基于UKF的FADS/INS融合大气数据估计

针对飞行器在高速飞行时受气流干扰、惯性数据易发散等问题,从传感器数据融合角度出发,提出了通过无迹卡尔曼滤波(UKF)融合嵌入式大气数据观测系统(FADS)和惯性导航系统(INS)估计飞行器实时大气数据的算法。算法使用高维度非线性方程对惯性系统和大气系统间的关系建模,结合FADS与INS的数据,计算飞行器速度和高度,进而估算出攻角、侧滑角等参数。实验结果显示,与INS直接解算、扩展卡尔曼滤波(EKF)融合等原有估计方法相比,文章所述的算法在估计精度和系统稳定性方面均有所提高。     

基于ANFIS的智能导航自适应滤波算法研究

智能导弹等智能化飞行器在快速跨域、高速机动飞行时,由于传感器切换、外形改变等因素,会对组合导航信息融合系统引入随机非Gauss噪声等影响,离线优化的参数往往不能满足滤波器精度的需求。自适应网络模糊推理系统ANFIS是一种将人工神经网络和模糊推理技术相结合而成,符合人类认知特点的决策方法,它可以对导航数据进行学习,实现智能决策、实时修改滤波器内部参数,对滤波器进行优化。仿真结果表明,基于ANFIS优化的智能导航自适应滤波算法可以有效减少噪声和干扰带来的影响,提高导航精度。     

基于磁强计的卫星自主定轨

针对低轨小卫星 ,提出一种低成本的自主导航方法。该方法采用一个三轴磁强计作为测量手段 ,通过卫星所在位置的地磁场强度的量测值与国际地磁场模型 (IGRF)之间的差值来提供导航信息 ,利用推广的卡尔曼滤波技术来确定卫星的轨道。仿真研究的结果验证了该方法的可行性。     

微小卫星太阳敏感器/磁强计实时标定算法研究

 提出了一种对磁强计/太阳敏感器的无姿态信息的在轨实时标定方法。在现有的标定算法中,仅采用地磁矢量的模作为观测量,本文引入地磁矢量与太阳矢量之间的数量积作为观测量,增强了其可观性,也使对太阳敏感器的实时标定成为可能。扩展卡尔曼滤波器(Extended Kalman Filter,EKF)虽然获得广泛应用,但其线性化过程会引入截断误差,而无香卡尔曼滤波器(Unscented Kalman Filter,UKF)是非线性滤波方法,不须对系统进行线性化。分别利用EKF与UKF的滤波标定算法进行标定研究,仿真结果表明了本文算法的有效性,如磁强计偏置的标定精度,UKF比EKF高26%。     

基于视线角序列的机动目标视线角速率计算

 依据拦截弹与机动目标间的相对位置关系,采用导引头球面模型,基于当前统计模型,实现了强跟踪状态自适应滤波,计算出了可用于制导的视线角速率。该算法利用导引头球面模型,将测角信息转换成距离信息,进行方差自适应调整和卡尔曼滤波。在只给出视线角序列信息的情况下,根据相对状态滤波结果求出所需的视线角速率。     

高超声速滑翔目标自适应跟踪方法

针对机动模式复杂多变的高超声速滑翔目标跟踪问题,提出了一种机动频率自适应跟踪方法。采用介于常速度和常加速度模型之间的Singer模型来表征目标气动力加速度的变化,从而建立跟踪系统的状态方程。根据地基雷达量测量获得系统的量测方程,鉴于距离和角度信息的量级相差较大将其由球形量测量转换为位置量测量。为了适应高超声速滑翔目标灵活多样的机动模式,基于正交性原理和无迹卡尔曼滤波算法实现了Singer模型中机动频率参数的自适应。利用滤波信息计算得到能够反映状态模型误差大小的调整因子,用于放大Singer模型中的机动频率,进而调整状态方程的过程噪声以降低模型误差。通过对2种典型机动轨迹的跟踪仿真,并与交互式多模型等方法进行比较,结果表明所提方法的跟踪精度高、计算量小,能够较好地适应阶跃机动和连续幅值变化的机动。     

卡尔曼滤波的极坐标算法及应用

介绍了极坐标下卡尔曼滤波算法,给出模型的推导过程及卡尔曼滤波的标量计算式,并给出了空舰攻击中目标速度的计算方法.实践证明该算法是一个收敛快、精度较高的算法.     

高空长航时无人机SINS/CNS组合导航系统仿真研究

根据高空长航时无人机的特点研究了SINS/CNS组合导航系统并进行了仿真。研究了分段定常系统(PWCS)的可观测性分析方法和基于奇异值分解的系统状态可观测度分析问题,并提出了一种改进的状态可观测度分析方法,在求状态变量的可观测度时,抛开了观测量,只利用可观测矩阵进行分析,然后将该理论应用到SINS/CNS组合导航系统中,证明了其合理性与可行性,进一步根据可观测度分析的结果对系统进行反馈校正,通过仿真结果证明导航精度得到了提高。     

一种新的基于ANSYS的机翼挠曲变形建模方法

针对传递对准中机翼挠曲变形建模方法适用性差的问题,提出了一种基于有限元分析的不同挂点处弹载子惯导系统的机翼挠曲变形建模方法。以柔性较大的大展弦比机翼为研究对象,建立了薄蒙皮、双翼梁、多肋板式机翼模型。通过绕流分析得到的机翼上、下表面压力分布云图,在此基础上对机翼结构进行气动载荷的加载。根据ANSYS瞬态动力学分析,获取了机翼挠曲变形角的随机过程序列,并利用AR(n)模型代替ARMA(p,q)模型进行建模。采用一种改良卡尔曼滤波算法对模型参数进行估计,并利用信息准则对模型的适应性进行检验。根据参数辨识的结果,最终得到了机翼的挠曲变形模型。     

航空发动机健康估计的神经网络修正卡尔曼滤波算法

针对商用航空发动机与气路相关的传感器分布不均、且个数小于气路健康参数的个数、使用卡尔曼滤波算法估计全部气路健康参数时容易出现误判的特点,提出一种神经网络修正的卡尔曼滤波算法。该算法在每个采样周期内利用BP神经网络来修正个体的偏移方向,按粒子滤波算法计算每个个体的权值用以估计总体的均值和协方差,然后利用卡尔曼滤波算法更新所有个体,并将总体的均值作为当前时刻的估计结果。通过对商用航空发动机部件级模型在多个飞行状态点数字仿真模拟9种气路突变故障,由7个可测输出估计全部10个健康参数,该混合算法的估计误差相比BP神经网络与无迹卡尔曼滤波算法分别平均降低了34.6%与47.9%。