基于星敏感器四元数的卫星角速度预测滤波算法

为在无陀螺或陀螺故障时可用星敏感器估计姿态角速度，在扩展卡尔曼滤波（EKF）和非线性预测滤波的基础上提出了基于四元数的卫星角速度估计算法，并给出了相应的模型。该算法对角速度建模精度的要求较低，无需卫星动力学方程，方法简单且易于实现。仿真结果表明，算法的精度较高。虽然仍受噪声和步长的影响，但相对基于EKF和最小模型误差的角速度估计算法，其性能改善较大。     

新型电子罗盘在组合航向系统的应用

HMR3300电子罗盘是一种新型的磁航向传感器,能输出航向、俯仰、侧滚三个方向上的姿态数据,可以满足小型航向测量系统设计的要求。但该模块却易受外界干扰磁场的影响,因此,本文提出了一种电子罗盘和角速度陀螺配合使用的组合航向系统,并论述了HMR3300在该系统中的应用。     

基于PC／104的光纤陀螺捷联航姿系统

本文中给出了光纤陀螺捷联航姿系统的系统硬件结构组成以及软件流程。在整个系统的实现上，采用PC／104作为捷联航姿系统的导航计算机，采用低成本的VG910光纤陀螺作为角速度测量元件，采用C语言编写捷联航姿系统软件。为了检验基于PC／104的光纤陀螺捷联航姿系统的性能，对其进行了测试，测试结果表明本航姿系统的精度是可以接受的。     

欠驱动挠性航天器的全姿态控制

考虑欠驱动挠性航天器姿态控制问题,其中执行机构配置为两轴喷气和飞轮执行机构。提出了“喷气消旋＋飞轮机动”的分段控制方法,其基本思想是：首先利用喷气推进执行机构使航天器整星角动量趋于零,为飞轮控制做准备;然后利用飞轮执行机构使航天器从任意姿态转向指定姿态并维持。针对“喷气消旋”,说明了提出的控制规律能够保证航天器角动量全局渐近收敛于任意小量;针对“飞轮机动”,证明了航天器全姿态具有大范围渐近稳定性;针对“喷气消旋＋飞轮机动”的完整过程,采用扰动系统理论分析了闭环控制系统的大范围终端有界性。     

多类型约束下的航天器姿态机动反步控制

针对航天器姿态重定向中存在的多重指向约束、角速度约束问题,提出一种改进的反步控制方法。首先,将多重指向约束表示为四元数描述的凸约束集,并基于此设计了一种具有明确物理意义的凸势函数,以确保姿态指向满足任务要求。其次,考虑角速度受限的问题,引入双曲正切函数设计虚拟角速度控制律,以保证角速度始终处于约束范围内。进一步地,引入障碍Lyapunov函数对角速度跟踪误差进行限定。在上述基础上,利用反步法完成了姿态控制律的设计,并通过李雅普诺夫方法证明了闭环系统的渐近稳定性。最后,通过数值仿真实验和对比仿真实验校验了所设计控制律的有效性和优越性。     

低频标准角振动台

低频标准角振动台产生标准角位移、角速度和角加速度,用正弦信号对角位移传感器、角速度传感器(陀螺、转速表等)和角加速度计进行幅频和相频特性校准。简要介绍了低频标准角振动台的工作原理,并应用其对角运动传感器进行校准。校准范围为0.1~100H z;幅值灵敏度不确定度优于1%;相移不确定度小于1°。     

不完全量测下一类非线性光电跟踪系统滤波器设计

 随着不完全量测条件下探测概率的下降,传统光电跟踪系统的跟踪性能显著降低。为此,本文考虑将俯仰和偏航两个方向的角速度量测引入传统光电跟踪系统,并设计了不完全量测下基于置信度融合的目标跟踪滤波器。首先针对这类新型的光电跟踪系统建立了系统的量测模型,利用嵌套条件方法推导了转换量测误差前两阶矩的一致性估计;然后针对位置探测通道与角速度探测通道的4种数据探测情形设计了4个子滤波器,并根据探测通道的探测情况计算出各子滤波器的置信度,进而对各子滤波器的输出按置信度进行加权融合,得到了跟踪滤波器的全局输出;最后给出了非线性跟踪系统统计意义下的Cramer-Rao下界(CRLB)。Monte-Carlo仿真表明：在不完全量测下,相比传统光电跟踪系统,附加角速度量测的光电跟踪系统的跟踪性能有了显著提高,并且滤波器估计误差均方差(RMSE)已逼近非线性跟踪系统统计意义下的CRLB。     

关于桶滚动态特点的分析

桶滚是近代空战中重要的战术机动动作之一,飞行员能否熟练掌握桶滚的操纵方法,是取得空战胜利和保障飞行安全的基础。针对飞行训练中,桶滚操纵动作不易准确掌握,后段易出现偏差等特点。从桶滚的运动方程入手,根据其战术意义及飞机机动性能特点,分析与研究桶滚的动态特点及其影响因素,总结出桶滚的运动特点及操作规律。最终,为飞行员正确掌握桶滚的操纵方法,提高飞行员对飞机空中状态变化的掌控和识别能力,提升技战术水平,有效地保障飞行安全提供可靠的理论依据。     

基于角速度估计自适应的IMM目标跟踪算法

为了解决目标强机动时目标跟踪算法模型集不匹配的问题,提出了一种基于角速度估计的自适应交互式多模型算法。通过对角速度的估计,在目标的不同运动模式下选取最优模型集,角速度估计精度高时,通过角速度估计值构造模型集,减小模型间竞争;角速度估计精度低时,采用标准IMM算法的模型集,提高模型集的覆盖范围,从而提高跟踪精度。仿真结果表明该方法能够明显提升目标跟踪性能,对强机动目标的跟踪效果尤其显著。