月球卫星的自主轨道确定

分别利用紫外三轴姿态敏感器测出的月心方向和测距仪测出的月心距作为观测量,采用推广卡尔曼滤波方法实时确定出月球卫星环月期间的轨道,考虑到月球卫星在环月期间太阳对月球光照条件的限制,提出分段虑波策略,并给出了仿真分析.     

卡尔曼平滑在动态推力测量中的应用

本文首次将卡尔曼平滑应用于固体火箭发动机地面热试车时的动态推力测量,提供了一个便于工程应用且有较高精度的动态推力测量新的数据处理方法。首先,根据固体火箭发动机理论推导出了推力的动态模型;研究了噪声方差和初始条件的确定方法及估计的稳定性、敛散性。继而进行了数字仿真试验,并对实际发动机推力采样数据进行了处理。分析与处理结果表明:卡尔曼平滑应用于动态推力测量是行之有效的。     

确定次优滤波器常增益阵的传递函数法

本文提出了一种利用传递函数求解多变量线性定常系统稳态卡尔曼滤波器次优增益阵的新方法,由传递函数直接导出次优增益阵,从而避免了求解高阶非线性矩阵黎卡提方程。在求解时,通过尽可能地设置非零自由参数,并使所有参数为同一数量级,可较容易地解出次优增益阵K~(?),然后进行灵敏度分析或仿真,选出理想的常增益阵K~(?)。     

远场应变法测量应力强度因子

本文给出一种将常规电阻应变片贴在距裂纹尖端较远处测量Ⅰ型裂纹应力强度因子K_1的方法。此法实际上是一种实验法与数值法相结合的方法。用实验法测出应变,应变又可以用含待定系数的Williams级数表示,它们组成一组线性代数方程组。解此方程组,可获得待定系数,由待定系数与应力强度因子的已知关系,可求出K_1。 远场应变测量法,避开了裂纹尖端邻域应变梯度很大的区域和可能的塑性区,因而应变测量比较准确。 测出的应变输入数据处理设备及计算机就可以快速实时地知道含裂纹结构在承载情况的K_1,便于进行破坏控制,使设备安全而可靠的工作。     

基于视线测量和轨道预报高轨非合作目标相对导航方法

对于非合作目标,由于中远距离星上相对测量手段有限,大多情况仅能获得视线角信息.仅视线测量相对导航方法在GEO轨道条件下滤波精度低、可观测性差.提出一种基于星间视线方位测量和轨道预报信息结合的非合作目标相对导航方法.建立基于星间相对运动模型的状态方程和基于星间视线测量和轨道预报信息的观测方程,分别选取了扩展卡尔曼滤波和无迹卡尔曼滤波两种方法,仿真分析了轨道预报信息精度和滤波方法对导航精度的影响.     

卫星/伪卫星组合着舰导引中伪卫星的布局方案设计

卫星/伪卫星组合着舰导引系统的定位精度与伪卫星的几何布局有密切关系.为提高系统的定位精度研究伪卫星在航母上的布局问题,根据伪卫星的特点以及航母的构造选定伪卫星的8个可布设点搭建舰载机着舰过程的仿真模型,构造舰载机及航母的航行轨迹,同时在仿真模型中引入舰船运动模型.利用精度因子分析在舰船上布设伪卫星对定位精度的影响,进而提出了伪卫星在航母上的布局方案.结果表明,提出的方案能够减小精度因子,尤其是垂直精度因子,提高了定位精度.     

基于并行模型自适应滤波的空间目标相对位姿估计

摘要： 扩展卡尔曼滤波(EKF)的估计精度受限于测量噪声统计特性的准确程度,如果敏感器测量噪声方差偏离其标称值,将会对滤波性能产生不利影响.尽管自适应扩展卡尔曼滤波(AEKF)能够对测量噪声方差进行估计,但是,噪声特性准确的情况下,AEKF的性能往往不及传统EKF.针对上述问题,本文提出一种并行模型自适应滤波(PMAF),基于特定的自适应率将EKF和AEKF结合起来,使得在先验信息准确的情况下,EKF在状态估计中起主导作用;相反,在实际噪声方差偏离标称值时,令AEKF起主导作用.这样,即能有效削弱测量噪声统计特性不确定性对滤波性能的影响,又能确保正常情况下的估计精度.以空间目标相对位姿估计为例,通过数学仿真对EKF、AEKF和PMAF进行了对比研究,表明所提算法的综合性能优于传统方法.     

数字锁相解调器的优化设计

数字锁相解调器是电磁无损检测中弱信号处理的重要方法,针对其性能优化,设计一种引入卡尔曼滤波器的数字锁相解调器,该解调器兼具了强抗噪能力及良好的动态跟踪响应特性。利用卡尔曼低通滤波器截止频率随迭代次数下降的特性,结合零点频率,设计了数字锁相解调器中的低通滤波环节,实现了非常窄的锁相带通,进而提高了抗击强噪声干扰能力。此外,利用卡尔曼滤波器的迭代预测-更新特点,实现了数字锁相解调器较小的响应时间,进而改善了数字锁相解调器的动态跟踪响应特性。仿真和检测实验证明所设计数字锁相解调器具有较高的抗噪能力和良好的动态跟踪响应特性,在电磁无损检测中能够精确、快速捕捉检测信号中包含的缺陷信息。      

蜂群无人机自组网多优先级自适应退避算法

针对现有媒质接入控制（MAC）协议退避算法无法为蜂群无人机自组网（FANETs）提供区分服务,且在重负载时性能严重恶化等问题,提出一种多优先级自适应退避算法。采用忙闲因子自适应机制和最优竞争窗自适应机制,根据信道忙闲程度和网络状态参数自适应实时更新各优先级竞争窗口（CW）长度,从而使每次退避的竞争窗口可快速收敛到最佳状态,并实现了多业务区分服务,得到了最优的系统性能。通过建立不同优先级退避过程的三维Markov链模型求解得到了饱和吞吐量下的最优竞争窗自适应因子,并且理论推导了系统吞吐量和平均MAC时延的数学表达式。仿真结果表明,所提算法在重负载时能够实现多优先级区分服务并有效提高系统的吞吐量性能,相比区分业务优先级的自适应退避（PAB）算法和支持QoS的自适应竞争窗口退避算法（Q-ABACW）,性能均有较大提升。