基于自适应滤波的电控旋翼桨距控制试验

提出了基于自适应滤波的电控旋翼桨距控制方法,并基于此开发了双闭环电控旋翼桨距控制系统,利用模型电控旋翼试验台进行了悬停状态下的桨距控制试验.试验结果表明:所研制的双闭环电控旋翼桨距控制系统能够有效、可靠地实现襟翼操纵和桨距控制.基于自适应滤波的桨距控制律可以很好地实现电控旋翼的总距、周期变距以及总距耦合周期变距操纵;桨距响应幅值满足要求,相位滞后约在10°～15°之间;从襟翼偏转到桨叶变距响应的滞后约20°～30°.不同桨叶/襟翼自身的结构及气动特性差异,会一定程度的影响桨距控制的实际效果.      

基于神经网络的INS/SAR组合导航航迹状态估计算法研究

实现对已选航迹上的状态估计对于航迹规划有重要的指导意义,在干扰大的外界环境中,常规的卡尔曼滤波方法对组合导航航迹状态估计的精度已经不能满足要求,为此本文提出了采用BP神经网络用于组合导航的航迹状态估计。重点描述了BP网络用于航迹状态估计的设计方法,对训练样本的获得以及网络结构的选择给予了详细的介绍。最后结合INS/SAR组合导航的特点,分别采用常规卡尔曼滤波和BP神经网络进行航迹状态估计,仿真结果表明了该方法的有效性和实用性。     

BP/GA混合算法在简易组合导航系统中的应用

Kalman滤波器是组合导航中最常用的最优滤波工具,但是在组合导航系统中有一些应用的局限性,尤其在低成本的GPS(Global Positioning System)/DRS(Dead Reckoning System)组合导航系统中,存在着使用的GPS接收机和惯导测量元件的精度不够高的问题,要提高系统的测量精度,只能提高算法软件的先进性.为补偿卡尔曼滤波发散的缺陷,将神经网络和遗传算法组成的混合算法与卡尔曼滤波相结合,应用到GPS/DRS组合导航系统中,该算法不仅具有普通神经网络的自主学习能力、好的实时性,还克服了传统算法收敛速度慢、对学习参数敏感、局部有极小点等缺点,同时兼具卡尔曼滤波的最优估计性能.仿真结果验证了这种算法和常规卡尔曼滤波算法相比较具有更高的精度和稳定性,经过对仿真数据进行统计分析,纬度误差的最大值降低了一个数量级.     

微捷联姿态系统的一种扩展卡尔曼滤波方法

采用低精度的微惯性陀螺和加速度计作为微惯性捷联姿态确定系统元件,首先分析了捷联惯性姿态解算的非线性问题和误差累积的原因;根据姿态三角函数关系引入横滚、俯仰角的3个替换变量作为状态变量,并根据状态变量之间的约束方程和运动体前向速度测量,建立了捷联惯性姿态的一种扩展卡尔曼滤波模型;采用MTi微惯性捷联测量组合进行实验,将该扩展卡尔曼滤波方法解算载体姿态结果与捷联姿态解算结果相比较,验证了该方法抑制惯性姿态解算累积误差的能力.      

一种重力卫星质心在轨标定算法

针对重力卫星质心在轨标定问题,提出了一种将预测滤波与卡尔曼滤波相结合的标定算法。该算法首先利用磁力矩器产生一个明显大于干扰力矩的周期性力矩作用于卫星上,然后利用陀螺数据实现了卫星角加速度的预测滤波估计,并通过静电加速度计信息设计卡尔曼滤波器,实现卫星质心的标定;最后进行了数学仿真,仿真结果表明该算法针对卫星的角加速度及质心位置能够实时估计,三轴最佳标定精度分别为[0.0628 0.0324 0.0414]mm,实现了卫星质心较为精确的标定。     

一种基于相对钟差估计的星座自主时间同步方法

针对区域星座自主导航的任务需求,提出了一种基于相对钟差估计的星座自主时间同步方法.介绍了该方法的实现原理,建立了系统状态模型和系统测量方程,并设计了适用于星座时间同步的Kalman滤波算法.仿真结果表明,该方法能够实现星座卫星的时间同步.     

基于序列红外图像的弹道导弹中段目标检测跟踪方法

针对弹道导弹中段目标检测跟踪问题,将卡尔曼滤波应用基于红外图像的弹道中段目标检测数据滤波和预测,建立了中段目标的状态方程和量测方程。针对卡尔曼滤波中系统噪声和量测噪声的自协方差阵难于确定的问题,研究了卡尔曼滤波参数选择设置方法,利用实际检测结果对不同噪声参数条件进行了试验,得到了应用于弹道导弹中段目标检测跟踪的滤波器参数设置规律,为弹道导弹中段目标检测跟踪技术提供了参考。     

基于ASUKF的火星探测器脉冲星自主导航方法

脉冲星导航可靠、稳定、精度高, 是实现火星探测器自主导航的有效手段之一.针对脉冲星导航中脉冲到达时间的微小误差会引起巨大的位置估计误差这一问题,提出了一种基于扩维Unsented卡尔曼滤波(ASUKF,Augmented State Unscented Kalman Filter)的火星探测器脉冲星自主导航方法,建立了以位置、速度和脉冲到达时间的常值测量误差作为状态量的导航系统数学模型,可在对探测器位置、速度进行估计的同时有效估计并修正脉冲到达时间的常值测量误差,并降低随机测量误差的影响.仿真结果表明该方法的导航定位精度可达350m以内,可以满足火星探测自主导航的需要.     

粒子群优化粒子滤波的接收机自主完好性监测

接收机自主完好性监测（RAIM）是航空卫星导航接收机必不可少的功能,为保持全球卫星导航系统（GNSS）在卫星发生故障时系统性能不降级,需要对卫星故障进行检测和隔离。针对接收机观测噪声非高斯分布的特点,提出一种基于粒子群优化粒子滤波（PSO-PF）的故障检测和隔离算法。通过粒子群优化粒子滤波对状态估计进行一致性检验实现故障检测。采集实测数据验证算法的检测性能,并与基于基本粒子滤波的完好性监测算法进行比较,结果表明:本文所提算法在非高斯测量噪声下可检测并隔离全球定位系统（GPS）故障卫星,其性能优于基于基本粒子滤波的完好性监测算法性能,对研究北斗卫星导航系统（BDS）接收机自主完好性监测具有一定的意义。      

基于卡尔曼滤波和ABS控制输入的车速估计

在现有的轮速估计算法基础上,研究了一种基于参数自适应卡尔曼滤波和ABS(Anti-lock Braking System)控制输入的车速估计算法.该算法首先以四轮轮速为输入,利用ABS控制状态信息估计车辆的制动减速度,然后综合减速度和轮速信息分别估计左、右侧的参考车速.使用自适应卡尔曼滤波针对不同的滑移状况更新协方差矩阵,并采用真实的ABS制动试验数据检验所提出的算法,结果表明:该算法在各种路面条件下都能估计得到合理的参考车速.