一种无源北斗/惯导闭环组合算法

提出了一种北斗卫星定位系统和惯性导航系统的组合导航无源定位算法。以伪距率为观测量,基于高稳定度用户时钟,结合北斗系统的热备份星,在三星共视下用两级卡尔曼滤波器对惯导进行闭环校正。给出了组合导航系统的构成,以及第一、二级滤波的数学模型。该法能根据收星情况在闭环与开环方式间稳定转换。仿真结果表明,此算法可提高丢星时组合导航系统的滤波定位精度,有效校正惯导的姿态误差角,并以较高的精度估计用户的三维速度。     

多星座组合导航自适应联合卡尔曼滤波算法研究

针对多星座卫星组合导航,提出了一种自适应联合卡尔曼滤波算法,采用描述机动载体运动的“当前”统计模型,直接从各卫星导航系统接收机输出的定位信息入手,将各种误差因素的影响等效为一个总误差,建立一种动态定位的自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能,通过引入调整系数、加权因子和自适应调节量对自适应滤波算法进行了改进,并分别对GPS、GLONASS和GALILEO系统设计了自适应子滤波器,然后采用联合滤波算法对各个子滤波器进行数据融合处理,最后对GPS/GLONASS/GALILEO组合导航系统进行了仿真验证,结果表明,该算法增强了滤波器的跟踪能力,改善了滤波效果,提高了定位精度。
     

捷联惯性/大视场星光组合导航方法研究

近年来,使用星敏感器的导弹、火箭惯性组合导航成为国内外研究的热点.本文对捷联惯性/大视场星光组合导航方法进行了研究,建立了卡尔曼滤波方程,并利用SINS误差转移矩阵方法估计主动段导航误差.数学仿真表明:捷联惯性/大视场星光组合导航方法不仅可以修正姿态角偏差和陀螺常值漂移,还可以对主动段的速度、位置误差有很好的估计效果.     

一种基于虚拟星敏感器的卫星姿态确定方法

对于配置多个星敏感器的卫星,采用常规的定常增益卡尔曼滤波方法进行姿态确定时,存在滤波定常增益矩阵众多、系统复杂的问题,为了简化滤波系统设计,统一定常增益矩阵,提出一种基于虚拟星敏感器的姿态确定方法.给出一种计算量小、适合星载计算机在轨实时计算的星敏感器时间滞后补偿及相对基准标定算法,将星敏感器的输出数据统一到当前星时,同时将星敏感器的测量基准统一.基于单星敏/双星敏的输出数据构造虚拟星敏感器(安装矩阵为单位阵)的输出数据,设计统一的定常增益矩阵进行姿态确定.仿真结果表明,本方法与常规的定常增益卡尔曼滤波方法姿态确定精度相当,从而验证该方法有效,且具有重要的工程应用价值.     

水表检定装置功能扩充探讨

介绍一种液体转子流量计检定装置，该装置依据静态容积法通过对水表检定装置的改造来完成。     

卡尔曼滤波定轨算法的研究进展

本文对国外卡尔曼滤波定轨算法的研究与试验进行了综述。80年代关于地球引场模型误差的研究，有大地改善了滤波的稳定性，在滤波的同时加进卡尔曼平滑，又显著提高了卡尔曼滤波的定轨精度。90年代美国、法国继研制成功卡尔曼波滤定轨软件，并投入试验运行，NASA的TONS软件（中继星星上导航系统）从1992年7月14日开始，在EUVE星上连续运行了320天，定轨精度（RMS）为25m。法国的DIODE（DORIS实时轨道确定）软件从1998年3月26日开始在SPOT4上运行的两年中，最长连接运行12个月，定轨精度（RMS）为6m。     

针对光纤陀螺信号处理的单片机解决方案

本文主要论证了将数字信号处理（DSP）技术应用到闭环光纤陀螺信号处理中的可行性。全文主要由三方面的内容组成：一、绪论；二、光纤陀螺的参数理论分析；三、光纤陀螺的闭环系统实现；四、闭环陀螺系统性能与改进；五、结论与建议；六、参考文献；七、感谢。     

卡尔曼滤波的极坐标算法及应用

介绍了极坐标下卡尔曼滤波算法,给出模型的推导过程及卡尔曼滤波的标量计算式,并给出了空舰攻击中目标速度的计算方法.实践证明该算法是一个收敛快、精度较高的算法.     

高超声速滑翔目标自适应跟踪方法

针对机动模式复杂多变的高超声速滑翔目标跟踪问题,提出了一种机动频率自适应跟踪方法。采用介于常速度和常加速度模型之间的Singer模型来表征目标气动力加速度的变化,从而建立跟踪系统的状态方程。根据地基雷达量测量获得系统的量测方程,鉴于距离和角度信息的量级相差较大将其由球形量测量转换为位置量测量。为了适应高超声速滑翔目标灵活多样的机动模式,基于正交性原理和无迹卡尔曼滤波算法实现了Singer模型中机动频率参数的自适应。利用滤波信息计算得到能够反映状态模型误差大小的调整因子,用于放大Singer模型中的机动频率,进而调整状态方程的过程噪声以降低模型误差。通过对2种典型机动轨迹的跟踪仿真,并与交互式多模型等方法进行比较,结果表明所提方法的跟踪精度高、计算量小,能够较好地适应阶跃机动和连续幅值变化的机动。     

基于自适应粒子滤波的涡扇发动机故障诊断

针对涡扇发动机非线性、非高斯的特点,提出了一种自适应的粒子滤波算法用于涡扇发动机气路部件突变故障的诊断.为了减小算法的计算量并且保证滤波精度,分析了滤波精度和样本数目的关系,提出根据滤波过程中状态的方差自适应地调整粒子数,在保证一定的滤波精度下可以有效地减少滤波过程中使用的粒子数,提高了算法的实时性.同时,引入扩展卡尔曼滤波(EKF)用于更新粒子,产生重要概率密度函数,在一定程度上避免了粒子的退化.通过某型涡扇发动机的仿真分析表明:改进的算法相比标准粒子滤波算法用于涡扇发动机气路部件故障诊断时,参数估计的方均根误差减小了50%左右,且算法的计算量减小了30%.