基于双滤波器的高精度目标跟踪估计方法

针对连续推力的合作航天器，采用双重无迹卡尔曼滤波(DUKF)算法估计其状态和加速度。通过状态滤波器和参数滤波器的配合，提升滤波精度，完成运动状态和参数的估计，从而实现合作目标的运动轨迹跟踪。与合作航天器相比，非合作航天器存在大小未知、发生时刻未知的机动，无法获得加速度，且信息获取和运动状态的估计难度大。针对非合作航天器，基于简化的相对运动方程，结合天基平台获得目标的观测信息，采用两个扩展卡尔曼滤波(EKF)及基于半正焦弦的机动检测策略实现多未知脉冲机动的运动状态的估计。仿真结果表明：相比于无迹卡尔曼滤波（UKF），DUKF在对合作航天器的状态和加速度估计方面具有更快的收敛速度和更高的滤波精度；对于存在未知机动的非合作航天器，通过对比验证机动检测策略与滤波器切换策略相结合的方法的有效性，该方法能够检测到多次机动并且减少误判。     

一种小天体旋转参数估计方法

小天体旋转参数是科学数据，也是小天体测绘，着陆导航的基础数据.研究一种在小天体探测接近段过程中使用的基于图像上特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法.该方法首先建立小天体旋转关系模型，表示小天体在相机坐标系中的姿态变化；然后定义小天体旋转的状态方程，推到了扩展卡尔曼滤波器的计算过程.通过对观测图像序列上的特征点跟踪，利用扩展卡尔曼滤波器方法得到小天体旋转轴指向和自转角速度估计.实验中，在仿真相机与小天体相机100 km距离上，分析了相机坐标系小天体坐标系之间的四元数初值，图像上特征点跟踪精度，相机的观测指向等因素对小天体旋转参数估计精度的影响.实验结果表明，提出的基于图像特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法能够得到具有较高精度的估计结果.     

基于混杂非对称复合材料的自适应对日定向器

提出并设计了一种基于混杂非对称复合材料层合板的新型自适应对日定向器。该对日定向器采用混杂非对称复合材料层合板作为驱动元件，利用在轨光照条件的变化引起复合材料层合板温度变化，进而使其产生热变形并驱动太阳翼发生偏转。提出的自适应对日定向器结合传统的单自由度对日定向机构，能够实现太阳能帆板的双自由度对日定向。介绍了自适应对日定向器的基本原理，并结合地球静止轨道的光照条件进行了具体设计。利用能量变分原理建立了混杂非对称复合材料的热变形模型，分析其热变形特点，并利用有限元方法对定向器在地球静止轨道上的温度场特性、热变形及对日定向转动角度进行分析。有限元分析结果表明，通过合理设计，自适应对日定向器的转角能够随太阳光入射角变化呈线性变化，定向精度可达±1°。     

航空电子产品电磁环境效应模块化设计方法

对高强度辐射场（HIRF）环境特点与干扰类型进行分析，采用理论计算、计算机仿真技术（CST）的仿真分析及实测等方法分别对某型飞机航空电子系统综合显示单元的外部强电磁辐射场孔缝耦合、场线耦合及芯片前端电路影响关键芯片的相关规律进行了研究，给出了相关设计建议。结果表明，可通过分析孔缝、场线耦合获得进入关键芯片前端电路的电磁干扰能量，再结合关键芯片前端电路网络对干扰的插入损耗分析，获得关键芯片在外部强场激励下的感应电压。     

上升段飞行器目标的视频图像跟踪

粒子滤波是一种基于贝叶斯估计理论和蒙特卡罗理论的实时目标跟踪方法，具有较为灵活的并行化跟踪方式，能够较好地维持跟踪目标的假设状态，具有较好的跟踪效果和鲁棒性。上升段飞行器目标飞行视频图像跟踪是火箭等目标飞行监控的重要阶段，但现阶段对飞行器上升段的视频图像跟踪主要依靠人工手动操作云台控制器，实现视频图像中的飞行器跟踪，跟踪图像存在跟踪滞后、画面抖动等现象，跟踪效果受人为因素影响较大。本文提出一种基于粒子滤波方法的上升段飞行器目标视频图像跟踪方法，建立飞行器目标粒子滤波跟踪模型实现对飞行器目标的识别和跟踪，在识别和跟踪的基础上建立云台控制模型，通过对云台的智能控制获得飞行器上升段的高质量图像。采用火箭发射的视频图像作为模型验证的实验数据，检验飞行器目标的跟踪效果。     

高能(450 kV)X射线参考辐射场附加过滤研究

利用MCNP程序对450kV X光机建立模型，计算各参考辐射质下的原级谱、平均光子能量。对ISO 4037-1中已有范围的管电压与附加过滤片厚度关系曲线进行二次拟合，确定模拟厚度范围。利用MCNP计算各附加过滤组合下的平均光子能量值，并与外推法得出的平均光子能量值进行对比，将相对偏差最小时的附加过滤作为最终确定值。从部分能量点的模拟与测量结果的对比可看出，模拟得出的平均光子能量在2%以内与PTB及中国计量院测量结果保持一致，附加过滤最大相对偏差为18%。     

Fault diagnosis based on measurement reconstruction of HPT exit pressure for turbofan engine

Aero-engine gas path health monitoring plays a critical role in Engine Health Management(EHM). To achieve unbiased estimation, traditional filtering methods have strict requirements on measurement parameters which sometimes cannot be measured in engineering. The most typical one is the High-Pressure Turbine(HPT) exit pressure, which is vital to distinguishing failure modes between different turbines. For the case of an abrupt failure occurring in a single turbine component, a model-based sensor measurement reconstruction method is proposed in this paper. First,to estimate the missing measurements, the forward algorithm and the backward algorithm are developed based on corresponding component models according to the failure hypotheses. Then,a new fault diagnosis logic is designed and the traditional nonlinear filter is improved by adding the measurement estimation module and the health parameter correction module, which uses the reconstructed measurement to complete the health parameters estimation. Simulation results show that the proposed method can well restore the desired measurement and the estimated measurement can be used in the turbofan engine gas path diagnosis. Compared with the diagnosis under the condition of missing sensors, this method can distinguish between different failure modes, quantify the variations of health parameters, and achieve good performance at multiple operating points in the flight envelope.     

动态时频谱分析、探测和跟踪的随机有限集法

动态出现和消失多分量信号的时频分析问题一直是非平稳信号处理的难点之一。为此，提出了一种分析、探测和跟踪多分量信号的随机有限集法。该算法利用时频变换，如短时傅里叶变换或自适应谱估计法，以及多项式预测模型，将多分量信号的时频分析问题归纳成可利用随机有限集进行多目标追踪的问题。分析表明：借助于提出的初始权重赋值算法，以及谱分量幅度和频率的联合似然函数，就可利用高斯混合概率假设密度滤波器来实现对动态时频谱的分析、探测和跟踪。在仿真实验中，所提算法有效提升了动态时频谱的跟踪精度，其对微弱时频谱分量的探测能力，以及对载频差异的分析能力均优于文献报道的算法。     

利用增量相位和星光仰角增强XNAV

针对X射线脉冲星导航系统(XNAV)中过程噪声统计特性难以准确获取，对其不当假设导致滤波器估计性能不佳的问题，提出基于自适应差分卡尔曼滤波器(ADDF)的多信息融合算法。为了降低导航误差，在传统脉冲星计时观测的基础上，增加恒星星光仰角及两个时刻间的相位增量观测量，共同增强XNAV。首先，分别建立计时观测模型、相位增量模型及星光仰角模型；然后将多信息测量模型集成到卫星轨道动力学方程中，以建立ADDF滤波模型；最后对所提方法进行仿真验证。实验结果表明，在相同的初始状态和初始噪声误差条件下，与传统X射线脉冲星导航算法相比，多信息融合算法能将导航位置估计精度提高70%以上，位置估计误差降低到 200 m 左右，速度估计精度提高40%以上，且ADDF性能优于无迹卡尔曼滤波器。     

基于ICKF的永磁同步电机无传感器控制方法

针对在永磁同步电机(Permanent magnet synchronous motor,PMSM)中安装传感器带来的高成本、体积增大、可靠性降低和易受环境干扰等问题,提出采用迭代容积卡尔曼滤波(Iterative cubature Kalman filter,ICKF)算法来估计电机转速和转子位置,并将其应用于永磁同步电机无传感器控制。首先,建立了PMSM在α-β坐标系下的离散数学模型。其次,在Matlab/Simulink环境下分别建立了基于容积卡尔曼滤波(Cubature Kalman filter,CKF)和ICKF的PMSM转速、电流双闭环的无传感器矢量控制系统仿真模型,并进行了给定转速和加负载两种工况的仿真验证。最后,基于TMS320F28335芯片搭建了硬件实验验证平台。仿真分析与实验结果均表明,迭代容积卡尔曼滤波算法应用于永磁同步电机无传感器控制中抗负载变化干扰性好、电机运行稳定、电机转速和转子位置估计精度高,可满足对电机精确控制要求较高的应用场合,具有重要参考价值和推广意义。