基于模糊自适应卡尔曼滤波的INS/GPS 组合导航系统算法研究

针对车载组合导航系统量测噪声统计特性随实际工作条件的不同而变化的特点,提出了一种基于模糊自适应卡尔曼滤波的车载INS/GPS组合导航算法。该方法通过监视理论残差与实际残差的比值是否在一附近,应用模糊推理系统不断的调整量测噪声协方差阵的加权,对卡尔曼滤波的量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高导航系统的精度。对车载组合导航系统的仿真结果表明,这种算法对时变的量测噪声具有较强的自适应性,进而精度比常规卡尔曼滤波也大为提高,是一种可行的车载组合导航算法。     

红外调焦仪及其装调技术

介绍某型号红外光学系统装配专用红外调焦仪的结构与工作原理。着重论述其组成部分的关键装调技术、要求与方法以及有关示意图。考核表明，该红外调焦仪的性能和装配精度可满足要求。     

基于压电智能结构飞机座舱振动噪声主动控制研究

针对在某些特殊情况下飞机座盘舱振动、噪声过大的实际情况，本文对其进行了振动、噪声抑制研究。以某飞机座舱模型为研究对象，利用压电智能结构，并结合振动主动控制方法和LMS自适应滤波算法，实现了一套完整的飞机座舱模型振动、噪声主动控制系统。最后本文给出实验结果，证明了此方法对飞机座舱模型振动、噪声抑制的有效性。     

用杂波子空间近似法实现机载相控阵雷达的自适应杂波抑制

在机载情况下，多普勒展宽的时变杂波可以由相控阵雷达中的空间－时间处理器得到最佳的抑制。然而对于大型阵列的实时应用却很困难，这是由于这种空间－时间最优处理要求很高的计算量（大约为每次迭代Ｏ｛（ＮＭ）＾２｝，其中Ｎ为阵元数，Ｍ为时间采样数）。在本文中，首先通过杂波子空间分析证明了杂波自由度小于Ｎ＋Ｍ，且单个多勒滤波器输出的杂波自由度很小，从而可以用一个仅有Ｎ＋Ｍ个自由度的低阶处理器来实现最佳的杂波抑制     

自动相关监视系统的研究与开发

介绍了自动相关监视系统的基本概念，构成原理和与实施相关的研究与开发工作，特别是重点介绍了以ＰＣ机为基础的ＡＤＳ信息处理系统的成果，最后还介绍了ＡＤＳ运行情况。     

舰载无人机横侧向着舰控制律设计

舰载无人机横侧向控制一直是着舰控制律设计的难点。为了解决着舰横侧向控制的难题,针对舰载无人机的非线性模型采用了反演控制器设计方法,为解决传统反演的计算膨胀问题,引入了指令滤波方法,同时只设计了一个Lyapunov函数证明了稳定性;由于舰载机动力学模型不能精确获得,采用了自适应方法对其进行估计。设计的横侧向着舰控制器,能较好地解决横侧向控制器设计过程中的耦合问题,并且和传统PID进行了仿真对比,证明了所设计的控制律满足了对参考信号跟踪的性能要求。     

飞控系统故障检测的参数模糊自适应调节

提出通过模型参数的模糊比例积分自适应调节，以校正基于模型的飞控系统故障检测中的系统数学模型偏差。针对模型中误差差较大的迎角导数值，将俯仰角加速度的测量值与教学模型估计值之差作为比例积分调节的反馈量，动态实时校正数学模型参数。     

VSV调节机构阻滞力和调节精度的归因分析

基于ANCF方法和摩擦力的NURBS表达算法，构建了考虑装配间隙、尺寸公差、关键件柔性、热影响以及接触摩擦等因素的复杂VSV调节机构的刚柔耦合动力学模型，并依据部件空间分布关系和参数化表述开发了VSV调节机构的快速自动化建模流程，大大提升了建模效率。分别对VSV调节机构的单级模拟气动实验及热态联调实验状态进行了对比仿真，结果表明，所构建的VSV调节机构模型在阻滞力仿真方面具有较高的可信度，且气动力引起的摩擦力矩是造成机构阻滞力、角度调节迟滞和调节精度下降的主要原因，气动力矩对机构阻滞力和角度迟滞影响不明显，关键件柔性对阻滞力影响较小，但却是调节精度降低的内在因素。     

自适应严格收敛非奇异终端滑模制导律

针对机动目标的末制导拦截问题，设计了一种带终端角度约束的有限时间收敛终端滑模制导律。首先，分析了现有非奇异终端滑模制导律存在的滑模面不能严格有限时间收敛的问题，进而构造了一种新型的非奇异终端滑模面。其次，设计了一种对目标机动上界的自适应估计，提出了一种自适应严格收敛非奇异终端滑模制导律的设计方法。最后，基于Lyapunov稳定性理论，证明了设计的制导律能够使得制导系统在有限时间内收敛到零，并且保证了滑模面在收敛过程中不存在非收敛因子，是严格有限时间收敛的。仿真实验验证了该制导律能够有效地拦截机动目标，同时和与现有的非奇异终端滑模制导律以及基于转换滑模面的非奇异制导律相比，拦截时间更短，终端攻击角度精度更高，导弹机动消耗的能量更少。     

基于自适应Siamese网络的无人机目标跟踪算法

无人机已被广泛应用到军事和民用领域，目标跟踪是无人机应用的关键技术之一。针对无人机跟踪过程中目标易发生形变、遮挡等问题，提出一种基于自适应Siamese网络的无人机目标跟踪算法。首先，利用2个卷积网络构建一个5层Siamese网络，通过对模板特征与当前帧图像特征进行卷积得到目标位置；其次，利用高斯混合模型对以往的预测结果进行建模并建立目标模板库；然后，从模板库中挑选出最可靠的目标模板并以此更新Siamese网络的匹配模板，使Siamese网络能够自适应目标的外观变化；最后，引入回归模型进一步精确目标位置，降低背景对网络性能的影响。仿真实验结果表明：该算法有效降低了形变、遮挡等情况对跟踪性能的影响，具有较高的准确率。