NONLINEAR FILTERING ALGORITHM FOR INS INITIAL ALIGNMENT

The initial alignment error equation of an INS (Inertial Navigation System) with large initial azimuth error has been derived and nonlinear characteristics are included. When azimuth error is fairly small, the nonlinear equation can be reduced to a linear one. Extended Kalman filter, iterated filter and second order filter formulas are derived for the nonlinear state equation with linear measurement equation. Simulations results show that the accuracy of azimuth error estimation using extended Kalman filter is better than that of using standard Kalman filter while the iterated filter and second order filter can give even better estimation accuracy.     

光学基片表面软质抛光胶体粒子的激光清洗

介绍了光学基片表面软质抛光胶体粒子激光清洗的基本方法、原理和实验装置,并通过对含有污染微粒的基片表面进行激光清洗,获得了高洁净表面的光学基片.     

2 AU以内的“渐进型”太阳高能粒子事件模拟

太阳高能粒子（Solar Energetic Particle,SEP）事件是影响地球空间以及深空辐射环境的主要因素之一。“渐进型”太阳高能粒子事件中的高能粒子主要来自于日冕物质抛射（Coronal Mass Ejection,CME）所驱动的激波扩散加速（Diffusive Shock Acceleration,DSA）过程。CME驱动的激波在行星际的传播过程中,其结构不断演化,进而影响到高能粒子的加速过程。本文利用二维太阳高能粒子加速和传播模型,对发生于2014年4月18日的太阳高能粒子事件实例进行了数值模拟。模型考察了黄道面上2 AU的距离以内包含地球所在位置的4个不同点,分别计算了每个点上高能粒子的通量。数值模拟的结果表明：黄道面内不同位置的观察点,与激波波前的磁力线连接不同,从而导致观察点处高能粒子的通量有着显著的差异。该模型的计算结果可以为深空探测计划开展辐射环境研究提供必要的输入。     

基于PSO-ELM的军用飞机维修保障系统效能评估研究

维修保障系统效能评估是军用飞机精细化、规范化管理的一项重要措施,科学的维修保障系统效能评估是精细化保障的基础,是提升战斗力的保证。针对军用飞机的维修保障系统效能评估问题,在总结军用飞机维修保障系统效能评估体系的基础上,提出基于粒子群优化极限学习机算法(PSO-ELM)的维修保障系统效能评估模型;并通过实例进行验证。结果表明:该算法应用于军用飞机维修保障系统的效能评估是可行的,可为军用飞机维修保障效能评估提供借鉴。     

Kalman弹道滤波器的快速收敛性研究

在弹道修正过程中,需根据一段实测弹道参数,准确地估算常规弹箭的飞行弹道。工程中,常应用Kalman滤波方法,结合质点弹道模型建立六状态滤波弹道模型。速度初值估计的准确性,是对滤波过程造成影响的主要因素。为改善这一状况,采用多项式拟合用以对速度状态进行估计并以此作为滤波初始值。在此种估计下滤波,速度滤波过程可快速收敛,位置滤波过程收敛速度大幅度提高,可使最优弹道诸元参数获取时间缩短30%。     

基于事件驱动的容积卡尔曼滤波定位算法

以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动（stochastic event-triggered）的思想,并在此基础上建立了基于残差检测的事件驱动（detected event-triggered）模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波（CKF）算法框架中的滤波更新过程,得到了检测事件驱动CKF（DECKF）和随机事件驱动CKF（SECKF）两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。     

适用于时变不确定系统的并行模型自适应估计

摘要： 针对受到潜在模型不确定性影响的系统,设计一种并行模型自适应估计(PMAE)算法.以往基于不确定性系统模型设计的滤波算法,在模型精确的情况下,性能往往不及传统卡尔曼滤波（KF）.为了解决该问题,设计基于多个并行滤波器的自适应状态估计算法,其中一个滤波器为KF,用于在未出现模型不确定性的情况下,对系统进行最优状态估计;另一个滤波器为扩维卡尔曼滤波（AKF）,用于在出现模型不确定性的情况下,对不确定性模型参数进行辨识.以空间目标监视为例,分析算法的性能.仿真结果表明,利用PMAE算法能够自适应地对两个并行滤波器进行切换和折衷,从而有效应对模型中存在不确定性和不存在不确定性两种情况.     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。