空运市场需求预测的自适应动态建模方法

根据空运市场需求时间序列的季节性、趋势性及随机振动性的特点，随机过程和时间序列分析手段，建立了空运市场需求预测的自适应平滑模型，并利用卡尔曼滤波法解决了模型参数的动态估计问题。     

卡尔曼滤波动态优化及其在遥控机器人空间实验中应用

本文是在文献[1]的基础上,讨论遥控机器人追踪自由飞行目标物的动态性能问题。应用黄金分割法和元素交替极小化法对扩展的卡尔曼滤波初值条件进行搜索并获得优化解。仿真结果表明优化方法简单可行,优化解满足系统性能要求。     

曲面零件的离散化加工

本文针对传统数控加工编程软件在处理复杂曲面零件加工编程时所遇到的问题，着重介绍了曲面离散化加工编程技术的算法与思想，为解决由多复杂曲面组成的零件加工编程难题提供了计算方法。     

连续时间系统的时间—最佳控制

控制系统最优化的概念包含性能指标的选择以及获得受物理条件限制的最佳控制系统设计这二部分。最佳控制系统和理想最佳控制系统之间的差别在于前受物理条件限制下可达到的最好结果；后是不可能达到的目标。本首先研究离散－时间系统的时间－最优控制系统，然后讨论连续时间系统的时间－最优控制系统。     

星上计算机几种离散化算法的比较

本文陈述并比较了连续时间系统的各种时间-离散化方法,认为阶跃响应不变(或零阶保持器)法比较适于工程实际应用.对分子分母均为二阶连续系统,分母阻尼系数D_2大于1.0、小于1.0或等于1.0这三种情况分别给出了用阶跃响应不变的时间-离散化法得到的差分方程和状态空间方程各项系数的解析计算式.讨论了差分方程形式和状态空间方程形式的等价性问题.最后说明了一个带有液体晃动和太阳帆板挠性特性的三轴稳定卫星姿态控制器是相当复杂的,星上计算机的工作量也是相当大的,因此要防止计算机出现计算饱和问题并同时注意到截断误差问题.     

基于RCS观测序列的空间目标识别算法

针对低分辨率雷达体制下的空间目标识别问题,提出了基于RCS观测序列的空间目标识别算法.该算法首先对空间目标的低分辨雷达RCS观测序列进行离散小波变换,然后在时间-尺度平面上提取十个有效的统计特征,最后基于模糊分类来识别空间目标.应用四类空间目标的实测数据进行了仿真实验,取得了比较好的识别效果.     

无味卡尔曼滤波在热平衡试验中的应用研究

在航天器热平衡试验中应用温度外推预报技术可以快速准确的给出航天器的极限热平衡温度，缩短热平衡试验时间，降低航天器的研制成本。介绍了一种新颖的热平衡试验数据外推方法——无味卡尔曼滤波(UKF)，分析了UKF的应用效果，结果表明应用UKF外推能够在较短的时间内更准确的获得航天器的极限热平衡温度。     

GPS/INS组合系统空中对准方法研究

针对单天线的GPS与捷联惯性导航组合系统,提出了一种空中对准方案,不同于传统的传递对准方法,仅依靠GPS测量信息进行速度匹配,完成空中初始对准。该方案采用扩展卡尔曼滤波方法解决对准过程中的非线性问题。仿真结果表明该方案的对准精度(1σ)可以达到水平姿态误差0.07,°方位误差0.3°。     

主从式卫星编队相对轨道的自主确定

为实现主从式卫星编队飞行中心星与环绕星的自主定轨，采用微波雷达测量卫星间相对距离、距离速率、方位角和仰角。根据动力学方程给出了导航算法，并利用扩展卡尔曼滤波（EKF）提高微波雷达相对速度的测量精度。仿真结果表明，该导航算法对主从式卫星编队较有效，且能获得较佳的导航精度。