优化抗差自适应滤波器在深组合导航中的应用

为了提高惯性/卫星深组合导航系统的滤波性能,在抗差自适应滤波算法的 基础上,研究了一种优化抗差自适应滤波算法。该算法通过比较实际预测残差协方差矩 阵和理论协方差阵的差值来生成自适应因子,从而优化抗差自适应滤波。将所研究的算 法应用于惯性/卫星深组合导航系统, 在高动态环境下进行仿真验证, 并与常规卡尔曼 滤波、抗差自适应滤波进行比较。结果表明,优化算法能有效地控制观测异常和动态模 型异常对状态参数估值的影响,所得组合导航位置误差和速度误差明显减小,提高了组 合导航系统的滤波精度。     

晃动环境下组合导航系统精度事后评估算法研究

海风、波浪、海流等因素会产生舰船的摇摆晃动,从而给舰船导航系统精度带来严重干扰.固定区间平滑滤波处理算法能够利用观测时间间隔内全部观测信息得到状态的最小方差估计,对导航精度进行事后评估.在研究晃动环境下的SINS/GP S组合导航应用平滑滤波算法的相关原理的基础上,首先利用Kalman滤波器进行组合导航,存储相关信息后按时间逆序利用固定区间平滑滤波算法进行事后分析.该方法可以针对不同的海况以及不同的海上作业需求,有效地为组合导航系统精度提供检验标准,考核各种海洋环境下的导航系统精度.     

软管-锥套式空中加油动态建模与性能分析

提出了一种基于凯恩方程的自主空中加油软管-锥套动态模型及性能分析方法。该方法将软管视为由有限段以铰链形式连接的刚性 杆组成，锥套为软管末端的一个质点。本文定义了描述系统状态的广义坐标及广义速率，导出了软管段位置多级递推公式和系统动态方程，估算了软管在加油机尾流、定常流和大气扰动下的气动载荷。通过数值仿真分析了平稳大气中锥套在加油机不同飞行条件下的稳态阻力和软管拖拽轨迹，验证了模型的正确性及系统稳定性。最后研究了大气扰动对锥套运动的影响及不同软管段的受扰运动。     

北斗导航接收机高增益相干积分算法

近年来,针对弱信号的高灵敏度接收机已逐渐成为国内外的研究热点。加长相干积分时间可以提高信噪比,从而跟踪到更弱的信号。但是,北斗导航接收机跟踪环路并不可以无限加长相干积分时间,相干积分时间的长短和功效还受到卫星导航电文比特跳变的限制。为了消除导航电文比特跳变对相干积分的影响,提出了一种改进的基于最大似然估计的北斗信号位同步方法,完成位同步后再利用先猜后检的方法便可以实现长相干积分。利用软件接收机进行编程设计,仿真结果表明：该长相干积分算法能够稳定可靠地实现对弱信号的跟踪,20ms相干积分环路信噪比约提升12dB,40ms相干积分环路信噪比约提升15dB,80ms相干积分环路信噪比约提升17dB,提高了北斗导航接收机的灵敏度。     

高性能飞行器大气数据传感技术研究进展

大气数据是飞行器导航和控制的重要参数，大气数据传感技术是实现飞行器飞行安全及性能发挥的重要保障。针对高性能飞行器对大气数据传感技术的发展需求进行分析，重点介绍了传统大气数据传感技术、嵌入式大气数据传感技术、光学大气数据传感技术及虚拟大气数据传感技术的发展和特点，并对推动嵌入式大气数据传感技术发展的相关技术问题进行了分析和总结，最后对大气数据传感技术的发展进行展望。     

由感知到动作决策一体化的类脑导航技术研究现状与未来发展

随着脑与神经科学以及人工智能技术的持续发展，昆虫和哺乳动物大脑导航机理启发下的感知/认知/路径规划/动作决策一体化类脑导航技术得到了较大发展，可以实现由原始感知信息输入到导航动作决策的直接输出，呈现出接近动物端到端面向目标导航的智能行为，具有提高密集型无人机集群导航鲁棒性、准确性、实时响应动作、自主智能性以及计算效率的潜力。阐述了昆虫和哺乳动物大脑导航机理及其互补对称关系，以及昆虫和哺乳动物大脑导航机理启发的端到端类脑导航技术内涵；论述了类脑导航技术研究进展，包括类脑环境感知、类脑空间认知、面向目标类脑导航；分析了类脑导航向智能化、神经形态系统以及群体导航发展的新趋势；最后讨论了类脑导航技术应用于无人机密集集群系统时存在的挑战。     

无人机类脑吸引子神经网络导航技术

当前无人机在非结构化或未知环境下飞行主要采用SLAM进行导航与定位，存在如下突出问题：依赖高精度昂贵激光雷达等环境感知传感器；需要建立准确世界和无人机物理模型；受环境影响较大；自主智能水平较低，无法较好地满足无人机对导航系统的要求，需要发展自主智能的导航方式。基于吸引子神经网络的类脑导航技术，无需训练模型参数，不依赖高精度传感器，无需精确建模，且复杂环境下鲁棒性较强，具有解决上述问题的潜力。简要阐述了动物大脑导航机理，分析了吸引子神经网络和基于吸引子神经网络的类脑导航关键技术，最后讨论了吸引子类脑导航技术在无人机应用中的挑战。     

基于混合特征匹配的微惯性/激光雷达组合导航方法

微惯性/激光雷达(MEMS IMU/LADAR)组合导航系统在室内应用时,由于室内结构化环境下环境特征(如点和线段)分布稀疏,传统的单一特征匹配算法存在观测盲区,易造成导航定位参数估计误差大的问题。基于此,研究了激光雷达自适应数据分割方法的点和线段的特征提取算法,提出了基于混合特征匹配观测模型的MEMS IMU/LADR扩展卡尔曼滤波(EKF)算法。同时,设计了MEMS IMU/LADR组合导航试验样机,在室内环境下通过试验对滤波算法进行了验证。结果表明:提出的算法在室内结构化环境下相比传统单一点或线特征匹配组合定位算法的定位精度可提高60%,对于小型旋翼无人飞行器在室内结构化环境中的高精度定位具有较高的参考意义。     

微小型数据采集系统优化设计方法研究

微小型数据采集系统一般是基于微控制器进行设计的,存储设备主要为SD卡,由于微控制器资源有限,因此很难在保证微小型数据采集系统较高采集速度的同时保证采集系统的可靠性.针对该问题,本文分析了影响数据采集系统采集速率及可靠性的主要影响因素,推导了DMA缓冲区设置大小与数据采集系统采集速率及可靠性之间的模型,并设计了数据采集系统主要参数标定与验证试验.试验结果表明,本文提出的数据采集系统设计方法合理、可根据数据采集处理器内存大小、SD卡文件系统性能指标设计数据采集系统,确保数据采集系统的可靠性,对提高系统设计效率、降低微小型数据采集系统的设计成本以及后续改进完善数据采集系统奠定了重要的理论基础.