预测-五阶容积卡尔曼滤波方法

为适用于强非线性、非高斯过程噪声系统，结合预测滤波（PF）与高阶容积卡尔曼滤波（HCKF），提出一种预测-五阶容积卡尔曼滤波（P5thCKF）方法。通过预测滤波方法对系统模型中的过程噪声及其方差阵进行实时调整，进而将新模型代入到五阶容积卡尔曼滤波框架中进行实时递推状态估计。推导了五阶球面单形-径向积分准则，采用五阶球面单形积分准则处理球面积分，广义高斯-拉盖尔积分准则处理径向积分；描述了预测滤波方法并对模型误差调整量进行了推导。通过2个仿真实验验证了本文方法在强非线性、非高斯过程噪声系统中的可行性以及应用于工程实践的可能性。     

基于多模型的航空发动机传感器混合故障诊断方法

本文在多模型架构下,提出一种航空发动机传感器在线混合故障检测与隔离算法。利用长短期记忆网络逼近航空发动机建模误差、健康参数变化、过程噪声和测量噪声等不确定性源引起的真实发动机与机载模型之间的偏差。将传感器测量输出与不确定性值的偏差用于一种基于多模型的混合卡尔曼滤波器组算法中,利用贝叶斯方法计算每个传感器在健康模式和不同故障模式下的条件概率,然后根据最大概率准则进行传感器故障检测与隔离,克服了阈值难以选取的问题。针对某型涡扇发动机传感器发生偏置故障、漂移故障和间歇性故障的情形进行仿真验证,并对比了不同传感器之间的检测与隔离精度。结果表明：所提出的方法可以在更高水平的退化下诊断出发动机传感器常见的故障,混合方法对不同不确定性源具有鲁棒性。     

利用GPS进行姿态估计的一种算法

首先建立了全球定位系统（ＧＰＳ）姿态确定的观测方程;然后给出了利用ＧＰＳ进行飞行器姿态估计的模型,并对该模型进行了线性处理;最后利用攻推广卡尔曼滤波技术,针对某飞行器进行了仿真计算。计算结果表明,对于不同的测量噪声和系统噪声,滤波器都有较好的估计,姿态估计的精度明显高于单纯ＧＰＳ姿态确定的精度,可以满足大多数飞行器对姿态确定的要求,证实了模型和算法可用性。     

陀螺罗经和计程仪辅助的GNSS/SINS松组合导航系统

针对GNSS/SINS组合导航系统在全球导航卫星系统(GNSS)失效情况下,系统导航误差会因捷联式惯性导航系统(SINS)的误差积累而迅速扩大的问题,提出一种基于卡尔曼滤波(KF)的GNSS/SINS/GC/VL松组合导航系统及算法。该算法利用引入的航向和航速信息建立滤波方程,可以实现在滤波后对SINS进行误差修正。仿真结果表明,有陀螺罗经和计程仪辅助的GNSS/SINS组合导航系统在GNSS失效情况下,其定位误差比传统GNSS/SINS松组合的定位误差小。     

一种基于虚拟星敏感器的卫星姿态确定方法

对于配置多个星敏感器的卫星,采用常规的定常增益卡尔曼滤波方法进行姿态确定时,存在滤波定常增益矩阵众多、系统复杂的问题,为了简化滤波系统设计,统一定常增益矩阵,提出一种基于虚拟星敏感器的姿态确定方法.给出一种计算量小、适合星载计算机在轨实时计算的星敏感器时间滞后补偿及相对基准标定算法,将星敏感器的输出数据统一到当前星时,同时将星敏感器的测量基准统一.基于单星敏/双星敏的输出数据构造虚拟星敏感器(安装矩阵为单位阵)的输出数据,设计统一的定常增益矩阵进行姿态确定.仿真结果表明,本方法与常规的定常增益卡尔曼滤波方法姿态确定精度相当,从而验证该方法有效,且具有重要的工程应用价值.     

图像序列中机动目标三维运动和结构的计算

综合视觉运动分析中的2类处理方法,选取图像中的角点作为特征点,在理论上证明了图像序列的光流场可以近似地用角点的位移场代替。利用已有文献中的建模思想,详细推导出递归计算机动目标三维运动和结构的非线性计算模型,采用广义卡尔曼滤波(EKF)递归地计算图像序列中机动目标的三维运动和结构。合成图像序列和真实图像序列实验结果表明该算法能取得较好的效果。     

一种新的鲁棒非线性卡尔曼滤波

Huber方法是一种基于l1/l2联合范数的估计方法,该方法可以实现估计的鲁棒性,同时尽量不损失滤波精度和效率.基于Huber估计的无味卡尔曼滤波虽提高了无味卡尔曼滤波的鲁棒性,但这种方法用统计线性回归模型来近似非线性的观测模型,损失了无味变换的精度.从Huber方法的数学意义出发,对观测信息(观测值或观测噪声)进行重新构造,然后对精确的非线性观测方程进行标准的无味卡尔曼滤波,这种新的基于Huber方法的无味卡尔曼滤波无需对非线性观测方程进行线性近似,在保持鲁棒性的前提下提高了滤波精度.通过一个具有混合高斯分布观测噪声的简明实例,验证了新算法在鲁棒性、滤波精度以及估计一致性方面的优势.     

发射系下SINS/GPS/CNS组合导航系统联邦粒子滤波算法

传统的扩展卡尔曼滤波(Extended Kalman filter, EKF)算法应用于未来高超、空天飞行器的组合导航系统时,因其模型线性化展开会导致模型不准确,从而引起导航精度下降;采用蒙特卡洛方法来实现递推贝叶斯估计问题的粒子滤波(Particle filter,PF)算法能有效避免引入线性化误差,具有一定的优势。据此,针对高超、空天飞行器在发射过程中通常需要直接获得发射惯性系下的高精度导航参数的需求,提高发射惯性系下弹载组合导航系统滤波算法的精确性就尤为重要,PF滤波算法无需对非线性系统进行线性化展开即可直接实现对非线性系统的状态误差估计。为此,本文将PF滤波算法引入空天飞行器SINS/GPS/CNS多信息融合组合导航系统,设计了发射系下基于联邦滤波器的PF滤波算法,实现了对组合导航系统状态参数的直接建模估计。算法仿真结果表明,相较于发射系下SINS/GPS/CNS组合导航系统联邦EKF滤波算法,PF滤波算法有效提高了组合导航系统滤波精度。     

火星探测器捕获段自适应卡尔曼滤波方法

天文导航是一种广泛应用于深空探测任务中的节能、高效的导航方式。基于轨道动力学模型和星光角距的卡尔曼滤波方法已经被成功应用在天文导航系统中。在捕获段由于探测器所处动力学环境复杂,未建模的加速度误差,星历误差等都会造成过程噪声统计特性不完全。针对以上问题,提出一种根据新息和残差序列的变化趋势来调节过程噪声协方差阵的自适应平方根容积卡尔曼的方法（AQSCKF）。该方法先分别利用新息和残差计算调节因子,然后判断新息和残差的变化趋势,当新息和残差的变化趋势一致时,取二者调节因子的均值作为过程噪声方差阵的调节因子,对其进行调节。此外,本文还将该方法与传统的只利用新息或残差在线调节协方差阵的平方根容积卡尔曼滤波（SCKF）方法进行对比,仿真结果表明,在解决由于过程噪声统计特性不能完全已知的问题上,AQSCKF算法不仅能显著提高导航精度,并且具有很好的稳定性。     

星敏感器姿态测量相对基准偏差在轨标校方法研究

摘要： 对航天器星敏感间姿态测量基准偏差在轨标校及性能评估问题进行研究.建立包含敏感器安装误差与测量误差的星敏感器模型,针对两种不同形式的安装误差模型,推导出相应的观测方程,基于卡尔曼滤波方法设计相对基准偏差估计器,并比较分析两种估计器实际应用特点.然后针对在轨实际应用,给出一种基于敏感器光轴夹角的标校性能评估方法,通过数学仿真验证星敏感器相对基准偏差的标校的有效性,并基于在轨数据的标校应用获取相对基准偏差在轨特性.