基于FastSLAM的绳系机器人同时定位与地图构建算法

绳系式移动机器人可用于极端地形的探测,如陡峭斜坡、松软土壤、高耸悬崖、沟壑等。在运动过程中移动机器人的绳索不可避免地与障碍物接触甚至缠绕。由于绳索与障碍物之间的接触点不相互独立以及机器人模型的非线性特性,经典的FastSLAM框架不适用于绳索机器人的同时定位和地图创建（SLAM）问题。提出基于改进FastSLAM框架的绳系机器人SLAM算法。在该框架中,分别利用无迹滤波和粒子滤波解决接触点位置估计和机器人位姿估计问题,并利用非线性观测模型的无迹变换来简化粒子权重更新。仿真结果表明,该算法可有效地估计接触点位置,同时提高机器人位姿估计性能。     

基于卡尔曼滤波的航空发动机单神经元自适应控制

针对航空发动机多任务、多变量、高精度和一体化控制的需求,提出了一种基于卡尔曼滤波的单神经元自适应控制方法。该方法在单神经元自适应控制算法的基础上,增加了对控制量和发动机反馈量的滤波,提高了响应速度,精度较高。仿真结果证明,该方法对过程噪声和测量噪声具有很强的克服能力,所需计算量较小,能满足发动机控制对实时性的要求。     

连续小推力航天器自主导航及在轨参数标定

以连续小推力航天器为背景,提出了综合考虑星载加速度计和推力器在轨标定的自主导航方案。首先以精确姿态测量和引力梯度模型为标定参考信息源,建立了包含加速度计参数、推力器参数以及光压系数的完整参数测量模型;然后基于天文导航方法建立了自主导航系统状态模型和观测模型;表明各状态和参数的能观性后,采用了具备良好计算效率和鲁棒性的双重无迹卡尔曼滤波方法进行状态和参数联合估计。分析与数值仿真表明,该方法通过结合参数在轨标定直接提高了导航模型精度,在工程应用中具备可行性和有效性。     

基于Kalman滤波的GPS跟踪环路晶振闪烁噪声建模方法

由于晶振频率漂移对GPS接收机的载波相位和频率跟踪带来了误差,在载波跟踪系统中需要对晶振误差进行建模。传统基于Kalman滤波的跟踪方法无法对非白的闪烁晶振误差进行准确建模,导致跟踪环路建模产生一定的误差。针对上述问题,文章重点分析了晶振的频域模型建模过程和噪声协方差求解问题,提出了Kalman滤波中晶振闪烁噪声的近似建模方法,并用实际卫星数据验证了建模的正确性。     

高精度快速趋近滑模变结构末端导引方法

针对反导拦截过程中拦截时间短时传统比例导引制导脱靶量大的问题,运用滑动模态变结构控制理论,提出了快速趋近滑模制导律及高精度制导信息快速提取算法,在典型交战条件下与比例导引、扩展比例导引及开关偏置比例导引方法进行了仿真对比,结果表明该制导律实现了滑模趋近的快速性,有效抑制了指令的发散,滤波算法能快速有效提取有色噪声条件下制导信息,大大提高了制导精度,为高精度反导拦截打下了基础.     

稳定平台中陀螺漂移自适应实时估计算法

 针对陀螺稳定平台的漂移问题,建立了陀螺稳定跟踪装置在不同工作模式下陀螺漂移的数学模型,指出稳定模式下包含常值漂移和相关漂移的陀螺低频噪声是影响稳定精度的主要原因。提出一种自适应实时估计算法,采用卡尔曼滤波框架和滤波器收敛判据,结合Sage-Husa滤波和加权Sage-Husa滤波算法,利用跟踪器跟踪静止目标时输出的脱靶量信号对陀螺常值漂移和相关漂移进行估计。实验结果表明:该算法能够在系统模型和噪声特性均不准确的情况下使用,收敛时间小于3 s,估计均方差小于0.02 (°)/s,具有良好的鲁棒性和自适应能力。     

DORIS系统自主在轨实时定轨的实现与精度分析

国家科技重大专项高分辨率空间对地观测项目的实施,对卫星平台的自主在轨实时定轨提出了新的需求。由法国发展的DORIS实时定轨系统虽已成功应用于多个对地观测平台,但该系统从未公布其原始数据和数据处理的技术细节,因此本文尝试利用DORIS地面主控站提供的ENVISAT标准格式多普勒数据,假设星上自主定轨时采用相同的数据,基于卡尔曼滤波算法实现（仿真）自主实时定轨。计算表明仅考虑简单的非球形引力模型,对于位置误差1km,速度误差1m/s的初始条件,2小时后滤波趋于稳定,滤波精度为十米量级,速度精度为厘米每秒级。为提高滤波计算效率,对坐标系统转换进行简化后,定轨精度仍在十米量级。基于DORIS仿真测量数据滤波计算表明,随着测量精度的提高和每圈观测弧段的增加,滤波计算的精度也会得到有效提高。     

基于相位差测量的脉冲星时间相对导航方法

针对传统脉冲星导航方法在相位估计时依赖脉冲星信号轮廓,存在整周模糊及不确定星历参数引起的系统共模误差问题,提出基于相位差测量的脉冲星时间相对导航方法。该方法通过对脉冲星光子到达时间序列进行相位估计,以相邻时刻的相位差作为观测量,建立航天器位置增量与相位差的关系,采用广义卡尔曼滤波器处理系统噪声相关问题进行导航,可有效减小系统误差,实现脉冲星导航的应用。通过对导航系统初始定位方法、可观性分析,及基于罗西X射线时变探测器（RXTE）观测的Crab脉冲星的在轨实测数据试验分析,证明了该方法的自主性与可行性。最后,对基于相位差测量的脉冲星时间相对导航系统进行导航滤波仿真,试验结果表明,导航系统完全可观,噪声不累积,位置估计精度可满足实际应用。     

高斯非平稳机动目标波达角模型及跟踪

在实际的跟踪情况中,由于环境条件、目标反射截面等因素的变化,回波信号的功率会随时间变化,即不满足通常阵列信号处理中对高斯信号作平稳性的假设。针对复杂运动条件下高斯非平稳目标的跟踪问题,提出了一种新的机动目标波达角(DOA)模型。该模型全面地刻画了高斯非平稳机动目标的动态,并将目标的DOA和信号功率作为状态变量进行了联合考虑,同时运用虚拟阵列的表示方法构建了相应的观测方程。对于建立的新模型,最后采用无迹卡尔曼滤波(UKF)的框架完成了整个跟踪算法。分析和仿真结果表明,当高斯非平稳机动目标之间存在长时间相互接近的情况时,新方法仍然可以获得较好的跟踪性能。     

自适应高阶容积卡尔曼滤波在目标跟踪中的应用

针对传统容积卡尔曼滤波(CKF)在系统状态发生突变时估计精度下降的问题,将强跟踪滤波(STF)算法与高阶容积卡尔曼滤波(HCKF)算法相结合,提出了一种自适应高阶容积卡尔曼滤波(AHCKF)方法。该算法采用高阶球面-相径容积规则,可获得高于传统CKF的估计精度,同时在HCKF算法中引入STF,通过渐消因子在线修正预测误差协方差阵,强迫残差序列正交,提高了算法的鲁棒性,增强了算法应对系统状态突变等不确定因素的能力。将提出的AHCKF算法应用于具有状态突变的机动目标跟踪问题并进行数值仿真,仿真结果表明,AHCKF算法在系统状态发生突变的情况下表现出良好的滤波性能,有效地避免了状态突变造成的滤波精度下降,较传统的CKF、HCKF、交互式多模型-容积滤波(IMM-CKF)和自适应容积卡尔曼滤波(ACKF)算法有更强的鲁棒性和系统自适应能力。