UKF方法在脉冲星自主导航中的应用

针对X射线脉冲星自主导航中的非线性系统滤波问题,将无迹卡尔曼滤波方法应用于自主导航计算过程中。首先,在简述脉冲星导航可行性的基础上,研究了脉冲星自主导航系统的基本原理和实施方案。然后,根据牛顿二体引力模型构建了航天器运动状态方程,根据脉冲到达时间模型建立了系统观测方程,并对二者进行了误差分析和建模。最后,将UKF算法应用于航天器自主导航过程中,仿真结果表明该方法能够实现航天器自主导航信息的解算。     

一种基于自适应滤波的GPS滚转角估计方法

全球定位系统（GPS）测姿技术主要是利用GPS载波相位和信号功率2种方法,但是测量信息单一且独立,针对旋转载体的测姿问题,提出一种基于自适应滤波的GPS滚转角估计方法,通过融合GPS接收机天线信号功率和多普勒频率信息测量载体滚转角和滚转角速度。利用当前统计模型对滚转角和滚转角速度测量进行系统建模,根据滚转角预测估计值选取量测量,并提出自适应滤波,采用滚转角加速度估计自适应滤波算法,实现了对系统噪声方差阵的自适应调整,避免了滚转角加速度最值的选取问题,降低了噪声的影响。通过仿真验证了基于自适应滤波的GPS滚转角估计方法的可行性,结果表明该方法的测量精度高于无迹卡尔曼滤波（UKF）。      

基于最小二乘拟合法的分布式POS全局估计方法

针对无法保证各子阵天线附近均安装高精度子惯性测量单元（IMU）的问题,提出了一种基于最小二乘拟合的分布式位置姿态测量系统（POS）全局估计方法。首先,建立了考虑一维柔性变形角的主/子传递对准误差模型;然后,采用卡尔曼滤波（KF）估计已安装子IMU的子阵天线运动参数;最后,在已获取运动参数的基础上,采用最小二乘拟合估计未安装子IMU的子阵天线运动参数。半物理仿真实验结果表明,所提方法精确实现了阵列天线运动参数的全局估计,且未安装子IMU的子阵天线运动参数估计精度与相邻的子阵天线运动参数估计精度相当。      

融合高斯过程回归的UKF估计方法

高精度滤波估计是SINS/GNSS组合导航系统的关键技术之一,其估计精度直接影响了导航精度。传统滤波估计方法一般只基于惯导误差模型,未考虑惯导误差模型不确定性的影响。针对此问题,提出了一种采用高斯过程回归（GPR）增强无迹卡尔曼滤波（UKF）预测和估计能力的高精度滤波估计方法。一方面,能在有限的训练数据条件下通过UKF估计误差状态量;另一方面,高斯过程既考虑了噪声,也考虑了UKF的不确定性。将所提方法应用于SINS/GNSS组合导航系统中,车载实验结果表明,所提方法能有效提高滤波估计精度。      

基于超统计的多阶段航空发动机剩余寿命预测

针对传统航空发动机剩余寿命（RUL）预测模型无法客观描述多阶段性能衰退过程及对于RUL预测精度不高的问题, 提出了一个新的多阶段航空发动机RUL预测模型, 包括超统计理论、突变点检测、无迹卡尔曼滤波（UKF）与非线性预测4部分内容。提出了基于超统计理论的多阶段分割滤波（BS-MSF）算法。首先, 该算法采用超统计理论进行突变点检测, 将航空发动机的健康数据划分为多个退化阶段;其次, 应用UKF对融合的时变参数进行滤波处理;最后, 通过非线性拟合对发动机RUL进行预测, 实验采用美国NASA发布的航空发动机数据进行数据分析和验证。结果表明:所提算法在发动机性能退化中的预测具有更好的适应性和更小的拟合误差, 能更准确地预测发动机的RUL, 预测精度比单阶段方法提高5.5%。      

基于AIGWO-IMMUKF的目标跟踪算法

针对目标跟踪算法中滤波器选择和模型设计问题,提出了一种具有自适应性的交互式多模型无迹卡尔曼滤波（IMMUKF）目标跟踪算法。首先,介绍了IMMUKF的算法步骤;其次,提出运用改进的灰狼优化（IGWO）算法优化其中的滤波参数,通过构造调节因子建立了时变的Markov状态转移概率,形成了AIGWO-IMMUKF算法,并给出其算法流程;最后,将所提AIGWO-IMMUKF算法与传统算法在相同条件下进行仿真,得出位置、速度均方根误差曲线,以及时效性对比。结果表明,所提AIGWO-IMMUKF算法克服了传统IMMUKF算法的不足,提升了算法性能,精度和时效性都更优。      

基于UKF和信息融合的航天器自主导航方法

X射线脉冲星导航利用X射线辐射脉冲到达时间 (Time of Arrival, TOA)作为信息输入,星敏感器导航利用星光角距等作为信息输入,是两种不同机理的天文导航方法。提出一种将脉冲星TOA和星敏感器星光角距测量结合的信息融合天文自主导航方法,设计了一种利用激光光量子模拟脉冲星X射线辐射光子的半物理仿真系统用于算法验证,并基于无迹卡尔曼滤波(Unscented Kalman Filter, UKF)使用真轨道参数做了仿真试验。结果表明,基于UKF的信息融合方法比基于EKF（Extended Kalman Filter）的信息融合方法性能更好,与仅使用脉冲星或星敏感器的导航方法相比,能将位置估计精度分别提高52.7%和43.6%,速度估计精度分别提高82.2%和70.5%。     

微小推力下小卫星的轨道递推与推力标定

针对采用微小推力进行轨道机动的小卫星,考虑复杂摄动力的基础设计了一种高精度轨道外推和推力在轨标定算法.首先,建立了考虑地球复杂摄动力和微小推力的小卫星轨道动力学模型;然后基于动力学模型,利用变步长龙格库塔算法,设计了对微小推力小卫星进行高精度轨道外推的方法.随后通过无迹卡尔曼滤波器(UKF),设计在轨标定算法,对存在误...     

基于KF-LESO-PID洛伦兹惯性稳定平台控制

为克服现有惯性稳定平台使用机械轴承干扰量大, 使用气/液浮轴承难度高, 使用磁阻力磁轴承线性度差的缺点, 提出一种基于洛伦兹力偏转磁轴承的新型洛伦兹惯性稳定平台(LISP)。为克服耦合效应和承载摩擦谐振干扰对平台偏转通道高频姿态补偿控制的影响, 提出一种基于LESO-PID结合卡尔曼滤波(KF)反馈的数字控制方案。根据洛伦兹力磁轴承(LFMB)支承偏转系统结构特点, 建立了LISP转子偏转动力学模型;利用模型分析径向两自由度偏转特性, 提出在PID控制器的基础上, 引入线性扩张状态观测器(LESO)和卡尔曼滤波反馈以抑制摩擦谐振干扰及耦合效应;搭建了以DSP和FPGA为核心的数字控制系统, 并以离散形式将控制方法进行数字化实现。采用对数频率特性判据和Nichols曲线对所提控制方法的稳定性进行分析, 通过仿真比较引入LESO-KF前后转子偏转通道的稳定性。实验结果表明:PID控制条件下在高频时失真, 引入LESO-KF后明显降低噪声及干扰, 同时还可对系统内部状态参数进行实时观测。实验结果验证了所提控制方法对摩擦谐振干扰及耦合效应的抑制作用。      

基于双重属性信息的跨模态行人重识别算法

通过对跨模态检索问题的研究,属性信息的使用可以增强所提取特征的语义表达性,但现有基于自然语言的跨模态行人重识别算法对行人图片和文本的属性信息利用不够充分。基于双重属性信息的跨模态行人重识别算法充分考虑了行人图片和文本描述的属性信息,构建了基于文本属性和图片属性的双重属性空间,并通过构建基于隐空间和属性空间的跨模态行人重识别端到端网络,提高了所提取图文特征的可区分性和语义表达性。跨模态行人重识别数据集CUHK-PEDES上的实验评估表明,所提算法的检索准确率Top-1达到了56.42%,与CMAAM算法的Top-1（56.68%）具有可比性,Top-5、Top-10相比CMAAM算法分别提升了0.45%、0.29%。针对待检索图片库中可能存在身份标签的应用场景,利用行人的类别信息提取属性特征,可以较大幅度提高跨模态行人图片的检索准确率,Top-1达到64.88%。消融实验证明了所提算法使用的文本属性和图片属性的重要性及基于双重属性空间的有效性。      

基于自适应UKF的敏感器故障诊断算法

针对非线性系统中敏感器测量过程存在异常干扰和出现仪器故障问题,提出一种基于自适应UKF(Unscented Kalman Filtering)的鲁棒故障诊断算法.算法通过新息特性分析引入自适应矩阵对异常干扰和仪器故障建立系统级抑制和部件级诊断.系统级检测将UKF的新息特性通过自适应函数引入状态预测,修正异常值对状态预测值的影响,达到对异常干扰的鲁棒性.部件级检测将新息特性分解成各部件参数的新息特性,建立各自敏感器的自适应矩阵,通过对自适应矩阵的迹进行判断,检测是否发生故障并隔离故障.仿真结果表明,算法对异常值具有较强的鲁棒性,对测量仪器失效造成的故障能够准确地检测并给出故障大小.算法结构简单,计算量小,对工程应用具有较好的参考价值.      

同步三星目标运动状态快速检测方法

针对星载无源定位系统难以从定位结果及时准确地检测目标运动状态的问题,利用同步三星时差定位体制的定位误差特性,根据静止假设下同步双星时/频差与三星定位结果应相匹配的原理,提出了基于定位一致性的目标运动状态快速检测算法.先通过定位结果的误差分析掌握目标实际位置所在区域,然后在静止假设下统计该区域的频差范围,并将定位时刻的频差观测值与之比较,实现目标运动状态检测,并且推导了检测概率的理论表达式.仿真和试验结果验证了算法的有效性,时/频差估计误差标准差为10 μs/100 mHz时,对速度大于40 m/s的目标,检测概率高于99%.实测数据表明该算法显著提高了系统目标运动状态检测的准确性和时效性.     

基于Gauss-Newton和UKF结合的微小卫星姿态确定算法

为提高微型低成本姿态敏感器的姿态确定精度,文章基于磁强计/太阳敏感器/陀螺的姿态敏感器配置,设计了高斯牛顿（Gauss-Newton,GN）迭代算法和无迹卡尔曼滤波（Unscented Kalman Filter,UKF）有机结合的微小卫星姿态确定算法,先用Gauss-Newton算法融合磁强计和太阳敏感器的数据,迭代计算最优四元数,然后以最优四元数联合陀螺数据作为观测量,以姿态四元数和惯性系下的角速度为状态量进行UKF,降低观测维数,并将观测方程转化为线性方程,显著减小计算量,同时克服了测量误差对姿态确定精度的影响。     

基于最大熵法和遗传算法的SMSP干扰对抗方法

线性调频(LFM)信号是现代雷达常用的发射信号,可以有效提高雷达的检测性能,然而频谱弥散(SMSP)干扰应用于主瓣自卫式干扰时,干扰信号强度远大于目标回波信号,能够对目标回波信号形成遮盖,是一种有效对抗LFM信号的干扰样式。利用干扰信号与目标回波信号时频特征的不同,通过广义S变换(GST)凸显时频特征差异。运用最大熵法和遗传算法(GA)求取时频滤波器的分割阈值。通过构造的时频滤波器达到干扰抑制的目的。仿真结果表明:当干信比(JSR)大于10 dB、信噪比(SNR)大于0 dB时, 所提方法具有较好的干扰抑制效果,其中最大信干噪比(SJNR)增益接近25 dB。      

基于运动约束的脉冲雷达游标测距方法

为解决传统脉冲雷达游标测距中解相位模糊和解速度模糊相互耦合的问题,将目标的运动约束与传统游标测距结合在一起,提出了一种新的基于运动约束的游标测距方法.利用运动约束积累一段时间的观测数据进行UKF滤波,得到精度较高的径向速度来解速度模糊,得到的无模糊速度可用于距离游标.利用得到的游标距离取代脉冲测距数据进行UKF预测,可准确估计下一时刻的速度并解速度模糊,这样建立了可同时解相位模糊和解速度模糊的耦合滤波器,成功实现脉冲雷达游标测距,并大大减小脉冲雷达测距随机误差.高速飞行器主动段仿真和脉冲雷达实测数据验证表明,该算法能大大减小径向距离随机误差,将距离随机误差减少一个数量级至分米级.      

基于启发式算法的网络可靠性分配方法

由于网络的结构特殊性,已有的经典可靠性分配方法难以直接应用.在AGREE(Advisory Group on Reliability of Electronic Equipment)方法的基础上,根据网络可靠性与部件可靠性的函数关系确定网络部件重要度,运用启发式算法逐步迭代实现了网络k/N端可靠性分配,解决了无法对网络应用串联模型开展可靠性分配的问题.以中国教育网(CERNET,China Education and Research Network)骨干网为案例,应用该方法实现了75%网络节点连通可靠性指标的分配,并进一步分析了迭代终止条件、网络可靠性指标要求等参数对分配结果的影响,通过绘制可靠性随时间变化的曲线证明了分配结果能满足网络可靠性指标要求,说明了该方法的正确性和适用性.     

基于导纳原理的下肢外骨骼摆动控制

针对下肢外骨骼摆动过程中对操作者运动意图的识别和跟踪问题,首先提出了一种基于导纳原理的控制算法.该方法借鉴了物体运动过程中力和速度所具有的导纳特性,通过合理设计导纳参数将操作者与下肢外骨骼之间的交互力转化为外骨骼的期望运动轨迹.然后利用传统控制方法驱动外骨骼准确跟踪期望运动轨迹,最终实现操作者和外骨骼的协调运动.构建了包含交互力信息的人机系统模型,并在此基础上进行了仿真验证试验.仿真结果表明:相比于未驱动的外骨骼,正常摆动频率下操作者与外骨骼之间的交互力降低了约85%,并成功实现了对操作者运动的准确跟踪,误差在±0.3°以内.      

基于CHC算法的无人机航迹规划方法

利用改进的遗传算法——跨世代异物种重组大变异(CHC, Cross generation Heterogeneous recombination Cataclysmic mutation)算法提出了一种无人机的航迹规划方法.初始种群即初始航线集利用具有启发式信息的搜索算法产生;适应度函数为距离指标与威胁指标的组合形式;选择操作群体为当前群体与上世代群体的群体总和,由于大个体群操作,可以更好地保持遗传多样性;交叉操作采用单点交叉方法,交叉点取为2条航线中距离最近的2个点;变异操作的步骤是:首先在航线中搜索出2个点,然后算出这2个点之间的直线距离与实际航线距离的比值,如果这个比值小于某一阈值则以这2个点为端点重新规划一条航线.由于考虑到了无人机约束条件的限制,从而避免了盲目性且加快了收敛速度.仿真结果表明该方法比基本遗传算法要快而且满足最优条件.      

基于蚁群算法和Powell法的Lambert转移

研究了两次脉冲时刻均不固定的Lambert轨道转移的优化问题,目标是找到施加两次脉冲的最优时刻,使燃料和转移时间的加权和最小.鉴于传统的优化算法难以获得该优化问题的全局最优解,提出了一种蚁群算法和Powell法相结合的优化算法,给出了算法的设计步骤.该算法结合了蚁群算法的全局搜索能力和Powell法的局部寻优能力,在保证全局搜索能力的同时,提高了算法的局部寻优能力和精度,减少了寻优时间.通过两个算例验证了这种结合的有效性和准确性.