行星车视觉导航与自主控制进展与展望

以视觉为主的行星车自主地形感知、导航、规划与控制系统是其安全高效探测的重要保障。本文通过对已成功开展和计划中的系列行星车任务导航与控制系统进行汇总，重点梳理了行星车多源地形感知、自主全局和局部导航、自主路径规划与控制等若干关键问题的进展情况，展望了未来自主化、智能化的发展趋势，并结合任务需求构建了行星车视觉导航与自主控制研究框架设想。     

最佳轨迹地形跟随系统的预测控制

 本文采用输出预测算法,为最佳轨迹地形跟随系统设计了控制器,从而简便、有效地将跟踪误差减小到一个很小的数量级,并明显缩短了轨迹重构的计算时间,给最佳轨迹地形跟随系统的实时处理带来了希望。     

机载交通避撞和地形避撞系统的发展

简要说明现有机载避撞系统（ＡＣＡＳ）和近地警告系统（ＧＰＷＳ）的局限性。介绍机载间隔保障系统（ＡＳＡＳ）及其通过ＡＤＳ－Ｂ和ＣＤＴＩ的实现；阐述一种先期告警手段和今后ＡＣＡＳ的发展，以及预测型地面避撞系统（ＧＣＡＳ）或增强型近地警告系统（ＥＧＰＷＳ）的提前告警效果。     

飞行仿真视景中的地形快速生成算法

在航空器飞行仿真中,地面大规模场景制约着仿真速度。为了快速生成地形场景,分析了航空器的视域特点,提出了飞行仿真的视域裁剪方法,确定了地面场景的视野范围,在保证显示质量的同时大范围降低了渲染数据;采用视点相关的LOD技术对场景进行有效简化,实现了大规模地形的实时显示;提出了视野区内背对观察者场景剔除方法和相关的节点评价算法。通过试验证实了该算法的可行性和有效性。     

一种基于Hopfield神经网络的TF／TA航迹规划算法

提出一种基于Hopfield神经网络的无人机地形跟随(TF)/地形回避(TA)迹规划方法.该方法将地研信息反映到算法参数连接权中,利用扩展的Hopfield模型结合无人机约束实现航迹安全、合理的规划.仿真实验证明该方法能获得满意的TF/TA航迹.     

波音飞机地形提示及警告系统改装

为了防止航空事故的发生，多年来，航空业内采取了大量的措施，从不断完善对飞行员有针对性的训练到研制和开发高科技机载电子装置，从减轻机组工作负荷的自动化设计，到机场的各类引导和着陆设备的使用，都是以提高航空安全水平，降低事故的发生率为目的的。目前，新型的地形提示及警告系统(TAWS)已经研制出来，部分飞机已率先装备了该系统，理论和实践都证明该系统的开发是成功的．现今TAWS系统有两种：一种是Honeywell公司研制的EGPWS，另一种是Thales公司研制的T^2CAS。由于EGPWS在全球范围内有着更为广泛的应用，本文将介绍EGPWS的改装。     

一种实用的地形回避/地形跟踪算法

给出了一套地形回避/地形跟踪算法,即动态规划法与线性规划算法,根据即时的飞行任务、地形数据、威胁区信息与天气情况等,可以实时在线地规划出有人驾驶或无人自主控制的飞行器的三维最优飞行轨迹。该算法与软件包在F-16战机的地形回避/地形跟踪系统的升级改造中得到了成功应用。     

三维地形的计算机模拟生成技术

三维地形的生成是许多模拟器中的一项关键技术。文中给出了地形基准数据库的基本概念和一般的建立方法,并给出了形成计算机模拟三维地形的统计特性和产生方法。最后通过大量的计算仿真试验,对三维地形在不同地形条件下的变化进行了仿真评估。仿真结果为三维地形技术在实际的模拟器中的应用提供了依据。     

巡航导弹航向规避弹道的优化设计

航向规避弹道的设计可视为一个多约束的优化问题。对此，通过选择导弹到达每个航路点的时间，用两点约束问题代替多点约束问题，得出了控制能量最优解，并分析了弹道特性。计算结果表明，弹道曲线在不超出导弹可用过载的前提下，通过所有航路点，并满足落点要求。该方法可用于航迹规划研究。     

The Marginal Rao-Blackwellized Particle Filter for Mixed Linear/Nonlinear State Space Models

In this paper, the marginal Rao-Blackwellized particle filter （MRBPF）, which fuses the Rao-Blackwellized particle filter （RBPF） algorithm and the marginal particle filter （MPF） algorithm, is presented. The state space is divided into linear and non-linear parts, which can be estimated separately by the MPF and the optional Kalman filter. Through simulation in the terrain aided navigation （TAN） domain, it is demonstrated that, compared with the RBPF, the root mean square errors （RMSE） and the error variance of the nonlinear state estimations by the proposed MRBPF are respectively reduced by 29% and 96%, while the unique particle count is increased by 80%. It is also found that the MRBPF has better convergence properties, and analysis has shown that the existing RBPF is nothing more than a special case of the MRBPF.