基于相对调制度的非方形干涉图处理方法

以相对调制度作为判据,划分干涉图中的有效点和无效点,并据此进行加权,采用加权最小二乘算法进行去包裹处理.采用这种方法可以有效减小包裹位相中坏点或无信息点对有效点去包裹位相的影响.以移相式干涉仪为例,给出了相对调制度的计算方法,简述了加权最小二乘去包裹算法的原理,并通过光学盘片的处理结果验证方法的正确性.     

匹配数据的平滑滤波技术

讨论了匹配测量数据的平滑，滤波和外推问题，所谓匹配测量数据是指位置参数和速度参数呈求导的匹配关系，提出了利用数据的匹配特性这一先验信息来改善多项式最小二乘滤波器的设计，对测量数据中的位置和测速数据进行统一处理，在最小方差意义下给出了平滑滤波公式及其效率方差比，由于充分利用了先验信息，减少了待估计参数的个数，显著提高了参数的估计精度，仿真计算结果表明该方法能显著改善目标运动参数的估计精度。     

基于最小二乘估计的电影经纬仪交会测量算法

提出了一种基于最小二乘估计的电影经纬仪交会测量算法.充分利用3台经纬仪测得的冗余数据,用迭代算法求得运动目标在任一时刻的空间位置,且避免了目前的直接算法中两套公式切换时机不易掌握的问题.理论分析和在新的布站方案下的数值模拟结果表明,该方法具有计算精度高、收敛速度快的优点.相对于目前采用的直接算法,可较好地改变对飞行目标的测试精度.     

航空发动机约简遗传规划起动非线性动态模型

提出了一种新的用于航空发动机最优化起动过程数据驱动动态建模的约简遗传规划(PGP)算法。这种模型采用遗传规划产生航空发动机辨识模型的输入输出非线性模型集,并以二叉树结构表征函数项,运用正交最小二乘算法(OLS)估计二叉树分支对于模型精度的贡献并据此去除复杂、冗余的函数项,从而加快遗传规划的收敛速度,最后通过GP进化可获得简单、可靠、准确的线参数非线性线参数动态模型。实际发动机起动过程建模应用案例证明,这种思路对于具有非线性输入输出关系特征的数据可以产生鲁棒性好、解析性强的线参数非线性模型。      

基于神经网络的重力卸载系统控制器设计

吊挂系统是地面模拟空间机械臂重力卸载试验的重要方法之一.针对传统PID控制方式动作响应慢、鲁棒性差等缺点,提出了一种基于径向基函数(RBF)神经网络的智能控制方式.该方式有很强的非线性拟合能力,且学习规则简单,可映射任意复杂的非线性关系,便于计算机实现.利用该特性,设计了一种重力卸载精度较PID控制方式更高的控制器.该...     

基于TEASER算法的空间非合作目标位姿估计

基于点云的空间非合作目标位姿估计,常受到噪声影响.提出截断最小二乘估计与半定松弛(truncated least squares estimation and semidefinite relaxation, TEASER)与迭代最近点(iterative closest point, ICP)的结合算法,提升空间非合作目标位姿估计精度与鲁棒性.该方法包括粗配准与精配准两个环节：在粗配准环节中,基于局部点云与模型点云的方向直方图特征(signature of histogram of orientation, SHOT)确定匹配对,利用TEASER算法求解初始位姿;在精配准环节中,可结合ICP算法优化位姿估计结果.北斗卫星仿真实验表明：在连续帧位姿估计中,噪声标准差为3倍点云分辨率时,基于TEASER的周期关键帧配准方法的平移误差小于3.33 cm,旋转误差小于2.18°;与传统ICP方法相比,平均平移误差与平均旋转误差均有所降低.这表明所提出的空间非合作目标位姿估计方法具有良好的精度和鲁棒性.     

基于递推平方根法的神经网络模型辨识

提出一种基于递推平方根法的神经网络模型辨识方法,对Davidon最小二乘法和阻尼最小二乘法进行了改进,既保持了二者简单易行、收敛性的优点,又能提高精度,减少计算量,适合于应用在非线性系统的辨识和自适应控制中。与常规的Davidon最小二乘法和阻尼最小二乘法进行仿真比较,体现出了这种方法的有效性,尤其是在输入及隐含节点个数较多的情况,其优点比较明显。     

十二表冗余捷联惯导系统数据融合技术研究

针对采用正十二面体冗余仪表构型的十二表冗余捷联惯性导航系统,通过仿真和样机试验,开展了基于最小二乘估计的数据融合算法研究。对不同故障模式下的系统精度进行了分析,并通过Monte Carlo仿真验证了数据融合算法对提高系统导航精度的有效性。设计开展了样机静态导航试验,试验结果表明,理论最优的马尔柯夫估计并不完全适用于脉冲输出形式仪表的数据融合。最后通过优化改进加权系数、构造加权矩阵,显著提升了样机的静态导航精度,使样机位置误差和姿态误差与三表直接解算相比分别降低了78.6%和77.9%。     

基于MED和LMD的自动倾斜器轴承广义Shannon熵谱分析

针对轴承信号微弱故障特征易被强背景噪声淹没的问题,提出采用最小熵反褶积,通过逆滤波器最优化设计,对目标信号进行降噪处理,其峭度值提高了约3.8倍,增强了信号的微弱故障特征;针对非平稳非线性信号频率成分复杂难以解调的问题,提出采用局部均值分解(LMD)和峭度-相关系数筛选准则,其可对非平稳非线性信号进行自适应分解和最优重构,提高了信号的信噪比;针对信号耦合调制及边频突出的问题,通过引入广义Shannon熵进行包络谱带内降噪处理,信号一阶故障特征调制频率与故障特征频率的幅度比降低了24%~43%。通过实验室信号及某型直升机自动倾斜器轴承故障诊断地面试验的分析结果验证了该方法的合理性和可行性。