基于ATSUKF算法的卫星姿控系统故障估计

针对卫星姿态控制过程中可能发生的执行机构或敏感器故障,提出了一种基于无损卡尔曼滤波（UKF）及偏差分离原理的自适应二阶无损卡尔曼滤波（ATSUKF）算法。首先,提出TSUKF算法,通过UKF处理姿态机动时的非线性并通过偏差分离原理将非线性系统的状态及故障分别估计,避免非线性模型的线性化过程同时降低了计算过程中的矩阵维度。然后,在TSUKF算法的基础上提出了ATSUKF算法,通过滑动窗口内的残差计算自适应矩阵,使滤波器在统计特性不准确的情况下仍然具有较快的收敛速度,特别适用于卫星快速机动过程中的姿态与故障估计。数值仿真结果表明,ATSUKF算法相较于TSUKF算法能有效降低统计特性不准对系统造成的不利影响,实现卫星姿态、执行机构/敏感器故障的快速估计。     

基于磁场定向控制理论的无刷直流电机控制

磁场定向控制(FOC)理论是永磁同步电机(PMSM)最常用的控制方法之一。该方法需要电机转子瞬时精确位置,因此限制了其在使用霍尔位置传感器的无刷直流电机(BLDCM)上的应用。为了能够在BLDCM上应用FOC理论,又不增加电机成本,在现有霍尔位置传感器的基础上,提出了一种根据霍尔传感器的输出信号,通过计算前一个扇区平均转速的方法估计转子精确位置。使用MATLAB/Simulink软件对该估算方法进行了仿真,并搭建了以TI 的TMS320F28069 DSP为核心的试验系统,通过自动代码生成技术完成算法的编程,可以较好地应用于BLDCM的控制,在一些应用场合可以代替PMSM从而降低使用成本。     

基于AEKF的永磁同步电机转速估计算法研究

针对在转速估算研究中采用常数矩阵不能准确描述永磁同步电机(PMSM)在不同运行条件下系统噪声的问题,提出了一种基于新息序列和状态残差的自适应扩展卡尔曼滤波算法(AEKF)。同时,对AEKF的稳定性进行理论上的探究。经仿真验证,与传统扩展卡尔曼滤波算法相比,AEKF在收敛速度和收敛精度上更优,参数鲁棒性更好。     

互质阵中空间谱估计研究进展

阵列信号处理技术是信号处理领域一个重要分支,广泛应用于雷达、声呐、水电天文等领域。空间谱估计是阵列信号处理中一个主要研究热点,为了避免角度模糊,要求阵元间距要小于等于载波波长的一半。互质阵突破半波长的限制,其阵元间距一般大于半波长。因此,互质阵能够在阵元数固定的情况下,获得更大的阵列孔径。互质阵空间谱估计算法可以利用互质特性辨识目标源,且能够获得更高的测向精度与分辨率。互质阵空间谱估计研究逐渐成为当今阵列信号处理领域的热点。本文总结了互质线阵与互质面阵下的空间谱估计的研究进展,分析了互质阵列相对于普通均匀阵列在阵列孔径扩展以及提高空间自由方面的优势。仿真结果展现了互质阵下高效的波达方向估计性能。     

基于极化敏感阵列的高效DOA与极化参数联合估计算法

提出一种基于极化敏感阵列的二维波达方向(DOA)和极化参数联合估计算法.首先建立入射信号模型,然后利用重构的x轴、y轴、z轴阵列导向矢量之间的关系计算出入射信号的DOA和极化参数的无模糊粗估计值;同时根据重构阵列导向矢量内在的旋转不变结构估计出x轴和y轴空间相移因子,得到入射信号的高精度无模糊DOA估计.最后利用粗估计精估计相结合的方式进行解模糊,进而完成DOA估计.算法允许阵元间距大于入射信号的半波长,扩展了有效阵列孔径,提高了算法的测向精度.此外,算法避免了复杂的四维谱峰搜索,具有较低的运算复杂度.仿真实验结果验证了算法的有效性和良好的估计性能.     

一种基于多普勒频率的恒模信号直接定位方法

相比于传统的差分多普勒(DD)两步定位方法,以Amar和Weiss提出的基于多普勒频率的单步直接定位方法在低信噪比和小样本条件下具有更高的定位精度。在该类新型定位体制的基础上,提出了一种基于多普勒频率的恒模信号直接定位方法。首先,依据最大似然(ML)准则以及恒模信号的恒包络特征,建立相应的直接定位优化模型。然后,根据目标函数的代数特征将全部未知参量分成两组,并提出一种有效的多参量交替迭代算法,用以获得该优化问题的最优数值解。新算法包含了针对这两组未知参量的Newton型迭代公式,用以避免网格搜索,并能实现多维参数的"解耦合"估计。最后,推导出针对恒模信号的目标位置直接估计方差的克拉美罗界(CRB)。数值实验验证了新方法的优越性。     

基于随机有限集的空间碎片群运动状态估计

传统的空间目标监测是建立在单目标状态估计基础之上,在面对突发产生的大量空间碎片时,由于碎片尺寸小,且密集分布以"群"的方式出现,传统单目标处理方法很难奏效。以"群"整体作为处理对象,基于随机有限集(RFS)技术,对"群"的状态特征进行估计。为了解决漏检目标密度分配问题和轨迹关联问题,提出一种面向量测的改进集势概率假设密度(CPHD)滤波器,并结合滤波后的信息处理过程,完成了对低轨空间碎片群的目标密度分布、群内目标数以及群内显著目标的状态估计。在仿真实验中,提出的滤波器表现明显优于传统滤波器和标准CPHD滤波器,且在某些传统滤波器和标准CPHD滤波器已失效的情况下,所提技术仍能有效工作。     

基于聚类与粒子群极限学习机的航空发动机推力估计器设计

针对航空发动机推力不可测,部件级模型求解推力精度不高、实时性差的问题,提出了基于快速寻找密度极点聚类与粒子群极限学习机的航空发动机推力估计方法。首先利用基于快速寻找密度极点的聚类算法对全工况范围内的台架试车数据聚类,然后在每一个子类中,用粒子群极限学习机设计了子推力估计器。在子类推力估计过程中,为使网络拓扑结构最优,用粒子群算法寻找极限学习机的最优隐层神经元数目的方法。训练与测试表明,推力估计测试相对误差最大值为3.06‰,优于传统的RBF(7.25‰)与BP(14.84‰)神经网络方法,能够满足直接推力控制与机载在线实时状态评估的需求,且可将方法扩展到其他不可测参数的估计。     

基于ap-Welch的随机角振动信号的 频谱估计方法研究

在转台的随机角振动试验中,频谱估计的精度是一个非常重要的指标,直接影响到频谱复现的精度.在分析经典的频谱估计方法的基础上,提出了一种基于ap-Welch频谱估计(基于全相位预处理的Welch频谱估计)的方法,从理论上证明了其比Welch频谱估计法具有更强的旁瓣抑制作用.仿真实验结果表明,ap-Welch频谱估计法能够有效提高频谱估计的精度,而且随着全相位阶数的增加,频谱估计的收敛特性也随之改善.     

基于局部应力法的 Bayes -神经网络舵板寿命预测

舵板是某水下航行体的关重件,为预测其使用寿命,文章建立了舵板航行体的计算域模型,通过仿真并运用局部应力应变法,计算出舵板在特定环境应力下的寿命;利用贝叶斯估计的先验知识以及神经网络,联合预测出舵板在不同的环境应力下的使用寿命。