基于SRCKF的多传感器融合自适应鲁棒算法

为解决模型误差和异常量测值发生时平方根容积卡尔曼滤波（SRCKF）算法滤波性能下降甚至滤波发散的问题,提出了一种多传感器融合自适应鲁棒算法。基于新息协方差匹配原则设计了鲁棒子系统以抑制量测异常值,同时为克服模型误差使用基于新息修正的低复杂度自适应SRCKF(LCASRCKF)算法设计了自适应子系统,根据2种子系统的特点和局限提出全局融合架构,使系统可以充分平衡并利用滤波过程中先验的模型预测值信息和后验的量测值信息,最终降低估计误差。仿真结果表明：相比鲁棒多渐消因子容积卡尔曼滤波（RMCKF）等算法,所提融合算法在滤波精度、稳定性和收敛速度等方面有明显优势。     

受轴向外流作用的轴向变速运动梁非线性振动及稳定性分析

研究了受轴向流作用的轴向变速梁的稳定性和动力学特性.利用Floquet理论和Runge?Kutta算法,得到了轴向变速运动梁动力学响应的数值结果.通过参数分析研究了平均脉动速率、轴向外流速、轴向附加质量参数、质量比、长细比、初始拉力和粘弹性系数等系统参数对梁动力学的影响.研究结果表明,当梁运动速率的脉动频率接近一、二阶...     

高超声速弹性飞行器振动模态自适应抑制技术

为保证超燃冲压发动机的良好进气,需要对高超声速飞行器进行精细姿态控制。针对高超声速飞行器特有的气动参数和结构模态参数不确定性问题,基于自适应模态抑制思想,设计了一种精细姿态控制系统,包括观测刚体模态状态信息的鲁棒H∞滤波器,提高跟踪性能的LQR刚体控制器,实时辨识弯曲模态频率的结构模态观测器和结构滤波器四部分。仿真表明,设计的控制系统在气动参数±20%,模态频率±30%的随机摄动下仍能够很好地跟踪刚体攻角,抑制弹性攻角,保证超燃冲压发动机进气道±0.6度的攻角控制精度,满足精细姿态控制的要求。     

基于遗传算法的咸阳机场流量组合预测方法研究

引言随着我国民航事业的迅猛发展,航空器数量与基础设施建设的不成比例增长,流量控制方法已经成为日常使用的流量管理方法。流量控制中准确的流量预测是空中交通流量管理系统的关键问题之一,如何准确预测某时间段机场的流量是本文着重解决的     

基于梯度方向二值模式特征的飞机翼尖跟踪技术

研究基于视频图像分析与定位的飞机翼尖跟踪技术,为飞机地面移动提供安全保障.现有图像特征进行翼尖跟踪经常失效且计算效率低下,本文结合纹理和轮廓信息,提出以梯度方向二值模式( OG_ LBP)为特征的粒子滤波跟踪算法,降低特征维数的同时建立局部和全局的翼尖特征直方图描述,提高识别效果.同时,该算法在粒子滤波基本框架之下,结...     

《推进技术》投稿指南

1．本刊面向国内外征稿,凡属各类火箭发动机、吸气式发动机、组合发动机、推进剂及非化学推进系统的理论研究、设计、制造和试验等方面的学术技术论文,欢迎投稿。     

一种新型航班延误组合预测模型

为了克服单一的航班延误预测模型在预报时的缺陷,在分析航班延误的特点的情况下,提出了一种基于危险模式和灰色预测组合的新型航班延误预测的方法。对这两种预测方法的结果采用加权组合预测的方式来预测航班延误的趋势变化,预测结果是单一预测模型的加权和,加权系数动态确定。最后通过国内的某枢纽机场的航班延误情况进行了验证。实验表明该模型可以不受某一较差的预测模型影响,从而有较好的预测效果。     

组合互感器检定方法探讨

提出了符合组合互感器运行状态的整体检定方法以及按元件分别检定计算整体误差的方法;给出了几种条件下电流、电压互感器和组合互感器的误差限值;对整体检定方法的优点和检定用标准器的选择进行了论述。     

机床组合夹具设计仿真平台在《机械制造技术基础》课程教学中的应用

本文针对传统的机械制造技术基础教学环节中存在的一些问题,提出了用VB（Visual Basic）对Solid-Works开发的机床组合夹具仿真平台进行辅助教学,并介绍了该仿真平台的设计和实现过程及使用和教学效果。     

基于特征模型的高超声速飞行器姿态控制器与自适应滤波算法的设计

提出一种基于特征模型的强跟踪无迹卡尔曼滤波（CSUKF）算法对状态和参数进行联合估计,利用特征模型参数构造时变的二阶状态转移阵,使滤波和辨识模型简化;结合强跟踪滤波（STF）的强跟踪能力和无迹卡尔曼滤波的（UKF）的非线性高逼近性对含测量噪声的高超声速飞行器系统进行参数辨识和滤波,并将其与非线性黄金分割自适应控制律相结合,对高超声速飞行器进行姿态控制.最后,将提出的CSUKF与基于特征模型的无迹卡尔曼滤波（CUKF）和基于特征模型的普通扩展卡尔曼滤波算法（CEKF）进行比较,仿真结果说明CSUKF与非线性黄金分割自适应控制律相结合可以有效改善控制的平稳性,且具有更好的滤波精度和系统输出,从而能更好地处理含测量噪声情况下的高超声速飞行器的辨识与控制问题.