基于喘振裕度估计模型的发动机高稳定性控制

为解决超机动飞行中发动机喘振裕度不可测量的难题,提出一种发动机喘振裕度的建模方法.喘振裕度的模型分为常规飞行时的无畸变模型与超机动飞行时的损失量模型两部分.无畸变模型是基于喘振裕度特征选择算法筛选最优模型输入,以非线性拟合方法建模实现;损失量模型则基于在线攻角预测模型实时评估发动机进口畸变度,进而计算获得.而后利用上述估计模型对发动机的稳定性进行实时预测,在不改变发动机原控制回路的基础上,对涡轮落压比控制指令进行喘振损失补偿,实现高稳定性控制.最后,通过大攻角机动飞行的数字仿真,验证了上述方案可以准确控制发动机喘振裕度在11%~13%,保证了发动机工作的稳定性和高效性.      

一种基于连续星图观测的自旋姿态估计方法

传统的利用地球敏感器和太阳敏感器作为测量仪器的自旋卫星姿态确定方法存在系统误差和安装误差等,从而导致自旋姿态确定误差较大的问题,文章提出了一种利用星敏感器获取的连续星图估计卫星自旋姿态参数的新方法。该方法以卫星的自旋轴和旋转角速度作为状态变量,通过星敏感器连续跟踪拍摄的恒星的成像位置作为观测量,利用无迹卡尔曼滤波估计出卫星的自旋姿态参数。仿真结果表明,在星敏感器的精度为3″时,该方法的自旋轴估计精度为0.3448″,自旋角速度估计精度为10^-4(°)/s数量级。     

基于插值DFT的弹体弹性自适应陷波方法

针对现代导弹弹性频率低、频率不确定范围大,传统陷波方法会造成严重相位滞后的问题,提出一种基于插值离散傅立叶变换（IpDFT）的自适应陷波方法。该方法利用修正Jacobsen方法辨识、跟踪测量信号中弹性模态的频率,并调整陷波器的中心频率来实现自适应陷波。该估计器频率辨识精度接近克拉美罗下界（CRLB）,弹性幅值变化对辨识精度的影响很小。仿真对比表明,该方法灵敏度高、辨识快、相位延迟小、弹性抑制效果好。与固定参数陷波器相比,相位滞后从29.4°减小到11.86°;与一类用自适应陷波器频率辨识方法相比,辨识时间从2s减少到0.25s,弹性振动幅值峰值为其10%。     

基于双通道距离频率干涉相位解运动目标径向速度模糊方法

针对合成孔径雷达/地面动目标检测系统中动目标径向速度估计存在模糊的问题,提出一种基于双通道距离频率干涉相位解模糊的方法。该方法通过构造干涉相位与距离频率的关系,利用干涉相位随距离频率变化的斜率关系实现径向速度无模糊估计。该斜率与相位缠绕无关,所以所提方法具有不受相位缠绕影响的优点。为了减小噪声对径向速度估计的影响,利用最小二乘线性拟合方法估计该斜率。此方法能实现杂波背景和多目标情况下的应用。通过仿真和实测数据处理验证了所提方法的有效性。     

动量轮诊断测点配置与资源占用度成本评价

以动量轮为例开展诊断测点配置与成本评价方法研究.分析系统功能模块输出与故障模式之间的关系,建立DG图故障传播定性模型.对DG图回路进行处理,生成满足可检测性和可分离性的根节点,建立偶图.采用改进的贪婪算法选取关键测点,给出诊断测点配置方案.考虑测点对系统体积、重量、功耗、处理能力等资源的要求,提出用资源占用度的概念表示成本计算模型,合理设计了资源占用度的表达形式,可以突出某项重要资源要求对评价结构的影响,也可以避免某些重要指标被弱化,并且在需要考虑其他资源要求时可扩展.通过成本模型对测点配置方案进行评价.     

基于贝叶斯稀疏重构的非均匀样本谱估计

在航空电子对抗领域,往往需要利用非均匀样本来估计信号的频谱。针对非均匀样本谱估计问题,提出了贝叶斯稀疏重构谱估计算法(BSRSE)。该算法首先将非均匀采样的谱估计表示为稀疏信号重构问题。然后利用拉普拉斯分布表示稀疏性,建立贝叶斯模型。最后通过构造加速的不动点迭代方法估计参数,从而估计信号频谱。与现有谱估计方法比较,该算法具有较高的频率分辨力、较强的噪声适应能力,且需要较少的样本数。数值仿真验证了该算法的有效性。     

空间目标距离像畸变分析及运动参数估计

针对卫星目标的宽带雷达回波信号,从理论上详细分析了目标运动产生的多项式相位模型,指出三次以上的相位对一维距离像的畸变可以忽略。以频谱主瓣的展宽程度为判据,推导了二次相位需补偿时的目标速度边界条件。结果表明,在典型参数条件下卫星目标的径向速度远大于该临界速度（约560m/s）,需在成像前予以补偿。最后,结合雷达目标散射中心的稀疏分布特性,提出了基于L1范数的空间目标运动参数估计算法。结果表明,该算法对速度的估计误差接近克拉美-罗下界,且远小于临界速度,可用于卫星目标成像。     

An optimization iterative algorithm based on nonnegative constraint with application to Allan variance analysis technique

It is well known that inertial integrated navigation systems can provide accurate navigation information. In these systems, inertial sensor random error often becomes the limiting factor to get a better performance. So it is imperative to have accurate characterization of the random error. Allan variance analysis technique has a good performance in analyzing inertial sensor random error, and it is always used to characterize various types of the random error terms. This paper proposes a new method named optimization iterative algorithm based on nonnegative constraint applied to Allan variance analysis technique to estimate parameters of the random error terms. The parameter estimates by this method are nonnegative and optimal, and the estimation process does not have matrix nearly singular issues. Testing with simulation data and the experimental data of a fiber optical gyro, the parameters estimated by the presented method are compared against other excellent methods with good agreement; moreover, the objective function has the minimum value.     

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

基于贝叶斯网的航班过站时间动态估计

一架飞机每天要执行多个航班,从而 形成航班链。前序航班进港后,若估计出飞机在机场的过站时间,后续航班的离港时间便可 较准确给出。文中选取了对航班过站时间影响较为显著的几个因素,运用历史数据,采用最 大似然估计进行贝叶斯网参数学习并获得不同情况下过站时间的估计值。同时,利用贝叶斯 网增量学习的特性,运用航班增量数据基于贝叶斯估计修正贝叶斯网参数,并用新的学习 结果更新过站时间估计值。实验数据表明,所提出的方法能较好地对飞机过站时间进行估计。最后,对影响过站时间的各因素进行了灵敏度分析对比。