UDu~T分解滤波算法及其应用

本文介绍UDU~T 分解滤波算法;用工程师容易理解的方法重新推导时间修正和量测修正滤波公式,并给出标准通用的UDU~T 分解滤波子程序。本算法子程序已实际用于工程估计器中。本算法具有高的数字稳定性。作为UDU~T 分解滤波算法理论和工程应用之间桥梁的本通用标准子程序具有良好性能,使用方便,极易推广应用。     

UKF方法在脉冲星自主导航中的应用

针对X射线脉冲星自主导航中的非线性系统滤波问题，将无迹卡尔曼滤波方法应用于自主导航计算过程中。首先，在简述脉冲星导航可行性的基础上，研究了脉冲星自主导航系统的基本原理和实施方案。然后，根据牛顿二体引力模型构建了航天器运动状态方程，根据脉冲到达时间模型建立了系统观测方程，并对二者进行了误差分析和建模。最后，将UKF算法应用于航天器自主导航过程中，仿真结果表明该方法能够实现航天器自主导航信息的解算。     

基于混合卡尔曼滤波器组故障传感器定位方法

为了在发动机性能蜕化与传感器故障并存的情况下实现故障传感器的定位与部件蜕化情况的估计,并实现故障诊断基准数据的修正,构建了1种包含了机载模型与线性卡尔曼滤波器的组合结构混合卡尔曼滤波器组。该卡尔曼滤波器组能够在之前所描述的故障/蜕化耦合情况下定位故障传感器,并得到较为准确的部件蜕化估计结果。为了验证了混合卡尔曼滤波器组的有效性,进行了相关仿真。仿真结果表明:混合卡尔曼滤波器组能够在发动机动态过程中遭遇传感器故障与部件蜕化并存的情况下完成故障定位与蜕化估计。     

固体火箭的鲁棒自适应耗尽关机制导方法研究

针对固体火箭的耗尽关机制导问题,提出了一种基于闭路制导和零射程线相结合的自适应耗尽关机制导方法,该方法首先利用闭路制导技术,使待增速度快速收敛;随后基于零射程线理论,设计了对关机时间变化不敏感的零射程线能量耗散管理导引律和末速精调导引律,提高了耗尽关机方法在推力、秒耗、关机时间随机摄动条件下的鲁棒性和自适应性以及制导精度,从而拓展了耗尽关机显示制导方法的工程化应用.     

火箭返回制导动力着陆段的自适应启动方法

针对重复使用火箭垂直返回着陆问题,提出了一种燃料最优的动力着陆段自适应启动方法。首先,将燃料最优启动点对应的动力着陆轨迹的推力剖面和攻角剖面描述为解析的形式,该解析形式中攻角剖面由状态量唯一确定,推力剖面仅含一个待定参数。随后,通过预测具有上述解析剖面形式的轨迹判断是否启动动力着陆。计算中引入松弛终端位置约束的策略求解推力剖面待定参数,由终端位置约束判断是否满足燃料最优启动条件。上述策略将燃料最优启动条件的判断问题简化为单一变量求解问题,实现了该问题的快速求解。仿真结果表明,该方法得到的启动点与数值优化方法得到的燃料最优启动点接近,且求解过程稳定、计算效率高。     

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。     

Investigations into sensing characteristics of circular thin-plate electrostatic sensors for gas path monitoring

Circular thin-plate electrostatic sensors are promising in gas path monitoring due to their advantages of non-intrusiveness and easy installation. The spatial sensitivity and filtering effect are two important performance parameters. In this paper, an analytically mathematical model of induced charge on a circular thin-plate electrode is first derived. Then the spatial sensitivity and filtering effect of the circular electrostatic sensor are investigated by numerical calculations. Finally,experimental studies are performed to testify the theoretical results. Both theoretical and experimental results demonstrate that circular thin-plate electrostatic sensors act as a low-pass filter in the spatial frequency domain, and both the spatial filtering effect and the temporal frequency response characteristics depend strongly on the spatial position and velocity of the charged particle. These conclusions can provide guidelines for the optimal design of circular thin-plate electrostatic sensors.     

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%.