解析航空发动机的喷管

三维喷管的类型和基本特点在航空、航天领域,轴对称的三维喷管的应用要远远早于二维喷管。但奇怪的是,二维喷管名词的出现却先于三维喷管,因而引起了许多误解。早期的动力装置的排气管、喷管等几乎无一例外地都选择了轴对称的圆截面。近代和现代的活塞式飞机、汽车的排气管,涡桨式飞机、喷气式飞机以及各种导弹的尾喷管也大多为圆截面的。那么,现代飞机的重要组成部分——喷管的基本功能是什么呢?在航空界,涡     

脉冲星方位误差估计的TSKF算法

为提高脉冲星方位误差估计对方位自行速度及卫星位置误差的鲁棒性和整体运算的高效性,设计了两级卡尔曼滤波（TSKF）算法。首先,分析了方位自行速度及卫星位置误差对方位误差估计的影响,并分别结合相关算法进行了仿真验证。然后,结合方位误差估计的CV模型和两级卡尔量滤波的相关原理,写出了TSKF算法的更新方程,并分析了实现并行计算的基本流程。仿真实验的数据显示:在方位自行速度及卫星位置误差均存在的情况下,TSKF算法的方位估计精度约为0.1 mas,方位自行速度估计精度约为1.1 mas/a;与基于CV模型的估计算法相比,TSKF算法的浮点运算仅增加了0.048%。      

脉冲星方位误差估计的两步卡尔曼滤波算法

为了克服钟差和卫星位置误差对脉冲星方位误差估计的影响,设计了两步卡尔曼滤波（TSKF）算法。首先,介绍了脉冲星方位误差估计的传统模型,并通过分析和仿真验证了钟差、卫星位置误差以及2种误差同时存在时会使脉冲星方位误差估计结果产生较大偏差。其次,在传统的估计模型中加入了钟差和卫星位置误差,并将钟差和钟差变化率增广为新的状态量,从而推导出包含2种误差的新模型,并证明了该模型的完全可观测性;根据该模型并按照两步卡尔曼滤波原理,得到了TSKF算法的步骤。最后,通过仿真表明:在钟差和卫星位置误差同时影响下,传统脉冲星方位误差估计算法偏差较大且发散;TSKF算法则能够有效隔离2种误差的影响,使赤经和赤纬误差估计达到0.2 mas之内的精度。      

基于修正似然滤波的无人机编队相对导航方法

针对无人机编队相对导航系统中视觉导航传感器量测数据存在随机时延问题,提出一种能够处理多步随机延迟量测的修正似然容积卡尔曼滤波（ML-CKF）算法。用多个伯努利随机变量对量测模型进行修正以描述随机延迟;通过边缘化延迟变量来计算滤波的似然函数以从延迟量测中提取准确的信息;采用三阶球面-径向容积准则计算高斯加权积分以解决系统的非线性。滤波中的加权因子根据接收量测的特性进行调整,因此,所提修正似然滤波具有自适应卡尔曼滤波属性。利用罗德里格斯参数表示姿态误差,设计了基于修正似然容积卡尔曼滤波的相对导航滤波器。仿真结果表明：所提算法可以准确地估计出长机和僚机之间的相对位置、速度和姿态,且估计精度高于容积卡尔曼滤波和传统随机时延滤波。     

Kalman滤波技术在磁航向和捷联惯性组合系统初始对准中的应用

研究了磁航向和捷形惯性组合系统初始对准的设计方法。该方法能在初始对准过程中用卡尔曼滤波器估计出陀螺仪的随机常值漂移，从而提高了系统的对准精度。文中给出了系统的状态方程和测量方程，建立了完全闭环控制的卡尔曼滤波器，最后给出了二组不同条件下的模拟结果。     

基于分形理论的混沌信号与噪声分离方法

提出一种分维数和子波重构相结合的混沌信号与噪声分离方法，与以往出现的子波滤波方法和经典滤波方法相比较，该方法有如下特点；利用子波变换计算带观测噪声混沌信号的真实分数维，进而根据观测序列维数与真实维数的差值控制子波重构的参数，构造出混沌与噪声分离的自适应滤波器结构。仿真实验说明了该算法的有效性。     

环火星自主导航系统设计及参数优化研究

当前火星探测器环绕段的导航信息主要依赖地面深空探测网提供,基于光学成像的导航方式尚不能提供较高的导航精度。因此提出一种应用相对测量的探测器实现火星环绕段的自主导航。两颗编队飞行的探测器进行相对测量,观测信息为探测器之间的相对视线矢量(LOS)。同时利用主星的星敏感器确定星体在惯性空间的姿态,将观测信息转换至惯性系下获得简化的观测方程,使用扩展卡尔曼滤波器(EKF)对卫星的轨道进行确定。介绍了具体导航方案的实现方法和技术细节,使用粒子群优化方法(PSO)对模型设计的相关参数进行优化,导航精度得到明显提高。实现位置确定精度10 m,速度确定精度0.01 m/s。为设计最优的编队导航系统参数提供了有效思路。     

基于UKF的FADS/INS融合大气数据估计

针对飞行器在高速飞行时受气流干扰、惯性数据易发散等问题,从传感器数据融合角度出发,提出了通过无迹卡尔曼滤波(UKF)融合嵌入式大气数据观测系统(FADS)和惯性导航系统(INS)估计飞行器实时大气数据的算法。算法使用高维度非线性方程对惯性系统和大气系统间的关系建模,结合FADS与INS的数据,计算飞行器速度和高度,进而估算出攻角、侧滑角等参数。实验结果显示,与INS直接解算、扩展卡尔曼滤波(EKF)融合等原有估计方法相比,文章所述的算法在估计精度和系统稳定性方面均有所提高。     

基于ANFIS的智能导航自适应滤波算法研究

智能导弹等智能化飞行器在快速跨域、高速机动飞行时,由于传感器切换、外形改变等因素,会对组合导航信息融合系统引入随机非Gauss噪声等影响,离线优化的参数往往不能满足滤波器精度的需求。自适应网络模糊推理系统ANFIS是一种将人工神经网络和模糊推理技术相结合而成,符合人类认知特点的决策方法,它可以对导航数据进行学习,实现智能决策、实时修改滤波器内部参数,对滤波器进行优化。仿真结果表明,基于ANFIS优化的智能导航自适应滤波算法可以有效减少噪声和干扰带来的影响,提高导航精度。