星载红外探测阵列对导弹跟踪定位的研究

通过分析研究建立了前视红外探测阵列 (FL IR)对导弹进行精确跟踪、定位的数学模型 ,其中包括导弹的运动模型、大气干扰模型和探测阵列的观测模型。根据探测阵列的原始观测数据 ,利用扩展卡尔曼滤波器 (EKF)精确跟踪导弹目标。由于导弹与探测器的距离较远 ,故可视为点目标。导弹在探测阵列上投影的位置由两部分组成 :导弹真实运动位置和由于大气干扰造成的偏移。滤波器分别估计了这两种位移在探测阵列上的变化。最后用蒙特卡罗方法分析了滤波器的性能。     

自旋稳定卫星姿态参数的容错Kalman滤波

Kalman滤波是一组用递推关系给出的动态 测量系统状态向量的最优线性无偏滤波 ,它在航天测控领域中有广泛应用。以自旋稳定型卫星姿态确定为研究对象 ,探讨Kalman滤波算法的实现途径 ,并对Kalman滤波算法本身进行适当改进 ,建立一组对测量数据野值点具有容错能力的修正型滤波算法 ;此外 ,还对滤波初值选取和测量数据误差协方差阵的估计等技术给出了有价值的建议     

带BP神经网络的卡尔曼滤波算法在GPS/SINS组合导航系统中的应用

针对带权值调整的Kalman滤波器,运用L-M的BP算法,将BP神经网络嵌入该滤波器中,与BP神经网络滤波器相比,减小了层数,提高了网络训练速度及精度。以GPS/SINS组合导航系统为例进行了仿真,结果既能抑制滤波发散,又能提高滤波精度。     

基于超统计的多阶段航空发动机剩余寿命预测

针对传统航空发动机剩余寿命（RUL）预测模型无法客观描述多阶段性能衰退过程及对于RUL预测精度不高的问题, 提出了一个新的多阶段航空发动机RUL预测模型, 包括超统计理论、突变点检测、无迹卡尔曼滤波（UKF）与非线性预测4部分内容。提出了基于超统计理论的多阶段分割滤波（BS-MSF）算法。首先, 该算法采用超统计理论进行突变点检测, 将航空发动机的健康数据划分为多个退化阶段；其次, 应用UKF对融合的时变参数进行滤波处理；最后, 通过非线性拟合对发动机RUL进行预测, 实验采用美国NASA发布的航空发动机数据进行数据分析和验证。结果表明:所提算法在发动机性能退化中的预测具有更好的适应性和更小的拟合误差, 能更准确地预测发动机的RUL, 预测精度比单阶段方法提高5.5%。      

基于样条拟合和双向滤波的助推段弹道估计

三次B样条拟合在助推段弹道估计中应用广泛,但存在弹道两端点邻域估计误差过大的问题.通过对B样条基函数矩阵的特性进行分析,发现其原因为端点邻域估计时能利用的有效观测数据最少.因此,提出一种基于样条拟合和双向滤波相结合的弹道估计策略：首先将双星观测数据利用无迹变换转换为等效位置观测;然后利用三次B样条拟合弹道;最后基于一种自适应卡尔曼滤波器,采用双向滤波策略改善样条拟合的端点估计精度.仿真结果表明：组合方法使样条拟合的端点估计误差减少40％,同时使估计弹道更平滑.此结果满足实时性要求.     

LEO AUTONOMOUS NAVIGATION BASED ON IMAGE MOTION

A method of LEO autonomous navigation is presented based on the nonlinear satellite velocity relative to the earth. The velocity is detected by a high-speed camera, with the attitude information detected by a star sensor. Compared with traditional autonomous navigation by landmark identification, the satellite velocity relarive to the earth is obtained by correlativity analysis of images. It does not need to recognize ground objects or views. Since it is not necessary to pre-store the database of ground marks, lots of memory space can be saved.The state and observation equations are constructed, and the filtering is processed by the Kalman filter. Simulation results show that the system has high autonomous navigation precision in LEO autonomous navigation.     

应用推广卡尔曼滤波实时定轨时的初轨确定方法研究

应用推广卡尔曼定轨方法实时时，要求在短时间内提供较精确的初始轨道。本文针对此问题，提出利用较短时间观测数据计算航天器运行轨道的较精确的初轨方法，并用理论轨道数据对算法进行软件仿真。结果表明，该方法所解算的初轨，在考虑一定的随机误差及系统误差条件下，基本满足定轨精度要求，是一种有效的初轨确定手段。在工程中具有实际应用价值。