基于滑模的多无人机系统协同编队控制

针对具有非完整约束的多无人机系统编队控制问题,提出了一种基于滑模的协同编队控制算法。控制目标是使多无人机系统能够收敛到期望编队,并且能够跟踪上期望的运动轨迹。在领导-跟随结构中,编队的期望运动轨迹由一个动态的虚拟领导者来表示,仅部分跟随者先验已知虚拟领导者信息,并且所有跟随者之间只能局部交互信息。首先,采用分布式状态观测器,使所有跟随者能够在有限时间内估计出虚拟领导者的状态。然后,利用该观测器的估计状态,提出了基于滑模的协同编队控制算法。最后,基于李雅普诺夫稳定性理论证明了多无人机系统的稳定性,并且通过5架无人机的仿真验证了所提算法的有效性。     

一种基于二级变维Kalman滤波的跟踪算法

Kalman滤波器是一种高速的目标跟踪器.针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种自适应Kalman滤波算法.该算法使用两级滤波器,根据目标机动性的变化,适当的调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾.通过对仿真结果分析表明,算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值.     

考虑先验信息可信度的后验加权Bayes估计

 先验信息失真及先验样本数量过大会扭曲小子样条件下Bayes融合评估的效果,引入可信度可以改善这个问题。现有的可信度度量方法大都直接基于数据层,即通过判断两种样本是否属于同一分布,这种度量在小子样情况下不太可信,为此提出了一种基于数据物理来源的可信度度量方法。同时归纳了可信度融合评估的准则,分析了现有可信度融合评估方法的不足,并结合正态分布的参数估计问题,给出了一种考虑先验信息可信度的后验加权Bayes估计方法。理论分析和算例都证实了该方法优于常用的Bayes估计方法。     

传播算子方法在宽带DOA估计中的应用

将传播算子与宽带相干信号子空间方法相结合,推导了基于传播算子的宽带相干信号子空间方法,该方法所构造的聚焦矩阵不需要奇异值分解,在获取噪声子空间时不需要特征值分解,因而大大降低了运算量.比较了双边变换(TCT)方法与所推导的方法在分辨两个相邻较近信号源时的性能,仿真表明,在高信噪比时,该方法性能与TCT方法相近.     

航天器两自由度扫描镜图像运动补偿技术研究

研究航天器的两自由度扫描镜图像运动补偿问题。在姿态估计信息的基础上,给出了一种运动补偿算法。算法中不仅补偿了姿态估计信息,还同时考虑了姿态信息中的长周期系统误差。利用扫描镜在特定工作模式下相对惯性空间的准确定向能力和系统误差的长周期特性,给出了一种系统误差的估计和补偿算法,每隔一定的时间段对系统误差估计值进行更新并加以补偿,进一步提高了扫描精度。基于一颗地球静止轨道卫星的数值仿真结果验证了补偿算法的有效性。     

移动质心飞行器的参数辨识和补偿控制

受质量块大小和位移的限制,移动质心不能像空气舵那样产生很大的力矩.因此飞行器的再入攻角对静稳定度很敏感,尤其在小静稳定度下,静稳定度稍有改变,配平攻角将发生很大变化.飞行器再入过程中的烧蚀、侵蚀以及边界层转捩所造成的小不对称量所产生的不对称力矩与质心移动后产生的控制力矩相比,不是小量.以所建立的移动质心控制飞行器的数学模型为基础,辨识飞行器静稳定度和小不对称量,对小不对称量造成的气动力矩用前馈一反馈复合控制加以补偿.仿真分析表明,移动质心控制对高速再入的飞行器具有良好的末修能力,能有效提高再入段的控制精度.     

一种运载火箭时变结构模态参数辨识的确定性演化方法

针对运载火箭的时变结构模态参数辨识问题进行研究，基于时变自回归滑动平均(TARMA)模型，提出一种时变结构模态参数辨识的确定性演化方法。该方法利用小波基函数的良好局部函数拟合能力，将墨西哥帽小波函数作为TARMA模型时变系数的空间基底，构建了基于小波函数的泛函序列时变自回归滑动平均(FS-TARMA)模型，并发展了两步最小二乘估计方法，实现了时变系数的解耦估计。通过有限单元法，建立了阿里安V号芯级运载火箭时变有限元模型，对所提辨识方法进行了验证，结果表明：墨西哥帽小波基FS-TARMA方法能够有效地辨识系统的时变模态参数；与传统傅里叶基FS-TARMA方法相比，具有更好的辨识精度，并且能够准确地反映出模态局部细节特征。     

State estimate for stochastic systems with dual unknown interference inputs

Stochastic system state estimation subject to the unknown interference input widely exists in many fields, such as the control, communication, signal processing, and fault diagnosis. However, the research results are mostly limited to the stochastic system in which only the dynamic state model or the measurement model concerns the individual unknown interference input, and the state model and the measurement model are both with the same unknown interference input. State estimate of the stochastic systems where the state model and the measurement model contain dual Unknown Interference inputs (dual-UI) with different physical meanings and mathematical definitions is concerned here. Firstly, the decoupling condition with the Unknown Interference input in the State model (S-UI) is shown, which introduces the decoupled system with the adjacent Measurement concerned Unknown Interference inputs (M-UI) appearing in the state model and the measurement model. Then, through defining the Differential term of the adjacent M-UI (M-UID), the equivalent system with only M-UID in the state model is obtained. Finally, considering the design freedom of the equivalent system, the decoupling filter in the minimum mean square error sense and the adaptive minimum upper filter with different applicable conditions are represented to obtain the optimal and sub-optimal state estimate, respectively. Two simulation cases verify the effectiveness and superiority compared with the traditional methods.     

采用单目视觉的非合作目标星状态估计

针对微小卫星逼近观测未知的空间翻滚非合作目标星任务，提出一种基于单目视觉的目标星相对状态估计方法。在建立追踪星/目标星相对运动模型的基础上，以单目相机识别并测量获得的目标星固有特征的像素位置为观测输入，通过扩展卡尔曼滤波算法实现对目标星相对位置、相对速度、相对姿态、角速度、惯量比和特征位置等状态的估计。仿真结果表明,该方法能够很好地实现对未知非合作目标星的相对状态估计，姿态估计误差小于2°，位置估计误差小于0.1 m，特征点位置平均估计误差小于0.04 m。     

测量中单输入单输出线性系统动态数学模型定阶方法的仿真研究

针对测量中单输入单输出线性系统的动态建模问题,通过计算机数字仿真,对现有的几种定阶方法进行了研究、分析,比较了它们在不同信噪比、不同数据长度、不同模型情况下模型定阶的可靠性、等价性和选择原则,并得到了一些重要的结论。