目标函数误差估算及网格自适应处理

发展了一种基于目标函数误差估算的网格自适应准则,进而通过网格自适应处理提高目标函数计算的效率和准确性。首先描述了目标函数的误差估算及修正的方法,该方法通过伴随方程将原方程的残值误差与目标函数联系起来。然后,基于误差估算建立网格自适应准则,以减少目标函数修正后的剩余误差,提高目标函数计算结果的准确性,并将方法进一步发展至多目标问题。最后将该准则应用于Euler方程控制的NACA0012翼型无粘可压流动的网格自适应模拟。数值计算成功地捕获了与升力、阻力和力矩等目标函数相关的特征流动区域,计算出符合指定精度要求的目标函数值,验证了本文所发展的方法。     

区域杂波估计的多目标跟踪方法

高斯粒子概率假设密度（PHD）滤波往往假定杂波密度参数已知,这种做法对于实际应用是不现实的。此外,杂波的参数值通常依赖于环境条件,可能随时间发生变化。因此,多目标跟踪算法中需要实时准确估计杂波密度的参数。基于此,提出了一种多目标跟踪的区域杂波估计方法。首先根据量测信息在线估计出场景中的杂波数目,然后估计落入目标附近感兴趣区域的杂波数,并估计每个目标感兴趣区域杂波强度。仿真结果表明,在复杂场景下算法的跟踪性能明显优于未进行杂波估计的多目标跟踪算法,提高了跟踪的实时性和跟踪精度。     

Adaptive Gaussian sum squared-root cubature Kalman filter with split-merge scheme for state estimation

The paper deals with state estimation problem of nonlinear non-Gaussian discrete dynamic systems for improvement of accuracy and consistency. An efficient new algorithm called the adaptive Gaussian-sum square-root cubature Kalman filter（AGSSCKF） with a split-merge scheme is proposed. It is developed based on the squared-root extension of newly introduced cubature Kalman filter（SCKF） and is built within a Gaussian-sum framework. Based on the condition that the probability density functions of process noises and initial state are denoted by a Gaussian sum using optimization method, a bank of SCKF are used as the sub-filters to estimate state of system with the corresponding weights respectively, which is adaptively updated. The new algorithm consists of an adaptive splitting and merging procedure according to a proposed split-decision model based on the nonlinearity degree of measurement. The results of two simulation scenarios（one-dimensional state estimation and bearings-only tracking） show that the proposed filter demonstrates comparable performance to the particle filter with significantly reduced computational cost.     

民用大涵道比涡扇发动机压气机叶片重量估算方法

针对民用大涵道比涡扇发动机的设计特点,基于部件一维气动设计结果,分别建立高压压气机叶片(增压级、中压压气机叶片重量估算模型与高压压气机叶片相同)、风扇叶片重量估算模型:通过简化高压压气机叶片结构,采用等效厚度、气动修正因子等方法,建立了基于统计分析法的高压压气机叶片重量估算模型;通过分段简化风扇叶片结构,采用弦长、最大厚度拟合规律及分段求解体积等方法,建立了基于统计分析法的风扇叶片重量估算模型。     

一种关于目标与安全管道相对位置估算方法

针对靶场试验安全控制中目标与安全管道位置估算的实际需求,结合靶场实时数据处理要求,提出了利用滑动窗口技术,动态载人理论弹道数据,并采用折半查找和KNN查询相结合的思想实现了目标与理论弹道最近邻点查询,完成了飞行目标与理论规划航迹间的位置等参数偏差查询。利用区间估计原理,给出了目标与安全管道相对位置估算方法,解决了传统试验中无法对目标与管道边界的接近程度进行量化的问题。     

Disturbance observer-based backstepping control for hypersonic flight vehicles without use of measured flight path angle

In this paper a nonlinear control method is proposed for the tracking control of hypersonic flight vehicles. The designed control laws do not utilize the measured flight path angle due to its inferior accuracy in practical engineering. For this, an estimated flight path angle is designed via the measurements of the altitude and velocity. A tracking differentiator is designed for constructing nonlinear disturbance observer which is used to estimate the model uncertainties including the parameter indeterminacies and external disturbances in the channels of velocity and pitch rate. A robust high-order differentiator is introduced to avoid the employment of the measured flight path angle and estimate the lumped disturbance in dynamics of flight path angle. Meanwhile, the possible saturation of the control inputs is considered and compensated by the auxiliary states. The boundness of closed-loop signals is proved through the Lyapunov theory. Comparative simulations are carried out and the results demonstrate the effectiveness of the proposed method.     

基于流形结构重建的多目标气动优化算法

在多目标优化中,Pareto解集是一个分段连续的k维流形,这一规律被传统进化算法所忽略。本文提出了一种基于流形结构重建的多目标优化算法,首先利用流形结构重建方法完成解集分布从目标空间到设计空间的映射,建立解集的概率分布,并在目标空间中扩展流形结构,从而借助解集在目标空间的推进来指导优化算法的快速演化。数值算例表明本文算法对于具有不同特征的Pareto前沿具有很好的适应性,能够极大提高算法的收敛效率。多目标气动优化算例验证,本文算法相比于常规多目标进化算法能够减少约80%的计算量,极大程度缩短了气动设计的周期。     

三浮陀螺伺服测试误差系数估计方法

为了更好地解决工程实际中三浮陀螺极轴伺服测试时误差系数估计问题,采用了Kalman滤波和递推最小二乘的方法.试验结果证明,Kalman滤波方法能够有效地估计出极轴伺服测试时的陀螺误差系数.用统计检验的方法分析了该模型以及各系数的显著性,结果显示对Dvz和Dzz的估计是显著的.     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

基于纵向滤波的星敏感器低频误差在线估计

多敏感器数据融合是获得更高精度姿态测量的有效方法,敏感器数据融合前必须先修正低频误差。首先,介绍了星敏感器低频误差（LFE）的产生机理及对其在线估计的必要性。其次,针对传统算法的不足,提出了基于纵向滤波的低频误差在线估计算法,该算法将传统低频误差估计问题转化为若干个常值误差估计问题,提高了估计精度。最后,给出了该算法具体实施方式,说明相关参数物理意义及选取原则。通过理论分析及仿真,算法误差可忽略不计。通过在轨数据仿真,星敏感器轨道周期低频误差可被消除。