一种导弹捷联惯导/地磁/雷达高度表组合导航方法

基于雷达高度表和磁强计的测量信息,提出一种弹道导弹捷联惯导/地磁/雷达高度表组合导航方法。以磁强计测量值与磁场模型的磁场强度值之差和高度表与惯导解算高度之差作为量测,只用一个观测表达式即可同时包含载体的姿态及位置信息。引入状态反馈,利用混合校正的Kalman滤波得到系统导航信息的最优估计。仿真结果表明,该算法能有效抑制捷联解算误差的发散,当磁强计精度为100nT,雷达高度表精度为50m时,仿真1000s后姿态精度优于20′,定位精度为2.68 km。该导航方法自主性高,精度较高,具有一定工程应用价值。     

基于DDF2的RTS平滑方法在机载分布式POS中的应用

机载分布式POS是一种基于惯性/卫星组合技术的柔性基线、多节点、高精度时空测量系统,是多任务航空遥感载荷高精度成像的关键装置。为了解决机载分布式POS因柔性基线效应导致的大失准角非线性问题,提出了将基于二阶插值微分滤波(Second-order Divided Difference Filter,DDF2）的RTS(Rauch Tung Striebel,RTS）平滑方法应用于机载分布式POS。首先,针对机载分布式POS的大失准角非线性问题,建立了非线性系统状态模型和量测模型。其次,基于DDF2提出了分布式POS传递对准RTS平滑估计方法,以获取更高精度的运动参数。最后,通过半物理车载实验验证了相比传统方法,此方法的航向测量误差由0.0060°降至0.0041°,精度提高了31.67%。     

跟踪微分器在GLONASS定位数据处理中的应用研究

本文介绍了GLONASS定位系统,给出了跟踪微分器的滤波特性。将跟踪微分器用于GLONASS定位数据处理。进行了误差分析及仿真研究。结果表明,这种方法可显著提高GLONASS定位精度,减小定位误差,具有一定的优越性。     

再入(返回)测量的自校准α-β-γ滤波

在导弹、航天器试验任务的实时数据处理中,α-β-γ滤波已得到应用。由于外测系统的观测数据中,除含有随机误差外,还含有系统误差,而且系统误差经常大于随机误差。随着对实时处理测量精度要求的日益提高,应用α-β-γ滤波解算弹道参数,必须考虑外测系统误差的修正,否则,在较长测量弧段利用其滤波时,系统误差会造成弹道参数的滤波“发散”。本文基于“EMBET”自校准原理,将其推广到α-β-γ滤波中,完成了具有自校准α-β-γ滤波公式的推导,并给出再入(返回)测量弧段时的常用测量元素下的相应公式。     

基于变分模态分解的燃烧室热声振荡衰减系数辨识

利用发动机燃烧室稳定燃烧阶段的压力振荡信号,提取热声谐振模态频率及其幅值,并建立不同复杂程度热声振荡理论模型辨识获取各模态衰减系数,是当前试验评估燃烧室燃烧稳定性裕度的一种重要手段。建立了二阶随机振子热声振荡理论模型,采用基于最大峭度准则的变分模态分解算法提取压力振荡信号的热声谐振模态,开展了模态提取算法和时/频域辨识方法验证,并将其应用于某针栓式气氧/乙醇模型发动机燃烧稳定性裕度评估分析。结果表明：与传统的带通滤波算法相比,峭度最大变分模态算法有效提高了热声谐振模态的提取精度和使用便捷性。     

姿态

分析了飞机航向( 姿态) 系统的弊病: 结构复杂、配套困难、可靠性差、造价高, 精度却 难以再提高; 提出了采用“计算机+ 传感器”的系统结构模式。该方案的优点是取消了伺服机构 等配套硬件, 由软件实现伺服、滤波功能, 并能精确修正各种误差。     

智能桨叶的实时模型与复合自适应振动控制

研究了智能桨叶的实时模型、控制方法与控制器的实时实现。首先,采用MX滤波器实现了对桨叶动态特性的实时在线模拟,给出了该滤波器的系数与所描述的受控结构模态参数之间的相互关系。接着,提出了一种新的复合自适应控制方法,它综合了自适应前馈控制和反馈控制的特点,实现了对桨叶阻尼和振动响应的控制。最后,在所建立的以高速信号处理器为中心的实时数字仿真系统上,实现了对单频、双频及变频、变幅值谐和激励下桨叶振动的控制,获得了良好的振动控制效果。     

基于视觉的无人作战飞机自主着陆导航方案

提出了基于视觉的无人作战飞机自主着陆组合导航方案.基于视觉的自主着陆 组合导航系统,可以根据视觉、惯导、高度表等传感器系统的特点,融合各机载传感器的测 量信息,在不依赖外部导航信息的情况下,得到无人作战飞机(UCAV)相对于跑道的着陆导 航信息.由于视觉信息在导航系统中的重要作用,对计算机视觉算法及其实时性进行了讨论 .对如何将视觉信息与惯导、高度表信息融合,构造多速率扩展Kalman滤波器进行了阐述. 通过自主开发的"UCAV自主着陆实时仿真验证平台"对该方案进行仿真,得到了满意的结果.      

一种改进的INS／GPS组合导航鲁棒H∞多重渐消容错滤波算法

在对适用于INS/GPS组合导航的H∞滤波方法进行了深入研究基础上,提出了一种改进的H∞多重渐消容错滤波算法.首先给出了H∞滤波算法,然后对渐消记忆滤波方法进行了有效的改进,提出了多重渐消因子矩阵对称加权的滤波算法和残差归一化的多重渐消滤波方法,有效避免了残差量级差别所导致的残差检测失效和修正作用失配,最后提出了一种双重故障检测的容错策略,构造了改进的鲁棒H∞容错滤波器.仿真结果表明,改进的H∞容错滤波方法较常规Kalman滤波对系统模型和噪声的不确定干扰具有很强的鲁棒性,在有色噪声情况下具有高于常规Kalman滤波的精度,对于故障具有较强的检测能力和较好的组合效果,更加贴近于工程应用需求.