基于区间估计与透射率自适应约束的去雾算法

针对去雾算法透射率估计不足与结果偏色等问题,提出了一种基于最小通道区间估计与透射率自适应约束模型的图像去雾算法。首先,采用不同尺寸最大值操作得到有雾图像的亮通道,并结合均值处理和频域滤波得到大气光估计;其次,从大气成像理论出发,以有雾图像最小通道为约束,分别以平面模型和自适应映射模型拟合无雾图像最小通道上下边界,并获得无雾图像最小通道和透射率初始估计;最后,对透射率作滤波平滑与自适应边界约束,得到优化透射率,并根据大气散射模型得到复原结果。实验表明:所提算法复原结果颜色自然、亮度适宜、去雾彻底、细节信息丰富且时间复杂度较低,有效解决了透射率估计不足和偏色等问题。      

基于改进UKF的组合导航系统航向角估计方法研究

为满足运载体长航时、高精度的导航需求,解决系统可观测性弱导致的航向角易发散的问题,提出了一种基于MEMS非线性组合导航系统的用于提高航向角估计精度的算法。通过采用单天线GNSS航向角作为量测量进行航向约束,解决了MEMS-SINS/GNSS姿态估计中航向角可观测性弱、估计值收敛差的问题;通过转弯判断规则和常规无迹卡尔曼滤波改进算法,抑制了偏流角对系统估计精度的影响。仿真结果表明,该算法有效地抑制了航向角估计精度差的问题,水平姿态精度达到0.01°,航向角精度达到0.1°,提高了系统的导航精度及可靠性。     

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%。     

某无线电引信误启动问题分析与对策

阐明了针对某无线电引信在导弹飞行试验中出现的误启动问题,建立引信误启动故障树,通过遥测数据分析和验证试验,确定故障起因,分析故障机理,采取改进措施的一些基本观点.     

绿色作业车间机器与AGV的集成调度研究

针对加工资源和运输资源集成下绿色作业车间调度问题,通过研究生产车间综合能耗模型,建立了机器和自动导引小车(Automated guided vehicle,AGV)集成调度下多目标优化模型。提出一种改进分布估计算法(Improved estimation of distribution algorithm,IEDA)对模型进行求解。首先,采用优良种群作为样本学习来构建概率分布模型以提高IEDA的全局搜索能力;然后基于一种类似激素调控机制的速度冷却控制方法设计出新的模拟退火函数,并将其融入到分布估计算法中以提高IEDA的局部搜索能力。最后通过数值实验来验证所提模型和算法的可行性和有效性。     

自适应高斯—厄米特滤波器

针对带有未知统计特性噪声的非线性系统,提出了一种新型的自适应滤波器——自适应高斯—厄米特滤波器(AGHF),其过程是通过将Sage Husa噪声估计器推广到非线性系统,得到更为一般的噪声估计的递推形式,它与高斯—厄米特滤波器(GHF) 相融合,得到适用于带有未知统计特性噪声的非线性系统的高精度自适应滤波器.仿真结果表明,当非线性系统存在一类未知统计特性噪声(系统噪声或测量噪声)时,与扩展卡尔曼滤波器(EKF)、GHF和自适应扩展卡尔曼滤波器(AEKF)相比,AGHF滤波器可显著提高对噪声统计特性和系统状态的估计精度.     

基于Bayesian估计理论的GPS导航算法

当观测信息冗余度小或出现异常时,仅依靠GPS单历元数据难以获得可靠的定位结果,需借助历史信息改善定位精度和可靠性.导出了Bayesian递推算法的一般形式,建立了基于移动窗口的牛顿向前插值模型与常速度、二次曲线最小二乘拟合模型的先验信息获取方式,引入了当前历元相关观测方程的抗差估计,并采用实测GPS动态数据计算分析,结果表明:抗差估计能有效抑制粗差对GPS定位结果的影响;拟合模型对误差具有平滑作用,其中二次曲线模型明显优于常速度模型,但两者均需实时计算拟合系数;而牛顿向前插值模型系数恒定,计算简单,显著提高了定位精度及可靠性.     

基于多尺度分布式融合估计的GPS/INS组合导航系统的研究

针对如何融合多传感器的数据、提高数据处理的可靠性和精度的问题,将基于模型的动态系统分析方法与基于统计特性的多测度信号变换方法相结合,提出基于Kalman滤波的多尺度分解与估计联合的多尺度分布式融合估计算法.该算法首先建立系统的动态方程和观测方程,再利用小波变换将数据在不同尺度上进行融合处理,归纳出该算法的实现步骤.最后通过组合导航系统的仿真验证算法的有效性,结果进一步证明了该算法能够有效地提高多传感器数据的处理精度.     

基于抗差估计的工业机器人运动学参数标定

为了提高工业机器人标定过程中参数辨识的鲁棒性,提出了一种基于抗差估计的运动学参数标定方法。首先基于D-H模型建立了末端位姿误差模型,同时分析了等价权函数,然后利用激光跟踪仪测量机器人基坐标系和末端位姿,最后结合IGG3权因子函数利用抗差最小二乘法辨识了运动学参数。实验表明,机器人绝对定位的RMS误差由补偿前的0.87mm降低到补偿后的0.21mm,相较于传统的最小二乘辨识算法,此标定方法拟合精度更高且鲁棒性更强。