技术的发展使得计算机的硬件系统环境与用户的实际使用环境相互分离,为了实现用户可以对计算机系统进行远程维护和管理,同时在节约计算机系统管理成本、降低设备功耗和提高可管理性方面,虚拟桌面技术能够很好满足这些需求。主要分析虚拟桌面技术的关键技术以及解决方案,并对虚拟桌面技术进行展望。 相似文献
18.
19.
20.
针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM\|AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage\|Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM\|AFF算法兼具Sage\|Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM\|AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM\|AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位 精度 。
相似文献
相似文献