多模型自校准扩展Kalman滤波方法

基于扩展Kalman滤波方法（EKF）、自校准扩展Kalman滤波方法（SEKF）和多模型估计理论（MME）,针对工程实际中非线性系统状态方程受未知输入（如突风、故障和未知系统误差等）影响的问题,提出了一种多模型自校准扩展Kalman滤波方法（MSEKF）,将多模型自校准Kalman滤波方法（MSKF）的适用范围扩展到了非线性领域。该方法同时采用EKF与SEKF进行计算,根据贝叶斯定理实时分配两者先验估计值的权重,通过加权融合进而得到最终的状态估计。本文方法不仅解决了非线性系统状态方程受未知输入影响时EKF滤波发散的问题,而且在未知输入为零时的滤波精度与SEKF相比也更高,大量数值仿真结果表明该方法精度提升可达4%,具有更强的适应性和鲁棒性。     

分布估计算法在飞翼飞行器控制分配中的应用

针对飞翼飞行器多操纵面气动布局的结构特点与当前控制分配方法中存在的不足,提出了以多操纵面协调控制的综合效果尽量接近期望单操纵面控制的效果为优化目标,得到了多操纵面控制分配的连续多变量目标函数,并给出基于分布估计算法的控制分配求解策略,完成了飞翼飞行器多操纵面的优化分配。仿真结果验证了该方法的有效性。     

无人直升机视觉着陆中的运动状态估计算法

对无人直升机(UH)视觉着陆中基于视觉图像处理的运动状态估计问题进行了研究。介绍了视觉着陆原理,分析了运动估计、特征图像处理与着陆控制间的关系,推导并建立了UH相对着陆平台位姿估计算法、线速度与角速度估计算法。相邻两帧图像对应特征点像点位置为位姿估计算法提供数据,一帧图像特征点像点位置及其对应像点平移速度为线速度与角速度估计算法提供数据。利用UH着陆控制仿真数据模拟UH着陆运动过程中像点位置及其对应平移速度的视觉图像处理结果。仿真验证了运动状态估计算法,结果表明所提出的运动状态估计算法能有效地利用视觉图像处理结果数据估计出UH的位置、姿态、线速度和角速度。     

基于稀疏表示的多雷达信号二维融合处理

多雷达信号融合通过对多视角和多频带雷达信号进行相干融合,可以提高图像的距离和方位向分辨率.为了克服基于谱估计的多雷达信号融合方法稳健性严重依赖于散射点个数估计精度和二维极点配对精度的问题,在深入研究逆合成孔径雷达(ISAR)信号的基础上,构造了多雷达信号二维融合的线性表示模型,将融合处理转化为一个信号表示问题;充分挖掘...     

转子振动故障的过程功率谱熵特征分析与定量诊断

针对传统旋转机械振动故障定性诊断的不足,提出了1种以信息熵理论为基础的转子故障特征分析与定量诊断方法。在转子试验台上模拟转子振动的4种典型故障,分别得到4个测点多转速下的振动过程故障数据;对这些故障数据进行分析和处理,提取反映其振动过程的故障特征——功率谱信息熵,建立能描述转子振动过程变化规律的多转速多测点下的故障信息熵矩阵,并对振动故障进行分析;通过对转子振动故障信号的实例计算和定量诊断分析,验证了该方法在转子振动故障分类和故障严重程度判断方面是可行的。     

基于SVR及阴影信息的SAR目标方位角估计

目标成像方位估计是合成孔径雷达（synthetic aperture radar,SAR）自动目标识别中一个重要的预处理过程。提出一种基于支持向量回归机（support vector machine for regression,SVR）并结合SAR目标阴影信息的方位角估计方法。首先通过长直边拟合法与脊波变换法对目标图像进行方位的粗估计．再由SVR完成精确估计。利用“运动与静止目标的获取与识别”（moving and stationary target acquisition and recognition, MSTAR）项目组提供的实测数据所做实验表明,此方法可以有效估计SAR目标方位角,精度高、泛化能力强．特别是在水平成像方位附近利用了目标的阴影信息,明显提高了相应区间的方位角估计精度。     

传递对准的一种方位估计方法

以往的速度匹配方法通常水平失准角估计精度很高,对准时间快而方位失准角估计不理想,为了克服这个问题,本文推导了一种新的方位估计方法。首先由新的速度匹配方法估计出两个水平失准角,然后把这两个失准角信息当做已知量,计算出了方位失准角。并且根据理论推导进行了仿真,结果表明,该方法估计方位失准角精度高,有很好的实用性。     

Weibull分布可靠性分析

本文讨论了Weibull寿命型产品的分布参数、可靠性及可靠寿命的极大似然估计，包括点估计和置信区间估计，然后讨论了Weibull分布的Bayes可靠性分析方法，并使用Gauss—Legendre方法解决了Bayes分析方法中的积分困难，大大节省了计算时间，算例表明这种方法是合理有效的。     

电离层顶部电子含量对GNSS电离层层析的影响分析

卫星信号射线上的总电子含量(slant total electron content, STEC)是像素基全球卫星导航系统电离层层析(computerized ionospheric tomography, CIT)建模的必要数据来源，但电离层层析通常忽略1 000 km以上的顶部电子含量，为弄清这部分电子含量对层析结果的影响，利用NeQuick2模型计算站星视线上的STEC与其在电离层区域内的STEC比值来改正原始数据，并分别利用改正前后的STEC进行电离层层析。结果显示，电离层顶部电子含量占比约为10%，白天占比略大于黑夜，与测高仪站的数据相比，改正后的均方根值比改正前提高了20%以上；与Swarm卫星提供的电子剖面数据对比，改正后的层析结果精度较改正前提升了19.6%左右，且该方法受地磁扰动影响较为明显。总的来说，利用CIT进行小尺度电离层探测，可较直观地看出，顶部电子含量对层析结果的影响较大，需要采取相应手段予以剔除。     

考虑先验信息可信度的后验加权Bayes估计

 先验信息失真及先验样本数量过大会扭曲小子样条件下Bayes融合评估的效果,引入可信度可以改善这个问题。现有的可信度度量方法大都直接基于数据层,即通过判断两种样本是否属于同一分布,这种度量在小子样情况下不太可信,为此提出了一种基于数据物理来源的可信度度量方法。同时归纳了可信度融合评估的准则,分析了现有可信度融合评估方法的不足,并结合正态分布的参数估计问题,给出了一种考虑先验信息可信度的后验加权Bayes估计方法。理论分析和算例都证实了该方法优于常用的Bayes估计方法。