一种新的基于ANSYS的机翼挠曲变形建模方法

针对传递对准中机翼挠曲变形建模方法适用性差的问题,提出了一种基于有限元分析的不同挂点处弹载子惯导系统的机翼挠曲变形建模方法。以柔性较大的大展弦比机翼为研究对象,建立了薄蒙皮、双翼梁、多肋板式机翼模型。通过绕流分析得到的机翼上、下表面压力分布云图,在此基础上对机翼结构进行气动载荷的加载。根据ANSYS瞬态动力学分析,获取了机翼挠曲变形角的随机过程序列,并利用AR(n)模型代替ARMA(p,q)模型进行建模。采用一种改良卡尔曼滤波算法对模型参数进行估计,并利用信息准则对模型的适应性进行检验。根据参数辨识的结果,最终得到了机翼的挠曲变形模型。     

平台式重力仪航空重力测量数据后处理技术研究

针对航空重力测量对数据后处理的要求,结合平台式重力仪系统的组成与工作原理,在重力异常信号的频域特征基础上,设计出一套有严格频域规范的航空重力数据后处理流程,并对某海域实测数据进行了处理。结果表明,重力异常值内符合精度为12条东西测线达到0.43mGal/140s和0.84mGal/100s,4条南北测线达到0.39mGal/140s和0.79mGal/100s;以同测线GT-2A单次测量结果为标准值统计标准差,12条东西测线为0.72mGal/140s和0.98mGal/100s,4条南北测线为1.41mGal/140s和1.53mGal/100s。结果表明,设计的航空重力测量数据后处理方法可以实现重力异常信号的高精度提取。     

一种基于输出误差观测的冗余MEMS-IMU标定技术研究

针对传统六位置标定存在标定步骤复杂、标定时间长等问题，同时随着MEMS器件冗余数目增加和冗余配置结构复杂化，利用分立标定技术实现器件误差参数辨识的难度进一步增大，且不同配置结构所采用的标定方法存在通用性较差的问题。因此提出了一种基于Kalman滤波的冗余MEMS-IMU分立标定方案。该方案首先采用小角度建模法实现安装误差的精确建模；然后针对直接以转台三轴角速率为观测值，导致部分状态量不可观的问题，提出了以器件的输出误差值作为观测量、以器件误差参数作为状态量设计Kalman滤波器；最后设计了高精度三轴转台转位编排方式，并利用四陀螺冗余结构进行标定仿真试验。仿真结果表明：该标定方法与六位置标定方案相比，标定精度平均提高了11.37%，可实现MEMS器件误差参数的快速辨识，对实际工程实践具有一定参考价值。     

基于中值滤波和小波变换的混合滤波方法在推进剂监测中的应用

目前,监测传感器传出信号中混有很多噪声,为提高信号可信度,需要一种有效的信号处理方法。文章基于Matlab仿真环境,完成了信号仿真和滤波算法的设计,重点对单传感器仿真信号的去噪和多传感器信息融合进行了研究,提出了基于中值滤波和小波阈值滤波的混合滤波方案和基于Kalman滤波的信号融合方案。研究工作有:基于高斯白噪声和脉冲噪声的数学特性,合理假设出5种基本信号形式;依据实际数据,完成单传感器和多传感器信号仿真,确定信噪比和均方根误差作为去噪评定指标;综合分析现有的滤波算法的滤波特性,利用不同长度滑动窗口的中值滤波处理实验信号,选取合适长度的滑动窗口。设置对比实验确定小波阈值滤波中的小波基函数选取、阈值计算和分解尺度等参数;融合中值滤波和小波阈值滤波优势,设计混合滤波方案,去除单传感器仿真信号中的噪声;研究信息融合理论在泄漏监测系统中的应用,设置不同融合方式下的对比实验,确立最佳融合方式下的Kalman滤波方案,实现多传感器信息融合。     

基于混合卡尔曼滤波器组故障传感器定位方法

为了在发动机性能蜕化与传感器故障并存的情况下实现故障传感器的定位与部件蜕化情况的估计,并实现故障诊断基准数据的修正,构建了1种包含了机载模型与线性卡尔曼滤波器的组合结构混合卡尔曼滤波器组。该卡尔曼滤波器组能够在之前所描述的故障/蜕化耦合情况下定位故障传感器,并得到较为准确的部件蜕化估计结果。为了验证了混合卡尔曼滤波器组的有效性,进行了相关仿真。仿真结果表明:混合卡尔曼滤波器组能够在发动机动态过程中遭遇传感器故障与部件蜕化并存的情况下完成故障定位与蜕化估计。     

双轴连续旋转调制捷联惯导系统大失准角初始对准技术

由于可以补偿惯性器件在三个轴向上的输出误差,双轴旋转调制技术被广泛应用于捷联惯导系统(SINS)。选择了一种合理且实用的十六次序双轴转位方案,并对其调制原理和误差进行了分析。初始对准技术是捷联惯导系统的一项重要技术,其对准精度直接决定了后续导航的精度。在粗对准完成后,当姿态误差角较大时,后续的精对准误差模型呈非线性特性,故选择了滤波精度高、稳定性强的平方根容积Kalman滤波算法(SCKF)来解决这一问题。考虑到在实际对准过程中,量测噪声的统计特性易发生变化,将SCKF算法与Sage-Husa算法相结合,在传统Sage-Husa SCKF算法的基础上提出了一种改进的自适应滤波算法(ASCKF)。该算法采用QR分解来完成对噪声协方差的平方根矩阵估计,从而避免了传统Sage-Husa SCKF算法中所估噪声协方差矩阵不正定的问题。最后,通过仿真证实了ASCKF算法可被很好地应用于量测噪声统计特性发生变化的初始对准中。     

自适应渐消Kalman滤波算法在RTK中的应用研究

在动态载波相位差分定位(RTK)中,由于观测环境复杂,会经常发生周跳、卫星信号失锁等情况,严重影响基线解算的连续性和可靠性。针对动态应用环境,提出了一种Kalman滤波算法在RTK技术中的应用方法。该方法可以实时估计模糊度浮点解及其协方差矩阵,在需要重新固定模糊度时可直接用于搜索,起到了周跳修复的作用。此外,采用了自适应渐消Kalman滤波算法提高算法的动态适应性,并引入独立的滑动窗进行新息的收集和处理,解决了由于参考星变化或卫星信号失锁造成观测量中断而无法准确计算新息协方差的难题。仿真结果表明,该算法能够在模糊度发生变化时快速收敛,并且相对于一般Kalman滤波算法在高动态下提高了模糊度浮点解的精度,提高了后续模糊度搜索的效率和固定成功率。     

惯导平台式重力测量技术实现及应用

详细阐述了解析方位双轴惯导平台式重力测量的工作原理,并通过基于方位余弦积的惯导力学编排解决了极区工作问题。在常规平台式重力测量数据处理方法的基础上,针对高动态环境提出了基于Kalman滤波的运动扰动修正方法。在此基础上研制了ZL11-1A型国产惯导平台式海洋重力仪。通过与国外主流重力仪产品海上同船作业比对,结果表明,该型重力仪在高海况下测量精度依然优于1mGal,满足重力测量作业要求。     

自适应增量 Kalman 滤波方法

提出自适应增量Kalman滤波(AIKF)的概念和定义,建立自适应增量Kalman滤波模型及其分析方法,给出主要的计算步骤.传统自适应Kalman滤波(AKF)方法能够对事先未知的系统噪声和量测噪声的统计量进行有效的估计.但是,传统自适应Kalman滤波方法也无法对由于环境因素(如深空探测)的影响、测量设备的不稳定性等原因产生的未知时变测量系统误差进行补偿和校正,从而产生较大的滤波误差,甚至导致发散.提出的自适应增量Kalman滤波方法不但能够对系统噪声和量测噪声的统计量进行估计,而且还能成功消除这种测量系统误差,有效地提高滤波精度.该方法计算简单,便于工程应用.      

无杆臂误差快速传递对准方法

机载或舰载武器系统惯性导航系统动基座对准的首选方案就是传递对准,速度匹配传递对准因为其较好的水平失准角可观测性以及线性量测模型得到了广泛的应用。但当载体存在角运动时,速度匹配传递对准必须对杆臂误差进行补偿,由于变形的存在,使得杆臂误差的准确补偿存在较大的困难。针对这一问题,研究了一种不需要进行杆臂误差补偿的快速传递对准方案,能够在杆臂误差较大时,以较快的速度获得较高的失准角估计精度。计算机仿真结果验证了理论分析的正确性。