一种新的基于ANSYS的机翼挠曲变形建模方法

针对传递对准中机翼挠曲变形建模方法适用性差的问题,提出了一种基于有限元分析的不同挂点处弹载子惯导系统的机翼挠曲变形建模方法。以柔性较大的大展弦比机翼为研究对象,建立了薄蒙皮、双翼梁、多肋板式机翼模型。通过绕流分析得到的机翼上、下表面压力分布云图,在此基础上对机翼结构进行气动载荷的加载。根据ANSYS瞬态动力学分析,获取了机翼挠曲变形角的随机过程序列,并利用AR(n)模型代替ARMA(p,q)模型进行建模。采用一种改良卡尔曼滤波算法对模型参数进行估计,并利用信息准则对模型的适应性进行检验。根据参数辨识的结果,最终得到了机翼的挠曲变形模型。     

航空发动机健康估计的神经网络修正卡尔曼滤波算法

针对商用航空发动机与气路相关的传感器分布不均、且个数小于气路健康参数的个数、使用卡尔曼滤波算法估计全部气路健康参数时容易出现误判的特点,提出一种神经网络修正的卡尔曼滤波算法。该算法在每个采样周期内利用BP神经网络来修正个体的偏移方向,按粒子滤波算法计算每个个体的权值用以估计总体的均值和协方差,然后利用卡尔曼滤波算法更新所有个体,并将总体的均值作为当前时刻的估计结果。通过对商用航空发动机部件级模型在多个飞行状态点数字仿真模拟9种气路突变故障,由7个可测输出估计全部10个健康参数,该混合算法的估计误差相比BP神经网络与无迹卡尔曼滤波算法分别平均降低了34.6%与47.9%。     

双轴连续旋转调制捷联惯导系统大失准角初始对准技术

由于可以补偿惯性器件在三个轴向上的输出误差,双轴旋转调制技术被广泛应用于捷联惯导系统(SINS)。选择了一种合理且实用的十六次序双轴转位方案,并对其调制原理和误差进行了分析。初始对准技术是捷联惯导系统的一项重要技术,其对准精度直接决定了后续导航的精度。在粗对准完成后,当姿态误差角较大时,后续的精对准误差模型呈非线性特性,故选择了滤波精度高、稳定性强的平方根容积Kalman滤波算法(SCKF)来解决这一问题。考虑到在实际对准过程中,量测噪声的统计特性易发生变化,将SCKF算法与Sage-Husa算法相结合,在传统Sage-Husa SCKF算法的基础上提出了一种改进的自适应滤波算法(ASCKF)。该算法采用QR分解来完成对噪声协方差的平方根矩阵估计,从而避免了传统Sage-Husa SCKF算法中所估噪声协方差矩阵不正定的问题。最后,通过仿真证实了ASCKF算法可被很好地应用于量测噪声统计特性发生变化的初始对准中。     

无杆臂误差快速传递对准方法

机载或舰载武器系统惯性导航系统动基座对准的首选方案就是传递对准,速度匹配传递对准因为其较好的水平失准角可观测性以及线性量测模型得到了广泛的应用。但当载体存在角运动时,速度匹配传递对准必须对杆臂误差进行补偿,由于变形的存在,使得杆臂误差的准确补偿存在较大的困难。针对这一问题,研究了一种不需要进行杆臂误差补偿的快速传递对准方案,能够在杆臂误差较大时,以较快的速度获得较高的失准角估计精度。计算机仿真结果验证了理论分析的正确性。     

目标短时遮挡下的光电平台目标跟踪预测与控制

无人机在高空飞行并跟踪地面目标的过程中,当目标受到障碍物遮挡,会导致跟踪失败。本文建立了目标相对无人机的运动模型,设计了基于卡尔曼滤波的目标预测器,并在目标遮挡发生时利用目标角位置预测值以及姿态锁定回路实现了对目标的预测跟踪。本文运用相似性原理设计了室内目标跟踪场景。仿真和试验证明,本文所设计的预测器能较好的预测目标角位置,与控制回路相结合能克服短时间的目标跟踪丢失。     

姿态测量中MEMS陀螺输出信号处理方法研究

为实现基于MEMS器件的舰船测姿,对MEMS陀螺的输出信号进行研究与处理。在分析MEME陀螺的输出误差模型基础上,通过经典卡尔曼滤波与鲁棒滤波的理论对比,设计滤波器对其输出信号进行滤波降噪。实验表明：鲁棒卡尔曼滤波方法对于MEMS陀螺输出信号的平滑降噪效果显著。     

基于改进容积卡尔曼滤波的奇异避免姿态估计

 利用矢量进行卫星姿态估计可以归结为非线性滤波问题。为了提高卫星姿态估计的精度,利用龙贝格-马尔塔(LM)迭代算法改进了容积卡尔曼滤波(CKF)。继而,提出改进容积卡尔曼滤波与四元数结合的容积四元数估计器(CQE),有效地避免了卫星大角度机动出现的奇异现象。进一步,给出了一种与影子修正罗德里格参数切换的容积修正罗德里格参数估计器(CME)。仿真对比表明,初始误差较大时容积修正罗德里格参数估计器具有更好的收敛速度和鲁棒性。     

风场环境下主动建模无人直升机改进LQG控制

为了使小型无人直升机在风场环境下稳定飞行,通过将主动建模技术与传统的LQG控制相结合,提出了一种能有效适应模型不确定性的控制方法。该方法将风场对无人直升机的扰动看作随机扰动,并把这种扰动作为参数与机体模型中的状态合并成增广的机体状态量,而后用卡尔曼滤波对其进行实时估计,实时得到扰动的估计值,并将其反馈给控制器以实现对控制器的重构,从而完成对无人直升机的稳定控制。依据建模理论建立了机体的半解耦模型以及大气紊流模型,用该模型进行了仿真,结果表明,本控制方法对大气紊流有一定的抑制作用。     

基于Matlab／Simulink的航空发动机部件级建模与分析

借助Matlab搭建完整的双轴涡轮风扇发动机模型,对各部件进行封装,利用Simulink显示模块观察仿真结果。在动态仿真时,引入容积动力效应,避免反复迭代过程,提高模型实时性。与GSP仿真软件结果进行对比,结果表明：所建立的模型具有较高精度,可以准确捕捉航空发动机的动态响应和稳态响应。     

基于多模态感知与融合的无人车韧性导航系统

针对野外复杂环境下的无人车自主导航需要,建立了一种基于多源融合定位、语义建图与运动规划的智能导航系统.首先,针对IMU、轮式里程计、视觉SLAM与激光雷达SLAM等测量子系统,设计了误差状态扩展卡尔曼滤波器进行融合定位.其次,基于改进的CNN语义分割网络生成环境的语义图像,与3D激光雷达点云融合,并使用最大概率更新算法构建语义3D地图.接着,在语义和几何信息投影获得可通行性代价的基础上,提出了一种语义动态窗口的局部路径规划方法.最后,将以上感知、定位与规划方法整合成完整的智能导航系统,在城市与野外典型场景的测试中,相对定位误差小于0.4％D,具备一定的韧性导航定位和智能感知规划能力.