太阳矢量在行星际探测器姿态估计中的应用研究

在基于矢量观测的行星际探测器姿态确定中,参考矢量的几何关系是影响姿态估计精度的一个重要因素。针对这一问题,本文提出了一种利用太阳矢量来提高探测器姿态估计精度的最优算法。该方法在引入太阳矢量的基础上,将星敏感器测得的姿态四元数转化为两个互相垂直的参考矢量,并根据敏感器的测量精度计算相应的规范化权值系数;结合姿态四元数估计算法,给出最小二乘意义下的探测器最优姿态估计。最后,以深度撞击任务的实际飞行数据对本文所提算法进行验证。仿真结果表明,引入太阳矢量后的三轴姿态角估计误差小于150μrad,完全满足深度撞击任务的要求。     

最小二乘支持向量机的在线学习算法研究

针对最小二乘支持向量机在线逼近过程中求解矩阵维数逐渐扩大的问题,提出了一种最小二乘支持向量机的在线学习算法。借助滚动窗口的思想,建立一个随时间滑动的建模数据区间,在线逼近中通过接受新数据删除旧数据来保持数据区间长度不变,同时数据不断更新,从而实现模型的在线学习。仿真结果表明了这种学习算法的有效性。     

一种基于启发式搜索的智能轨道规划

针对二体轨道模型,设计了一种时间固定点对点多冲量轨道机动的智能规划算法。算法基于非线性规划理论和启发式智能搜索技术,采用随机A*扩展树法保证优化的全局性,并利用逐步二次规划法(SQP)来保证结果的局部数值精确性。整个算法具有较好的智能自主性。最后通过数值仿真验证了算法的可行性。     

结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法

支持向量数据描述方法在高光谱图像小异常目标检测中具有较好的检测性能,但是待检异常的几何形状受到约束和背景的选择具有盲目性影响检测效果,且检测需要对整幅图像进行遍历导致计算量大。提出邻域聚类分割和支持向量数据描述相结合的异常检测方法,首先利用邻域聚类方法分割图像,将几何尺寸小的分割块作为潜在异常目标;其次选择与潜在异常的形状和大小相适应的背景窗进行背景像元收集;最后采用SVDD方法从潜在异常中快速且准确地检测出异常目标。对HYMAP图像的实验结果表明,该算法提高了复杂地物背景下异常的检测性能,降低了SVDD用于高光谱图像异常检测的计算量。     

基于非等间距采样输出的旋转矢量姿态算法

基于实际系统中陀螺的输出为非等间隔的角增量信号，重点研究了采样时刻的变化对捷联姿态算法的影响，并推导出旋转矢量三子样算法和二子样算法的通用表达式及其误差方程。传统的Miller算法已被证明是本算法的特例。研究发现，算法误差与由采样时刻构成的误差系数阵密切相关，Miller算法中的等间距采样使得该矩阵奇异，而改变采样间距可使其满秩，从而降低算法误差。然而对角增量输出的二子样算法而言，等间隔采样比非等间距采样具有更小的箕法漂移。仿真及试验结果证明了本文的观点。     

基于模糊推理的基向量曲线求解方法

基向量法是求解近圆轨道间固定时间最优交会的一种几何方法。针对基向量法中最优解的基向量曲线的求解问题，提出一种基于模糊推理的求解方法，使得基向量法的整个求解过程可以脱离人工干预完全由计算机完成，从而使基向量法求解的效率有了本质上的提高。通过对四冲量固定时间最优交会问题的求解实例表明该方法的有效性和实用性。     

构件裂纹缺陷的超声识别

将小波包多分辨率分析与能量谱相结合,提出了金属材料缺陷特征提取的方法(小波包子带能量比较法)及不同缺陷的识别方法(小波分形神经网络法)。选取最能反映缺陷特征的参数——"能量特征向量"作为特征参数,进行缺陷的特征提取。缺陷的识别方法将小波包分解后各子带系数的分形维数作为特征矢量,对其进行径向基神经网络训练,从而可很明显区分出有无裂纹以及不同裂纹信号。以航天发射塔架钢连接构件疲劳裂纹超声检测信号为例,使用所提出的特征提取和模式识别方法,结果表明是行之有效的新方法,为金属材料缺陷检测与识别开拓了新思路。     

燃气推力矢量控制发动机内流场数值模拟

采用基于Favre平均的三维N-S方程,对燃气推力矢量控制发动机全内流场进行了数值仿真,研究了燃气引流、燃气二次喷射及与发动机内主流相互作用等复杂流动。研究结果表明,流场内包含复杂的涡系结构和波系结构,还存在着边界层与激波的相互干扰、自由剪切层、激波、膨胀波和大尺寸分离。通过数值模拟,对试验中的异常现象进行了定性分析,得出了与试验一致的结论。     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.     

GNSS中基于双星故障的RAIM中的数学关系

从理论上推导全球导航卫星系统(GNSS)中基于双星故障的接收机自主完好性监测(RAIM)中的两个基本定理,为基于双星故障的RAIM技术提供了理论支撑。第一个定理给出了RAIM中奇偶矢量与导航误差的关系,指出了两者的统计独立性,它表明只能通过多次测量的累积以统计方法得到导航定位精度;第二个定理指出可通过偏差修正方式得到正确的导航解。这两个结论与单星故障假设条件下得到的结论是相同的,这就表明,基于单星故障假设的RAIM方法,其基本原理是可以通用于双星以至于多星故障情形的,只需在具体操作上进行适应性改进。另外,推导方法本身也提供了一种进行GNSS分析的有力工具。