基于事件驱动的容积卡尔曼滤波定位算法

以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动（stochastic event-triggered）的思想,并在此基础上建立了基于残差检测的事件驱动（detected event-triggered）模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波（CKF）算法框架中的滤波更新过程,得到了检测事件驱动CKF（DECKF）和随机事件驱动CKF（SECKF）两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。     

适用于时变不确定系统的并行模型自适应估计

摘要： 针对受到潜在模型不确定性影响的系统,设计一种并行模型自适应估计(PMAE)算法.以往基于不确定性系统模型设计的滤波算法,在模型精确的情况下,性能往往不及传统卡尔曼滤波（KF）.为了解决该问题,设计基于多个并行滤波器的自适应状态估计算法,其中一个滤波器为KF,用于在未出现模型不确定性的情况下,对系统进行最优状态估计;另一个滤波器为扩维卡尔曼滤波（AKF）,用于在出现模型不确定性的情况下,对不确定性模型参数进行辨识.以空间目标监视为例,分析算法的性能.仿真结果表明,利用PMAE算法能够自适应地对两个并行滤波器进行切换和折衷,从而有效应对模型中存在不确定性和不存在不确定性两种情况.     

航空发动机机匣摆线粗加工轨迹规划方法

针对机匣零件粗加工过程中凸台多、加工余量大、材料难切削、刀具磨损快、加工周期长等特点,提出了一种机匣摆线粗加工刀具轨迹规划方法,该方法能有效控制切削过程中刀具负载的变化,改善刀具切削过程中的加热-冷却循环,减缓刀具的磨损,提高机匣粗加工效率。首先,通过对两种摆线模型的分析,建立了摆线铣数学模型,并分析了摆线铣的优缺点;其次,结合机匣零件特点,将模型在精度范围内离散为点模型,利用圆锥将模型展开并建立展开模型与原始模型间的映射关系。通过对可加工区域的划分和平面逼近,生成了适用于机匣零件的摆线粗加工刀具轨迹。最后,分别通过摆线铣刀具磨损实验、平面型腔摆线铣实验和机匣摆线铣实验,验证了摆线铣在降低刀具磨损、延长刀具寿命方面的有效性,以及本文轨迹生成算法在航空发动机机匣实际加工中的正确性和高效性。研究成果能有效缩短加工周期、降低加工成本,提升机匣零件的粗加工效率。     

基于迭代算法的复杂曲面零件三坐标测量快速精确定位方法

针对复杂曲面零件在三坐标测量过程中存在着定位难、定位精度低的问题,基于改进的迭代最近点算法,提出了考虑半径补偿的预定位与精定位的多级定位算法;并通过建立定位点几何误差与叶片定位精度的数学关系模型,结合贪婪算法与六点原则,给出了近优的定位点序列生成方法。结合定位算法与定位点序列,给出了复杂曲面零件定位迭代流程,并开发了三坐标测量定位系统。以涡轮叶片为例,通过的定位仿真和定位实验,结果表明:该系统只需测量12～18个点即可使得叶片定位误差在0.1mm以内,证明该系统能有效的提高复杂曲面零件的定位精度和效率。      

多点磁场协同探测反演电离层电流密度

相对于传统的单点磁场探测,多点磁场协同探测可以同时获得各测点磁场,消除探测磁场随时间的变化,能更好地计算空间电流密度.根据由多点磁场反演计算空间电流密度的计算方法,开展数值仿真,分析卫星编队数量、卫星编队构型、卫星定位偏差、卫星姿态测量误差、磁场测量误差、外部磁场强度及外部电流密度等对电流反演误差的影响.仿真结果表明,5星编队优于4星编队.在5星编队条件下,卫星姿态测量误差、卫星编队构型和外部磁场强度是反演误差的主要来源.根据仿真结果,当卫星姿态误差为0.001°,卫星编队尺度约为100km时,赤道区域电流密度的反演相对误差约为24%.      

具有方向特性的X角点的亚像素检测定位

X角点被广泛应用于相机标定与可见光视觉跟踪系统,不仅具有位置信息,还可以具有方向信息.针对X角点的精确位置检测和方向检测,提出了一种利用X角点对称性的检测与定位算法——对称性计算算子(SC,Symmetry Calculation),简称SC算子.该算法主要由两部分组成.先利用对称性计算值确定X角点像素位置,然后基于二次曲线拟合及直线相交求亚像素位置.通过角点定位实验,仿真分析高斯噪声和畸变对定位精度及鲁棒性的影响,并与Harris算法及Micron Tracker系统进行比较.实验表明,本文方法能有效检测X角点,排除其他类型的角点和干扰点,具有较高的定位精度和鲁棒性.      

基于NUIO的无人机作动器故障检测

针对受未知气流干扰与随机噪声影响的无人机纵向系统进行作动器故障检测研究.在建立固定翼式无人机非线性系统纵向模型的基础上,设计了基于容积卡尔曼滤波(CKF)的非线性未知输入观测器(NUIO).通过构造未知输入观测器结构来解耦未知气流干扰对残差的影响,同时,CKF被算法用于求解观测器增益矩阵,实现了在未知气流干扰解耦情况下残差对随机噪声的鲁棒性.最后,利用残差χ2检验方法判断故障是否发生.仿真结果表明:此方法能有效解耦未知干扰对残差的影响,并快速、准确地检测出了无人机作动器故障.