一种星敏感器-陀螺组合定姿的实时在轨标定方法

研究了一种星敏感器一陀螺组合定姿方式中的姿态敏感器误差的实时在轨标定方法。首先,选择直观的欧拉角作为姿态描述参数,根据星敏感器和陀螺的测量原理建立星敏感器一陀螺在轨标定的测量方程和状态方程,并以此建立数学模型。其次,采用简单高效的EKF（ExtendedKalmanFilter,扩展卡尔曼滤波）作为估值算法,进行了在轨标定数值仿真。对于航天器姿态定向中出现的姿态角和星敏感器安装角之间的耦合问题,通过在特定姿态通道上施加简单姿态机动实现了解耦。数值结果表明,该实时在轨标定方法,尤其是所提出的姿态角和星敏感器安装角解耦策略,可以实现对航天器姿态的实时精确估计以及对星敏感器安装误差、陀螺常值漂移和相关漂移等误差的实时在轨标定。该方法可用于航天器姿态测量设备的实时在轨标定和航天器姿态的高精度实时确定。     

微小推力下小卫星的轨道递推与推力标定

针对采用微小推力进行轨道机动的小卫星,考虑复杂摄动力的基础设计了一种高精度轨道外推和推力在轨标定算法.首先,建立了考虑地球复杂摄动力和微小推力的小卫星轨道动力学模型;然后基于动力学模型,利用变步长龙格库塔算法,设计了对微小推力小卫星进行高精度轨道外推的方法.随后通过无迹卡尔曼滤波器(UKF),设计在轨标定算法,对存在误...     

可编程约瑟夫森电压标准低温探杆的设计

由于约瑟夫森电压标准的关键器件——约瑟夫森结需要工作在4.2 K的低温环境中[1],而标准使用的其它仪器则工作在室温环境中,因此需要设计一种沟通低温环境和室温环境的测试探杆,即可以将偏置电流和75 GHz微波传送到约瑟夫森结上,又可以将约瑟夫森结产生的量子电压输出到校准所需的仪器上。本文对可编程约瑟夫森电压标准的低温探杆的绝热设计、精密电测设计和微波传输设计做了介绍。     

关于BL-代数的implicative滤子的一些结果

通过研究BL-代数的implicative滤子的等价条件,得到了normal滤子与implicative滤子之间的关系,并给出了两个公开问题"一个normal滤子在什么合适条件下成为fantastic滤子?"和"在什么合适的条件下,normal滤子的拓展性成立?"结论成立的一种条件。     

飞行器数字姿控系统数字校正滤波器参数优化设计

本文提出一种数字校正滤波器Z域最佳逼进设计算法,根据数字滤波器期望特性,在Z平面上直接优化设计滤波器参数,这种算法对任何形式的数字校正滤波器(递归式和非递归式)均是适用的。     

新一代数据采集器模拟量采集插件设计技术

数据采集器是飞行试验关键的测试设备,它的性能与现代飞机飞行试验有很大的关系.为满足现代飞机设计定型的需求,新一代数据采集器设计大量采用了FPGA和DSP器件,大大提高了采集器测量参数的采样率、通道数、测量参数类型和使用的灵活性.本文介绍的新一代采集器模拟量采集卡设计技术,用数字信号处理技术来实现信号的放大、滤波及偏置修正,并提供了对采集卡各个部分进行设计的理论依据.     

具不确定观测和相关噪声的最优递推滤波

应用正交投影定理,对于噪声相关系统,在观测不确定的情况下,求出了状态向量的卡尔曼滤波公式。在线性最小方差准则下,解决了状态噪声一步相关,相同时刻的测量噪声和状态噪声相关,以及测量噪声和状态噪声在相邻时刻均相关的情况下的滤波问题,并给出了递推滤波公式。仿真算例说明了它们的有效性。     

基于CompactPCI总线的红外目标跟踪系统

红外目标跟踪方法的理论研究较多,而通用的实时跟踪系统较少。给出了具有CompactPCI总线、并行分布式结构的系统方案,核心是基于标准总线的实时系统,上位机实现卡尔曼预测,DSP并行完成频域转换与相关,CPLD实现总线接口控制。所实现的系统具有运算能力强、通信带宽大、可扩展性和通用性强的特点,实用表明了它的可行性。     

改进故障隔离的容错联邦滤波

为了解决重置模式下联邦滤波器中子系统故障对导航系统污染的问题,提出利用故障检测函数构建时变量测噪声的容错联邦滤波结构。通过将故障子滤波器等价为量测噪声趋于无穷大的正常系统,来取代传统的故障隔离方法;推导出了子滤波器对应的最优估计值,用以消除子滤波器估计次优性对故障检测的影响;采用动态信息分配系数,以减少故障信息对全局估计的影响。采用惯性/天文/景象/地形(INS/CNS/SMNS/TERCOM)的组合导航系统进行了仿真验证,结果表明该容错联邦滤波方法在子系统发生故障时的估计性能优于故障隔离方法。因此,所提方法具有提高故障子滤波器精度、保证无故障子滤波器鲁棒性以及全局估计精度的优势,具有较高的实用价值。     

基于自适应Kalman滤波的改进PSO算法

针对基于Kalman滤波的PSO算法在设计与应用过程中存在的不足,提出了基于自适应Kalman滤波的改进PSO算法。利用粒子群状态空间Markov链模型,建立粒子群系统状态方程;采用粒子的速度和位置作为观测量,构建观测方程;引入记忆衰减因子动态调整Kalman滤波模型参数及噪声方差阵,降低模型误差,提高粒子的位置估计精度。仿真实验表明:改进的PSO算法无论在优化精度、收敛速度,还是在稳定性方面都有很大的改进和提高,这就有效避免了粒子的"早熟"收敛问题;尤其在处理复杂多峰问题上,改进算法表现出很明显的优越性。