非合作目标交会相对导航方法研究

本文对一类非合作目标交会的相对导航问题进行了研究。基于近圆轨道上运行的非合作目标航天器初始轨道、追踪航天器在惯性空间的瞬时位置及追踪航天器到目标航天器的视线仰角和方位角等信息,文章从相对距离和相对姿态的确定及相对导航滤波器的设计三方面入手,提出了相对位置和相对速度等相对导航参数的获取方法。数学仿真验证了该方法的有效性。     

基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图...     

基于目标一维距离像的雷达目标识别方法

讨论了马氏距离的性质,利用目标的一维距离像,提出了一种雷达目标识别方法.对雷达回波进行快速傅立叶变换,得到目标的一维距离像,计算其马氏距离,得到目标的稳定特征向量,根据相关算法进行目标识别.三种不同类型飞机回波的实测数据的识别结果,表明该方法是切实可行的.     

基于图像化变差函数的性能数据异常判别

为提升发动机性能监控的智能化水平,实现性能数据的高效利用,提出了基于图像化变差函数的发动机性能数据异常判别方法。通过研究发动机性能数据的标准化修正方法和图像转化方法,将数值型表示的发动机性能数据转化为发动机性能图像。通过引入变差函数理论,采用4方向的变差函数值表示性能特征值,融合不同时刻不同参数的性能数据。在提取发动机性能图像关键特征点的基础上,定义性能图像间的差异距离,实现基于变差函数的发动机性能图像异常判别方法,从而实现对发动机性能状态的判别。选用若干组实际发动机性能数据对方法进行验证。验证结果表明:该方法运算高效,实现了高维性能数据的降维和对性能图像运行状态的分类,从而判别发动机性能数据的运行状态。     

一种基于相对位置约束的双星定位方法

全球卫星定位系统(GNSS)需要至少4颗卫星才能提供持续、准确的定位结果。在有障碍物遮挡的城市街道、山谷或者存在压制式干扰的战场环境中,往往会出现可见星数量降低至4颗以下的情况。针对只有2颗可见星的定位问题,提出了通过相对位置变化对绝对位置进行解算的定位模型,证明了该模型的可行性,并研究了该模型的数值计算方法和几何搜索方法。仿真实验和实际跑车试验表明,在只有2颗可见星条件下,该方法的定位精度明显优于传统的INS/GNSS紧组合算法,并且对初始位置的精度不具有依赖性。     

涡轮增压固冲发动机(TSPR)爬升方案与性能研究

为了证明涡轮增压固冲发动机(TSPR)具有自主加速飞行的能力,进而得到合适的弹道飞行方案,开展了TSPR爬升飞行方案研究。首先通过借鉴已有弹体参数,分析了以高空巡航状态为设计点和以最大功率状态为设计点时,飞行器在弹道飞行范围内的非设计点性能。随后对比了发动机推力和飞行器阻力大小,得出:当TSPR以高空巡航点为设计点时,TSPR在爬升段(非设计点)所提供的推力小于飞行器阻力,难以实现自主爬升;当TSPR以最大功率状态为设计点,且采用等相对换算转速的调节规律时,TSPR具有优良的爬升加速性能,能够从(3km,Ma0.9)加速爬升至(10km,Ma2.2)状态巡航,其射程是固体火箭发动机的三倍,这证明TSPR在具有自主加速飞行能力的同时还具有良好的比冲性能。     

用于在轨服务的多天线差分GNSS相对定位研究

针对执行在轨服务任务中的航天器姿态运动引起共视天区变化进而导致差分全球导航卫星系统(GNSS)中断的问题,文章基于矢量运算原理提出了天线间观测量组合差分的方法,并通过搭建差分GNSS半物理仿真系统,模拟在轨服务近距离任务场景,验证天线间观测量组合差分方法在航天器姿态运动下的差分GNSS数据输出。结果表明：该方法能有效增加任务航天器与目标航天器间的共视卫星数量,提升了在轨服务任务中差分GNSS相对定位的稳定性,可为基于差分GNSS相对导航的在轨服务任务设计提供参考。     

基于地基CEI技术的空间飞行器相对位置测量技术研究

讨论了差分CEI的基本原理,分析了差分CEI的相对位置确定的误差。通过分析得出结论：在CEI基线长度为1000m时,相对角度测量精度可以达到16urad,如果增加基线距离或者结合SBI技术,测量精度会进一步提高,测量精度能够满足交会过程中相对导航、编队卫星相对位置测量、高轨卫星共位等要求。     

基于深度前馈网络的自适应相对导航滤波

针对空间非合作翻滚目标近距离相对导航中出现测量异常偏差导致滤波精度下降甚至发散的问题,研究了具有抗差能力的自适应滤波估计方法。在设计了相对导航滤波模型的基础上,提出了基于深度前馈网络的自适应扩展卡尔曼滤波算法,并且详细设计了智能故障检测与估计的深度前馈网络模型与训练方法。数学仿真结果表明:深度前馈网络能够有效估计测量异常偏差且估计误差小于异常偏差值的15%,基于深度前馈网络的自适应扩展卡尔曼滤波结果显著优于常规扩展卡尔曼滤波。     

一种加速度辅助“当前”统计模型距离跟踪方法

在经典的“当前”统计模型中,机动频率通常为经验值,并需预设加速度极限值。针对这一局限,利用递归线性平滑牛顿预测器对加速度进行预估后,得到“当前”统计模型中目标机动频率值的解析解,避免了机动加速度极限值的设置,同时实现了过程噪声协方差矩阵的自适应计算。此外,利用简化的Sage-Husa滤波方法实现了量测噪声协方差矩阵的自适应更新。通过计算机仿真验证了该算法相较于经典的“当前”统计模型的距离跟踪性能更优。