智能比相仪的研制

简要介绍了新型智能比相仪的性能指标、组成特点等一些内容,对智能比相仪的硬件设计思路、软件技术特点进行了重点研究,并对智能比相仪的电路及工作原理进行了叙述和详细的分析。     

衰减因子自适应滤波及在组合导航中的应用

从卡尔曼滤波技术的稳定性出发,分析了卡尔曼滤波算法发散的原因,提出了一组衰减记忆卡尔曼滤波中衰减因子的自适应估计方法,并在GPS/SINS组合导航系统中进行了计算机仿真.在计算衰减因子时,利用滤波残差序列在最优估计时为零均值白噪声的性质,构造了服从χ2分布的变量,并分别检验滤波残差每一个分量得出衰减因子值.仿真结果表明,该组算法能够自适应地估计出衰减因子的大小,有效地抑制滤波发散,且计算量较其它方法小.      

一种适合现场保障的新型雷达噪声系数测试仪

雷达接收机的噪声系数直接影响到雷达的作用距离,是衡量雷达接收机工作性能的重要指标,本文针对雷达现场保障设备的需求,采用大动态对数放大器AD8310,设计了一款专用雷达噪声系数测试仪,能够适应雷达接收机增益大动态变化的特点及外场温度大幅度变化的环境,已经试用于某对空警戒雷达保障系统,并取得了较理想的效果。     

压缩映射原理在平台惯导系统加速度计标定中的应用

传统的平台惯导系统加速度计所采用的自标定方法受到加速度计零偏预装值的影响存在着一定的误差,而且加速度计标定参数准确性的验证方法也较为烦琐,不利于操作。基于压缩映射原理,针对平台惯导系统加速度计提出了一种迭代式标定方法,消除了传统加速度计自标定方法中的误差,同时提出了一种简单、有效地验证加速度计标定参数准确性的方法,并对这种迭代式加速度计标定方法的收敛性进行了证明以及试验验证。     

基于IMU/FADS/无线电的火星上升器组合导航方案

以火星采样返回任务中火星表面上升为背景,研究了基于惯性测量单元（Inertial Measurement Unit, IMU）、嵌入式大气数据传感系统（Flush Air Data Sensing System, FADS）和无线电信标的组合导航方法。首先,在传统的IMU导航框架中加入由无线电测量获得的相对距离、速度信息,以及由FADS获取的动压、温度数据,建立了基于IMU、无线电和FADS的导航观测模型;然后,基于无迹卡尔曼滤波（Unscented Kalman Filter, UKF）技术对测量信息进行了融合,并压制了过程噪声和测量噪声,从而对上升器的状态进行了联合估计;最后,在数值仿真中,将UKF与自适应无迹卡尔曼滤波（Adaptive Unscented Kalman Filter, AUKF）技术进行了对比,在比较不同滤波器性能的同时,验证了组合导航方法的有效性。     

基于LabVIEW实现神经网络

文章选择LabVIEW的图形编程语言实现了神经网络.仿真结果表明,通过LabVIEW可将虚拟仪器技术和神经网络有机地结合起来,拓宽两者的应用范围,提高系统的性能和开发效率.     

基于天文观测技术的惯性导航系统的空中对准

提出了一种基于CCD星敏感器的捷联惯性导航系统的空中对准方法.应用双线性方程求解被观测星在星敏感器坐标系中的坐标值及传统最小二乘微分校正法求解捷联惯性导航的姿态,该姿态值与捷联惯性导航解算姿态的差值就是惯性导航系统的失准角.作为Kalman滤波器的观测量,计算机仿真结果表明,天文姿态信息有效地校正了陀螺漂移和初始失准角引起的位置和速度误差.     

转台转速周期性波动的自适应抑制技术

惯导测试设备(转台)的转速性能对惯性元器件和导航系统的性能测试有着重要影响,转台控制系统中存在的各种周期性扰动会造成转速的周期性波动,严重影响转台速率性能的提高.本文分析了该类设备转速周期性波动产生的机理,并针对周期性扰动幅度难以确定的特征,提出了一种基于非线性自适应控制理论的抑制方法和系统实现方案,该方法能有效抑制因周期性扰动而产生的周期性速率波动,提高转台的速率性能.转台实验表明,该方法对设备中存在的周期性转速波动具有明显的抑制效果.     

基于神经网络的SINS/GPS/TAN 容错组合导航系统设计

在联邦滤波器结构的基础上 ,设计了一种基于神经网络的天文惯性导航系统 /全球卫星定位系统 /战术导航系统 (SINS/GPS/TAN)容错组合导航系统。该系统首先在各子滤波器中用神经网络滤波 (NNF)代替传统的卡尔曼滤波 ,然后用模糊神经网络 (FNN)对各子系统进行故障检测 ,最后由神经元进行全局融合。通过仿真 ,验证了该方法的有效性     

先进战斗机过失速机动大气数据融合估计方法

可控的过失速机动是先进战斗机超机动性能的重要标志,飞机飞行包线的扩大已超出传统的大气数据系统测量范围,可靠的迎角、侧滑角、总压、静压等飞行大气数据是制约先进战斗机过失速机动中飞行控制的关键因素。以中国推力矢量验证机为对象,基于过失速机动飞行试验的数据,开展大气参数估计与验证研究。结合过失速机动的时间与空间特性,研究了基于风速、地速、空速矢量和惯性姿态、导航参数的大气参数融合计算方法;针对过失速大迎角状态下飞机周围气流非定常、模型非线性导致的融合大气参数误差的复杂特性,进一步构建深度神经网络,对机动状态融合迎角、侧滑角的强非线性误差进行拟合。仿真和飞行试验表明：该方法可在大迎角飞行状态下实现主要大气参数的融合估计,过失速机动过程中融合迎角误差优于2.3°,融合得到的大气参数可为过失速大迎角机动飞行控制提供可靠的大气参数状态反馈。