基于双力源的叠加式多维力传感器校准装置研究CSCD

介绍了一种基于叠加机原理的双力源多维力传感器校准装置的设计与研制,对装置的测量不确定度进行了分析,通过对三分量力传感器的校准实验,证明了校准装置不仅可以对多分量力传感器进行单分量校准,还能方便地实现耦合误差的校准。     

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。     

对于动态目标的航天器鲁棒PD+快速跟踪控制方法

摘要：针对卫星对于空间动态目标快速、稳定地跟踪、控制目标，同时考虑平台模型的不确定性、外部随机干扰、系统控制力矩与角速度约束等因素，设计PD+控制器实现对于动态目标的快速、稳定跟踪；在经典PD控制器的基础上设计控制添加项使得系统能够按照既定轨迹运动；采用变结构的手段实现系统收敛速度的提升；合理设计Lyapunov函数的结构，引出角速度、四元数的耦合项对V函数进行改良，简化系统稳定性证明与分析的过程；讨论系统最极端情形，通过对V函数上下界的讨论分析系统该情形下的稳定性；最后通过数值仿真验证所提出算法的有效性与优越性.     

平台摇摆对卡尔曼滤波跟踪精度的影响

通过建立目标相对运动坐标系和目标相对运动观测模型,研究了在平台摇摆影响下,跟踪系统观测到的目标运动状态的变化。在分析捷联垂直基准补偿原理的基础上建立了捷联垂直基准平台摇摆角补偿模型,建立的模型结合捷联垂直基准系统的测量能力对其补偿算法进行了理论推导,使模型适用于实际捷联垂直基准系统。通过建立模型以及仿真研究了平台摇摆作用下卡尔曼滤波跟踪精度的变化,指出了摆造成卡尔曼滤波跟踪精度降低甚至离散的主要原因在于模型误差增大。设计仿真实验验证了结论的正确性,为进一步改进跟踪手段提供了理论参考。     

基于变量集结预测控制的四旋翼无人机控制器设计

针对四旋翼无人机路径跟踪问题，设计了一种基于变量集结预测控制的控制器。首先以四旋翼无人机状态空间模型为基础建立预测模型；接着设计控制器时采用分段集结的策略把控制量集结成三段优化序列以减少优化计算量，并降低优化保守性，为了进一步加强系统稳定性，控制器引入终端代价函数和终端约束；最后用四旋翼无人机的动力学模型作为被控对象进行仿真验证，结果表明：该控制器能使四旋翼无人机在三轴方向均能实现一个良好的路径跟踪效果。与传统方法相比，这种基于变量集结的预测控制策略能够减小在线优化量，更适合四旋翼无人机飞控芯片的应用。     

多飞行器动态目标追踪协同控制研究

多飞行器追踪动态目标是一个协同控制问题,需要根据目标飞行状态,协同各个追踪飞行器的飞行状态,最终能够在某动态的最佳点实现同时到达。考虑到目标具有较强的机动性,轨迹通常为非线性的,设计了一种基于非线性轨迹预测的、以剩余时间为控制变量的一致性控制方案。仿真结果表明,提出的控制方案能够实现空间位置相距较远的多飞行器动态追踪,具有较好的灵活性和收敛性,目标轨迹的预测结果与实际轨迹误差较小,恰当的轨迹估计有助于缩短追踪时间,提高追踪效率。     

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。     

Real-time object tracking via least squares transformation in spatial and Fourier domains for unmanned aerial vehicles

This paper addresses the problem of real-time object tracking for unmanned aerial vehicles. We consider the task of object tracking as a classification problem. Training a good classifier always needs a huge number of samples, which is always time-consuming and not suitable for realtime applications. In this paper, we transform the large-scale least-squares problem in the spatial domain to a series of small-scale least-squares problems with constraints in the Fourier domain using the correlation filter technique. Then, this problem is efficiently solved by two stages. In the first stage, a fast method based on recursive least squares is used to solve the correlation filter problem without constraints in the Fourier domain. In the second stage, a weight matrix is constructed to prune the solution attained in the first stage to approach the constraints in the spatial domain. Then, the pruned classifier is used for tracking. To evaluate proposed tracker's performance, comprehensive experiments are conducted on challenging aerial sequences in the UAV123 dataset. Experimental results demonstrate that proposed approach achieves a state-ofthe-art tracking performance in aerial sequences and operates at a mean speed of beyond 40 frames/s. For further analysis of proposed tracker's robustness, extensive experiments are also performed on recent benchmarks OTB50, OTB100, and VOT2016.     

基于NHDO的机动目标拦截攻击角度约束导引律

为了精确控制导弹在有限时间内以期望攻击角度拦截机动目标,采用将导弹自动驾驶仪简化为惯性环节的方法,结合终端滑模控制理论设计了一种带攻击角度约束的有限时间收敛制导律。为了滤除视线角速率噪声,提出一种非线性跟踪微分滤波器对噪声进行滤波,建立了考虑滤波的制导系统状态方程,基于此方程设计非齐次干扰观测器,用于目标机动不确定项的估计补偿。仿真结果表明,所设计的制导律能达到对视线角速率有效滤波,对目标机动状态精确估计的目的,克服系统动态延迟对制导精度的不利影响,满足攻击角度和制导精度的双重要求。     

An Artificial Neural Network based approach for estimation of rain intensity from spectral moments of a Doppler Weather Radar

By using a Doppler Weather Radar (DWR) at Shriharikota (13.66°N & 80.23°E), an Artificial Neural Network (ANN) based technique is proposed to improve the accuracy of rain intensity estimation. Three spectral moments of a Doppler spectra are utilized as an input data to an ANN. Rain intensity, as measured by the tipping bucket rain gauges around the DWR station, are considered as a target values for the given inputs. Rain intensity as estimated by the developed ANN model is validated by the rain gauges measurements. With the help of a developed technique, reasonable improvement in the estimation of rain intensity is observed. By using the developed technique, root mean square error and bias are reduced in the range of 34–18% and 17–3% respectively, compared to Z–R approach.