基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于PnP的自适应线性卡尔曼滤波位姿估计求解方法。将PnP位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。     

单目相机物体位姿估计方法研究

现有的机器视觉通常以边缘轮廓和角点作为特征,因此要求背景单一,对环境结构化依赖程度高。为了拓展机器人的应用范围,使其脱离结构化的环境,提出了一种基于SIFT特征点和PNP技术的单目相机估计目标物体位姿的方法。以BumbleBee双目相机为硬件基础,以C++为开发平台,结合了Eigen计算库、OpenCV图像处理库和Triclops库,开发了单目视觉位姿估计算法,实现在复杂背景下对表面纹理较为丰富的物体的位姿估计。利用试验对所提方法进行了验证,试验结果表明,该算法具有较高的估计精度,可以作为机器抓取的依据。     

基于阶层标识的无人机自主精准降落系统

随着微小型无人机（UAV）在航拍、测绘、环境监测、快递投送等民用领域的广泛应用,对微小型无人机的可用性和可靠性提出了更高的要求。为了使微小型无人机能够精确地完成自主降落,由于计算机视觉部署成本低、独立性强、信息丰富等特点,提出了通过识别匹配一种多层嵌套二维编码的阶层降落标识来进行相对定位的算法,并展示了与之对应的阶层标识检测及定位的无人机自主降落系统,由于编码的信息量与其他系统相比,具有高低空的高识别率、编码空间大等特点,故此系统可同时支持单个或多个停机坪的配置,且成本低廉,无需添加机载设备成本。最后对该系统进行仿真验证和实飞测试,表明所提出算法能够有效地实现无人机全自主降落。     

某航空发动机滑油位异常下降故障分析

针对某航空发动机在试飞过程中连续出现多起滑油箱油位异常下降情况,对滑油系统进行排查分析,确认为由滑油泵皮碗裂纹引起的。经对皮碗故障件进行复查、断口分析、设计复查等工作,确定了皮碗裂纹产生的原因。结果表明:滑油泵级间壳体上通油孔与增压泵出口相连,使得皮碗封严压力过大,为导致皮碗裂纹故障发生的主要原因;泵轴与皮碗装配过盈量大促进了皮碗裂纹故障萌生和扩展。通过对滑油泵结构参数优化设计,降低皮碗承载油压和摩擦力,提高皮碗密封性能和寿命,从而有效避免此类故障再次发生。     

贝叶斯网络在动量轮地面试验可靠性分析中的应用

为了有效综合动量轮地面试验过程中积累的大量复杂试验信息,对动量轮进行可靠性定量分析.提出了利用贝叶斯网络模型,融合大量测试和调试数据、专家知识等多种信息,建立动量轮可靠性模型的方法;采用贝叶斯网络推理技术,对动量轮进行可靠性评估、故障诊断和灵敏度分析,有效解决了动量轮地面试验可靠性分析与评估等难题,为动量轮可靠性试验提供了理论指导.      

基于扩展的FMC实物试验用于飞行仿真和飞行试验

利用CITATION-Ⅱ飞机和先进的FMS完成了FMS合格审定试飞方法的飞行验证。结合半实物仿真试验研究了FMS导航／制导的符合性条款;提供了相应的FMS飞行环境模型、FMS制导数学仿真模型和软件;提供可用于民用飞机合格审定试飞的FMS试飞方案;通过FMS性能管理与垂直制导仿真试验研究,表明飞行管理计算机系统（FMCS）所计算出的性能数据都是针对三个飞行阶段,即爬升、巡航和下降。目的是在飞行计划所施加的限制条件内使垂直飞行剖面最佳化。基于FMS半实物仿真试验系统能够准确地复现和实施制导和导航计算,保证了FMS仿真试验的可靠性和置信度。     

复合材料垂直安定面整体化加筋壁板设计

引言 先进复合材料（advanced composites）是适应航空、航天、军工等高科技领域的需要而发展起来的一种高性能复合材料。目前,复合材料结构设计主要采用其良好的减重效果、耐疲劳以及抗腐蚀性能。用作受力结构件,它解决了单一材料无法解决的技术难关。目前已经广泛用于运输类飞机结构。复合材料本身的属性以及制造工艺使得复合材料结构趋向于整体化、多学科化。     

精密磨削中修整金刚石磨轮的新技术——双电极接触放电修整

本文介绍了一项修整金属结合剂金刚石磨轮的新技术——双电极接触放电修整。论述了修整原理、工艺、效率、质量评价以及应用实例。     

一种压力传感器零位温漂的补偿方法

介绍了一种解决微型动态压阻式压力传感器温补问题的方法,导出了计算公式,其特点是补偿元件少,方法更简便易行。     

基于并行模型自适应滤波的空间目标相对位姿估计

摘要： 扩展卡尔曼滤波(EKF)的估计精度受限于测量噪声统计特性的准确程度,如果敏感器测量噪声方差偏离其标称值,将会对滤波性能产生不利影响.尽管自适应扩展卡尔曼滤波(AEKF)能够对测量噪声方差进行估计,但是,噪声特性准确的情况下,AEKF的性能往往不及传统EKF.针对上述问题,本文提出一种并行模型自适应滤波(PMAF),基于特定的自适应率将EKF和AEKF结合起来,使得在先验信息准确的情况下,EKF在状态估计中起主导作用;相反,在实际噪声方差偏离标称值时,令AEKF起主导作用.这样,即能有效削弱测量噪声统计特性不确定性对滤波性能的影响,又能确保正常情况下的估计精度.以空间目标相对位姿估计为例,通过数学仿真对EKF、AEKF和PMAF进行了对比研究,表明所提算法的综合性能优于传统方法.