基于低轨预警卫星测量数据的弹道重构与选星算法研究

在低轨天基预警卫星(STSS)24星构型配置条件下,对弹道导弹ICBM全程飞行过程中可见预警卫星数多于2颗,用最小二乘几何弹道一次定位及扩展卡尔曼滤波(EKF)算法,提出了基于观测噪声估计方差最小的可见星最优选星原则。仿真结果表明:与不进行选星方式相比,用该选星原则进行弹道导弹弹道重构计算可满足在最小限度占用监视预警卫星资源条件下,获得更高的弹道重构精度。     

大长径比固体火箭发动机点火瞬态过程分析

为了定量描述大长径比固体火箭发动机点火滞后期和火焰传播过程,分析了试验压强一时间曲线和升压速率曲线,并利用数值计算对点火瞬态过程进行仿真;根据两条曲线的数学与物理意义推断主装药首次火焰时刻为升压速率上升阶段过零时刻,火焰传播结束时刻为升压速率由上升转下降的极值时刻;数值仿真结果验证了这一推断。该方法简单有效,适用于工程实践。     

基于3DT的空时自适应单脉冲参数估计算法

空时自适应处理(STAP)是机载预警雷达抑制杂波和干扰的一项关键技术,而多普勒三通道联合自适应处理(3DT)是适合工程实现的降维(RD)STAP方法。STAP目标检测后还需进一步估计目标的角度参数,因此将自适应单脉冲(AM)技术引入3DT,提出了一种高精度联合估计目标速度与方位空间角的空时自适应单脉冲算法。理论分析与仿真实验结果表明,当目标多普勒频率偏离检测多普勒单元中心频率时,该算法能同时减少目标多普勒跨越损失和空时导引矢量失配损失,进而提高输出信杂噪比(SCNR),改善目标测角精度。     

转台瞬时速率波动的抑制

速率指标是评价速率转台和其它具有速率功能的惯导测试设备的重要指标之一。针对惯性技术测试设备速率指标的测试方法无法反映转台运行中瞬时速率的问题,分析了转台瞬时速率波动的原因,在转台速率环引人巴特沃斯低通滤波器,通过MATLAB仿真分析和转台速率运行曲线,进一步说明了此滤波器的有效性。     

机器人在轨装配无标定视觉伺服对准方法

针对在轨装配过程中机器人"手眼"关系无法进行有效标定及机器人系统和被操作物惯性参数不定的情况,在传统的无标定视觉伺服基础上设计了深度估计器,基于机器人和图像运动的测量数据在线估计目标特征的深度值,并在机器人关节控制环中设计滑模控制器实时控制机器人关节运动,根据反馈图像信息纠正系统误差完成对准跟踪,通过仿真验证了方法的有效性。所提的无标定视觉伺服对准方法使机器人在装配过程中免去了复杂的"手眼"关系的标定程序,克服了机器人系统及被操作物惯性参数不确定性给装配精度造成的影响,提高了"手眼协调"的鲁棒性,保证机器人能够在复杂的太空环境下完成在轨装配任务。     

惯导/测距/测速相结合的安全软着陆自主导航方法

针对地外天体软着陆中惯导误差随时间增大,无法提供准确的高度和三维速度信息的问题,提出了一种惯导、测距和测速相结合的安全软着陆导航方法。该方法以惯导为基础,利用测距仪修正惯导的高度信息,利用测速敏感器修正惯导的速度信息。详细介绍了惯性导航的基本原理及测距、测速组合修正的策略,对软着陆过程的动力学模型、敏感器测量模型、滤波方程、地形对修正的影响,以及组合使用的策略和算法等问题进行了论述。数学仿真结果表明惯导、测距和测速相结合的方法能够满足安全软着陆的需要。     

空间翻滚非合作目标相对位姿估计的视觉SLAM方法

针对空间翻滚非合作目标相对位姿测量中目标先验信息缺失和模型不确定问题,将移动机器人视觉同步定位与建图（SLAM）贝叶斯滤波估计模型推广到非合作目标相对位姿测量中,提出一种基于视觉SLAM的翻滚非合作目标相对位姿估计方法。首先,构建了相对位姿估计的贝叶斯滤波状态转移模型和量测更新模型。其次,为避免平动噪声协方差过大导致滤波性能下降的问题,对状态转移方程进行优化,采用最小二乘估计方法预测位置参数。最后,采用一种联合无损卡尔曼滤波和粒子滤波的贝叶斯滤波方法实现了目标全部位姿参数的快速平滑估计。基于计算机合成图像数据和真实图像序列的仿真实验表明：提出的方法具有较优的速度和精度,且对目标速度变化、特征提取和数据关联误差等具有较好的鲁棒性。     

精密定轨中三类经验加速度的有效建模方法

根据瞬时速度脉冲、逐段常量经验加速度和周期性摄动加速度模型的特点,分别给出敏感矩阵的有效计算方法,以及最小二乘批处理的设计矩阵和法方程矩阵的分块结构。该建模方法将灵敏度矩阵数值积分规模和存储规模降为O(n),而传统方法为O(n 2)。应用GRACE-A星载GPS观测数据对法方程的计算效率测试,结果表明：对于瞬时速度脉冲和逐段常量经验加速度模型,当采用伪距观测量时,法方程构建效率提高1倍;当采用伪距加载波相位观测量时,效率提高3.5倍。对于周期性摄动加速度模型,效率没有明显提高,主要原因在于模型参数较少,矩阵分块建模方法的优越性尚未体现。     

Using consecutive point clouds for pose and motion estimation of tumbling non-cooperative target

This paper proposes a consecutive point clouds-based estimation scheme to resolve the state estimation problem for tumbling non-cooperative space target during the rendezvous phase without a prior knowledge about its structure. First, a consistent pose estimation algorithm is realized by maintaining a global structure of the target that is reconstructed upon the pose graph optimization. Then an extend Kalman filter on Lie group is adopted to estimate the motion and inertia parameters of the target using the pose measurements of the point clouds. Finally, a semi-physical experimental study is carried out to evaluate the performance of the proposed estimation scheme. The result shows that the structure, motion and the inertia parameters can be estimated, and the total computation time is approximately linear with the number of point clouds.     

小视场星敏感器量测延时滤波算法

针对小视场（NFOV）星敏感器用于姿态估计时存在的量测延时情况,提出了一种用于解决量测延时的鲁棒扩展卡尔曼滤波（REKF）算法。根据最小方差准则的思想求解各方差的最小上界,通过最小上界确定滤波增益,设计的REKF算法可以有效解决量测延时问题,提高了姿态估计的精度。对REKF算法进行了仿真验证,结果表明:该算法优于常规加性扩展卡尔曼滤波（AEKF）算法、鲁棒有界时域滤波（RFHF）算法及鲁棒卡尔曼滤波（RKF）算法,能较好解决非线性系统存在的量测延时问题,验证了该算法的有效性。