多级低压涡轮内部非定常流场扰动分析

采用三维数值模拟方法,对带有过渡段和后机匣支板的低压涡轮进行全环非定常数值模拟,分析了各个叶片排流场中存在的非定常扰动及扰动源,研究了低压涡轮第二级中存在的多种扰动源叠加现象,并对流场中的静压波动进行了频谱分析。结果显示,过渡段的二次流对低压涡轮内部流场存在明显扰动,并向下游传播至涡轮出口。第二级动叶中,上游导叶通过频率与过渡段二次流自身脉动频率产生叠加,形成的新扰动频率为两者产生的差频。采用全环非定常数值模拟预测多级低压涡轮内部流动中存在的各种扰动频率及其相互叠加很有必要。     

传感器参数误差下的运动目标TDOA/FDOA无源定位算法

在运动目标无源定位系统中，许多算法的前提是精确已知传感器的位置以及速度，但实际情况下可利用的传感器的参数均会存在一些噪声扰动。针对这一问题，提出一种改进的两步加权最小二乘（TSWLS）时差（TDOA）与频差（FDOA）定位算法。该算法是一种闭式算法并且分为2步。第1步与经典的两步加权最小二乘算法相同，第2步进一步研究了额外变量与目标参数之间的关系并且建立了新的矩阵方程。随后，利用加权最小二乘技术给出了最终解。理论分析证明了在测量噪声较小时该算法能够达到克拉美罗界（CRLB）。所提算法具有计算复杂度低，实时性高的优点；另外，经过适当的维度调整，该算法同样适用于对多非相交源进行定位求解。计算机仿真进一步证明了理论分析的正确性。     

基于时空显著性建模的空中飞行器跟踪方法

以复杂背景下空中飞行器的鲁棒视觉跟踪问题为研究背景，为解决现有跟踪方法目标表征模型不够精确，算法鲁棒性严重受到目标形变、宽高比变化、复杂背景等因素干扰的问题，提出了建模跟踪场景中独立物体的显著性特性，用于构建精确的目标模型。提出的显著性估计方法有别于传统的单帧检测方法，利用跟踪算法提供的背景先验知识以及多帧图像观测数据，使用时空联合的方式进行建模估计，其结果用来指导目标跟踪算法选取有效视觉特征，建立精确目标表征模型，减小背景区域对算法模型的干扰。实验表明，提出的方法为上述难点问题提供了有效的解决方案，对空中飞行器的跟踪精度与鲁棒性优于大多数最先进的主流方法，在其他类型的目标跟踪任务中也有十分优越的性能表现。     

自适应高斯—厄米特滤波器

针对带有未知统计特性噪声的非线性系统，提出了一种新型的自适应滤波器——自适应高斯—厄米特滤波器(AGHF)，其过程是通过将Sage Husa噪声估计器推广到非线性系统，得到更为一般的噪声估计的递推形式，它与高斯—厄米特滤波器(GHF) 相融合，得到适用于带有未知统计特性噪声的非线性系统的高精度自适应滤波器.仿真结果表明，当非线性系统存在一类未知统计特性噪声(系统噪声或测量噪声)时，与扩展卡尔曼滤波器(EKF)、GHF和自适应扩展卡尔曼滤波器(AEKF)相比，AGHF滤波器可显著提高对噪声统计特性和系统状态的估计精度.     

基于连接点的机载双天线InSAR系统相位偏置估计算法

针对在茂密森林或沙漠地区部署地面控制点(GCP)对其进行测量非常困难的问题,提出了一种基于连接点的机载双天线InSAR系统相位偏置估计新算法。基于InSAR原理建立地面高程反演的几何表达式,并根据重叠区域里的连接点高程在两次干涉测高过程中不变的特性建立相位偏置间的线性关系,在用最小二乘法求解相位偏置时,通过对不同的连接点进行加权,使估计出的相位偏置更加准确。对X波段机载双天线InSAR系统获得的实际数据进行处理,结果表明:与传统的算法相比,该算法无需GCP,具有更低的成本和更高的效率,且产生的数字高程模型(DEM)具有相似的精度。     

无人机桨叶损伤的在线模型估计新方法

无人机在复杂高对抗环境中极易出现桨叶结构受损故障，造成无人机控制性能退化甚至失稳，给无人机带来灾难性后果。桨叶结构损伤条件下无人机动力学模型的在线估计与重建是保障无人机控制系统稳定的重要前提。由于桨叶损伤干扰隐含于无人机动力学模型的内部，可观测性较低，典型的干扰观测器难以实现对此类干扰的估计。提出了一种新型穿透型干扰观测器，通过构造穿透函数，将模型内部的干扰映射到一个新建的平行空间，实现了对桨叶损伤的估计和故障后无人机的建模，并给出了所设计穿透型干扰观测器的稳定性条件。以四旋翼无人机为应用对象，对桨叶损伤形成的干扰进行在线估计与量化，反演出桨叶随机出现的损伤，实现了桨叶损伤后无人机动力学模型的在线精细重建，解决了无人机桨叶损伤故障下力矩输入难以直接测量的问题。半物理仿真实验验证了所提方法的有效性。     

基于SINS/BDS的抗差组合导航技术研究

无人车在城市峡谷环境下,BDS卫星信号易出现干扰或拒止、惯组易受到震荡输出野值,此时导航系统会出现较大误差。针对此状况,本文提出一种基于SINS/BDS的组合导航抗差算法,重点分析了关于BDS卫星信号和惯组数据的有效性判断及异常状况下的处理策略,并在常规KF基础上加入了基于新息的方差匹配自适应滤波技术,可在线实时调整量测噪声大小以提升系统稳定性和鲁棒性,有效减小异常情况下的导航误差。最后进行了半实物仿真试验,验证了整个系统算法的可靠性和导航精度。