自适应航天器态势分析系统

利用深度学习中的卷积神经网络理论,基于单目视觉系统和带有标识物的航天器影像,实现对航天器的三维姿态角、距拍摄点距离和相对拍摄中心偏移量的精准测量。利用机器学习理论实现网络自主学习样本特征,这一方式将大幅降低动态测量的误差。同时,这种测量方式也避免了人工提取特征的复杂过程,实现任意、精准、快速测量,对航天器在组装及发射过程中的姿态估计、距离测算起到关键性作用。     

无虚拟控制律的高超声速飞行器新型模糊控制

针对弹性体模型的吸气式高超声速飞行器(Air-breathing Hypersonic Vehicle; AHV)飞行过程中存在的外部未知扰动和不确定性,提出了一种无需虚拟控制律的新型模糊控制方法。首先,基于飞行器的纵向模型,将控制系统分解为速度子系统和高度子系统;然后对于每个子系统,仅采用一个模糊逼近器对系统的总不确定项进行逼近,摆脱了传统鲁棒控制对于精确模型的依赖,并保证系统的鲁棒性能。与含有虚拟控制律的传统反演控制相比,本文的虚拟控制律仅应用于系统稳定性分析,无需繁琐解算,仅按实际控制律需要执行。采用范数估计策略为模糊系统权系数参数向量的范数设计自适应律,保证了实时性的同时大大减少了逼近过程的学习量。最后通过仿真分析,在引入参数摄动的条件下,对系统输入的参考速度和参考高度进行跟踪控制,验证了控制器的鲁棒性和稳定性。     

基于多站数据融合的参数精估计方法

针对侦察设备处于星载SAR副瓣照射范围,从而导致截获信号湮没于强噪声背景这个问题,本文提出一种基于多站接收机之间的数据融合方法。在信号形式未知的情况下,通过此方法可以检测出淹没在噪声中的微弱信号,进行信号的分类和时频域参数的精估计。首先,将参考接收机与其他接收机之间进行互相关处理,得到峰值信息,根据峰值信息的位置得到信号与参考信号之间的延迟位置,进行延迟校准;其次,各个接收机分别进行粗步长的分数阶傅里叶变换（Fractional Fourier Transform,FrFT）,记录峰值信息为精估计做准备,根据峰值角度和分数阶傅里叶反变换恢复出原始信号;最后,判定是否存在信号,若信号存在实现多站原始信号功率比的加性融合,根据多站峰值信息限定旋转角度范围,采用精步长的分数阶傅里叶变换估计出调频率和中心频率;利用联合互相关谱实现信号能量的累积,采用自适应门线和边界波谷连续取小方法,找到信号存续状态中的左右边界,估计出带宽和中心频率,计算脉宽,实现时频域信号的精估计。仿真实验表明：该方法可以在低信噪比的高斯白噪声和有色噪声背景下,对线性调频信号（Chirp）的时频参数进行有效的精估计。     

双轴地磁辅助的惯性/卫星组合导航方法

旋转弹姿态的精确获取是旋转弹控制领域的一个研究重点,单纯将惯性/卫星组合导航方案应用于旋转弹上,无法快速而准确地获取弹体滚转姿态角。提出一种双轴地磁辅助惯性/卫星组合导航方法,该方法采用双轴地磁传感器、微机电(Micro Electro Mechanical System, MEMS)惯组和卫星导航组合测量方案,由序贯Kalman滤波算法完成对弹体姿态、速度和位置的估计。选取某旋转弹为仿真对象,仿真结果表明该方法在获得高精度速度、位置的同时,可快速完成弹体姿态准确估计。当地磁传感器精度为10mGs时,弹体姿态可在1s内快速收敛,且姿态精度优于0.5°(1σ)。该方法具有导航精度高、地磁标定简单、价格低廉的优点,在旋转弹导航方案上有一定的工程应用价值。     

一种面向工业机器人的高精度三维无序抓取系统

在航空航天、汽车等领域中,各类复杂工件结构复杂、纹理弱且混叠堆放,在智能制造过程中存在快速、高精度测量和识别难题。针对上述问题,建立了一种面向工业机器人的高精度三维无序抓取系统。基于面结构光三维测量技术,构建大场景固定基座的三维视觉测量装备,获取大型复杂零件的三维点云数据。建立零件点云模板,设置抓取点位置,利用点云配准技术识别零件并估计当前位姿。提出了一种手眼标定优化策略,实现了对工业机器人的精确引导,完成任意位姿零件的抓取,按要求装配于指定位置。实验结果表明,所设计的无序抓取系统平移误差为0.413mm,角度误差为0.123°,可以快速有效地对散乱堆叠零件进行高精度识别与定位,引导工业机器人准确抓取与放置,该系统可以在航空航天、汽车等领域的工业生产线上进行示范应用。     

PearsonⅦ型分布均值参数置信估计的改进

为提高PearsonⅦ型分布均值参数估计的精度,构造一个以θ的改进估计δa(X)为中心的置信估计aCδ,通过比较aCδ与通常的置信估计CX0的体积和覆盖率,证明了aCδ与CX0的体积相等但aCδ的覆盖率高于CX0,从而得到aCδ优于CX0的结论。     

基于时频二维估计的卫星导航失锁快速重定位技术

卫星导航接收机在天线受到遮挡或者弱信号环境中易出现信号失锁现象,信号恢复后的重定位时间成为接收机的一项重要性能指标。提出一种基于时频二维估计、适用于中低动态应用场景的失锁快速重定位技术,利用信号失锁前测量的载波多普勒频率和码相位等信息对失锁后的多普勒频率及码相位进行估计,信号恢复后直接启用信号跟踪,无需进行位同步和帧同步,即可实现快速重定位。对该技术进行工程实现及试验验证,结果表明信号输入功率高于–145dBm(积分时间为10ms)、失锁时间小于60s时,接收机重定位时间在1s以内。     

基于PTE的多雷达航迹融合算法

针对杂波背景下的多雷达航迹融合时局部估计误差互协方差矩阵未知的问题,提出基于目标存在概率（PTE）的航迹融合算法,提升了正确航迹率和跟踪精度。首先,通过综合概率数据关联得到单接收站的目标航迹估计集合和对应的目标存在概率。然后,在局部估计误差互协方差矩阵未知的条件下,基于PTE信息提出不带记忆的综合广义凸组合航迹融合算法。进而将前一帧的融合状态进行反馈,提出带记忆的综合广义凸组合航迹融合算法。仿真验证了所提算法的有效性。     

崎岖地形中关节式月球车姿态估计数值求解方法

 以被动关节式地形自适应月球车为研究对象,融合关节机器人D-H坐标建模方法构建了月球车悬架运动学模型和以侧倾、俯仰和偏转角表示姿态的欧拉角方式建立了车轮到世界坐标系的悬架完整表达模型。利用悬架完整表达模型,用带有迭代因子的连续迭代和离散迭代数值求解方法,建立了光滑和离散崎岖地形姿态估计算法。最后以8轮扭杆双摇杆摇臂月球车原理样机为例来验证此模型求解方法。仿真结果验证了所建立的基于数值方法的崎岖地形被动关节式月球车姿态估计模型的正确性,其求解模型精度能够满足仿真要求。     

一种改进的Lucas—Kanade光流估计方法

Lucas—Kanade算法是一种重要的光流估计技术,在计算机视觉领域有广泛的应用。但对于图像纹理欠丰富的区域,Lucas—Kanade算法光流估计结果较差。文章提出了一种改进的Lucas—Kanade算法：首先,计算跟踪置信度因子;然后,通过阈值检测剔除不可靠的光流估计结果;最后,进行邻域填充。该方法改善了纹理欠丰富区域的光流估计,对矮人模型图像序列进行了实验,证明了方法的有效性及优于Poelman方法和Chiba方法。