一种基于改进蚁群算法的维修拆卸序列规划方法

鉴于现有的蚁群算法用于维修拆卸序列规划时易受到初始序列的影响而陷入局部最优解的问题,本文根据维修拆卸的特点,基于DCPN模型构建了拆卸Petri网可达图,将拆卸序列规划问题转化为对Petri网可达图最优路径的搜索问题。同时以拆卸代价最小为目标,提出了一种适用于维修拆卸序列规划的蚁群算法,并以飞机前机身电子设备舱设备作为典型实例,验证表明该方法准确有效。     

BPL长波附加二次相位因子采集与建模

分析了长波BPL授时传播误差,设计了一个定点附加二次相位因子(ASF)传播误差数据实时采集系统。对误差模型进行了系统辨识研究,研究结果表明定点附加二次相位因子(ASF)误差基本属于平稳随机过程。并运用时间序列分析方法对BPL长波传播中附加二次相位因子(ASF)进行研究,取得初步模型数据,得到一些有益的结论,为获得的模型数据为进行ASF误差的预测及扣除其对长波BPL授时影响,提高授时精度的研究提供了依据。     

基于累积差分图像和高斯背景统计模型的烟尘目标检测

根据烟尘目标灰度与天空背景灰度很接近,目标内部灰度分布不均匀,且形状和面积会随着时间不停变化等特点,提出了一种由粗到精的目标检测算法。首先,通过累积差分图像序列得到烟尘目标出现的大致区域,再通过构造高斯背景统计模型得到每一个可能目标点的精确分割阈值,用该阈值在上一步操作得到的目标区域内部进行逐帧精细分割,得到烟尘目标出现的位置信息和时间信息。实验结果表明,该方法抗干扰能力强,能够可靠、快速地检测出烟尘目标。     

基于BP神经网络的飞行动态实时预测方法

针对传统Back-Propagation网络(简称BP网络)收敛速度慢、网络灵敏度过高和隐含层数难以确定等缺陷,提出一个改进型BP网络,提高了网络预测的实时性和精确性;然后将之应用到飞行动态预测问题上,充分发挥网络模型的学习、记忆和动态自适应性的优势,力图解决飞行器轨迹的描述和预测问题.      

三维表现形貌的功能评定方法

三维表面形貌受生成机理的影响,与表面功能密切相关,对表面的功能评定至关重要.论述了三维表面功能评定的各种方法,如最小二乘多项式拟合、滤波、Motif法和分形方法,并分析归纳了存在的问题和发展趋势.     

基于序列图像的非合作目标自主导航及验证

针对空间自旋或章动运动的非合作目标运动感知与估计问题,给出了一种基于序列图像的运动测量与状态估计方法。所给出的方法由两部分组成:(1)采用立体视觉测量目标三个非共线的特征点,建立目标参考系并实现相对姿态的测量;(2)采用目标运动学和动力学方程,推导了扩展卡尔曼滤波器,实现目标角速度和惯量比的估计。最后,分别给出了数学仿真和物理试验:(1)利用数学仿真验证了所给出的卡尔曼滤波估计算法在不同目标运动情况下的收敛性;(2)利用机械臂模拟目标的自旋运动,利用双目相机采集目标运动图像,试验结果验证了所给出的运动测量与状态估计方法可以连续的给出目标角速度的精确估计。     

基于序列图像的空间目标三维重建

空间目标三维重建对空间态势感知和理论研究具有重要意义。针对空间目标图像存在的由纹理重复导致的错误重建问题,提出了一种新的基于运动信息恢复三维场景结构策略。该策略将序列目标图像的成像时间顺序作为先验信息,顺序地加入新图像进行迭代,以避免因目标结构对称、纹理重复所导致的重建错误。同时针对空间目标成像数据匮乏的问题,进行了空间目标图像仿真,并开展了空间目标地面模拟成像实验研究。结果表明:运动分析结果精确,对噪声有较强的鲁棒性,恢复出的目标三维点云能在一定程度上表达目标的结构信息。同时给出了进行空间目标三维重建时图像序列应满足的边界条件。      

一种MEMS陀螺随机漂移的高精度建模方法

为补偿MEMS陀螺随机漂移,采用时间序列分析法对其进行自回归滑动平均（ARMA）模型辨识,提出一种滑动平均（MA）参数估计的新方法。先将陀螺随机漂移建模为带观测噪声的ARMA模型,在估计出自回归（AR）部分的参数后,针对AR滤波后的残差,推导出一种方差小的MA自协方差估计值,并将该估计值作为输入,利用Gevers-Wouters（GW）算法估计出MA部分的参数。仿真结果表明,MA参数估计精度得到提升的同时,参数估计可靠性也得到了增强。MEMS陀螺的随机漂移补偿实验进一步验证本文所提算法的补偿精度高于改进前。      

MEMS陀螺随机漂移在线补偿技术

为了提高微机电系统(MEMS,Micro Electro Mechanical System)陀螺测量的精度,提出了一种陀螺随机漂移的在线补偿方法.在静态时在线建立随机漂移的自回归滑动平均(ARMA,Auto Regressive Moving Average)模型,并针对随机漂移模型随时间慢变的特性,引入虚拟噪声补偿技术加以补偿.针对载体运动状况的未知性,建立机动角速率模型.在此基础上采用自适应卡尔曼滤波技术对随机漂移和角速率进行实时估计.通过试验表明:随机漂移模型、角速率模型以及滤波算法能够满足姿态测量系统的动态应用需要,且姿态测量精度较补偿前有了显著的提高.     

基于L1趋势滤波的飞控传感器降噪方法

针对飞行控制传感器中普遍存在的噪声信号,提出了一种基于L1趋势滤波技术的在线降噪方法。首先简要介绍了L1趋势滤波技术,引入了滑动窗口对算法进行改进以满足实时在线应用需求。以气压计所采集的信号为例,采用原始飞参数据,利用该方法进行降噪处理,并与文献中常用的小波降噪方法进行初步比较,基于Matlab的仿真结果验证了该方法的可行性。