欠观测条件下的扩展增量 Kalman 滤波方法

建立欠观测条件下的非线性增量量测方程,并给出其线性化方法,在此基础上提出一种欠观测条件下的扩展增量Kalman滤波(EIKF)模型及其递推算法.工程实际中,由于环境因素的影响、测量设备的不稳定性等原因往往带来未知的系统误差,传统的扩展Kalman滤波(EKF)无法对这种未知的系统误差进行补偿和校正,结果产生较大的滤波误差,甚至导致发散.提出的扩展增量Kalman滤波方法能够成功地消除测量的系统误差,从而有效地提高非线性滤波的精度.该方法计算简单,便于工程应用.      

无迹增量滤波方法

提出无迹增量滤波(UIF)的概念,建立一般无迹增量滤波模型及其分析方法,并对具有加性噪声的无迹增量滤波进行了详细讨论,给出其递推算法.在工程实际中,由于环境因素的影响、测量设备的不稳定性、模型和参数的选取不当等原因往往带来未知的系统误差.在这种情况下,传统的无迹Kalman滤波方法(UKF)在递推过程中会产生较大误差,甚至导致发散.提出的无迹增量滤波方法能够成功消除这种未知的系统误差,提高滤波的精度.该方法计算简单,便于工程应用.      

Image Smearing Modeling and Verification for Strapdown Star Sensor

To further extend study on celestial attitude determination with strapdown star sensor from static into dynamic field, one prerequisite is to generate precise dynamic simulating star maps. First a neat analytical solution of the smearing trajectory caused by spacecraft attitude maneuver is deduced successfully, whose parameters cover the geometric size of optics, three-axis angular velocities and CCD integral time. Then for the first time the mathematical law and method are discovered about how to synthesize the two formulae of smearing trajectory and the static Gaussian distribution function (GDF) model, the key of which is a line integral with regard to the static GDF attenuated by a factor 1/ L s (L s is the arc length of the smearing trajectory) along the smearing trajectory. The dynamic smearing model is then obtained, also in an analytical form. After that, three sets of typical simulating maps and data are simulated from this dynamic model manifesting the expected smearing effects, also compatible with the linear model as its special case of no boresight rotation. Finally, model validity tests on a rate turntable are carried out, which results in a mean correlation coefficient 0.920 0 between the camera images and the corresponding model simulated ones with the same parameters. The sufficient similarity verifies the validity of the dynamic smearing model. This model, after parameter calibration, can serve as a front-end loop of the ground semi-physical simulation system for celestial attitude determination with strapdown star sensor.     

自适应无迹增量滤波方法

提出自适应无迹增量滤波(AUIF)的概念和定义,建立自适应无迹增量滤波模型及其分析方法,给出递推算法.传统的滤波方法极少关注量测方程的系统误差.在许多实际情况(如深空探测),量测方程由于受环境因素及测量设备不稳定等影响往往无法进行验证或校准而存在未知的系统误差,并且模型参数和噪声统计量也具有不确定性.这种不确定性会使递推过程产生较大误差,甚至导致发散,从而降低滤波精度.提出的AUIF能够成功消除这种未知的系统误差,也能够实时估计变化的噪声统计量,提高滤波精度.该方法计算简单,便于工程应用.      

鲁棒EKF在脉冲星导航系统中的应用

针对脉冲星导航系统的滤波问题,传统的扩展卡尔曼滤波(EKF)算法存在不能克服系统模型存在不确定性参数以及乘性噪声等缺陷,提出一种鲁棒EKF算法。首先,分析了状态预测误差方程和估计误差方程,利用统计学原理,得到了状态预测方差矩阵和状态估计方差矩阵计算等式。由于系统模型存在不确定性参数,状态预测协方差矩阵和状态估计协方差矩阵无法计算;因此,利用4个重要矩阵不等式,分析并找到预测方差矩阵和状态估计方差矩阵的上界。最后,利用状态估计误差协方差矩阵上界设计状态增益矩阵,使得状态估计协方差矩阵的迹最小。将该算法对脉冲星导航系统进行仿真,仿真结果验证了所提算法的有效性。     

滤光片在提高高温锻件图像对比度中的应用

为了提高高温锻件的图像质量,采用数字滤光与物理滤光相结合的方法,通过数字滤光滤掉锻件图像的R分量,并把滤光片安装于彩色相机的镜头前,以实现物理滤光,采用图像对比度来评价其应用效果。本文在800~1200℃之间设置图像采样点,通过比较不同滤光片在不同采样点的图像对比度,确定滤光片的最优选择方案。实验结果表明:本文所提出的方法能够使各个温度范围内的热态锻件获得最优的图像对比度,图像质量得到显著提高。     

基于神经网络的航天器GPS/INS组合定姿系统

基于GPS和惯性技术的组合导航系统是近年来导航系统的研究热点和主要发展方向.目前基于卡尔曼滤波方法的算法在稳定性、计算量、算法鲁棒性以及系统可观测性等方面仍然存在问题.基于神经网络技术研究了一种新的GPS/INS组合定姿自适应卡尔曼滤波方法,理论分析表明,该方法不但对姿态信息具有较好的估计性能,而且对系统模型的精确性、噪声特性具备良好的鲁棒性.最后,利用模拟数据对所研究算法进行了分析计算,与传统的卡尔曼滤波方法进行了比较、分析,结果表明所设计组合算法在精度、稳定性以及鲁棒性等方面较传统卡尔曼方法具有良好的特性.     

全柔性微型机构的拓扑优化设计技术研究

提出一种全柔性机构拓扑优化设计的新方法。用折衷规划法建立了柔性机构的多目标优化设计模型,在优化目标中引入运动学函数和结构函数分别表示柔性机构设计对机构柔性和结构刚度的要求,并采用伴随敏度分析法进行优化设计的敏度分析。将传统凸规划方法中的移动渐近线方法(MMA)推广到连续体的结构拓扑优化设计中,并形成一种新的具有全局收敛特点的移动渐近线方法(GCMMA)。对柔性机构拓扑优化设计中出现的数值计算困难问题进行了分析和研究,并提出一种改进的SIMP密度-刚度插值模型,该模型能有效消除机构中出现的棋盘格式和网格依赖性,并能明显减弱单点铰链连接问题。通过典型算例证明了本文方法的有效性,并对算例结果进行了快速原型制造。     

基于模糊奇偶方程的非线性系统传感器故障诊断

 给出了一种非线性系统传感器的故障诊断方法。该方法将T-S 模糊模型、全解耦奇偶方程和参数估计相结合,同时对非线性系统的多个传感器的故障进行检测、隔离与识别。设计出用于产生残差的线性系统全解耦奇偶方程,并给出了全解耦奇偶向量的存在条件,全解耦奇偶方程产生的残差仅对一个传感器故障敏感,而对系统状态、扰动输入和其它传感器输出解耦。引入T-S 模型将全解耦奇偶方程推广到非线性系统中得到了模糊奇偶方程。传感器的故障模型表示为刻度因子和偏差的形式,根据残差信息应用卡尔曼估计方法可识别出故障模型的参数。最后给出了某型号飞机控制系统传感器的故障诊断仿真实例。     

基于Bootstrap滤波的单站无源定位算法

针对非线性测量下的被动定位问题,建立了只测角定位模型。讨论了一种基于贝叶斯理论的 Bootstrap 滤波算法,并将该算法与扩展卡尔曼滤波算法进行了比较,仿真结果表明Bootstrap 滤波算法定位精度更高,抗噪声性能更强。