基于模糊自适应卡尔曼滤波的INS/GPS 组合导航系统算法研究

针对车载组合导航系统量测噪声统计特性随实际工作条件的不同而变化的特点,提出了一种基于模糊自适应卡尔曼滤波的车载INS/GPS组合导航算法。该方法通过监视理论残差与实际残差的比值是否在一附近,应用模糊推理系统不断的调整量测噪声协方差阵的加权,对卡尔曼滤波的量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高导航系统的精度。对车载组合导航系统的仿真结果表明,这种算法对时变的量测噪声具有较强的自适应性,进而精度比常规卡尔曼滤波也大为提高,是一种可行的车载组合导航算法。     

月球探测器动力下降段最优轨迹参数化方法

为保证月球探测器进入姿态调整段时具有充分的高度与速度余量,本文提出一种基于控制变量参数化的月球探测器动力下降段最优轨迹求解方法。在三维探测器软着陆动力学模型基础上,将月球探测器软着陆制导律设计等效为燃料最优约束下的探测器俯仰角控制问题,利用控制变量参数化(Control Variables Parameterization, CVP)方法将该控制问题中的控制变量与约束条件转化为非线性规划问题求解,并引入时间尺度变换,将着陆时间序列加入待规划参数,进而求得满足精度的最优数值解。蒙特卡罗仿真实验表明,与传统的显式制导律相比,本文提出的参数化制导方法在动力下降段燃料更省,动力下降段的起始高度在±20%范围内波动时,仍能以高精度速度和高度指标完成末制导。     

基于置信度加权的组合导航数据融合算法

 针对联邦滤波融合算法中由于模型量测噪声统计特性未能被准确描述导致其子滤波器误差变大，进而导致联邦滤波估计出现偏差的问题，为了改进联邦滤波融合方法，将模糊自适应卡尔曼滤波方法和置信度加权方法与联邦滤波融合方法相结合，应用于组合导航系统。该方法首先将模糊自适应卡尔曼滤波方法应用于各子滤波器，使其能够跟踪真实量测噪声统计特性。然后通过模糊方法计算得到各子滤波器的置信度，进而得到联邦滤波器的置信度，再由得到的置信度对各子滤波器及联邦滤波器输出进行加权，得到最终的全局输出。对车载组合导航系统的仿真结果表明，这种算法对量测噪声具有较强的自适应性，能够抑制置信度低的子滤波器在融合系统中所占的权重，提高联邦滤波融合算法的精度，是一种可行的车载组合导航数据融合算法。     

基于自适应通信拓扑的无人机集群弱路径约束下的分布式控制器设计

针对传统无人机集群飞行控制需要规划过多飞行路径的问题，设计一种结合线性二次型调节器(LQR)与机间防撞的分布式协同控制器，不需要为集群设计相对构型，只需给定一条满足无人机动力学约束的飞行路径，集群就可沿路径飞行。该控制器通过设计自适应通信拓扑来稳定加入机间防撞机制带来的抖振效应，并使集群具有良好可扩展性。仿真结果表明，所设计的分布式控制器可以实现规划一条路径下无人机集群无机间碰撞的稳定飞行。     

基于点云深度学习的对称结构空间目标相对位姿测量

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题，提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法。首先设计空间目标点云特征提取网络及关键点回归网络，将位姿测量问题转换为空间目标点云关键点回归问题，通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点；其次利用具有连续稳定标签的角点求解目标姿态，可有效解决目标的对称结构导致的点云误配准问题；最后通过仿真数据集的实验表明，该方法相比于传统的点云配准方法有更高的准确率，能够精确求解具有对称结构的空间目标相对位姿。