SERF原子自旋惯性测量检测误差分析及抑制

在无自旋交换弛豫(SERF)原子自旋惯性测量装置中，检测系统的性能是决定输出信号灵敏度和稳定性极限的关键因素。为有效抑制SERF原子自旋惯性测量的低频随机噪声，在横向电子自旋极化率稳态解和旋光角表达式的基础上，建立检测相关的输出信号误差机理模型，明确了检测系统影响最终测量信号噪声的主要因素。研究结果表明：检测光入射气室时的初始光强作为信号背景直接引起刻度系数的波动而非作用于电子自旋，而检测光的非理想线偏振导致电子自旋产生横向抽运效果和横向光频移作用，从而引入测量误差。针对检测系统影响测量信号噪声的主要参数，设计了参数优化路径：先通过优化检测光频率，提高惯性测量刻度系数，后通过检测光功率的优化，减小横向抽运效应、横向光频移作用及检测光背景波动。实验表明：通过对比输出信号的Allan方差，优化后SERF原子自旋惯性测量的零偏不稳定性减小了1.8倍，速率斜坡噪声系数从0.124 (°)/h²减小至0.041 (°)/h²，达到了抑制测量信号低频随机噪声的效果。     

航海光纤惯导缓冲基座结构参数优化

针对航海光纤惯导用缓冲基座的几何参数进行优化设计,使冲击试验前后由于缓冲杆复位误差和球铰磨损误差造成的动平台位姿变化最小,复位精度最优。首先,介绍缓冲基座的结构和复位精度的概念;之后,建立复位精度的模型,确定复位精度与缓冲杆复位误差和球铰磨损误差的关系;然后,根据复位精度模型,确定目标函数和设计变量,将结构优化问题转变为数值优化问题;最后,用模拟退火算法解决优化问题,并将优化结果与拟牛顿方法和步长加速法分别求解得到的结果进行对比,选取模拟退火算法为最优方法。在球铰磨损误差限定为±0.01mm以内,缓冲杆复位精度误差限定为±0.05mm以内时,复位精度优于33.18″。     

多智能体协同视觉SLAM技术研究进展

多智能体的协同视觉SLAM系统在地面机器人或空中飞行器梯队中应用得越来越广泛。由于不同的智能体之间会交换或共享信息,协同视觉SLAM系统不同于应用在单个智能体上的典型的视觉SLAM系统,具有更好的鲁棒性、准确性和高效性。阐述了多智能体协同视觉SLAM的发展历史和现有的研究方法,描述了协同视觉SLAM系统实现所涉及的关键技术,包括协同姿态估计和地图构建,以及新兴的分布式架构。此外,对多智能体协同视觉SLAM技术的发展趋势进行了展望。