基于双目视觉的无人机编队相对定位算法

针对无人机编队飞行时双目视觉定位精确性差、计算量大、实时性不高的技术现状,对基于特征点的FAST定位和BRIEF旋转(Oriented fast and rotated brief,ORB)算法进行了改进,提出了一种适用于无人机双目视觉定位的算法。在改进ORB算法中,采用提取目标区域、最近邻约束和随机抽样一致(Random sampling consensus,RANSAC)方法,提高了特征点提取与匹配效率,也提高了特征点匹配质量;对于双目视觉定位,提出了适用条件更加宽泛的双目视觉定位模型,并保证了模型的定位精度;最后使用卡尔曼滤波算法对无人机的定位信息进行估计,进一步提高了无人机的定位精度。实验表明,算法具有较高的精确性和实时性,满足无人机间的相对定位要求。     

一种不依赖剩余时间估计的巡航导弹多约束制导律

针对巡航导弹末段多约束精确打击问题,提出了一种不依赖剩余时间估计的攻击角度/时间制导律。推导了航向弹目相对运动关系,设计了一种基于附加航向角设计的时间约束制导律,通过对时间增益系数的设计和优化,实现附加航向角的调节,可使实际飞行时间向期望时间快速收敛;在此基础上,将角度约束制导律与时间约束制导律相结合,得到了一种角度/时间约束制导律。该制导律不依赖于剩余时间估计,进而实现多约束条件下航向轨迹自适应调整;通过求解偏置导引律闭环轨迹分析得到轨迹收敛条件,给出满足角度/时间约束制导律的显式收敛条件。最后通过数学仿真验证了本文提出的航向多约束制导律可满足时间和角度等多约束条件且具有快速收敛特性。     

基于YOLOv5的近岸SAR舰船目标检测方法

由于类似舰船的陆地目标的干扰和舰船的紧密排列,基于合成孔径雷达(SAR)图像的近岸舰船检测会出现较多漏检和误检,提出了一种基于YOLOv5网络的近岸舰船的检测方法。为提高近岸背景下的检测精度,使用了注意力机制模型和CSL的技术用于改进网络;分析了YOLOv5网络、注意力模型和CSL算法,基于YOLOv5进行了检测实验,引入注意力模型来改进网络;结合CSL算法,重构了YOLOv5旋转检测网络。通过调整训练参数和改进注意力,近岸目标检测网络的测试结果达到mAP 80%以上,证实了CSL+YOLOv5算法实现旋转检测的可行性。     

箭载无线传感器网络动态业务分配方法研究

无线传感器网络技术是新一代火箭测量系统中的关键技术之一,为实现箭上无线传感器节点业务动态变化场景下的信道资源无冲突分配,提出了一种基于优先级的动态业务分配方法——基于优先级的动态占空比节能位图辅助MAC协议(PD-EBMA)。主要思想是利用位图辅助适应业务量的动态变化、搭载预约的方式减少控制信息开销、背包算法提高信道利用率和降低时延,以及在流量较小时延不敏感的场景中使用动态占空比的思想降低能量开销。仿真结果表明:相比传统固定时隙的分配方式,PD-EBMA可以大幅提升网络灵活性,同时能耗和时延特性也得到显著改善。     

GNSS中基于双星故障的RAIM中的数学关系

从理论上推导全球导航卫星系统(GNSS)中基于双星故障的接收机自主完好性监测(RAIM)中的两个基本定理,为基于双星故障的RAIM技术提供了理论支撑。第一个定理给出了RAIM中奇偶矢量与导航误差的关系,指出了两者的统计独立性,它表明只能通过多次测量的累积以统计方法得到导航定位精度;第二个定理指出可通过偏差修正方式得到正确的导航解。这两个结论与单星故障假设条件下得到的结论是相同的,这就表明,基于单星故障假设的RAIM方法,其基本原理是可以通用于双星以至于多星故障情形的,只需在具体操作上进行适应性改进。另外,推导方法本身也提供了一种进行GNSS分析的有力工具。     

振动测量误差影响因素分析

讨论了振动测量系统产生误差的来源,主要分析了瞬变温度对振动传感器的影响和现有校准方式产生的误差对振动测量的影响,提出了减小误差的方法.此方法能提高振动测量的可靠性和测量准确性.     

基于多项式插值的自由漂浮空间机器人轨迹规划粒子群优化算法

针对自由漂浮空间机器人轨迹规划问题,提出一种基于多项式插值与粒子群优化算法相结合的非完整运动规划方法。首先,通过对系统非完整约束条件进行分析,给出了以机械臂关节角耗散能为目标函数的轨迹最优控制算法;并采用高阶多项式插值方法逼近机械臂关节角轨迹,将插值多项式的系数作为优化参数,结合粒子群优化算法对关节角轨迹进行优化求解。最后,对本文提出的轨迹规划算法进行数值仿真。仿真结果表明关节角轨迹平滑连续,保证了关节角速度及关节角加速度在初始和终止状态均为零,从而验证了所提方法的有效性和可行性。     

一种基于SIFT和KLT相结合的特征点跟踪方法研究

在目标发生明显姿态和大小变化条件下,为了利用基于特征点的跟踪算法实现对目标可靠、稳定跟踪,提出了一种SIFT算法和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪方法。通过对SIFT算法进行优化,使得到特征点分布相对均匀,同时不存在聚集现象;通过对KLT匹配算法进行分层迭代设计,提高了目标作快速运动时的匹配精度;最后根据特征点匹配结果,结合Greedy算法得到目标的准确位置。实验结果表明：该算法能够很好地适应目标姿态和大小的变化,实现对结构复杂目标的稳定跟踪;比KLT跟踪算法具有更好的鲁棒性和稳定性,能得到更加准确的目标位置。      

基于预测滤波的卫星交会对接相对位姿确定方法

基于视频制导系统提供的视线测量,引入一种高精度、高鲁棒性的、实时的预测滤波算法,建立系统的误差模型,对角速度和位移速度进行一步预测,从而精确地估计卫星的相对位置和相对姿态。此外提出修正方案,通过卡尔曼增益对相对姿态和相对位移进行修正和更新,估计性能得到改进优化。通过卫星交会对接仿真实验验证算法的有效性,结果表明,预测滤波算法高精确估计相对姿态和相对位置,修正后算法得到了更高的精度结果,满足卫星交会对接要求,对在轨实验有重要参考价值。