国内外行星表面巡视器自主导航技术研究

作为航天技术发展的前沿和趋势,深空探测是人类历史上最为复杂的系统工程之一.星球巡视器是在星球表面移动作业的无人探测系统,能够对星球表面进行大面积、近距离和接触式的考察,是地外星球着陆探测作业的主要手段.星球巡视器导航技术是研究星球巡视器的关键技术之一,其导航自主性能直接影响星球探测计划能否顺利进行.本文首先概述了星球巡...     

分析型光压模型在北斗导航卫星精密定轨中的应用

太阳辐射压摄动是导航卫星受到的最大非保守力,是精密定轨的主要误差源,目前一般使用扩展经验光压模型(ECOM)等经验模型应用于卫星的精密定轨,分析型光压模型物理背景清晰,更加适合在轨初期的精密定轨。文章分析了分析型光压模型在我国北斗高轨导航卫星中的应用。选取了约1个月的北斗地球静止轨道-6(GEO-6)和倾斜地球同步轨道-5(IGSO-5)卫星数据进行分析,其太阳辐射压摄动加速度在轨道的径向(R)、横向(T)和法向(N)3个方向分别约为10^-7、10^-7和10^-8 m/s²量级,将分析型光压模型和精密定轨输出的太阳辐射压加速度进行比较,GEO-6卫星径向和横向的差异在10^-8 m/s²量级,法向方向在10^-9 m/s²量级,相对误差在10%左右,对IGSO-5卫星,差异要小1/2左右,约为5%。以多模GNSS系统试验网络(MGEX)的轨道作为参考,直接使用分析型光压模型,GEO-6位置误差约为2.5 m, IGSO...     

一种面向工业机器人的高精度三维无序抓取系统

在航空航天、汽车等领域中,各类复杂工件结构复杂、纹理弱且混叠堆放,在智能制造过程中存在快速、高精度测量和识别难题。针对上述问题,建立了一种面向工业机器人的高精度三维无序抓取系统。基于面结构光三维测量技术,构建大场景固定基座的三维视觉测量装备,获取大型复杂零件的三维点云数据。建立零件点云模板,设置抓取点位置,利用点云配准技术识别零件并估计当前位姿。提出了一种手眼标定优化策略,实现了对工业机器人的精确引导,完成任意位姿零件的抓取,按要求装配于指定位置。实验结果表明,所设计的无序抓取系统平移误差为0.413mm,角度误差为0.123°,可以快速有效地对散乱堆叠零件进行高精度识别与定位,引导工业机器人准确抓取与放置,该系统可以在航空航天、汽车等领域的工业生产线上进行示范应用。     

双轴地磁辅助的惯性/卫星组合导航方法

旋转弹姿态的精确获取是旋转弹控制领域的一个研究重点,单纯将惯性/卫星组合导航方案应用于旋转弹上,无法快速而准确地获取弹体滚转姿态角。提出一种双轴地磁辅助惯性/卫星组合导航方法,该方法采用双轴地磁传感器、微机电(Micro Electro Mechanical System, MEMS)惯组和卫星导航组合测量方案,由序贯Kalman滤波算法完成对弹体姿态、速度和位置的估计。选取某旋转弹为仿真对象,仿真结果表明该方法在获得高精度速度、位置的同时,可快速完成弹体姿态准确估计。当地磁传感器精度为10mGs时,弹体姿态可在1s内快速收敛,且姿态精度优于0.5°(1σ)。该方法具有导航精度高、地磁标定简单、价格低廉的优点,在旋转弹导航方案上有一定的工程应用价值。     

深空探测自主导航技术综述

由于深空探测任务具有飞行时间长、距离远、环境复杂多变的特点,基于地面深空网的导航方法存在通信时延大、传输效率低以及天体遮挡等问题。自主导航技术可以使探测器具备自主执行部分或全部导航功能的能力,大大减轻了探测器对地面站的依赖程度,已成为深空探测领域的重点研究内容。从国内外深空探测任务的实际工程需求出发,首先概述了天文导航、惯性基组合导航以及星间测量导航方法的基本原理,其次介绍了三种自主导航方法的国内外发展现状,并重点分析了三种自主导航方法的关键技术,最后对未来深空探测自主导航技术发展给出了若干建议。     

多源自主导航系统可信性研究

多源自主导航系统技术是新一代国家综合定位、导航与授时(Positioning, Navigation and Timing, PNT)体系下终端用户导航系统的技术发展方向。聚焦于导航信息智能决策的可信性,分析了可信性理论构建存在的科学技术问题,基于任务场景、运动环境以及载体动力学特征等,提出了多源自主导航系统中的载体动力学智能建模与计算、融合载体动力学特征的导航方式无感切换与智能决策、可信性自主判别与动态迭代优化的解决方案,为多源自主导航系统技术体系构建打下基础。     

惯性推算误差抑制的神经网络自学习模型设计与验证

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。     

液池深度对水滴撞击水面后形态特征影响的实验研究

用实验方法对液滴撞击液面后的形态特征及其机理进行了研究。用高速摄像机记录了不同液池深度下的液滴撞击液面过程,总结出了在不同阶段出现的液坑、液冠、中心射流和次生液滴等特征现象。基于计算机视觉算法开发了图像处理程序,实现了特征几何参数的自动提取。讨论了液池深度、韦伯数、初始液滴直径和液滴下落高度等因素对特征运动形态的影响。结果表明：在韦伯数一定的情况下,当液池深度跨越某个临界值时,液坑、液冠、中心射流和次生液滴等特征现象发生显著变化;液冠–液坑高度比随韦伯数的增大在一定范围内增大;中心射流能否分离出次生液滴与液池深度和初始液滴直径有密切的关系。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。