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ICP的稳态部分可辨编队目标精细跟踪算法

针对稳态编队在部分可辨条件下精细跟踪的难题,提出了一种基于迭代就近点(ICP)的稳态部分可辨编队精细跟踪算法。首先将ICP算法思想应用于编队成员拓扑的点航关联中,将k时刻的位置状态估计通过最近点循环迭代逼近k+1时刻的量测,在关联判决时采用双门限原则应对部分可辨所带来的漏观测问题,以提高关联时的容错性能;进而采用概率最近邻对漏观测航迹进行填补,以进一步保证跟踪的可靠性;最后,采用多模型法实现编队成员航迹滤波更新,以保证航迹的跟踪滤波精度。仿真结果表明,与现有的基于模版匹配的编队目标跟踪算法以及经典的多假设多目标跟踪算法相比,该算法具有较高的跟踪可靠性与精度,且在编队拓扑发生缓慢变化时具有更高的正确跟踪率。     

一种基于系统误差自动补偿的编队目标航迹精细关联算法

为解决编队内各目标航迹精细关联的难题,按照编队目标航迹的特点,结合误差估计技术及航迹关联技术,提出了一种基于系统误差自动补偿的编队目标航迹精细关联算法,该算法首先基于循环阈值模型对各传感器获得的航迹进行编队识别,并按编队中心航迹完成编队航迹的整体预关联,然后基于编队航迹状态识别模型,搜索或建立分辩状态最接近的预关联编队航迹,并基于编队航迹系统误差估计模型和误差确认模型,获得最终的系统误差估计值,自动完成系统误差补偿,最后利用传统的航迹关联算法进行编队航迹的精细关联。经仿真数据验证,与基于目标不变信息量的模糊航迹对准关联算法和基于航迹迭代的航迹对准关联算法相比,该算法具有耗时少、关联性能有效稳定等综合优势,能较好的满足工程上对系统误差下编队内目标航迹的精确关联需求。     

一种基于系统误差自动补偿的编队目标航迹精细关联算法

为解决编队内各目标航迹精细关联的难题,按照编队目标航迹的特点,结合误差估计技术及航迹关联技术,提出了一种基于系统误差自动补偿的编队目标航迹精细关联算法,该算法首先基于循环阈值模型对各传感器获得的航迹进行编队识别,并按编队中心航迹完成编队航迹的整体预关联,然后基于编队航迹状态识别模型,搜索或建立分辩状态最接近的预关联编队航迹,并基于编队航迹系统误差估计模型和误差确认模型,获得最终的系统误差估计值,自动完成系统误差补偿,最后利用传统的航迹关联算法进行编队航迹的精细关联。经仿真数据验证,与基于目标不变信息量的模糊航迹对准关联算法和基于航迹迭代的航迹对准关联算法相比,该算法具有耗时少、关联性能有效稳定等综合优势,能较好的满足工程上对系统误差下编队内目标航迹的精确关联需求。     

基于聚类最近数据关联的多目标跟踪算法

提出了一种基于聚类最近数据关联的多目标跟踪算法.建立了基于目标位置、目标大小和目标灰度的3层匹配距离,将3个距离加权综合得到目标匹配的距离函数.以目标链为基准寻找与其存在最小匹配距离关系的观测目标作为目标链的数据后继,再以此观测目标为基准寻找与其存在最小匹配距离关系的目标链作为该目标的数据前驱.当且仅当匹配对象之间前驱与后继关系同时成立时认为二者匹配成功.将已有目标链分为4类,将当前帧观测目标分为2类.分析各类数据间可能存在的匹配关系,利用上述方法进行匹配运算.对于目标遮挡等情况,基于目标运动轨迹的瞬时直线性和均值滤波原理,将某时间段内的目标质心坐标作为输入数据得到回归直线,预测下一时刻的目标质心位置.目标大小和灰度预测数据由该时间内均值滤波得到.本算法在多人体跟踪实验中取得良好效果.     

Kalman滤波算法在遥测伺服系统中的应用

针对雷达和无线电角跟踪系统目标机动过程中无法准确预知目标下一时刻运动状态的问题,论述了一种自适应Kalman滤波器,采用机动目标均值自适应的"当前"统计模型,构造角位置角速度二阶观测器,实现机动目标Kalman滤波算法,对算法及模型进行了理论分析证明了滤波器的能控能观性,最后给出了在遥测伺服系统中Kalman滤波器的实验结果,验证了该滤波器的有效性和可靠性。     

基于Jerk输入估计的MCS模型及非线性跟踪算法

针对强机动目标跟踪问题,基于当前统计(CS,Current Statistical)模型、改进输入估计 (MIE,Modified Input Estimation)和无迹强跟踪滤波器,提出了一种新的自适应目标跟踪算法.该算法引入Jerk输入估计改进了当前统计模型的状态方程和机动加速度方差调整方法,利用改进的无迹强跟踪滤波器实现了状态协方差、状态噪声协方差和机动频率的联合自适应.在没有加速度先验知识的情况下,能够实时准确跟踪目标连续强机动、匀加速机动和匀速运动状态.仿真实验表明:相比CS模型无迹滤波算法、CS模型无迹强跟踪算法和交互多模型算法,该算法在对目标强机动的适应性、跟踪精度和对突变状态跟踪的收敛性方面都有更好的性能.     

基于随机模型近似的再入目标自适应跟踪算法

针对再入目标跟踪问题,基于加速度动力学模型和随机模型近似思想,提出了分段匀Jerk自适应模型及跟踪算法.该算法引入Jerk动力学模型和Jerk分段均匀假设,给出了机动加速度的递推模型;根据随机模型近似思想提出了新的过程噪声定义方法并给出了分段匀Jerk模型和过程噪声的自适应方法;结合状态扩展方法和分离差分滤波算法实现了再入目标的实时自适应跟踪.仿真实验表明,相比基于分段匀加速模型的跟踪算法,该算法在保证了再入目标稳态跟踪精度的同时,对目标突变状态具有较强的跟踪能力.      

返回式卫星数字姿态控制系统及飞行试验结果

简要介绍我国返回式卫星上用的计算机数字姿态控制系统的方案;重点阐述姿态确定和相平面控制律的设计方法;最后简述飞行试验的结果。     

一种考虑GPS信号中断的导航滤波算法

针对无人机惯性（INS）/GPS组合导航系统,考虑导航过程中存在的GPS数据中断的问题,设计了一种改进的滤波算法。首先建立了无人机导航运动学模型,再将传统的扩展卡尔曼滤波（EKF）技术和强跟踪滤波结合,利用模糊理论中的隶属度函数设计了一种模糊强跟踪扩展卡尔曼滤波（STEKF）算法。仿真结果表明,所设计的改进算法能够快速适应GPS信号突变,即当GPS信号从故障状态恢复到正常状态时,改进算法相较普通EKF算法能更快速地收敛到稳定状态,重新完成对飞行状态的估计。同时相较普通EKF和强跟踪扩展卡尔曼滤波算法,改进算法具有更高的滤波精度。      

基于URTS平滑建议分布函数的PF算法设计及应用

为改善基于Unscented Kalman滤波建议分布函数的粒子滤波状态估计的性能,将Unscented Kalman滤波与RTS（Rauch-Tung-Striebel）固定区间平滑算法融合,产生了一种新的建议分布函数--Unscented RTS平滑建议分布函数。该函数首先实施Unscented Kalman滤波,之后对此滤波结果进行RTS固定区间平滑,以此产生预测样本。以此新建议分布函数得到的预测粒子的精度较通常的以Unscented Kalman滤波方法作为建议分布函数时得到的预测粒子的精度将大为提高,进而提高相应的粒子滤波算法--PF URTS的状态估计精度。新算法的可行性和有效性在GPS/DR组合导航数据处理中得到了应用验证。     

基于挂钩力模型的拖挂式房车同步制动控制

为了提升拖挂式房车制动时牵引车与房车的制动同步性能,结合纵向挂钩力观测器提出一种制动协调控制方法。分析牵引车-房车直线制动运动学特性,考虑电磁制动器机电耦合特性以及球头挂钩柔性连接特性,建立牵引车-房车直线协调制动模型;采用牵引车速度/加速度等低成本传感器所获得的信号数据,基于卡尔曼滤波算法,设计了拖挂式房车纵向挂钩力估计器;引入终端滑模变结构控制算法,建立纵向挂钩力估计值与目标值误差动力学方程,使纵向挂钩力准确跟随目标值,并在此基础上开发了拖挂式房车制动同步控制器。仿真和实车测试结果均表明,所提出的估计方案能准确跟踪拖挂式房车的纵向挂钩力;与其他常规方法相比,所采用的控制方法使得牵引车与房车在制动期间最大挂钩力值小于3 kN,有效保证两者制动的稳定性。      

分布参数随机系统的条件滤波方法

针对分布参数随机系统在其控制输入,系统输出存在观测噪声情况下,提出了分布参数随机系统的条件滤波方法,使得在获得系统状态的最优估计的同时,可以得到关于不确知的控制输入的最优估值,该算法所具有的系统状态和控制输入的估计器结构上的相似性,为降低分布参数系统的滤波算法数值计算上的复杂性提供了一种解决途径,也使得该算法在工程实际中有较大的应用前景.     

基于MM-GGIW-PMBM滤波的扩展目标跟踪算法

针对多机动扩展目标跟踪问题,将交互式多模型的思想引入泊松多伯努利混合滤波(PMBM)算法中,提出了一种多模型的伽马高斯逆威夏特-泊松多伯努利混合滤波(MM-GGIW-PMBM)算法。该算法融合多种运动模型,通过模型的交互实现对机动扩展目标扩展状态和质心状态的混合估计预测;通过引入强跟踪滤波(STF)中的渐消因子修正预测之后GGIW分量中的协方差矩阵,防止发生跟踪模型失配的现象;在PMBM更新阶段扩展目标外形和质心估计完成的基础上,利用似然函数完成模型概率的更新。仿真实验结果表明:MM-GGIW-PMBM算法能够对多机动扩展目标的数量和状态进行有效的估计。      

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

无人机组合导航直接法与间接法滤波方式比较

全球导航卫星系统/惯性导航系统（GNSS/INS）组合导航可以提供连续、高精度的位置、速度、姿态信息,被广泛应用于无人机的状态估计。其中滤波算法的构建是其组合关键。不同组合导航的模式会对导航定位结果产生相应的影响。针对直接法和间接法这2种常见的组合模式,分别构建了基于扩展卡尔曼滤波（EKF）的全球定位系统/惯性导航系统（GPS/INS）松组合模式,并将其运用于不同飞行场景下无人机（UAV）的实时动态状态估计。仿真场景以及实际数据验证结果表明,间接法在精度和稳定性方面优于直接法,直接法在滤波计算速率方面优于间接法。因此,当系统具有较高的计算性能,且面向高精度的应用情况下可选择间接法作为无人机导航的技术方案;对于快速求解但精度要求不高的应用情况下,选择直接法作为无人机导航的技术方案可以在一定程度上降低系统的成本。      

飞行控制用无刷直流电动机的优化设计

飞行控制中机电作动系统的发展是全电飞机的重要技术之一,而高速大功率密度的无刷直流电动机是其中的关键部件.为解决无刷直流电动机设计中的非线性优化问题,提出了使用遗传算法进行优化设计.为解决无刷直流电动机多目标优化问题,采用了多目标函数变量加权法,将多目标函数变成单目标函数进行优化计算.在计算中,为达到无刷直流电动机全局优化的目的,采用随机产生离散初始种群及随机交叉操作和变异操作方法.但由于采用随机交叉和变异操作,优化结果始终是发散的.为此采用优秀个体保护策略,加快了优化设计的收敛.在满足技术要求的前提下,通过计算达到了减小电机的体积重量、减小转子转动惯量及机电时间常数、提高无刷直流电动机功率密度的目的.      

基于线性协方差方法的交会对接误差分析

将线性协方差分析方法和蒙特卡罗仿真相结合,按交会任务和飞行特征把交会过程分为变轨飞行、自由飞行和中途速度修正三种特征段,研究了状态误差的传播规律和交会过程中各种误差对交会对接精度的影响。在变轨飞行段,分析了追踪航天器的姿态误差、控制系统性能状态估计误差,以及目标航天器轨道摄动对状态误差传播的影响。在自由飞行段,分析了追踪航天器估计状态误差的先验值和测轨误差对状态误差传播的影响。在中途速度修正段,分析了追踪航天器姿态误差和控制系统性能误差对状态误差传播的影响。仿真结果表明,误差分析方法设计合理,可以指导交会对接的轨道设计工作,能对已经设计好的交会策略进行误差分析和设计验证。