火星大气进入段抗饱和固定时间阻力加速度跟踪制导律设计

研究了具有固定时间收敛特性的火星探测器大气进入段的标称轨迹跟踪制导问题。首先，针对横向运动，给出与速度成线性关系的航向误差漏斗走廊形式，完成了倾侧角的反号逻辑设计。与横程漏斗走廊反号逻辑相比，该逻辑计算量小，更适用于宇航计算机。与航向误差宽度走廊反号逻辑相比，该逻辑在高速状态下能够避免倾侧角的频繁切换，可提高任务成功的概率。其次，针对纵向运动，通过RBF神经网络补偿了倾侧角饱和问题，利用积分滑模设计了阻力加速度固定时间饱和跟踪制导律，其不仅可有效消除滑模控制的抖振问题，且将跟踪误差以两种不同形式引入制导律，能够加速收敛，能够保证跟踪误差在固定时间内快速收敛至0。最后，通过数值仿真验证了所设计的横向倾侧角切换逻辑和纵向制导律对标称轨迹的快速、精确跟踪能力。     

基于最小二乘拟合法的分布式POS全局估计方法

针对无法保证各子阵天线附近均安装高精度子惯性测量单元（IMU）的问题，提出了一种基于最小二乘拟合的分布式位置姿态测量系统（POS）全局估计方法。首先，建立了考虑一维柔性变形角的主/子传递对准误差模型；然后，采用卡尔曼滤波（KF）估计已安装子IMU的子阵天线运动参数；最后，在已获取运动参数的基础上，采用最小二乘拟合估计未安装子IMU的子阵天线运动参数。半物理仿真实验结果表明，所提方法精确实现了阵列天线运动参数的全局估计，且未安装子IMU的子阵天线运动参数估计精度与相邻的子阵天线运动参数估计精度相当。      

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前，目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时，随着脑科学研究的不断深入，人们对人脑视觉系统的理解逐渐透彻，利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs)，提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法，包括：基于演算侧抑制的目标检测算法，基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明，将类脑模型和深度神经网络应用于目标检测和跟踪领域，有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

基于ANFIS的智能导航自适应滤波算法研究

智能导弹等智能化飞行器在快速跨域、高速机动飞行时,由于传感器切换、外形改变等因素,会对组合导航信息融合系统引入随机非Gauss噪声等影响,离线优化的参数往往不能满足滤波器精度的需求。自适应网络模糊推理系统ANFIS是一种将人工神经网络和模糊推理技术相结合而成,符合人类认知特点的决策方法,它可以对导航数据进行学习,实现智能决策、实时修改滤波器内部参数,对滤波器进行优化。仿真结果表明,基于ANFIS优化的智能导航自适应滤波算法可以有效减少噪声和干扰带来的影响,提高导航精度。     

倾斜轨道对地指向小卫星对日跟踪姿态控制算法

固定安装太阳电池阵形式的对地指向小卫星,运行在倾斜轨道时太阳电池阵光照条件恶劣,限制了小卫星的应用。文章研究了对地指向小卫星姿态跟踪控制,提出了控制算法。首先,对太阳电池阵法线和太阳方向矢量进行分析,得到最优的偏航角、偏航角速度和偏航角加速度。然后,基于卫星姿态动力学给出了3个互相垂直安装的反作用飞轮控制律,并利用Lyapunov稳定性理论证明了闭环控制系统的渐近稳定性。以某小卫星为例,对控制算法进行验证,结果表明:文章提出的控制算法具有很好的实用性,控制律有效,能达到太阳电池阵跟踪太阳的效果。     

基于深度学习的空间站舱内服务机器人视觉跟踪

为提升舱内跟随服务机器人的任务辅助能力,解决机器人对航天员的视觉跟踪问题,提出了一种基于深度学习和概率模型的人体视觉跟踪算法。利用深度卷积神经网络实现了对穿着多样、姿态任意人体的稳定检测。结合人体检测结果,设计了运动预测概率模型,实现了对指定人员准确、连续的跟踪。算法对包含大多数航天员活动的多个数据集进行了验证。实验结果表明:提出的跟踪算法实现了对穿着多样、姿态任意人体的稳定跟踪,并有效避免了由于穿着相似、遮挡可能造成的误跟踪问题。该算法为空间站舱内跟随服务机器人对航天员的视觉跟踪提供了有效的解决方法。算法基于融合的RGB-D图像,工程上易于构建和实现,也可拓展到其他跟随服务机器人视觉跟踪任务中。     

高超声速滑翔目标自适应跟踪方法

针对机动模式复杂多变的高超声速滑翔目标跟踪问题，提出了一种机动频率自适应跟踪方法。采用介于常速度和常加速度模型之间的Singer模型来表征目标气动力加速度的变化，从而建立跟踪系统的状态方程。根据地基雷达量测量获得系统的量测方程，鉴于距离和角度信息的量级相差较大将其由球形量测量转换为位置量测量。为了适应高超声速滑翔目标灵活多样的机动模式，基于正交性原理和无迹卡尔曼滤波算法实现了Singer模型中机动频率参数的自适应。利用滤波信息计算得到能够反映状态模型误差大小的调整因子，用于放大Singer模型中的机动频率，进而调整状态方程的过程噪声以降低模型误差。通过对2种典型机动轨迹的跟踪仿真，并与交互式多模型等方法进行比较，结果表明所提方法的跟踪精度高、计算量小，能够较好地适应阶跃机动和连续幅值变化的机动。     

视觉与惯性融合的多旋翼飞行机器人室内定位技术

随着人工智能技术的发展，无人机的应用场景趋向多元，人们对无人机的需求也不仅仅满足于简单的飞行任务，而是赋予其飞行机器人的角色，对其自主导航、复杂环境下的定位以及智能协同方面提出了更高的要求。针对室内场景下的定位需求，融合视觉与惯性数据实现了多旋翼飞行机器人的室内定位。在视觉前端加入图像增强算法以提高图像灰度对比度，减少了光流跟踪的误匹配点数。提出了一种基于图像信息的特征点提取和图像帧发布策略提高了定位精度，解决了室内环境下的定位漂移问题。针对飞行机器人室内自主跟踪及降落任务，设计了基于视觉定位的飞行机器人自主降落系统。在Gazebo中搭建飞行机器人模型仿真验证自主降落系统有效性，在EuRoC数据集下对定位算法进行对比评估，搭建飞行机器人平台在真实场景下进行室内定位实验，完成了室内场景下平台自主跟踪及降落任务，并采用运动捕捉系统获取的定位真值数据进行了误差分析，结果表明该定位技术满足室内场景下的自主跟踪及降落任务需求。     

具有边界保护性能的直升机飞-发一体化控制律

针对直升机飞-发一体化控制和边界保护控制问题，提出了一种基于投影算子的新型边界保护控制律设计方法，基于反馈控制概念设计了指令约束器，通过对控制指令进行修正，实现边界保护控制。基于UH-60直升机和T700涡轴发动机的参数，建立了直升机-传动机构-发动机综合系统的数学模型，采用动态逆和线性二次型调节器（LQR）控制理论设计了直升机飞-发一体化控制律，与基于投影算子的边界保护控制模块进行整合形成完整控制律。采用数值仿真检验了控制律的控制性能，仿真结果表明本文设计的控制律能够实现直升机和发动机的综合控制，在高度、滚转、俯仰、偏航通道实现显模型跟踪控制性能的同时，实现了高度变化率、姿态角、姿态角速率和发动机动力涡轮转速边界保护控制要求。     

基于SRCKF的多传感器融合自适应鲁棒算法

为解决模型误差和异常量测值发生时平方根容积卡尔曼滤波（SRCKF）算法滤波性能下降甚至滤波发散的问题,提出了一种多传感器融合自适应鲁棒算法。基于新息协方差匹配原则设计了鲁棒子系统以抑制量测异常值,同时为克服模型误差使用基于新息修正的低复杂度自适应SRCKF(LCASRCKF)算法设计了自适应子系统,根据2种子系统的特点和局限提出全局融合架构,使系统可以充分平衡并利用滤波过程中先验的模型预测值信息和后验的量测值信息,最终降低估计误差。仿真结果表明：相比鲁棒多渐消因子容积卡尔曼滤波（RMCKF）等算法,所提融合算法在滤波精度、稳定性和收敛速度等方面有明显优势。