非最小相位系统输出跟踪的最优预测控制方法

讨论了一类非最小相位系统的输出跟踪问题。非最小相位系统广泛存在于机器人柔性结构控制、飞机的飞机控制和航天器发射等实际问题中。由于非最小相位系统内部动态的不稳定性,传统的一些输出跟踪方法将导致系统的某些变量发散。文中通过讨论系统的有界理想状态轨迹,将期望跟踪的输出进行了扩充,利用预测控制方法研究了一类非最小相位系统的输出跟踪问题,从理论上证明了利用预测控制可以使非最小相位系统稳定地渐近跟踪期望输出。     

基于加权最小二乘法的椭圆轨道编队飞行设计

提出了一种不依赖于相对运动描述的偏心率编队飞行设计方法。利用加权最小二乘法,根据事先所确定的理想相对运动轨迹,就能设计出与之最接近的相对运动轨道。这种方法适用于任意偏心率,并能很容易地加入各种摄动力的影响。仿真验证了其有效性。     

基于UKF的测速定轨实时算法

针对多测速元定轨测量方程非线性强的特点,引入了UnscentedKalman滤波。UnscentedKalman滤波通过设计少量的sigma点,并计算这些点经过非线性函数的传播,获得滤波值基于非线性方程的更新,从而避免扩展Kalman滤波线性化等缺点,提高了滤波精度。仿真结果表明,UnscentedKalman滤波方法可以很好地实现测速定轨,在飞行器实时跟踪领域具有较好的应用价值。     

拒止环境下多弹协同导航及编队优化设计

针对拒止环境下的多弹编队协同导航问题,提出了一种基于协同导航的编队位置优化设计算法。建立编队协同导航框架和相对导航信息测量模型,并基于联邦式滤波算法进行协同导航解算;定义单弹和编队导航精度指标,建立编队位置分配优化模型,在给定高精度弹数量的前提下,利用遗传算法进行编队位置优化设计;在此基础上,在给定编队导航精度的前提下,对编队中高精度弹数量进行规划。仿真结果表明,该算法可以有效提高多弹编队的整体导航精度。     

空间机动目标的跟踪和定位

轨道机动控制过程中，推力加速度的不确定性是机动目标运动的主项摄动。通过对推力加速度和机动目标运动建模，在地心惯性系建立了增广系统状态动力学模型，在地平测量坐标系建立了离散量测模型，同时讨论了机动目标增广状态非线性动力学模型的线性化问题。给出了扩展卡尔曼滤波实时估计增广状态向量的算法，仿真分析证明所述算法稳定、收敛，对机动目标具有较高的定位精度。     

基于目标威胁度计算的相控阵快速确认跟踪模式

机载相控阵雷达在探测远程、低空、高速目标时具有较大潜力。本文对机扫加相扫雷达环境下,如何充分发挥相控阵优势,提高机载雷达跟踪远程低空高速目标性能展开研究,在传统边扫边跟(Track while scan,TWS)技术基础上,给出了一种基于目标威胁度的快速确认跟踪模式。该模式采用有效的相控扫描策略,充分利用其波束捷变能力,通过相控回扫,一方面快速起始航迹,增加高威胁目标的跟踪距离;另一方面适当增加探测数据率,提高对远距高威胁目标的跟踪性能。仿真试验表明,新跟踪方法不但可以较好克服目标雷达散射截面积(Radarcross section,RCS)起伏影响,较快地起始和跟踪目标航迹,而且保留了TWS方法覆盖空域广的优点。     

直升机切换LPV鲁棒跟踪控制

针对直升机跟踪控制问题,提出了一种基于模态依赖平均驻留时间(Mode-dependent average dwell time,MDADT)切换信号的线性变参数(Linear variable parameter,LPV)控制方法。在直升机全飞行包线内选取可以表征直升机飞行特性的状态作为增益调度变量,利用"小扰动"假设将全量方程进行线性化处理并对其配平求解,将复杂的非线性模型转化为可以计算求解的线性模型。采用雅可比线性化方法在非线性模型平衡点处进行线性化处理,使用数据拟合的方法在理论上建立与非线性模型动态接近的LPV模型。对时变参数进行区间划分,结合参数依赖的多Lyapunov函数和MDADT方法,给出了保证切换LPV系统全局一致指数稳定的充分条件。考虑时变参数的渐变特性,以及由于测量误差和参数飘移等因素而造成的控制器增益变化,得到了在MDADT切换信号限制下的切换律。仿真结果表明所设计的控制律能有效动态跟踪直升机前飞的不同状态量,验证了所建模型和控制算法的有效性和可行性。     

大尺寸空间测量方法的实施及应用

对飞机大部件对接过程中应用的3类测量设备进行详述,比较各自的优缺点、精度和应用等。以大客研制过程中的大尺寸模拟件对接为例,阐述大部件自动对接测量方案是如何实施的,最后探讨在飞机大部件对接过程中测量方法和设备的选用,给出一些参考方案及建议以满足实际应用需求。     

基于极限学习机的修正当前统计模型跟踪算法

针对当前统计(Current Statistical,CS)模型由于先验知识的缺乏和其结构特点导致的跟踪精度降低的问题,通过使用极限学习机(Extreme Learning Machine,ELM)并根据目标历史状态信息,实时估计并修正CS模型的加速度估计值,提出了基于ELM的修正CS模型跟踪算法.ELM的训练结果表明...     

临近空间高超声速多目标检测前跟踪算法

针对临近空间不同径向距离高超声速目标难以同时被有效检测的问题,提出一种通过峰值聚优改进Hough变换积累结果的检测前跟踪(TBD)算法。采用径向距离-时间坐标描述数据,减少量测误差影响,规格化坐标使2个维度处于同一量级。进行Hough变换,分割参数单元进行点数积累和能量积累,采用标签矩阵记录每个量测点曲线经过的参数单元,遍历所有量测点将每个量测点只存于其所能构成能量积累值最大的参数单元,得到新的点数积累和能量积累结果。只对点数积累空间设置门限提取目标航迹,进行航迹约束和合并,输出最终航迹。仿真结果显示,算法将3个目标全部检测出的概率可达到90%,具有较好的多目标检测性能。