基于双目视觉的无人机编队相对定位算法

针对无人机编队飞行时双目视觉定位精确性差、计算量大、实时性不高的技术现状,对基于特征点的FAST定位和BRIEF旋转(Oriented fast and rotated brief,ORB)算法进行了改进,提出了一种适用于无人机双目视觉定位的算法。在改进ORB算法中,采用提取目标区域、最近邻约束和随机抽样一致(Random sampling consensus,RANSAC)方法,提高了特征点提取与匹配效率,也提高了特征点匹配质量;对于双目视觉定位,提出了适用条件更加宽泛的双目视觉定位模型,并保证了模型的定位精度;最后使用卡尔曼滤波算法对无人机的定位信息进行估计,进一步提高了无人机的定位精度。实验表明,算法具有较高的精确性和实时性,满足无人机间的相对定位要求。     

基于混合特征匹配的微惯性/激光雷达组合导航方法

微惯性/激光雷达(MEMS IMU/LADAR)组合导航系统在室内应用时,由于室内结构化环境下环境特征(如点和线段)分布稀疏,传统的单一特征匹配算法存在观测盲区,易造成导航定位参数估计误差大的问题。基于此,研究了激光雷达自适应数据分割方法的点和线段的特征提取算法,提出了基于混合特征匹配观测模型的MEMS IMU/LADR扩展卡尔曼滤波(EKF)算法。同时,设计了MEMS IMU/LADR组合导航试验样机,在室内环境下通过试验对滤波算法进行了验证。结果表明:提出的算法在室内结构化环境下相比传统单一点或线特征匹配组合定位算法的定位精度可提高60%,对于小型旋翼无人飞行器在室内结构化环境中的高精度定位具有较高的参考意义。     

Adaptive Gaussian sum squared-root cubature Kalman filter with split-merge scheme for state estimation

The paper deals with state estimation problem of nonlinear non-Gaussian discrete dynamic systems for improvement of accuracy and consistency. An efficient new algorithm called the adaptive Gaussian-sum square-root cubature Kalman filter（AGSSCKF） with a split-merge scheme is proposed. It is developed based on the squared-root extension of newly introduced cubature Kalman filter（SCKF） and is built within a Gaussian-sum framework. Based on the condition that the probability density functions of process noises and initial state are denoted by a Gaussian sum using optimization method, a bank of SCKF are used as the sub-filters to estimate state of system with the corresponding weights respectively, which is adaptively updated. The new algorithm consists of an adaptive splitting and merging procedure according to a proposed split-decision model based on the nonlinearity degree of measurement. The results of two simulation scenarios（one-dimensional state estimation and bearings-only tracking） show that the proposed filter demonstrates comparable performance to the particle filter with significantly reduced computational cost.     

基于自适应粒子滤波的涡扇发动机故障诊断

针对涡扇发动机非线性、非高斯的特点,提出了一种自适应的粒子滤波算法用于涡扇发动机气路部件突变故障的诊断.为了减小算法的计算量并且保证滤波精度,分析了滤波精度和样本数目的关系,提出根据滤波过程中状态的方差自适应地调整粒子数,在保证一定的滤波精度下可以有效地减少滤波过程中使用的粒子数,提高了算法的实时性.同时,引入扩展卡尔曼滤波(EKF)用于更新粒子,产生重要概率密度函数,在一定程度上避免了粒子的退化.通过某型涡扇发动机的仿真分析表明:改进的算法相比标准粒子滤波算法用于涡扇发动机气路部件故障诊断时,参数估计的方均根误差减小了50%左右,且算法的计算量减小了30%.     

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.