基于距离信息的行人协同导航研究

针对行人在室内导航中GPS信息无法获取以及纯惯导解算结果发散严重的问题,提出了通过协同导航的方式提高行人室内导航精度的方法.利用行人间的相对距离约束关系,抑制纯惯导解算结果的发散.详细推导了行人协同导航的模型,采用信息滤波的方法解算导航结果,并在理论推导中发现信息滤波更加适合行人协同导航的工程实践.设计了一种使用微型惯性测量器和超宽带测距设备的行人协同导航系统,进行实际效果验证.通过数据采集与处理,将行人导航轨迹图输出,分析协同导航以及单独导航的误差,验证协同导航的有效性.实验结果表明,协同导航与单独导航相比,对导航轨迹和导航误差有更好的修正效果.     

基于CPSO的UAV编队集结路径规划

针对多无人机编队集结路径规划问题,提出了具有合作机制的分布式协同粒子群(CPSO)算法。为了满足无人机运动学约束,采用曲率连续的PH曲线作为备选路径。基于协同进化思想提出CPSO算法,为每架无人机规划出一条满足机间协同约束的最优安全可飞行路径。仿真结果表明,规划得到的多条路径能够满足无人机运动学约束、安全性及无人机之间的协同性要求;相比于协同进化遗传算法,CPSO算法搜索成功率更高,稳定性更好。     

基于UKF的双机协同纯角度目标定位路径规划

针对三维空间双机协同定位问题,在无迹卡尔曼滤波的基础上,提出一种规划双机路径的方法。首先,利用双机探测得到的方位角和俯仰角信息,并结合无迹卡尔曼滤波算法估计目标的状态;在此基础上根据交互信息理论提出指标函数的概念,以指标函数最大为轨迹优化的最优性能指标,将问题转化为求双机控制量的最优解;最后,采用遗传算法求解双机的控制量,得到比较合理的双机飞行路径。仿真结果表明,通过最大化指标函数可以有效地规划双机路径,且具有更高的精度和速度。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

新概念机翼尾流特性实验

大型飞机常采用开启襟翼以增大机翼升力系数,实现较大迎角的起飞和降落,而机翼在大迎角状态下,翼尖会产生能量集中且自由消散时间长的飞机尾涡,严重影响后续起降飞机的安全。基于Rayleigh-Ludwieg不稳定性,提出一种新概念飞机襟翼布局,通过水槽实验发现:新概念布局的襟翼对翼尖涡的消散具有明显的促进作用,不同参数组合下襟翼涡对翼尖涡的运动特性和能量变化的影响均有不同。实验结果也为飞机尾流控制的研究提供了参考,在满足飞行力学设计的基础上,合理运用增升装置构建四涡系统可以有效促进飞机尾流的消散,提高机场飞机起降效率。     

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSOLSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSOLSSVM算法能获得最优的LSSVM参数,且采用PSOLSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

自适应渐消Kalman滤波算法在RTK中的应用研究

在动态载波相位差分定位(RTK)中,由于观测环境复杂,会经常发生周跳、卫星信号失锁等情况,严重影响基线解算的连续性和可靠性。针对动态应用环境,提出了一种Kalman滤波算法在RTK技术中的应用方法。该方法可以实时估计模糊度浮点解及其协方差矩阵,在需要重新固定模糊度时可直接用于搜索,起到了周跳修复的作用。此外,采用了自适应渐消Kalman滤波算法提高算法的动态适应性,并引入独立的滑动窗进行新息的收集和处理,解决了由于参考星变化或卫星信号失锁造成观测量中断而无法准确计算新息协方差的难题。仿真结果表明,该算法能够在模糊度发生变化时快速收敛,并且相对于一般Kalman滤波算法在高动态下提高了模糊度浮点解的精度,提高了后续模糊度搜索的效率和固定成功率。     

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%。     

控制系统模拟信号处理方法研究

模拟量采集精度对控制系统具有重要意义.研究了模拟量采集过程的软件设计流程,层次划分和模型,从传感器AD值到模拟量物理值之间不同处理阶段给出了常用方法描述.针对错误处理详细描述了错误诊断方法.最后将模拟量采集软件应用于某发动机模拟量采集中,通过试验进行模拟量测量值和软件输出值对比计算,结果表明此模拟量采集软件输出模拟量精度均在有效范围内.