基于导航姿态解算的光纤陀螺平台低频角振动测试方法研究CSCD

为准确评价光纤陀螺平台的低频角振动特性,提出了一种基于导航姿态解算的光纤陀螺平台低频角振动测试方法。首先,通过角振动台精确模拟载体的低频角振动状态,并通过光纤陀螺平台飞行导航过程中的断调平差分信号,实现平台框架角度信号与角振动台激励角度信号的数据同步;然后,利用平台式惯导系统的导航姿态解算方法,实时解算低频角振动过程中光纤陀螺平台的台体姿态,并通过坐标系转换得到平台基座系相对于地理系的实时姿态;最后,通过对光纤陀螺平台稳定回路的幅相特性分析,得到低频角振动激励下稳定回路的幅值和相位特性,实现对光纤陀螺平台角动态特性的准确评估。     

基于特征建模的空间非合作目标姿态智能测量方法

为实现空间非合作目标姿态的测量,基于特征建模的思想,提出了一种根据目标激光点云数据进行高效处理的智能测姿态方法.首先,针对空间目标姿态测量的需求,寻找并实现能够高效表征目标姿态的点云数据特征.接着,应用神经网络的方法对目标点云姿态特征进行学习,通过建立合理的神经网络模型和训练数据,实现目标点云特征与姿态间非线性映射关系的建立.最后,利用目标点云仿真数据集,对方法的测量精度和测量实时性进行了评估.实验结果表明：利用特征建模的思想,提出并建立目标点云姿态协方差矩阵特征,实现了点云数据在表征目标姿态方面的信息高度压缩,为神经网络模型的轻量化设计和计算资源严重受限的在轨应用,提供了可行的智能化工程实现方案.     

公务＆私人飞机 消费还是投资

在前景无限的中国市场上,外国私人飞机早就瞄准了中国这块肥大而美味的猎物。越来越多进口的飞机充斥着中国市场。而纷纷前往购买的大多基于富豪一代或二代,作为手中珍贵的玩物。如今,一个严峻的资本投资市场引起了大家的深刻思考。     

GPS姿态测量的载波相位整周模糊度快速解算

 根据 ARCE方法可以将模糊度搜索空间从所观测到的 m颗卫星的 m -1维降为 3维独立整周模糊度搜索空间,结合整数高斯变换及基线长度约束减小模糊度搜索空间,利用 Cholesky分解提高模糊度搜索效率,实验结果证明该方法能够快速解算整周模糊度适于实时姿态确定等应用。     

基于相位变化率的无源定位法

无源定位技术有着广阔的应用前景，本文在现有单站无源定位方法的基础上，介绍了相位变化率定位法。该方法利用观测平台上两个相互正交的相位干涉仪接收目标辐射电磁波的相位获取目标的方向信息，利用对应的相位变化率获取目标的径向距离信息，从而实现对目标的实时高精度定位。文中还给出了观测平台飞行姿态变化情况下的定位表达式。仿真结果表明，该方法是一种发展前途较好的单站无源定位方法。     

基于mSDTFT的无速度传感器异步电机转速估计

采用Teager-Kaiser能量算子对定子电流进行解调,有效消除了基频频谱泄露对提取转子速度谐波的影响,然后分析了SDTFT对转速估计精度的影响,在此基础上提出一种新的mSDTFT频谱分析方法估计转速。该方法有效降低了计算开销,特别是可以只针对某些需要的谱线进行计算,提高了谱分析的灵活性和高效性。试验结果表明,所提方法在不同负载条件下能够有效提取转子速度谐波,且具有较高的转速估计精度。     

基于离散反电动势估计的永磁同步电机无速度传感器控制

针对高速永磁同步电机(PMSM)的无速度传感器控制问题,提出了一种基于离散反电动势估计的PMSM无速度传感器控制策略。实施离散反电动势估计的设计有三点:首先,设计了离散dq电流观测器以消除反电动势估计中的电感交叉耦合效应;然后,设计了延迟补偿模型以补偿数模转换引起的电压误差,同时设计了较为精确的离散模型,以克服由数字实现导致的估计反电动势和实际反电动势之间的偏差;最后,开展了高速PMSM驱动试验,试验结果验证了所提出的高速PMSM无速度传感器控制方案的性能。     

基于最小约束系统的分布式协作定位研究

5G移动通信系统中,设备到设备的通信方式产生了节点间的信号测量,可用于提升无线定位的覆盖范围和定位精度。提出了一种基于最小约束系统的分布式协作定位方法,该方法首先利用已有算法估计节点参考位置,并据此构建最小约束确定网络的位置及朝向,然后在该约束下极大化由节点间测量引出的似然函数,获得位置估计。理论研究表明,该方法将由节点间测量确定的相对位置拟合到参考位置处,在参考位置等于真实位置时达到最优效果。仿真结果表明,该方法可有效提高定位精度,并具有分布式和可扩展等优点。     

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。     

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。