具有外部扰动及不确定系统参数的漂浮基空间机器人关节运动的增广鲁棒控制

讨论了载体位置与姿态均不受控制的漂浮基空间机器人系统的鲁棒控制问题. 利用拉格朗日方法及系统动量守恒关系导出了漂浮基空间机器人欠驱动形式的系统动力学方程, 以确保得到的系统动力学方程关于一组适当选择的组合惯性参数呈线性函数关系. 在此基础上, 借助增广变量法针对末端爪手所持载荷参数存在不确定的情况, 提出了对外部扰动具有鲁棒性的漂浮基空间机器人关节空间轨迹跟踪的拟增广鲁棒控制方案. 所提控制方案由于充分利用空间机器人系统动量守恒关系, 消除了动力学方程中载体位置相关量, 因此具有不需要测量、反馈载体的位置、移动速度和移动加速度的显著优点; 且由于对系统不确定参数及外部扰动始终采用保持鲁棒性的方式而非在线估计的方式, 有效减少了计算量, 因此更适用于机载计算机运算能力有限的空间机器人控制系统实时在线应用. 一个平面两杆空间机器人系统的数值模拟仿真, 证实了方法的有效性.      

航天器非合作目标相对导航的联邦滤波算法研究

提出了一种适用于空间机器人在轨对非合作目标进行测量的“激光测距仪+可见光 测角相机”组合的联邦卡尔曼滤波相对导航算法。分析了激光测距仪和可见光相机进行非合 作目标测量时存在的问题,为此设计了一套包括分别基于测角信息和测距信息的子滤波器, 以及进行子滤波器数据融合的主滤波器在内的联邦卡尔曼滤波器,并提出了具体的判据来对 子滤波器进行“条件重置”。仿真实验数据表明该联邦卡尔曼滤波器能够在部分目标测量设 备的输出出现暂时故障情况下输出较为平稳的相对导航数据,并且滤波算法具有较好的容错 性。
     

空间非合作目标的相对导航粒子滤波算法

针对激光交会雷达作为在空间交会对接过程中的相对导航敏感器,研究了未来特殊背景下,非合作目标航天器对雷达信号发射干扰的情况下的相对导航滤波算法.针对高维模型计算量大的特点对传统粒子滤波算法进行了改进,并与扩展卡尔曼滤波器进行了仿真比较,仿真结果表明改进后的粒子滤波器的滤波效果远远优于扩展卡尔曼滤波器,且计算量优于传统粒子滤波.     

Autonomous navigation of formation flying spacecrafts in deep space exploration and communication by hybrid navigation utilizing neural network filter

Autonomous navigation of spacecrafts is a difficult task, however, which is a must in future deep space exploration. With multiple spacecrafts flying in space, this aim can be achieved by formation flying spacecraft (FFS) utilizing inverse time difference of arrival (ITDOA) and inverse difference Doppler (IDD) methods, which can locate the position of earth-station from one-way uplink signals in the FFS coordinate, and by way of conversion of coordinates, the position of FFS is achieved in earth-centered earth-fixed (ECEF) coordinate. The ability of neural network (NN) filter in navigation to extract position of spacecrafts from random measuring noise of signal arrival time and Doppler shift is studied with different radius of FFS and surveying parameters. The NN filter used by spacecraft group is new way of unidirectional autonomous navigation and is of high precision of hybrid navigation.     

低成本无人机传感器配置方案的设计与仿真

以降低无人机制造成本为目标,在保证无人机安全自主飞行的前提下,提出了基于GPS和垂直陀螺、GPS和三轴速率陀螺及GPS和低成本惯性组件的3种低成本传感器配置方案,并针对每种方案在工程中遇到的问题,采用低通滤波、高通滤波和卡尔曼滤波等数据融合算法予以解决,最后在MATLAB平台下对每种传感器配置方案进行仿真验证.研究对比表明,对于自身稳定性较好的无人机,该3种传感器配置方案均能够实现姿态控制、高度控制、滚转控制以及航迹控制.     

基于AMDAR的航路气象模型研究

提出了一种基于AMDAR的航路气象模型。该模型通过设置虚拟观测点和应用基于卡尔曼滤波的数值气象预报释用技术,融合AMDAR数据和世界区域预报系统（WAFS）发布的格点预报数据,有效提高了航路上气象要素预报的时空分辨率、精度和航路飞行效率。仿真试验表明,航路气象模型的预测性能显著优于目前使用的WAFS预报。     

航空发动机数控系统多故障识别

提出了一种基于模糊逻辑的航空发动机数控系统多故障的识别方法.首先采用Takagi-Sugeno(T-S)模糊模型描述一种涡喷发动机数控系统的非线性模型,然后应用全解耦奇偶方程进行多故障的检测和隔离,并结合卡尔曼滤波器识别出传感器和执行器故障参数.仿真结果表明,针对传感器和执行器同时发生故障的情况,此方法能有效检测故障,并能准确识别出故障参数.      

基于健康蜕化的航空发动机传感器故障诊断(英文)

改进在线故障诊断算法使其能适应发动机健康蜕化是目前故障诊断所面临的困难,如果诊断算法没有自适应能力,在发动机健康蜕化后将失去其诊断功能。为了解决此问题,提出在线故障诊断算法,采用跟踪滤波器估计发动机的健康状况,机载模型根据跟踪滤波器的估计结果进行更新。更新后的机载模型能够与真实的发动机相匹配。这使得当发动机健康蜕化后在线故障诊断仍能保持其有效性。最后采用一组卡尔曼滤波器来对航空发动机传感器故障进行诊断与隔离。通过设计好的一组卡尔曼滤波器,能够诊断并隔离出故障。本文使用非线性发动机模型来验证此方法,仿真结果表明本文提出的在线诊断方法在发动机健康蜕化后仍能保持其有效性。     

多目标跟踪的核粒子概率假设密度滤波算法

提出一种新的多目标跟踪算法：核粒子概率假设密度滤波算法(KP-PHDF)。算法的创新点在概率假设密度滤波算法(PHDF)的目标状态提取步骤,以粒子概率假设密度滤波算法为框架,并运用结合了mean-shift算法的核密度估计(KDE)理论进行概率假设密度(PHD)分布的二次估计、提取PHD峰值位置作为目标状态估计值。分析与多目标跟踪(MTT)仿真的结果表明,与现有序列蒙特卡罗概率假设密度滤波算法（SMC-PHDF）相比,在相同仿真条件下新算法的估计精度提高30.5%。     

基于联邦滤波结构的INS／GPS组合导航系统数据融合研究

为了研究平台式惯导INS（interial navigation system）和全球定位系统GPS（globe position system）组合导航联邦滤波器的实现,使用速度局部滤波器和位置局部滤波器,分别对INS／GPS组合导航系统的向东速度、向北速度,以及对经度和纬度进行卡尔曼滤波,然后将位置数据和速度数据输入主滤波进行数据融合。以无人机的向东匀速水平飞行为背景,运用联邦卡尔曼滤波器算法,使用matelab进行仿真分析。可以证明联邦滤波器算法简单,易于实现,并且可以提高导航系统精度．实际应用中此方法可行。