基于神经网络的无迹滤波改进算法

介绍了采用无迹变换(UT)描述随机变量通过非线性系统后的均值及方差的方法,提出可以将神经模糊推理系统(ANFIS)用于确定无迹变换中的参数,使其对随机变量均值的描述达到二次以上精度,并给出了改进的无迹滤波器(UKF)结构和神经网络训练方法;仿真结果表明,该算法适用于系统含有未知输入或系统噪声为非高斯的情况,并可解决一些典型的非线性估计问题,改进算法的性能优于传统无迹滤波器。     

基于有效准则矢量生成的成像调度方法

进行高效成像调度是卫星控制的一项重要任务。通过将成像需求序列对应为有向图中的成像路径,结合成像调度问题特点,基于多个优化准则使用支配关系对成像路径质量进行综合评价,提出有效准则矢量生成算法。利用成像有向图的拓扑特性,基于时间顺序顶点选择策略进行顶点标记更新,生成出有向图中所有的有效准则矢量及每个准则矢量对应的一条Pareto优化路径。实验结果表明,获得的有效准则矢量数目小,算法可以在较短时间内得到多条具有代表性的优化成像路径,满足卫星成像调度的时间和性能要求。     

主从式卫星编队相对轨道的自主确定

为实现主从式卫星编队飞行中心星与环绕星的自主定轨，采用微波雷达测量卫星间相对距离、距离速率、方位角和仰角。根据动力学方程给出了导航算法，并利用扩展卡尔曼滤波（EKF）提高微波雷达相对速度的测量精度。仿真结果表明，该导航算法对主从式卫星编队较有效，且能获得较佳的导航精度。     

浅谈"过程的监视和测量"

概述了ISO9001∶2000中“过程的监视和测量”的目的和意义,重点探讨了实施“过程的监视和测量”的常用方法,并对管理、产品制作等过程中的监视和测量、实现途径和应用技术作了分析与说明。     

使用分集技术改善机载遥测设备的跟踪与接收

在接收系统中使用一种或多种分集技术,可以明显改善跟踪性能和数据接收。目前,有多种方法可用来改善信号强度和质量,这包括极化、频率、空间和时间分集。什么时候使用哪种系统?为什么?这些问题一直困扰着我们,这需要根据任务要求来确定。本文讨论各种分集技术的特点和改善效果,也讨论了不同任务应该选用哪种系统。有关分集信号的各种组合方法参见参考文献。     

剪切载荷作用下碳/环复合材料层压板的损伤扩展特性

本文对含中心穿透裂纹的碳/环复合材料层压板在剪切载荷作用下的损伤扩展规律进行了研究。通过对以[±45/O_6]_s、[(±45)_3/O_2]_s、[O/±45/O]_s和[90/±45/90]_s四种层压板为主的多种层压板进行试验研究和理论计算,对工程上常用的以O°、±45°、90°三种铺层构成的各种π/4层压板在含裂纹时的板内应力分布、裂纹扩展方向、断裂机理和含裂纹时的极限强度(剩余强度)进行了分析。试件由T300/648E制成。研究表明,铺层组分比例的不同对裂纹的扩展方向和含裂纹层压板的极限强度有较大的影响。本文在探讨损伤扩展规律的基础上,也为工程应用提供了有意义的结果。     

卡尔曼滤波动态优化及其在遥控机器人空间实验中应用

本文是在文献[1]的基础上,讨论遥控机器人追踪自由飞行目标物的动态性能问题。应用黄金分割法和元素交替极小化法对扩展的卡尔曼滤波初值条件进行搜索并获得优化解。仿真结果表明优化方法简单可行,优化解满足系统性能要求。     

锥运动条件下新的速度误差补偿项研究

经典的捷联惯导积分算法往往需要在姿态更新过程中对圆锥误差项进行精确补偿。虽然考虑了载体姿态变化的影响,但速度更新算法通常忽略了圆锥效应的作用。就圆锥误差项引起的速度误差进行了研究。指出其与陀螺角增量对速度更新的影响方式相同。在假设的线性斜坡模型条件下,利用两个连续的角增量和比力增量,详细推导了新的速度误差项的二子样更新补偿算法。在一种特殊的机动条件下,即当载体绕横轴作圆锥角振动的同时又沿立轴作同频同相的线振动,推导的二子样优化算法能够使该误差补偿项的平均性能最优。仿真结果证明该优化算法能够对新的速度误差积分项进行有效的补偿。     

无控航天器与空间碎片再入的工程预测方法研究现状

无控航天器、火箭末级以及空间碎片再入地球大气层后可能未烧尽,残存的小碎片高速撞击地面,对人类安全和生态系统构成极大威胁。提前预测其再入轨迹并采取预防措施能够有效降低地面风险。文章对无控航天器和空间碎片再入工程预测模型,包括航天器模型、动力学模型、气动热模型和烧蚀解体模型的研究现状进行跟踪与总结,也介绍了国内外有公开资料的工程应用软件,并讨论若干关键问题和进一步研究方向。     

基于鲁棒非线性卡尔曼滤波的自适应SLAM算法

针对传统非迹卡尔曼滤波算法缺乏在线自适应调整能力,在噪声模型出现误差时滤波精度下降的问题,提出了一种基于鲁棒无迹卡尔曼滤波的同步定位与地图创建算法。该算法引入了一个多维观测噪声尺度因子,能根据观测噪声统计特性的实际变化情况对每种传感器的噪声模型做出自适应调整,使其逼近真实噪声水平,进而将滤波增益调整到一个适当值,实现滤波器的最优估计。SLAM仿真实验结果表明,在噪声统计特性发生变化的情况下,该算法相比其它几种SLAM算法具有更好的自适应能力,估计精度更高,鲁棒性更强。