应用加权中值滤波法检测薄壁梁式挠性器件下摆量

应用加权中值滤波法对薄壁梁式挠性器件下摆量进行高准确度CCD检测。薄壁梁式挠性器件在测量过程中测量图像存在高频抖动现象,因此测量准确度不高,运用加权中值滤波后使用最小二乘法细分技术,可以在实现提高测量准确度的同时,消除高频抖动带来的误差,从而可以有效提高CCD测量薄壁梁式挠性器件下摆量的准确度。实验表明,该方法比传统测量方法准确度提高20倍以上。     

基于T-S模糊模型的模糊大系统的混合滤波

针对非线性大系统内部过程参数的检测估计,采用连续模糊大系统模型,利用lyapunov定理和分布式处理方法,给出了模糊大系统的H2/H∞混合滤波器设计方法。该方法在保证滤波误差系统全局稳定的同时,具备了H2/H∞性能。通过求解线性矩阵不等式,可以得到滤波器参数。最后,用一个数值例子验证了该方法的正确性和有效性。     

基于卫星和星敏感器的冗余激光惯组在轨标定

采用高精度卫星导航速度、位置信息以及星敏感器提供的姿态信息设计十表冗余捷联惯组的标定模型,包含陀螺和加速度计的零次项和标度因数,对卫星和星敏感器辅助的冗余激光陀螺捷联惯组进行实时在轨标定.利用标准Kalman滤波和Sage-Husa自适应滤波作为估计算法,对十表冗余捷联惯组参数进行在线估计.数值仿真结果表明:参数标定精度均在7％以内,是一种实时的在轨标定方法,满足误差补偿要求.冗余惯组在轨标定方法为航天器高精度定姿和定轨提供了一种理论参考.     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

精密测距的动态数据处理

无线电精密测距是通过无线电测量飞机、舰船、导弹等目标的精确距离和速度信息。根据飞机实际中的运动情况建立动态模型,采用适合于工程应用的新型自适应α-β滤波器对测距值进行实时动态处理,然后经过详细的MATLAB仿真,验证了动态滤波算法在保证实时性的前提下可以提高测距精度。     

沟槽超疏水复合壁面湍流边界层减阻机理的TRPIV实验研究

利用TRPIV实验分别测量了湍流边界层在亲水壁面、超疏水壁面以及沟槽超疏水复合壁面上的瞬时速度场,对比分析了3种壁面的摩擦阻力,发现沟槽超疏水复合壁面的减阻率能够达到20.7％,而超疏水壁面只有14.6％.通过对比分析湍流边界层在3种壁面上的湍流脉动强度,发现法向湍流脉动强度在3种壁面上无明显变化,而在y+<150区域...     

多目标跟踪的核粒子概率假设密度滤波算法

提出一种新的多目标跟踪算法：核粒子概率假设密度滤波算法(KP-PHDF)。算法的创新点在概率假设密度滤波算法(PHDF)的目标状态提取步骤,以粒子概率假设密度滤波算法为框架,并运用结合了mean-shift算法的核密度估计(KDE)理论进行概率假设密度(PHD)分布的二次估计、提取PHD峰值位置作为目标状态估计值。分析与多目标跟踪(MTT)仿真的结果表明,与现有序列蒙特卡罗概率假设密度滤波算法（SMC-PHDF）相比,在相同仿真条件下新算法的估计精度提高30.5%。     

红外搜索跟踪系统单机运动测距方法研究

机载红外搜索跟踪系统只能测量目标的方位、俯仰角度信息,而无法直接获取目标的距离信息。因此需通过载机平台的机动运动,提高系统可观测性,从而对目标距离进行解算,为火控系统提供完整的目标运动参数,实现对目标的被动攻击。通过建立红外搜索跟踪系统（IRST）单机运动测距的数学模型,针对伪测距的非线性滤波的有偏特点进行了去偏处理,获得无偏的单机运动测距模型,并通过数字仿真进行算法模型的仿真验证,验证了算法的有效性。     

基于联邦滤波结构的INS／GPS组合导航系统数据融合研究

为了研究平台式惯导INS（interial navigation system）和全球定位系统GPS（globe position system）组合导航联邦滤波器的实现,使用速度局部滤波器和位置局部滤波器,分别对INS／GPS组合导航系统的向东速度、向北速度,以及对经度和纬度进行卡尔曼滤波,然后将位置数据和速度数据输入主滤波进行数据融合。以无人机的向东匀速水平飞行为背景,运用联邦卡尔曼滤波器算法,使用matelab进行仿真分析。可以证明联邦滤波器算法简单,易于实现,并且可以提高导航系统精度．实际应用中此方法可行。     

自适应增量 Kalman 滤波方法

提出自适应增量Kalman滤波(AIKF)的概念和定义,建立自适应增量Kalman滤波模型及其分析方法,给出主要的计算步骤.传统自适应Kalman滤波(AKF)方法能够对事先未知的系统噪声和量测噪声的统计量进行有效的估计.但是,传统自适应Kalman滤波方法也无法对由于环境因素(如深空探测)的影响、测量设备的不稳定性等原因产生的未知时变测量系统误差进行补偿和校正,从而产生较大的滤波误差,甚至导致发散.提出的自适应增量Kalman滤波方法不但能够对系统噪声和量测噪声的统计量进行估计,而且还能成功消除这种测量系统误差,有效地提高滤波精度.该方法计算简单,便于工程应用.