月面特征稀疏环境下的视觉惯性SLAM方法

月球车在执行科学探测任务过程中，其自身的高精度定位是一项亟需解决的关键问题。针对在特征稀疏的月面环境下的定位问题，提出一种视觉惯性融合的SLAM方法，将视觉测量与惯性传感器的信息利用位姿图优化方法融合，实现高精度的联合定位。针对特征稀疏环境下的前端视觉数据关联误差较大的问题，提出了一种基于四元树的光流跟踪算法，能够有效地跟踪鲁棒的特征点，提升了关键帧之间相对位姿估计的准确性。并且针对月面环境特有的恒星无穷远点干扰问题，提出一种高效的恒星点剔除算法，能够有效改善无穷远点导致的定位精度下降的问题。搭建了一套模拟月面环境的计算机仿真系统，并构建了多个月面环境视觉惯性SLAM仿真数据集，在不同的模拟月面场景下进行定位性能仿真验证，仿真测试结果表明本文算法的鲁棒性更强，具有更高的定位准确度。     

基于微电铸工艺的摩擦接触式微型惯性开关

针对微型惯性开关闭合时间短、接触弹跳问题,设计了增强接触效果的摩擦接触式微型惯性开关。基于MEMS惯性开关工作原理,建立了开关物理模型,研究了不同类型惯性开关的闭合性能,提出了增强接触的摩擦接触方法,设计了摩擦接触式微型惯性开关的结构。为了对比接触性能,基于UV–LIGA叠层光刻和精密微电铸工艺,研制了3种不同类型的惯性开关。最后,进行落锤试验,测试结果显示:施加400g外载加速度时,刚性、柔性、摩擦接触式微型惯性开关的闭合时间分别为10μs、80μs、620μs;在惯性开关中引入摩擦电极,既能延长闭合时间,又能解决弹跳问题。研究结果表明,摩擦接触式微型惯性开关在增强接触效果方面具有很大的优越性。     

基于LSTM的空间机器人系统惯性张量在轨辨识

在空间机器人抓捕目标的过程中，整个系统的惯性张量会随时间变化且在目标被捕获瞬间发生突变，这会严重影响整体姿态控制的精度。针对以上问题，提出了一种基于长短期记忆（LSTM）的系统惯性张量在轨实时辨识方法。首先，对于目标捕获前后的2个阶段，利用拉格朗日方程建立了空间机器人的动力学模型；然后，基于所建空间机器人模型采用域随机化方法生成足量训练数据，并用其对由LSTM网络与多层全连接网络构建的参数辨识网络进行训练；最后，使用训练好的参数辨识网络对系统惯性张量进行辨识。数值仿真结果表明：所提方法能够精确辨识空间机器人抓捕过程中的系统惯性张量，所研究系统的主惯量平均相对辨识误差小于0.001，惯性积的平均相对辨识误差小于0.01。     

从美军"PTN"项目看前沿技术在飞行员训练体系中的应用前景

美国空军教育和训练司令部"PTN"项目即"未来飞行员训练计划"已经完成两期验证,项目重点集成了虚拟现实、增强现实、先进生理传感器、人工智能和大数据分析技术,研究了新技术对飞行员训练的适用性.项目取得了良好的效果,美军计划将该项目作为未来飞行员训练体系的重要组成部分.本文分析了"PTN"项目的 组织实施过程和实施效果,阐述了人工智能、虚拟现实、大数据等前沿技术在飞行员培训体系中的应用前景.     

小尺寸Schmidt-Boelter热流传感器的研制

为满足常规高超声速风洞试验的热流测量需求，研制了一种小尺寸Schmidt-Boelter热流传感器。建立了传感器仿真模型并基于该模型对其结构尺寸开展了优化设计。根据优化结果，制作了尺寸为Φ 3×10 mm的传感器样件。在弧光灯热流标定系统上进行了性能测试，试验结果表明:该传感器灵敏度系数大于30 μV·m2/kW，响应时间约50 ms。     

加速退化试验测量不确定度评定方法

受测量分散性、仪器误差等因素影响，加速退化试验中存在测量不确定性问题。提出了加速退化试验测量不确定度的传播与评定方法，以提高试验评估结果的准确性和可信性。首先，介绍了加速退化试验中的测量不确定度来源，并结合维纳过程加速退化模型参数估计过程分析了测量不确定度的传播效应；其次，分别利用测量不确定度指南评定法（GUM）和蒙特卡洛法，量化评定了加速退化试验中性能观测数据测量不确定度对正常应力水平下产品可靠性评估结果的影响；最后，采用某型空间用高分子传感器案例对本文所提方法进行验证，并针对2种方法的估计结果进行了对比分析，验证了所提出方法的有效性。     

基于不确定传感器状态的机载系统多层故障诊断方法

准确的机载系统故障诊断是保证飞机安全飞行和实现经济效益最大化的重要途径。然而传感器受到内外部环境条件的影响而不可避免的存在检测状态的不确定性，因此基于单个传感器或局部区域传感器综合检测结果的方法难以完全保证故障诊断的有效性和正确性。针对飞机机载系统的结构和工作原理，充分利用系统中不同层级、不同区域传感器检测特征之间的关联关系，考虑单个传感器本身存在的不确定性，构建了传感器信息前向融合与反向校验相结合的分层诊断决策方法，实现了对系统状态和传感器状态的双重估计与更新，克服了单一传感器故障对系统诊断推理准确度的影响。该方法较传统故障诊断模型，不再依赖某一个或某一类传感器信息的绝对可靠，在实现系统级的准确故障诊断同时，还能判断具体某一传感器本身是否发生虚拟警。在飞机液压系统故障诊断案例中，新方法成功将系统故障诊断的虚警率降低了96%，传感器的不确定度降低了84%。     

一种多尺度稀疏极化敏感阵列及其DOA估计方法

针对单个电磁矢量传感器(SS-EMVS)的孔径受限和传统稀疏阵列无法提供目标极化信息的问题,结合分离式电磁矢量传感器和稀疏阵列,提出了一种由SS-EMVS组成的多尺度稀疏极化敏感阵列。该阵列的阵列单元为1个完整的分离式电磁矢量传感器,沿y轴分布,整个阵列按阵元间距分为2个均匀子阵,而且这2个阵元间距都可以大于入射信号的半波长,从而构造一个多尺度稀疏极化敏感阵列以得到目标波达方向(DOA)的高精度估计值。该阵列结合了SS-EMVS可降低阵元互耦和稀疏阵列可扩大阵列孔径的优点,提高了目标DOA估计精度的同时降低了阵元互耦,并且对噪声也具备较好的鲁棒性。而在算法上,首先利用矢量叉积算法得到目标方向余弦的低精度无模糊估计值;其次根据2个子阵的空域旋转不变性得到目标方向余弦的高精度模糊估计值,针对这些方向余弦的估计值提出了一种多尺度解模糊算法,可得到目标方向余弦的高精度无模糊估计值;最后经过运算得到目标的高精度DOA的估计结果。仿真结果证明了所提阵列和算法的有效性。该阵列可应用于某些空间受限的实际应用场合中,如安装在飞行器上的传感器阵列,从而发挥电磁矢量传感器的单天线多分量的特点,也可以与MIMO雷达进行结合,借助极化信息提高雷达系统的检测性能和目标二维DOA的估计精度。     

基于多传感器测量的航天器舱段自动 对接位姿调整方法

针对航天器舱段对接通常采用的手工操作方式效率低、精度差和可靠性难以保证的问题，研发了一种基于多传感器测量的舱段自动对接装置，其中舱体位姿的测量和调整是保证对接质量和效率的关键因素。提出了一种基于激光轮廓传感器和CCD图像传感器等多传感器协同测量的舱段六自由度位姿估计和调整方法。首先，采用激光轮廓传感器对舱体进行扫描，获取位姿三维点云信息，并采用改进的最小二乘法对被测舱段位姿进行求解；然后，通过CCD图像传感器获取舱段对接孔位置，通过圆拟合计算角度偏差，求解和拟合的结果将反馈至控制系统进行调姿和对接。采用Gocator 2350激光轮廓传感器及大恒MER-1810-21U3C工业相机进行舱体测量和对接实验，结果表明，舱体位姿调整精度和效率均达到对接要求。该方法结合了激光轮廓传感器的可靠性和机器视觉的灵活性，有效提高了自动对接系统的效率、稳定性和一致性，足以满足未来军用以及民用的需求。      

多传感器协同识别跟踪多目标管理方法

针对被跟踪的目标中存在虚假目标的问题，首先建立基于风险理论、贝叶斯理论和证据理论的目标识别模型，在此基础上考虑边跟踪边识别的情况，建立同时考虑目标跟踪和识别性能的风险函数模型。在模型求解过程中，提出一种基于多Agent分布计算理论的分布式算法。仿真实验结果表明:目标识别框架下能够对目标有效识别并及时停止对虚假目标跟踪；提出的传感器方案求解算法具有较好的求解质量和较快的求解速度；本文传感器管理方法能够避免传感器资源浪费，提高对真目标的跟踪效果。