共轴刚性旋翼飞行器配平特性及验证

针对共轴刚性旋 翼与常规旋翼的区别,从挥舞运动、变距操纵和诱导速度3方面建立共轴刚性旋翼的气动力模型。采用等效挥舞运动概念,建立共轴刚性旋翼的挥舞运动方程;引入提前操纵角概念,建立与共轴刚性旋翼挥舞频率相适应的变距操纵模型;引入上下旋翼干扰因子,建立共轴刚 性旋翼的诱导速度模型。在此基础上,建立共轴刚性旋翼飞行器飞行动力学模型,并以XH-59A 直升机为例计算纯直升机飞行模式的配平特性,使用飞行试验数据验证了理论模型的正确性,同时讨论了共轴刚性旋翼飞行器与常规直升机配平特性的异同点。     

高动态环境下GPS信号捕获研究

高动态环境信号的捕获是GPS接收机的关键技术,接收机处于高速运动的状态使GPS信号产生相位延迟和多普勒频移,增加了信号的捕获难度。分析了滑动相关捕获和基于FFT捕获两种算法,给出了基于FFT捕获算法的FPGA实现架构,并采用GPS信号仿真器对该设计的可行性进行了捕获验证。结果表明：在导航星相对载体的速度为1 000m/s,加速度为5g的情况下,基于FFT捕获算法可以实现信号的可靠捕获。     

基于STF和加权改进的群目标跟踪算法

为了进一步提高群目标交互多模型跟踪算法的估计性能,提出一种改进的群跟踪算法.首先,通过采用模型转换概率的自适应算法,优化模型与目标运动模式的实时匹配.并通过引入强跟踪滤波（STF,Strong Tracking Filter）中的渐消因子,提高机动阶段时的群质心的状态估计精度.其次,分别利用概率加权法和标量加权法完成群质心状态和扩展状态的融合估计.最后在变分贝叶斯滤波的基础上,建立完整的跟踪算法流程.仿真实验结果表明,该方法不仅能够提高群质心状态和扩展状态的估计精度,还能有效降低机动阶段时的峰值误差.     

基于GM(1,1)与灰区间估计的SPE通量水平长期预测

太阳质子事件（SPE,Solar Proton Events）是干扰日地空间最主要的源,大规模质子事件会影响在轨空间站实验设备的可靠性,有时甚至会威胁空间站的安全运行.提出一种基于灰色GM（1,1）和区间估计太阳质子事件预测方法;首先对1976—2010年SPE通量水平数据进行预处理,分别建立以发生时间为序列的一般SPE通量序列与极端SPE通量序列;之后将灰色GM（1,1）与区间估计相结合建立预测方法,融合反映一般SPE通量水平随周期性波动的活跃性调节系数,建立SPE通量水平长期预测模型;然后叠加不同SPE类型所得结果合成预测年份的SPE通量水平,给出未来一年或几年间SPE通量水平的变化范围;最后选取1976—2010年太阳质子事件年均值数据,分多批次预测1996—1998年和1999—2001年等SPE通量均值区间,结果表明各年实际发生SPE的通量均值均位于预测区间内,并且多年预测区间偏差最大值小于26%,实验结果还表明单次预测时长以2~3年为宜.     

天空上的星群

<正>天球的概念天球是一个假想球,主要用途是帮助人们直观地观察天体运动。在几百年前,当人们仰望天空,看到太阳、月亮和星星等天体,但却不能知道它们究竟离人类多远。因此,科学家们做出一个假设,他们假设太阳、月亮以及其它天体都散布在以地球为中心的一个透明圆球的球面上,这个透明的圆球就是天球。虽然天球不是一个真实的球体,但天球却是一个非常有用的工具,它可以帮助人们了解天体相对于地球是如何运行的。     

基于Riccati方程解的高增益未知输入观测器设计

针对具有未知输入和测量噪声的一类Lipschitz非线性系统,研究了状态估计、噪声估计及未知输入重构问题.通过将输出噪声看作扩展状态,把原系统转化为描述系统.针对描述系统,首先基于Riccati方程的解,提出了一种高增益观测器设计方法,实现对系统状态的估计和测量噪声的重构;之后,设计二阶高增益滑模观测器精确估计输出的微分,并利用状态和输出微分的估计,提出了一种未知输入的重构方法.在一Riccati方程有解的前提下,所提出的未知输入和测量噪声的重构,均适用于强时变信号.最后,对一个实际模型仿真,验证所提出方法的有效性.      

基于经验分布的区间数据分析方法

现有区间数据分析的方法通常假设数据在某一区间上服从均匀分布,这在实际数据分析中通常是不成立的.针对此问题,在原始数据来源于连续分布的简单假设下,利用经过分布函数变换后的随机变量服从(0,1)上的均匀分布,分别采用经验分布函数和核估计对原始数据的分布函数进行估计.基于此设计变换,对变换后的数据进行均匀分布的假设检验,通过检验后进行后续的区间数据分析,使得均匀分布的假定得以成立,保证了统计理论上的严谨性.数据模拟结果表明,将经验分布函数变换后的数据作为研究对象,进行区间数据分析,所得到的统计建模结果更加合理且具有较强的解释力.      

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

一种基于曼哈顿距离的帧间加权预测算法

合并模式通过共享邻域块的运动矢量（MV）来节省编码运动信息比特数,有效提升了编码器率失真性能。然而,当前合并模式中的运动补偿预测（MCP）不够准确。为此,分析了合并模式中的预测残差分布特点,并提出了一种基于曼哈顿距离的加权预测算法作为合并模式的附加候选项。首先,采用邻域合并候选项的运动矢量进行运动补偿预测得到多个预测块;然后,根据候选块位置与像素点的曼哈顿距离对获得的多个预测块进行加权平均得到附加候选项;最后,通过率失真优化（RDO）从附加候选项和原有候选项中选择出最佳的合并模式。实验结果显示:在联合探索测试模型JEM 7.0平台上,所提算法在不同的编码器配置下均获得了率失真性能的提升,其中低延迟P帧下达到了平均1.34%的比特率节省。