一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。     

遥测数据时间序列滑动窗口动态分割技术

经由传感器采集的航天器遥测数据是产品验证、算法检验、数据挖掘等学科和方向重要的数据来源之一。由于原始测量数据采集密度高、信息量大,通常采用滑动窗口技术进行逐段处理和算法应用。但当滑动窗口的宽度固定时,数据的局部信息不能被充分提取出来;为此,提出遥测时序滑动窗口的动态分割流程。仿真结果表明:提出的时序分割和窗口宽度计算方法,可以根据数据自身的特点得到更加准确合理的非等长窗口集合;在保持曲线线段曲率的基础上,滑动窗口动态计算方法可以极大地提取拐点信息,合理地给出窗口宽度,对数据进行了简化与提纯,降低了建模难度,为下一步聚类分析、曲线匹配等工作提供了技术支持,提高了遥测数据的诊断与分析效率。     

一种基于固态盘的磁盘缓存系统架构及其在子午工程数 据中心业务系统中的应用

固态盘作为内存和磁盘之间的二级磁盘缓存运用于服务器存储层次结构中, 以满足空间科学研究领域日益增长的应用级I/O请求. 然而, 当前主流混合 存储架构未能充分发挥固态盘优势, 也没有考虑其寿命损耗. 因此, 本文提 出一种联合固态盘、磁盘的RAF (Random-Access First)混合存储架构, 在 提高系统性能的同时可延长固态盘寿命. 其主要思路是通过序列探测技术, 区 分负载中的随机访问和连续访问, 并将随机和顺序访问请求重定向到固态盘 和磁盘系统分别处理. RAF的原型已在Linux内核2.6.30.10中实现. 基于子 午工程真实业务数据及模拟数据的实验结果表明, RAF与当前的主流架 构Flash Cache相比, 在多种负载情况下可提升系统响应时间17%, 同时减少 固态盘老化率53%, 提高了存储系统的整体性能.      

基于非正交干涉矩阵的飞机装配序列规划方法

针对飞机装配中外形曲面特征多、装配关系复杂、连接方式多样等带来的装配工艺设计问题,提出了一种基于非正交干涉矩阵的飞机部件装配序列规划方法.通过分析被装配零件的结构特点,增加非正交的装配坐标方向,构建了非正交干涉矩阵;给出了装配可行性的推导方法,实现了装配序列的自动生成.并以装配时间为目标函数,采用遗传算法对装配序列进行了优化.基于MATLAB仿真平台,对某型号飞机舱门装配过程进行了模拟.仿真结果表明,该方法简单易行.与传统的基于正交干涉矩阵的方法相比,对于可装配性和装配效率都有显著提高.     

月球精确软着陆最优标称轨迹在轨制导方法

为实现在月球表面期望的着陆点进行精确软着陆（PPL）,且满足燃耗最优性要求,基于提出的LIDAR目标点在轨自主选定的月球精确软着陆方案,对月球PPL最优标称轨迹在轨快速规划制导方法进行研究。首先针对月球PPL三维球体非线性轨道动力学模型,采用Legendre Gauss Lobatto伪光谱方法将轨迹优化的最优控制问题转化为非线性规划问题（NLP）,再利用SQP优化算法求解月球PPL最优标称轨迹,最后通过遗传算法对优化结果进行验证,并提出应用遗传算法提供SQP在轨规划初值数据库的方案。仿真结果表明了最优标称轨迹在轨规划方法的快速性和有效性。     

加速度计参数变化建模方法

通过归纳工程上常用数据建模方法及其应用特点,且结合贮存条件下加速度计零偏和标度因数试验测量数据变化规律,综合给出了建立零偏时间序列模型和标度因数回归模型的详细步骤,并据此建立了贮存条件下加速度计零偏和标度因数的变化模型,所建模型预测的数据与真实数据相比误差很小,充分验证了模型的有效性.所建模型真实地反映了零偏随机性变化规律和标度因数趋势性变化规律的特点,可以为加速度计零偏和标度因数随时间变化的补偿模型提供参考,为加速度计参数长期变化稳定性水平评价提供手段.     

CONSTRUCTIONOFACLASSOFPNSEQUENCESWITHPRIMENUMBERPERIODSOF4t＋1FORM

构造了一类４ｔ＋１型质数周期的伪随机序列。该序列提供了比ｍ（Ｍ）序列更多的可供选择周期数，同时证明了它具有良好的伪随机特性     

基于视频的三维人体姿态估计

已有的三维人体姿态估计方法侧重于通过单帧图像来估计人体的三维姿态,忽略了视频中前后帧之间的相关性,因此,通过挖掘视频在时间维度上的信息可以进一步提高三维人体姿态估计的准确率。基于此,设计了一种可以充分提取视频时序信息的卷积神经网络结构,在获得高精度的同时也具有消耗计算资源小的优点,仅仅使用二维关节点的坐标为输入即可恢复完整的三维人体姿态。然后提出了一种新的损失函数利用相邻帧间人体姿态的连续性,来改进视频序列中三维姿态估计的平滑性,同时也解决了因缺少帧间信息而导致准确率下降的问题。通过在公开数据集Human3.6M上进行测试,实验结果表明本文方法相比目前的基准三维姿态估计算法的平均测试误差降低了1.2 mm,对于视频序列的三维人体姿态估计有着较高的准确率。      

结合轮廓及骨架序列编码的二维形状识别

二维形状识别是物体识别中的一个基本问题,被广泛地应用于商标检索、指纹识别、物体定位、图像检索等多个领域。其中,基于生物信息学的二维形状识别是近期一个新的研究方向,基本思想是把二维形状的轮廓转化为生物信息序列,借助标准的生物信息序列分析工具来进行二维形状的匹配和识别。不过,利用轮廓进行信息序列编码存在编码冗余和编码准确性不高的问题,本文提出了一种新型的结合形状轮廓和骨架的序列编码方法。该方法利用骨架表示形状的细长分支,减少编码的冗余;并分别对轮廓和骨架进行不同类型的编码,具备编码简洁、后续匹配准确性高等优点。最后,本文在三个公开数据集上进行大量的形状识别实验,并与多种通用形状识别方法进行了比较。实验表明,本文方法在多个实验中均取得了较高的识别准确率,相比基本的形状特征描述方法,准确率提高了近5%。      

平台系统随机数学模型的辨识

本文以PN-01型制导陀螺平台系统为对象,对其横滚通道和俯仰通道的随机漂移进行了数据采集和平稳化处理,并建立了随机数学模型。模型残量检验表明,所建立的平台系统随机漂移数学模型是适用的。从而为今后进一步改善平台系统的精度提供了必要的数学模型。