脉冲星方位误差估计的两步卡尔曼滤波算法

为了克服钟差和卫星位置误差对脉冲星方位误差估计的影响，设计了两步卡尔曼滤波（TSKF）算法。首先，介绍了脉冲星方位误差估计的传统模型，并通过分析和仿真验证了钟差、卫星位置误差以及2种误差同时存在时会使脉冲星方位误差估计结果产生较大偏差。其次，在传统的估计模型中加入了钟差和卫星位置误差，并将钟差和钟差变化率增广为新的状态量，从而推导出包含2种误差的新模型，并证明了该模型的完全可观测性；根据该模型并按照两步卡尔曼滤波原理，得到了TSKF算法的步骤。最后，通过仿真表明:在钟差和卫星位置误差同时影响下，传统脉冲星方位误差估计算法偏差较大且发散；TSKF算法则能够有效隔离2种误差的影响，使赤经和赤纬误差估计达到0.2 mas之内的精度。      

结构自适应序贯正则极端学习机时间序列预测及其应用

为提高初始小样本情况下时间序列在线预测的精度,提出了一种结构自适应序贯正则极端学习机(SA-SRELM)。该方法在在线序贯学习阶段,针对不同训练样本规模选择不同的递推方式对输出权值进行更新;同时,在训练样本达到一定规模后,为提高预测模型对系统的动态适应性,在加入新样本的同时对旧样本进行剔除,完成预测模型的训练。利用3种混沌时间序列预测实例对所提方法的有效性进行了验证。最后,将所提方法用于航空发动机排气温度预测中,结果表明该方法相对正则极端学习机(RELM)和序贯正则极端学习机(SRELM)方法具有更好的泛化性能,预测精度分别是二者的约6倍和2倍。     

利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.     

脉冲星方位误差估计的TSKF算法

为提高脉冲星方位误差估计对方位自行速度及卫星位置误差的鲁棒性和整体运算的高效性，设计了两级卡尔曼滤波（TSKF）算法。首先，分析了方位自行速度及卫星位置误差对方位误差估计的影响，并分别结合相关算法进行了仿真验证。然后，结合方位误差估计的CV模型和两级卡尔量滤波的相关原理，写出了TSKF算法的更新方程，并分析了实现并行计算的基本流程。仿真实验的数据显示:在方位自行速度及卫星位置误差均存在的情况下，TSKF算法的方位估计精度约为0.1 mas，方位自行速度估计精度约为1.1 mas/a；与基于CV模型的估计算法相比，TSKF算法的浮点运算仅增加了0.048%。      

大角速度条件下星像运动轨迹建模及误差评估

在大角速度条件下星敏感器成像平面上的星像会产生严重拖尾，影响星敏感器性能。为了全面认识星敏感器的星像运动轨迹形式，并定量评估星像运动对星点提取过程的影响，首先研究建立了星敏感器成像平面上星像运动轨迹的数学模型，推导出在成像平面上星像运动轨迹为一段圆弧；然后建立了星像运动时的能量分布模型，并对大角速度条件下基于质心法的星点坐标误差进行了评估，分析得到星点坐标误差的模近似可用星像运动轨迹长度的二分之一来衡量。仿真实验结果验证了所得结论的正确性。      

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

 针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法。该方法将嵌入维数作为影响状态时间序列预测精度的重?问?以交叉验证误差为评价准则,利用粒子群优化（PSO）进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型。航空发动机排气温度（EGT）预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测。     

基于LSSVR的模拟电路故障诊断

对基于最小二乘回归型支持向量机（LSSVR）的模拟电路故障诊断方法进行了研究。根据模型故障诊断原理，设计了LSSVR残差生成器，用遗传算法优化LSSVR参数，以残差的高阶统计量为故障特征识别电路故障。仿真结果表明：该法能有效识别模拟电路的故障，具一定的实用性。     

适用于弹道导弹的导航星选取方法

针对当前适用于弹道导弹的导航星选取方法较少,研究了一种根据标准弹道均匀化选取导航星的方法.通过分析导弹飞行弹道及飞行参数的影响,在构建"伪天球"坐标系的基础上,确定了导航星的选取区域,简化了因射向变化、坐标越界等造成计算和搜索比较复杂的问题;基于天球上的基准点及提出的"距离-星等"加权法,均匀化地筛选导航星,并按照k-vector索引方式构建适用性较好的弹载导航星表,可以有效地提高星图识别算法的效率.仿真结果表明,该方法简单易行,选取的导航星数量少,分布均匀性好,在不降低星图识别成功率的基础上,能够有效地减少识别时间.     

信息融合技术在组合导航系统中的应用

提出了无线电近程导航系统(RSRN S)与IN S/GPS的综合过程,探讨了RSRN S和IN S/GPS综合应用过程中的信息融合技术问题。采用GPS伪距、伪距率以及无线电近程导航定位与IN S组合,建立了卡尔曼滤波方程,设计了飞行轨迹,对相关的信息融合技术进行了初步讨论,并给出了惯性元件精度较低时组合系统的仿真输出。这种组合导航方案可以充分利用各种导航传感器的信息,有效提高导航系统的精度。     

弹载导航星表的设计与实现

根据弹道导弹飞行时间短,飞行姿态相对稳定的特性,提出了一种弹载导航星表的设计方法。分析了导弹飞行轨迹投影的特点,其在天球上投影为大圆,在地心惯性坐标系XOY平面上的投影为椭圆,并对飞行轨迹进行分类。根据限制条件,确定出星敏感器扫描的视场区域,挑选出视场中的恒星,构建出弹载导航星表,并与传统的三角形星表进行比较。仿真结果表明,该方法简单、易行,存储容量较小,同时避免了在两极的情况下,赤经难以表示的问题。减少了星图识别时间,提高了星光制导的数据输出率,满足了星光制导在弹道导弹上应用的要求。