UKF方法在脉冲星自主导航中的应用

针对X射线脉冲星自主导航中的非线性系统滤波问题,将无迹卡尔曼滤波方法应用于自主导航计算过程中。首先,在简述脉冲星导航可行性的基础上,研究了脉冲星自主导航系统的基本原理和实施方案。然后,根据牛顿二体引力模型构建了航天器运动状态方程,根据脉冲到达时间模型建立了系统观测方程,并对二者进行了误差分析和建模。最后,将UKF算法应用于航天器自主导航过程中,仿真结果表明该方法能够实现航天器自主导航信息的解算。     

三轴陀螺稳定平台伺服回路全姿态解耦及变增益控制方法

在载体大机动飞行背景下,要求惯性平台具备全姿态的功能。国内现有的三轴陀螺稳定平台（简称三轴平台）不具备全姿态的功能,在内框架增加了限位挡钉以限制内框架角的工作范围,主要是基于内框架角不能工作在接近于?90?的认识。为了准确描述全姿态条件下三轴平台的运动规律,本文指出了传统动力学推导过程中的不足之处,重新建立了三轴平台的动力学模型,基于该模型给出了非奇异的全姿态伺服回路并提出了一种新的全姿态解耦方法,包括力矩解耦和转动惯量解耦。最后,针对转动惯量在框架转动过程中非定值的问题,提出了基于H∞控制理论的变增益控制策略。仿真结果表明,变增益控制器相对定常参数控制器可显著改善三轴平台伺服回路控制的性能。     

带攻角约束的高超声速飞行器自适应反步控制器设计

针对带攻角(AOA)约束的高超声速飞行器控制问题,提出一种基于非对称时变障碍函数的非线性自适应反步控制方法。首先,将飞行器模型化为严反馈形式,以反步法为基础进行控制器设计。然后通过光滑饱和函数对名义攻角指令信号进行限幅,并保证限幅信号的可导性,限幅产生的误差通过设计辅助系统进行补偿。进而使用障碍函数对攻角指令跟踪误差进行非对称时变约束。针对不确定性和干扰,设计新型自适应律对集中干扰上界进行估计并补偿。最终通过Lyapunov理论证明了闭环系统状态量一致最终有界并且攻角始终满足时变约束。仿真结果表明,本文方法能够在满足攻角约束基础上保证良好跟踪性能。     

高超声速飞行器再入段LQR自抗扰控制方法设计

针对高超声速飞行器(HSV)再入过程中强非线性、强耦合、气动参数变化剧烈的不确定性的特点,提出一种基于线性二次型调节器(LQR)和自抗扰控制(ADRC)的高超声速飞行器再入段的姿态控制方法。首先,建立高超声速飞行器再入段线性化模型,并采用LQR方法完成了状态反馈控制律设计。然后,结合自抗扰控制技术,设计了扩张状态观测器(ESO)对系统的模型不确定性和外部干扰进行补偿,大幅增强了系统的扰动抑制能力。最后,将得到的高超声速飞行器再入段LQR自抗扰姿态控制器(LQRADRC)应用于高超声速飞行器六自由度仿真,仿真结果表明本文所提出的控制方法能够快速、精确地跟踪角位置指令,并且对系统不确定性具有强鲁棒性。     

发射脉冲载波泄漏抑制研究与实现

对发射端采用双平衡正交调制器产生线性调频造成载波泄漏的原因进行了详细分析,提出了采用直接数字合成(DDS)技术产生发射端线性调频信号的实现方法,从而很好地解决了载波泄漏的问题,并给出了试验结果。     

柔性支撑控制力矩陀螺动力学建模与控制

针对柔性支撑引起控制力矩陀螺(CMG)框架控制性能下降的问题,建立了柔性支撑条件下控制力矩陀螺的动力学模型,分析了柔性支撑扰动力矩的耦合机理并给出了解析模型.据此,设计了 一种积分滑模控制策略,用于提升对CMG框架动力学特性变化和新增扰动力矩的鲁棒性.仿真结果表明,该控制策略相比传统的PID控制具有更好的动态过程和稳态...     

倾转四旋翼飞行器垂直飞行状态气动特性

综合采用基于滑移网格技术的计算流体力学(CFD)方法与悬停状态气动干扰试验方法,对倾转四旋翼(QTR)飞行器垂直飞行状态的流场进行模拟与试验,研究飞行器垂直飞行状态气动特性以及部分参数对气动特性的影响.结果表明:倾转四旋翼飞行器在垂直飞行状态,前后旋翼之间干扰不明显,但旋翼与机翼的干扰明显;旋翼旋向对旋翼与机翼的干扰不...     

谐振式光纤陀螺系统建模及其应用研究

谐振式光纤陀螺作为高精度角速度传感器,以其集成化高、成本低以及抗干扰性强等独有优势,逐渐成为下一代光学陀螺研究发展的热点。通过对谐振式光纤陀螺工作原理的分析,建立了陀螺数字信号处理系统可视化模型,并对系统谐振曲线和同步解调曲线等开环输出以及锁频反馈下闭环输出进行了模拟仿真。利用仿真模型分析了正弦波调制下谐振谱分裂现象,并搭建实验装置对其进行了验证。结果表明,实验中正弦信号调制频率高于系统谐振输出半高全宽一半,即对应2 MHz时,谐振谱分裂会导致同步解调输出线性区域出现明显失真,严重恶化了标度因数线性度。因此,搭建的谐振式光纤陀螺仿真模型能够准确而有效地模拟系统的工作状态,在系统噪声抑制和精度提升方面具有指导性意义。     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。