运载火箭风场高精度拟合方法

针对运载火箭风场传统拟合方法精度低的问题，提出一种基于最少参数神经网络的高精度拟合方法。该方法将运载火箭飞行高度作为网络输入，将风场的速度和朝向作为网络输出，在满足精度要求下使用最少的网络层数和神经元个数完成风场拟合，并给出了隐层节点数的下界公式。和传统的最小二乘多项式拟合及其分段形式相比，最少参数神经网络只使用一套框架即可完成风速和风向的拟合，并提高了拟合精度。大量仿真结果充分说明了所提出方法的有效性、简洁性和鲁棒性。     

基于分层人工鱼群的相干极化-DOA联合估计

智能优化算法是解决多维非线性优化问题、提高计算效率的有力工具。本文针对相干辐射源极化-空间角联合估计中计算量巨大的工程难题，以广义子空间拟合约束公式为代价函数，提出一种分层人工鱼群算法。该算法基于分层协同策略将鱼群分为底层和顶层，底层以人工鱼群算法进行全局搜索以保证种群多样性，顶层以粒子群算法进行局部搜索以加快收敛速度。仿真结果证明：分层人工鱼群算法能大幅降低广义子空间拟合的计算量，尤其是在较多目标的情况下。算法可有效提高计算效率，同时可提供优于传统人工鱼群算法的估计精度。     

一种基于试验数据的发动机特性曲线拟合

准确的发动机特性曲线是其性能计算的基础。文章讨论了多种情况的特性曲线插值方法:在工作点位置区间内,对小数据情况引入了新的插值方法；多数据时,采用三次样条插值方法进行插值；在工作点位置区间外,数据较多时,基于最小二乘法进行不同工作点的拟合；当工作点位置数据较少,利用新的插值方法在区间内引入虚拟工作点增加数据点,后按照数据较多的情况处理。所得结果与实际数值比较,精度较高,具有一定的参考价值。     

未知纬度条件下基于空间圆拟合的SINS初始对准方法

传统的捷联惯导系统(SINS)晃动基座初始对准算法,如积分双矢量方法和多矢量Wahba方法等均需要精确的纬度信息,粗对准偏航角误差较大.针对此特点,提出了一种未知纬度条件下基于空间圆拟合的SINS初始对准方法.根据重力矢量在惯性系中绕地轴旋转包含北向信息的特征,以初始时刻凝固载体坐标系作为惯性系,首先对重力矢量在凝固载体系内进行投影并滤波,对其矢量端点进行空间圆拟合,然后通过三角几何关系得到导航坐标系,从而完成对准过程.通过仿真验证,证实了该对准方法不需要已知对准点的精确位置信息,相比于积分双矢量方法与多矢量Wahba方法,偏航角对准精度分别提高了12.37'与5.10'.