基于星间测距的卫星自主导航中异常值剔除方法

在星间观测值数据传输中,由于种种因素有个别值与其他值截然不同,对定轨精度造成了严重的影响,必须对这些违反测量过程规律的异常测量值进行剔除。提出一种运用轨道积分器与设定随时间实时变化的门限值对星间距离观测值进行异常值剔除的方法。仿真结果表明,这种异常值剔除方法能够成功剔除观测误差大于等于180m的异常值,较精确、实时地剔除了对定轨结果影响较大的异常值,在卫星导航领域具有一定的应用价值。     

基于BP神经网络的自主定轨自适应Kalman滤波算法

针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。     

北斗系统地固系自主定轨算法

为避免传统惯性系自主定轨算法中的多次坐标转换，针对地固系分布式自主定轨算法原理及其中的关键技术开展研究。给出在地固系中进行自主星历生成的总体框图，推导了地固系自主定轨算法的基本方程，提出一种新的以地固系位置速度为状态量的状态转移矩阵解析计算方法并分析其计算量，证明了地固系自主定轨算法可以进一步降低定轨算法复杂度，且无需上注地球定向参数进行坐标转换。使用仿真数据和真实在轨测量数据的测试结果表明，提出的地固系分布式自主定轨算法与传统算法定轨精度相当，说明了所提算法的可行性，验证了星载自主定轨原型软件的有效性。     

利用分步Kalman滤波器的自主定轨信息融合算法

将星敏感器/红外地平仪的天文定轨信息与星间观测进行信息融合是消除基于星间链路自主定轨中星座整体旋转问题的有效途径。针对两种定轨方法精度相差较大导致融合效果较差的问题,提出了一种分步 Kalman 滤波算法。该算法利用星敏感器观测信息能够有效修正旋转参数的特点,将星敏感器观测信息和星间观测信息进行分步处理和最优信息融合以消除自主定轨算法中存在的星座整体旋转误差,提高定轨精度。通过对Walker星座的仿真表明,利用提出的分步Kalman滤波信息融合算法,星座自主定轨60天后星座URE误差能够稳定在 1.5米 以内,且能有效消除星座整体旋转误差。     

低轨互联网卫星在轨单粒子翻转分析及防护措施

空间单粒子翻转（SEU）对于在轨卫星寿命和可靠性有着较大的影响,然而,针对低轨互联网卫星1000～1200 km的典型极地轨道空间SEU,目前缺少在轨试验验证结果。文章对某型号的两颗卫星在轨7个月以来的SEU事件记录数据进行处理和分析,给出互联网卫星1050～1425 km不同轨道高度上的SEU事件发生的频度、区域及概率,结合在轨运行情况提出互联网卫星在轨单粒子翻转的软硬件防护设计措施。数据表明,在当前低轨互联网卫星的典型轨道高度上,对于抗单粒子翻转阈值为0.7 MeV·cm2/mg的低阈值SRAM器件,在轨SEU事件大部分发生在SAA区域,发生概率约为7.63×10-7 bit-1·d-1。结合卫星在轨空间防护设计经验,通过加强元器件选用控制、软硬件冗余设计、关键器件限流等措施,可以有效提高低轨互联网卫星的在轨可靠性。     

基于神经网络的垂尾飞行载荷模型研究

针对现代飞机结构设计复杂、传力路径多和大载荷结构变形大等因素,提出用神经网络方法建立载荷模型.利用垂尾载荷校准试验数据建立基于神经网络的垂尾根部剪力和弯矩的载荷模型,并对多点进行载荷预测.通过与多元线性回归载荷预测结果进行对比分析,结果表明,在大载荷下神经网络预测精度优于多元线性回归,从而为测量垂尾飞行载荷提供了一种可...