利用重要性采样的时差-频差联合估计算法

针对无源定位中参考信号真实值未知的时差(TDOA)-频差(FDOA)联合估计问题,构建了一种新的时差-频差最大似然(ML)估计模型,并采用重要性采样(IS)方法求解似然函数极大值,得到时差-频差联合估计。算法通过生成时差-频差样本,并统计样本加权均值得到估计值,克服了传统互模糊函数(CAF)算法只能得到时域和频域采样间隔整数倍估计值的问题,且不存在期望最大化(EM)等迭代算法的初值依赖和收敛问题。推导了时差-频差联合估计的克拉美罗下界(CRLB),并通过仿真实验表明,算法的计算复杂度适中,估计精度优于CAF算法和EM算法,在不同信噪比条件下估计误差接近CRLB。     

基于稀疏表示和近似(e)0范数约束的宽带信号DOA估计

针对宽带信号的波达方向(DOA)估计问题,在稀疏框架下提出一种近似(e)0范数约束的宽带信号DOA估计新算法.首先对宽带信号进行预处理,得到同一参考频率点下的接收数据,然后对其协方差矩阵元素进行加和平均运算,得到一个低维的观测向量,并在稀疏框架下进行稀疏表示,最后利用截断(e)1函数设定权值,构造逼近(e)0范数约束的稀疏重构方法,进而重构信号,获得宽带信号的DOA估计.仿真结果表明,相比于传统的宽带信号DOA估计算法,所提算法具有更高的分辨率和估计精度.     

基于故障数据的某型导弹失效风险排序方法

以某型导弹寿命预测为研究背景,按专业将该型导弹分为弹体、动力系统、电子电气设备等8个分系统,采用FTA-FMMEA方法分别对其进行失效模式和机理分析,并引入严酷度等级和失效模式发生概率等级,构建失效模式风险评价模型,对导弹各分系统的失效危害度进行定量分析。根据服役期间导弹现场失效数据并结合先验信息,提出了基于Bayes估计的各失效模式发生概率求取方法,给出了导弹各分系统的失效排序,确定了导弹薄弱环节,为后续贮存寿命预估提供依据。     

基于Rodrigues参数的姿态估计算法

 以Rodrigues参数作为姿态描述参数提出一种快速的全姿态估计算法。Rodrigues参数具有简洁高效的特点,但它具有奇异性,不适用于大角度情况。首先将序贯旋转方法和Rodrigues参数相结合,提出了一种简洁、无奇异的姿态描述方法。然后应用该姿态描述方法,针对“矢量观测+陀螺”这种典型的姿态测量方案,讨论飞行器的姿态估计问题。在姿态估计算法设计中,给出了陀螺模型和观测矢量模型,推导了状态和状态误差协方差阵的预测方程和量测更新方程,并提出了预测方程的一种高效积分方法。仿真结果表明在估计精度等同的条件下,该姿态估计算法比四元数算法效率大约提高10%。     

液-固挤压铝基复合材料动态系统建模方法

 液态浸渗挤压是一种可以由液态金属直接成形复合材料管、棒、型材的新工艺,针对该工艺过程参数和成形过程难于控制的现存问题,在对其辨识建模特点进行深入分析的基础上,采用基于U-D分解的非线性模型和参数在线估计方法,辨识出液-固挤压铝基复合材料过程的动态模型。实验结果表明,该方法可以提高模型和参数在线估计的计算效率和数值稳定性,辨识模型能很好地反映系统的动态特性,说明该在线估计方法工程应用的有效性,同时也为液-固挤压复合材料工艺的实际应用和过程控制奠定了基础。     

基于组合导航技术的光纤捷联系统在线标定

 将光纤捷联系统惯性测量单元（IMU）输出误差分解成零偏误差、标度因数误差、失准角误差和随机白噪声几个部分,建立了系统误差模型,基于此模型设计卡尔曼滤波器引入高精度外部信息源对IMU进行在线标定。将此方法应用于某光纤捷联系统进行跑车试验,结果表明：引入外部信息源进行在线标定与补偿后系统纯惯导精度显著提高,本文建立的系统误差模型和在线估计方式有效估计了IMU输出误差,实现了系统在线标定,提高了系统实用精度。     

基于神经网络逆控制的发动机直接推力控制

首次将动态神经网络逆控制用于航空发动机直接推力控制。为了有效消除由于神经网络逆模型构造误差(即神经网络逆模型不可能完全逼近航空发动机的逆模型)而产生的稳态误差和解决航空发动机推力不易测量的困难,分别设计了积分补偿器和推力估计器,从而实现航空发动机直接推力控制。飞行包线内数字仿真结果表明,此控制方案具有良好的动静态性能、精度高、跟踪快。     

Duane模型的导数最小二乘估计

 针对传统最小二乘估计仅仅考虑回归模型曲线本身的试验样本,不能同时对曲线动态变化规律进行描述、未能充分利用模型与数据信息的问题,依据在一次观测中待定参数的取值应使得随机样本与模型各阶导函数在概率尺度下具有最小距离的原理,通过构造模型曲线导数意义下的损失函数,提出了一种能够综合利用模型与试验数据导数信息的导数最小乘方估计方法,推广了传统最小二乘估计的模型条件与使用范围。并结合复杂可修产品可靠性增长的Duane模型给出了参数的一般导数最小二乘估计与最佳导数最小二乘估计式,证明了模型参数的导数最小二乘估计较传统最小二乘估计具有更好的统计性质。为实际中确定模型曲线,进行工程预测提供了一条新的技术途径。     

融合高斯过程回归的UKF估计方法

高精度滤波估计是SINS/GNSS组合导航系统的关键技术之一,其估计精度直接影响了导航精度。传统滤波估计方法一般只基于惯导误差模型,未考虑惯导误差模型不确定性的影响。针对此问题,提出了一种采用高斯过程回归（GPR）增强无迹卡尔曼滤波（UKF）预测和估计能力的高精度滤波估计方法。一方面,能在有限的训练数据条件下通过UKF估计误差状态量;另一方面,高斯过程既考虑了噪声,也考虑了UKF的不确定性。将所提方法应用于SINS/GNSS组合导航系统中,车载实验结果表明,所提方法能有效提高滤波估计精度。