基于双捷联算法的POS误差在线标定方法

为了提升位置和姿态测量系统(POS)的精度,结合POS工作过程中典型的匀速直线运动,提出了一种准实时的POS误差在线标定方法。首先设计了基于双捷联算法的在线标定方案,对系统误差方程进行简化处理,求出中时期导航条件下的系统误差状态转移阵。然后根据POS的两段相邻匀速直线运动导航误差,对系统误差参数进行在线标定,并通过可观测性分析得出POS运动与系统误差在线标定效果之间的对应关系。车载试验和飞行试验结果表明,在POS正常遥感作业过程中,本文提出的在线标定方法能够有效提升系统精度。     

活塞式航空发动机的优化与标定

联合发动机循环模拟与标定技术建立小型活塞航空发动机动力性和经济性的多目标优化模型。对校验后的BOOST模型进行DOE(Design of Experiment)正交试验,对试验数据进行统计数学建模,并对局部模型误差进行控制,进行响应面模型分析,通过MBC(Model-Based Calibration)工具箱进行优化标定,选用经济适用的NBI(Normal Boundary Inter-section)进行多目标优化.给出了优化的点火提前角、喷油量的MAP图,优化参数对扭矩和燃油消耗等目标的响应面模型,对提升小型航空发动机性能有重要的参考价值.     

传输型测绘相机内方位元素误差对高程精度的影响分析

文章通过对摄影测量学中基于空间前方交会的点投影系数法进行分析,建立了摄影测量的高程误差方程,重点分析了传输型测绘相机内方位元素误差对高程精度的影响。以1∶50 000比例尺地图产品为例,分析了某测绘相机的相机主距、主点位置、畸变等内方位元素对高程精度的影响程度,提出在测绘相机研制过程中在保证高程精度方面应注意的问题。     

神经网络在无人机电控活塞发动机试验中应用

分析了无人机用电控活塞发动机试验特点以及试验中存在的难点,针对电控发动机高海拔标定试验中进气歧管压力(manifold air pressure,简称MAP)传感器数据的传统线性插值方法不能完全表述电控发动机非线性特性的缺陷,提出采用BP(back propagation)神经网络模型的解决方案.为避免目前应用神经网络方法中所存在的不足,通过采用原始数据分组方法进行网络训练误差的实时反馈和控制,较好地解决了神经网络训练过程中容易陷入"局部最优"和"过拟合"状态,并对BP神经网络预测结果给予了详细研究,训练误差和预测误差分析结果表明了该方法的可行性和计算结果的可信性.      

紫外、真空紫外光谱辐射亮度标定技术

文章论述了紫外辐照对航天器敏感表面的破坏,并从原理上和方法上介绍了紫外、真空紫外光谱辐射亮度的3种标定技术.     

压力敏感涂料的标定及在气膜冷却效率测量中的应用

采用自行设计的标定装置对压力敏感涂料进行了标定实验,研究了激励光源光强、温度两种参数对标定曲线的影响.结果表明:当激励光源光强能够使得光敏分子发生氧猝熄条件下,激励光源光强对标定曲线的影响可以忽略不计;标定曲线对温度变化较为敏感.据此提出了采用二维插值方法得出发射光强关于压力比、温度比的表达式,从而对测量结果进行温度修正.在此基础上,将压力敏感涂料测试技术分别应用于圆柱孔、扇形孔气膜冷却效率的测量中,所得实验数据与前人结果符合较好.      

基于光场成像的视差与深度的数值关系研究

光场成像能同时记录光线的强度与方向信息,且具有深度估计的能力。然而,目前的方法仅进行视差估计,较少方法将光场视差转换为绝对深度,以实现三维测量。因此,本文通过对微透镜阵列光场相机的三维成像原理进行分析,建立光场视差与绝对深度之间的数值转换关系。首先,通过对光场成像中的视差原理进行理论分析得到视差与等效基线之间的关系。其次,对微透镜阵列光场相机的成像原理进行分析后得到等效基线与相机结构参数之间的关系,并结合视差与高斯成像公式得到视差与绝对深度之间的数值转换关系。最后,通过标定光场相机以及搭建试验平台验证该转换关系的有效性。试验结果表明,该转换关系能准确地将视差转换为绝对深度,并获得了试验标准件的外形尺寸。     

基于组合导航技术的光纤捷联系统在线标定

 将光纤捷联系统惯性测量单元（IMU）输出误差分解成零偏误差、标度因数误差、失准角误差和随机白噪声几个部分,建立了系统误差模型,基于此模型设计卡尔曼滤波器引入高精度外部信息源对IMU进行在线标定。将此方法应用于某光纤捷联系统进行跑车试验,结果表明：引入外部信息源进行在线标定与补偿后系统纯惯导精度显著提高,本文建立的系统误差模型和在线估计方式有效估计了IMU输出误差,实现了系统在线标定,提高了系统实用精度。     

基于霍夫变换的空间非合作目标点云配准算法

针对空间非合作目标点云配准过程中目标残缺、机动过快等问题，对飞行时间深度(TOF)相机点云配准过程进行研究。利用相机可同时获取灰度与深度图的特点，提出一种基于霍夫变换的点云配准算法，在提供精确初始位姿的同时，也加速了最近点搜索过程。对TOF相机摄得灰度图进行边缘检测，利用边缘点以随机霍夫变换的方法拟合椭圆中心，使待配准点云与参考点云中心配准。随后检测图像几何特征，与对应参考点特征相配，提高初始位姿精度，既避免所提算法陷入局部最小，也可解决目标点云缺失无法配准的难题。在最近点搜索过程中，引入kd-tree改进算法，以3σ准则剔除单次k邻近的离群点，提高了相机动态性能。以某实拍卫星模型对所提算法进行仿真分析，成功验证了其对于残缺目标配准的可行性与鲁棒性。同时，在完整与残缺点云目标下，所提算法较于常规霍夫变换法相比分别提速955.3%和440.4%，且精度相当，具有较为广泛的应用前景。