高超声速机动目标天基跟踪鲁棒性滤波方法

为解决高超声速滑翔飞行器(HGV)机动飞行过程中的跟踪问题,提出了一种基于机动观测器补偿的鲁棒扩展卡尔曼滤波方法。针对传统卡尔曼滤波器由于模型误差而无法稳定跟踪的问题,首先建立了HGV动力学模型和天基红外测量模型;随后,设计机动观测器对未知气动加速度进行在线估计;在此基础上,利用机动估计对扩展卡尔曼滤波中的预测步骤进行修正,克服了因模型误差而导致的滤波发散问题;最后,考虑到机动观测器的时延误差,在扩展卡尔曼滤波迭代过程中引入次优渐消因子,提高了滤波跟踪的鲁棒性。与强跟踪滤波、扩维卡尔曼滤波、交互多模型滤波等典型跟踪方法相比,所提方法可在不具备目标机动先验信息的情况下,以较低的计算耗时取得良好的稳定性和跟踪精度。     

Kalman滤波在频率估计中的应用与仿真

推导并建立了Kalman滤波器用于频偏估计的仿真模型,提出先对信号倍频,而后进行差积运算,得出载有频偏二倍频信息的复信号,再用Kalman滤波器估计复信号的相位和相位变化率,避免符号相位模糊,运算简洁便于数字实现。设计了一个Kalman滤波辅助解调的系统模型,给出了仿真结果。仿真表明,Kalman滤波技术用于频率的快捕可以大大降低失锁概率。     

一类解决变应力加速寿命试验参数估计的方法

变应力加速寿命试验的极大似然函数是高维非线性复杂目标函数,其待估参数多,采用梯度下降优化方法进行参数估计容易陷入局部极值,而采用全局优化方法又存在寻优效率低的问题.为了解决复杂多维目标函数优化的瓶颈问题,设计了一种基于实数编码遗传算法和Powell法的遗传加速方法.利用适应度函数获得两种优化方法的最佳切换点,最大程度发挥遗传算法和Powell算法的优点,既提高了多维非线性目标函数寻优效率又保证了参数估计的全局最优.液压泵加速寿命试验实例分析结果表明,遗传加速方法可以在寻优前期利用遗传算法保证待估参数的全局最优估计,在寻优后期快速逼近最优值,使寻优成功率达到85%.     

卫星姿态控制系统的故障可诊断性评价研究

在不依赖任何诊断算法的前提下,对卫星姿态控制系统中传感器和执行器的故障可诊断性进行评价,旨在将提高系统故障诊断能力的工作重点前移到设计阶段.由于反馈控制的存在,导致故障会在整个系统中进行传播,使得单故障源表现出多异常征兆,这给闭环系统的故障诊断带来极大挑战.将故障视作扩展状态,并考虑模型不确定性,得到卫星姿态闭环控制系统的状态空间模型;根据可观测性判据,给出并证明考虑建模不确定性的加性故障和乘性故障可诊断性条件.所得相关结论可为卫星姿态控制系统设计提供理论参考依据.     

一种高动态条件下惯性星光组合定姿方法

针对高动态条件下星图拖尾导致惯性星光组合定姿精度下降甚至无法定姿的问题,提出了一种基于乘性扩展卡尔曼滤波的惯性星光深度组合姿态确定方法.利用星敏感器观测信息修正姿态误差,补偿陀螺漂移,并建立了陀螺输出的角度变化量与星图像移的关系,利用陀螺输出信息估计星图拖尾的模糊参数,采用维纳滤波复原方法对产生拖尾的星图进行复原以提高星图信噪比和观测精度.仿真结果表明该方法可以有效提高星像质心提取精度和星图识别率,对初始姿态误差修正更快,且不存在星图误匹配的情况,保证了惯性星光组合定姿方法在高动态条件下仍能保持较高的精度.     

中性原子成像探测的物理设计与仿真

研究了磁层-电离层-热层耦合星座(MIT)卫星计划中高能中性原子成像仪(NAIS-H)探测方案的原理设计和模拟仿真. 以双星中性原子成像仪设计思想为基础,依据MIT卫星计划的总体科学目标和磁层卫星的轨道环境及相应自旋姿态,给出中性原子成像仪的技术架构,并针对地磁偶极场的环电流模型进行了模拟仿真. 仿真结果表明,所研制的NAIS-H以其高时空分辨能力适用于监测和反演磁暴期间磁层等离子体的全球动力学过程.      

基于不变流形的高超声速飞行器动态面控制

针对存在未知气动参数的吸气式高超声速飞行器纵向运动控制问题,提出一种基于不变流形的自适应动态面控制方法.通过合理假设将高超声速飞行器纵向模型分解为弹道倾角回路和速度回路,分别实现对弹道倾角和速度参考指令的跟踪.弹道倾角回路被表达为严反馈形式进行控制器设计.采用基于不变流形的自适应方法实现了对未知参数的估计.所提出的自适应动态面控制方案能保证未知参数估计误差全局一致稳定和闭环系统全局有界稳定,且估计器和控制器设计不存在耦合,因此参数设计更加容易.仿真结果验证了该控制方法在参数估计方面的显著优势和良好的闭环系统性能.     

一种自适应GNSS弱信号载噪比估计方法

全球导航卫星系统（GNSS）信号的载噪比（CNR）是衡量接收机工作性能的一个重要参数。为了准确得到载噪比估计值,推导并分析了2种常用的GNSS信号载噪比估计方法（方差求和法（VSM）、窄带宽带功率比值法（PRM））,并同时提出一种基于渐消因子容积卡尔曼滤波的自适应载噪比估计方法,比较了3种方法在通常的信号环境下和弱信号环境下的载噪比估计能力。结果显示:在信号较弱环境或信号受到遮挡产生突变等情况时,VSM方法与PRM方法均会产生较大的误差,而自适应载噪比估计方法能准确估计出信号的载噪比。      

基于数据驱动的非合作航天器姿态估计与预测方法

针对临近操作对非合作航天器的相对导航问题,考虑角速度测量缺失以及视觉特征丢失,提出了一种融合乘性扩展卡尔曼滤波和姿态预测的框架,实现了对非合作航天器的姿态估计和预测。采用惯性参数对状态向量进行了扩维,在缺少角速度测量的情况下预估了非合作航天器的姿态和相对转动惯量的比值。基于函数拟合和神经网络分别设计了两种姿态预测方法,解决了传统方法误差随时间累积的问题,有效减少了计算成本。最后,通过数值仿真验证了滤波估计和姿态预测算法的实时性和准确性。