弹道导弹陀螺稳定平台误差分析与建模

弹道导弹使用的解析式惯性平台与其它航空飞行器惯性系统的工作方式均有不同，目前文献中大多是对方位平台、及单独的惯性仪表进行误差分析，对于弹道导弹惯性平台进行整体性的误差分析与建模的丈献则比较少见。本文应用线性系统状态空间描述方法对弹道导弹惯性平台进行了误差分析，建立了较为完整的误差运动模型并进行了仿真验证。所建立的弹道导弹惯性平台误差运动模型可应用于弹道导弹组合导航系统状态估计及其它弹道导弹误差分析研究中，具有重要的实用价值。     

静态测试中加速度计随机误差模型辨识

在对加速度计输出特性进行了分析的基础上，采用AR模型对加速度计在静态测试中的随机误差进行了辨识，并对辨识出的随机误差模型进行了验证。结果证明，采用这种方法辨识出的随机误差模型具有较高的精度。     

INS/CNS/GNSS组合导航系统信息分析及其滤波器设计

分析了INS/CNS/GNSS组合导航系统信息结构的特殊性 ,指出在此情况下应用联邦滤波器进行状态估计的信息不对等。针对此类情形 ,设计了几种滤波器的结构 ,分析了所设计滤波器的信息构成及信息的分配与融合 ,并尝试提出伪联邦滤波器的概念。本文所讨论的情形及设计的滤波器结构可以推广到一般的同类情形 ,并应用到相似的多传感器信息融合系统中     

微分中值定理与Newton-Leibniz公式的关系及证明

用Newton-Leibniz公式证明了广义微分中值定理，并且证明了所有的微分中值定理与Newton-Leibniz公式在一定条件下可以相互证明。     

p级数及其在级数与积分敛散性判断中的应用

在比较判别法的极限形式中,以p级数为参照级数,通过求p级数中P的范围,根据此时的p级数的敛散性,来判断待定级数的敛散性,并证明p积分与p级数有相同的敛散性以及p积分在积分敛散性判断中与p级数在待定级数敛散性判断中有相似的作用。     

基于全局估计的联邦卡尔曼滤波信息同步方法

组合导航系统一般采用联邦卡尔曼滤波作为基本的状态估计方法。由于各导航子系统的观测周期一般不相同 ,因而存在导航系统的观测时刻与滤波器的滤波时刻不一致的问题。本文提出了一种应用全局估计量与不同步观测量共同进行时间更新 ,以获取同步观测信息的方法 ,并应用仿真运算证明了该方法的有效性     

时变噪声系统的自适应强跟踪滤波器研究

在目标跟踪过程中,强跟踪滤波可以对目标的突变状态进行较好的跟踪,但由于系统噪声和观测噪声协方差阵是时变的未知量,采用固定数值将会影响目标跟踪的精度,所以需要对两种噪声特征进行在线估计.应用噪声有限记忆自适应算法改进强跟踪滤波,在线自适应估计噪声协方差阵,并提出基于时变噪声系统自适应强跟踪滤波的目标预测算法,提高了对目标状态的估计精度.利用自主研发的全自主足球机器人进行目标跟踪的仿真,结果验证了该算法的有效性.     

一种联邦卡尔曼滤波渐变型故障容错方法

具有良好的容错性是组合导航系统的基本要求。组合导航系统易于完成突变型故障的检测与容错,对渐变型故障的检测与容错则较为困难。文中以联邦卡尔曼滤波为组合导航系统状态估计方法,针对渐变型故障,提出了观测品质的概念及其模糊评估方法,应用观测品质进行了导航系统的渐变型故障检测,利用观测品质构成局部滤波器估计均方误差阵的修正矩阵,设计了组合导航系统智能自适应渐变型故障容错方法并完成了仿真运算。     

强跟踪滤波在移动机器人SLAM的应用研究

针对移动机器人的运行特点,分析机器人常用SLAM方法,提出将STF应用于移动机器人SLAM。主要结合STF算法优点,通过引入渐消因子,解决机器人模型未知和状态变化不连续的问题,将算法用于环境地图的创建和机器人的定位。实验结果证明该应用比其它方法定位精度高,能够满足在大范围室内环境下SLAM的需求。     

基于强跟踪滤波的全自主机器人目标预测

全自主机器人在目标跟踪过程中,为了克服视觉系统造成的决策延时,需要对目标进行预测。目前全自主机器人目标预测方法对目标模型有强依赖性,并对突变状态的预测滞后。本文提出将强跟踪滤波理论应用于全自主机器人目标预测,通过引入渐消因子,克服了其它目标预测方法的缺点。仿真结果说明强跟踪滤波对目标的预测比较精确,并对突变状态反应灵敏,说明该方法的有效性。