飞机液压系统柱塞泵热分析

随着飞机液压系统向高压化、大功率化方向发展，液压系统的发热及温升问题受到了广泛关注。柱塞泵作为液压系统中重要的能量转换装置，对液压系统的功率损失和温度有重大的影响，良好的柱塞泵的热分析对液压系统的热设计和温度控制有重要的意义。然而传统的柱塞泵热分析方法，如平均油温法、软件仿真法和热节点网络法，因不够准确、高效和简洁而不能满足现代飞机液压系统热分析和热设计的相关需求。本文针对飞机液压系统柱塞泵发热的相关问题，采用基于集总参数的热网络分析方法，建立了柱塞泵热网络模型，通过对柱塞泵不同工况下的仿真，验证了模型的有效性和准确性，为柱塞泵及液压系统的热分析提供了参考。     

适用于时变不确定系统的并行模型自适应估计

摘要： 针对受到潜在模型不确定性影响的系统,设计一种并行模型自适应估计(PMAE)算法.以往基于不确定性系统模型设计的滤波算法,在模型精确的情况下,性能往往不及传统卡尔曼滤波（KF）.为了解决该问题,设计基于多个并行滤波器的自适应状态估计算法,其中一个滤波器为KF,用于在未出现模型不确定性的情况下,对系统进行最优状态估计;另一个滤波器为扩维卡尔曼滤波（AKF）,用于在出现模型不确定性的情况下,对不确定性模型参数进行辨识.以空间目标监视为例,分析算法的性能.仿真结果表明,利用PMAE算法能够自适应地对两个并行滤波器进行切换和折衷,从而有效应对模型中存在不确定性和不存在不确定性两种情况.     

星敏感器低频误差在轨校准方法研究

研究星敏感器低频误差在轨校准问题.星敏感器低频误差主要由周期性的空间热环境变化造成,会对卫星姿态确定精度造成显著影响.针对这一问题,提出一种星敏感器低频误差校准新方法,通过扩维卡尔曼滤波同时估计卫星姿态和低频误差参数.研究表明,采用所提低频误差校准方法能够显著提高姿态确定系统的性能.基于在轨卫星上的星敏感器遥测数据建立了用于数学仿真的星敏感器低频误差模型,数学仿真结果验证了低频误差校准方法的有效性.     

鲁棒滤波技术在脉冲星导航中的应用

  提出将鲁棒扩展卡尔曼滤波(REKF)用于增强X射线脉冲星导航系统克服星表误差影响的能力。指出星表误差可以看作模型不确定性的一部分,采用鲁棒滤波技术进行处理。对REKF和传统扩展卡尔曼滤波(EKF)的性能进行对比。仿真结果表明,存在星表误差的情况下,采用REKF算法进行航天器导航,能够获得优于EKF的定位精度。     

基于神经网络的无迹滤波改进算法

介绍了采用无迹变换(UT)描述随机变量通过非线性系统后的均值及方差的方法,提出可以将神经模糊推理系统(ANFIS)用于确定无迹变换中的参数,使其对随机变量均值的描述达到二次以上精度,并给出了改进的无迹滤波器(UKF)结构和神经网络训练方法;仿真结果表明,该算法适用于系统含有未知输入或系统噪声为非高斯的情况,并可解决一些典型的非线性估计问题,改进算法的性能优于传统无迹滤波器。     

基于中微子探测的测姿和定位方法研究

提出一种基于中微子探测的隐蔽环境载体运动状态确定方法.中微子是一种质量极小、仅参与弱相互作用的微观粒子，恒星发光、核反应堆发电等物理过程都会产生大量中微子.利用中微子传输信号的优势在于中微子具有极强的穿透能力，能够穿透行进路径上的天体.中微子信号源可作为导航信标，为隐蔽环境中的载体提供定姿和定位信息.分别设计了基于太阳等天然中微子信标的姿态确定方法和基于核电站等人造中微子信标的导航定位方法，上述方法的提出，有助于解决传统天文导航(CNS)和全球卫星导航系统(GNSS)在信号拒止环境中无法正常工作的问题.通过数学仿真验证了本文所提方法的有效性.     

基于并行模型自适应滤波的空间目标相对位姿估计

摘要： 扩展卡尔曼滤波(EKF)的估计精度受限于测量噪声统计特性的准确程度,如果敏感器测量噪声方差偏离其标称值,将会对滤波性能产生不利影响.尽管自适应扩展卡尔曼滤波(AEKF)能够对测量噪声方差进行估计,但是,噪声特性准确的情况下,AEKF的性能往往不及传统EKF.针对上述问题,本文提出一种并行模型自适应滤波(PMAF),基于特定的自适应率将EKF和AEKF结合起来,使得在先验信息准确的情况下,EKF在状态估计中起主导作用;相反,在实际噪声方差偏离标称值时,令AEKF起主导作用.这样,即能有效削弱测量噪声统计特性不确定性对滤波性能的影响,又能确保正常情况下的估计精度.以空间目标相对位姿估计为例,通过数学仿真对EKF、AEKF和PMAF进行了对比研究,表明所提算法的综合性能优于传统方法.     

基于近端策略优化算法的四足机器人步态控制研究

足式机器人步态控制是机器人研究领域的难点问题,应用强化学习让机器人自主学习策略提供了一种很好的解决思路.基于ROS机器人操作系统搭建了四足机器人仿真平台,将近端策略优化算法用于四足机器人步态控制,并与其他深度强化学习算法进行了对比分析.仿真实验结果表明,近端策略优化算法在实际应用中具有更好的训练效果.     

联邦滤波器在卫星姿态估计中的应用

本文介绍了由惯性器件、GPS姿态传感器、太阳敏感器、地球敏感器组成的卫星姿态测量系统 ,利用联邦滤波器对载体姿态进行分散化估计 ,计算机仿真表明该方案不仅有与集中滤波器相当的精度 ,且容错性好。在本文给出的系统中 ,选取不同的信息分配因子进行联邦滤波器的设计 ,可以获得不同的子滤波器性能 ,以利于故障诊断。     

基于星间距离测量的高精度自主导航

研究利用地球卫星和月球卫星之间的测距信息进行自主导航的方法.基于三体摄动轨道动力学方程和星间测距信息,可以同时确定参与导航的地球卫星和月球卫星的绝对位置;但是在初始位置误差较大的情况下,导航系统的定位性能会受到影响.为了解决这一问题,提出基于"星间测距+紫外导航敏感器"的组合导航方法.采用该导航方法,能够在初始位置误差和紫外导航敏感器测量误差较大的情况下实现高精度自主导航.基于Cramer-Rao下界(CRLB)分析了组合导航系统的性能,并通过数学仿真验证了该导航方法的有效性.