基于平衡流形展开模型的航空发动机健康参数估计

为提高航空发动机健康参数实时估计的精度,结合非线性卡尔曼滤波器从底层模型方面进行改进。以航空发动机部件 级模型为基础,提取运行数据,采用线性拟合法求解系数矩阵,建立传统状态空间模型;采用BP神经网络拟合调度参数,建立设计 点处包含健康因子的平衡流形展开（EME）模型。基于EME模型分别采用扩展卡尔曼滤波器和无迹卡尔曼滤波器进行多种参数 退化模式下的数值仿真估计。仿真结果表明：得益于EME模型对非线性系统的良好近似性,各参数退化模式下的估计结果准确, 稳态误差不超过3%;与采用部件级模型作为底层模型的方案相比,该方案的估计速度提升了1个量级。验证了基于航空发动机 EME模型结合非线性卡尔曼滤波器进行健康参数估计方法的实际可行性。     

基于Lawden改进型方程的编队Unscented Kalman Filter滤波估计

通过改进卫星编队的Lawden方程得到非线性相对运动方程,称为Lawden改进型方程,使其更加近似于编队运行环境.通过该非线性方程,在编队相对导航研究中,以EKF滤波方法为参考分析,采用适合非线性系统的UKF(Unscented Kalman Filter)滤波方法对编队的状态进行滤波估计.通过仿真实验,结果表明采用UKF滤波方法的编队状态估计精度明显优于采用EKF滤波方 法得到的估计精度,其中相对距离估计精度可以提高70％左右,相对速率估计精度可以提高25％左右,在工程应用中具有一定的参考利用价值.     

基于星间测距的编队卫星一致性导航算法

针对多航天器编队飞行的自主导航问题,利用高精度的相对距离测量手段,结合较少的参考卫星位置信息,对未知卫星的相对和绝对位置进行估计.针对扩展卡尔曼滤波算法的局部不稳定性,采用了一种误差补偿算法,使在系统可观度较低时仍有较稳定的输出.并将编队系统视为一个无线网络,提出了一种分布式一致性卡尔曼滤波算法,该算法结合一致性理论和分布式卡尔曼滤波器,可明显提高解算精度并消除高频噪声干扰,仿真结果验证了该方法的有效性与可靠性.     

基于UKF和信息融合的航天器自主导航方法

X射线脉冲星导航利用X射线辐射脉冲到达时间 (Time of Arrival, TOA)作为信息输入,星敏感器导航利用星光角距等作为信息输入,是两种不同机理的天文导航方法。提出一种将脉冲星TOA和星敏感器星光角距测量结合的信息融合天文自主导航方法,设计了一种利用激光光量子模拟脉冲星X射线辐射光子的半物理仿真系统用于算法验证,并基于无迹卡尔曼滤波(Unscented Kalman Filter, UKF)使用真轨道参数做了仿真试验。结果表明,基于UKF的信息融合方法比基于EKF（Extended Kalman Filter）的信息融合方法性能更好,与仅使用脉冲星或星敏感器的导航方法相比,能将位置估计精度分别提高52.7%和43.6%,速度估计精度分别提高82.2%和70.5%。     

磁定姿近地轨道卫星EKF与UKF算法比较

某近地轨道(LEO)卫星通过磁强计测量、飞轮控制和磁力矩器卸载,实现三轴姿态稳定.围绕该卫星姿态确定问题,对扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)算法进行综合分析对比,最后给出该卫星姿态确定实现方法.分析了地磁模型误差、磁强计测量误差及剩磁的影响,推导了四元数均值及协方差的计算方法.分别引入EKF和UKF进行姿态确定,并讨论了影响算法性能的因素.对两种方法的估计精度、收敛时间及计算需求等指标进行了对比.最后针对该卫星姿态确定要求和硬件条件,选用EKF算法实现姿态确定,满足对地指向精度优于1°,稳定度优于0.1(°)/s的设计指标.     

火星探测接近段的光学自主导航研究

目前光学自主导航技术已成为深空探测计划中的重点研究对象. 已有研究, 多侧重于光学自主导航技术在深空探测巡航段或是对小行星探测接近段中的应用, 而关于大行星探测接近段光学自主导航技术的研究比较少. 结合中国即将开展的火星探测计划, 研究了探测器在火星探测接近段中利用火星进行光学自主导航的整个过程, 提出了适用于接近段的动力学模型、光学观测模型及自主导航滤波算法. 通过对自主导航系统的可观测性分析, 证明了仅利用火星光学信息进行自主导航的可行性. 仿真计算结果表明, 在接近段, 整个光学自主导航的持续时间约为40h. 在自主导航的最后5h内, 滤波结果稳定, 探测器的总体位置误差在40km以内, 速度误差在0.25m·s-1以内. 计算结果的精度满足实际任务需求, 对中国火星探测计划具有直接的参考价值.      

基于自适应联邦滤波的卫星姿态确定

卡尔曼滤波采用常值量测噪声协方差阵,当量测噪声统计特性发生变化时,易导致估计误差增大,甚至滤波发散。针对该问题,在联邦卡尔曼滤波子系统中采用自适应卡尔曼滤波,形成自适应联邦卡尔曼滤波算法,新算法采用模糊推理系统实时调整量测噪声协方差阵的加权系数,使模型量测噪声逐渐逼近真实噪声水平。将该算法应用于多传感器卫星姿态确定系统,仿真结果验证了算法的有效性。     

初级教练机中的低成本导航仪组合导航算法设计

为了解决初级教练机低成本组合导航仪中全球定位系统(GPS, Global Positioning System)信息更新频率过低,导致传统组合导航算法失效的问题,在对惯性器件进行建模的基础上,提出了一种基于运动学非线性模型的组合导航算法.该算法选取载体的姿态、速度和位移量作为状态量,以GPS、磁强计和高度计的测量值作为观测量,建立组合导航系统模型,利用卡尔曼滤波对线性化后的系统模型进行数据融合.通过静态试验和动态跑车试验,表明该组合导航算法能够使姿态误差均值控制在0.12°以内,速度误差均值不大于0.03m/s,位移量误差均值不大于3.94m,精度能够满足初级教练机的应用需要.     

基于UKF的姿态无关GPS双差整周模糊度确定

基于运动的GPS双差整周模糊度确定方法需要预先知道载体的姿态,为了消除对姿态的依赖,研究了一种新的整周模糊度确定方法。首先将多天线载波双差相位矢量观测方程转化为标量观测方程,消去了对载体姿态矩阵的依赖。经过短时离线观测,以中心估计算法和协方差白化算法估计和修正双差整周模糊度的近似解及协方差矩阵。再以该近似解和协方差矩阵为初值,由无迹卡尔曼滤波(UKF)实时估计双差整周模糊度的精确解。最后对该方法进行了仿真,仿真结果表明经过离线批处理算法的预处理UKF可准确收敛于真实解,证明了方法的正确和有效性。     

SINS／GPS／EMC组合导航系统信息融合技术研究

基于无复位(No-Reset)联邦Kalman滤波信息融合算法,提出并且探讨了组合导航应用过程中的信息融合问题.在建立的相关误差模型基础上,对所设计的采用联邦Kalman滤波技术的SINS/GPS/EMC组合导航系统进行了计算机仿真.结果表明,采用无复位联邦滤波结构的SINS/GPS/EMC组合导航系统能充分融合系统各种导航传感器的信息,能发挥它们各自的优点,互相取长补短,有效地提高导航系统准确度和可靠性.