Satellite lithium-ion battery remaining useful life estimation with an iterative updated RVM fused with the KF algorithm

Lithium-ion batteries have become the third-generation space batteries and are widely utilized in a series of spacecraft. Remaining Useful Life (RUL) estimation is essential to a spacecraft as the battery is a critical part and determines the lifetime and reliability. The Relevance Vector Machine (RVM) is a data-driven algorithm used to estimate a battery’s RUL due to its sparse feature and uncertainty management capability. Especially, some of the regressive cases indicate that the RVM can obtain a better short-term prediction performance rather than long-term prediction. As a nonlinear kernel learning algorithm, the coefficient matrix and relevance vectors are fixed once the RVM training is conducted. Moreover, the RVM can be simply influenced by the noise with the training data. Thus, this work proposes an iterative updated approach to improve the long-term prediction performance for a battery’s RUL prediction. Firstly, when a new estimator is output by the RVM, the Kalman filter is applied to optimize this estimator with a physical degradation model. Then, this optimized estimator is added into the training set as an on-line sample, the RVM model is re-trained, and the coefficient matrix and relevance vectors can be dynamically adjusted to make next iterative prediction. Experimental results with a commercial battery test data set and a satellite battery data set both indicate that the proposed method can achieve a better performance for RUL estimation.     

基于ISODATA模糊系统的飞船落点选优方法

针对如何从基于分布式并行计算获得的数千个飞船返回过程预报落点中优选出＂最可能＂落点这一问题,在充分考虑以往返回落点计算的先验知识和最新落点信息的基础上,设计了飞船返回的自适应聚类模糊系统,采用含有时间因子的迭代自组织数据分析算法研究了返回舱落点优选方法。最后,利用＂神舟八号＂返回落点实测数据进行模型检验。计算结果表明,该方法的落点预报精度较传统选优算法的预报精度高50%以上,同时具有较好的稳定性,可为飞船返回搜救提供技术支撑。     

高原机场飞机起飞滑跑距离计算

为了确定飞机在高原机场的起飞滑跑距离,利用飞参软件采样数据计算出真实起飞滑跑距离,通过求解超定线性方程组,得出起飞滑跑距离误差修正系数值,并对结果进行验证。本文研究成果为飞机在高原机场起飞提供一定的理论参考。     

XP过程对软件缺陷影响分析

XP方法测试驱动和多版本发布的实践,决定了软件产品集成测试也是一个增量迭代的过程。用户使用测试对提高产品的可靠性有重要作用。本文探讨XP测试过程对软件缺陷的影响及其缺陷改正效率的度量。     

大气数据计算机自动测试系统研究

大气数据机作为重要的航空电子设备，测量大气数据的精度关系到飞行控制的性能和飞行安全。介绍了大气数据计算机测试系统的软硬件结构，对大气数据机的各参量和测试信号进行误差分析．采用误差修正的方法消除电压测试信号的误差，有效地提高系统检测精度，为测试大气数据计算机性能提供科学依据。     

三轴转台三轴交汇中心位置对准方法的研究

在导弹仿真系统中,需要设计一个三轴导引头转台来模拟空中导弹的姿态,需要仿真转台的三轴交汇中心与模拟运动球面的球心精确对准。首先在转台地基上设3个基准点,并精确测量在某基准坐标系下3个基准点和球心的三维坐标。为了满足精确的对准要求,本文设计了一种对准方案,利用已知坐标,通过利用两个经纬仪的测量将经纬仪三轴交汇中心引入基准坐标系,再利用经纬仪引出转台三轴交汇中心,以经纬仪为桥梁将球心与转台三轴交汇中心联系起来。通过计算和调整,完成对准任务,最终实现了三轴转台的位置对准。     

包含乘性噪声自适应修正的非合作目标相对导航算法

无人机（UAV）态势感知的任务是利用机载传感器对未知环境进行目标识别和引导,针对无人机与非合作目标间中远距离的相对导航问题,提出了一种基于角度和距离量测的相对状态估计算法。在现有滤波算法的基础上,为了提高精度和稳定性,本文利用了列文伯格-马夸尔特（LM）优化的思想对迭代卡尔曼滤波（IEKF）算法进行改进,提出了一种LM-IEKF算法,并推导该算法在迭代过程中的状态更新方程及协方差阵的递推公式。在此基础上,考虑到距离传感器由于信号相关特性而引入的乘性噪声,现有的加性噪声模型难以适应,因此,进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法,通过在线实时更新噪声阵提高滤波的精度,并设置渐消记忆指数平滑估计结果。算法验证结果表明,与现有的EKF、IEKF算法相比,在仅含加性噪声的情况下,LM-IEKF算法具有更好的性能;在包含乘性噪声的情况下,Modified LM-IEKF可以有效地估计量测噪声,与目前广泛使用的EKF算法相比,在综合相对位置和相对速度精度上分别提高了10%和23%。     

带有入轨姿态约束的迭代制导算法及应用研究

针对需要满足一定入轨姿态约束的发射任务,研究一种带有入轨姿态角约束的迭代制导算法在运载火箭中的应用。该制导算法在传统迭代制导算法的基础上,将控制姿态角的最优解析表达式,通过二阶近似,展开为与时间相关的二次函数,可以同时满足入轨点速度、位置和姿态角约束。阐述了迭代制导的基本原理,给出带有姿态角约束的迭代制导算法的推导公式。在有相同姿态角约束的条件下,该算法能够保证入轨精度,与传统迭代制导算法相当,且对姿态角约束有较好的控制效果,运载能力损失较少。仿真结果表明,该算法对故障工况及不同姿态角约束具有一定的适应能力。     

一种适用于平动点周期轨道初值计算的简化路径搜索修正法

在限制性三体问题中,路径搜索修正法是一种基于平动点周期轨道垂直穿越Poincare截面的几何对称性计算平面及空间平动点周期轨道近似初值的方法.采用路径搜索修正法的一种简化形式,在圆形限制性三体模型中,对地月系中几种典型的平面及空间周期轨道近似初值进行了计算.结果表明,该简化方法得到的周期轨道近似初值不唯一,由近似初值经微分修正得到的精确结果中通常同时存在Halo轨道和大幅值逆行轨道（DRO）.进一步分析表明,在某些临界初值下,精确结果中Halo轨道将消失,同时可能出现平面Lyapunov轨道及Vertical轨道.上述计算中,搜索初值与结果中轨道类型的对应关系值得进一步研究.      

基于测角信息的测量数据折射误差修正方法研究

光学设备测量数据因精度高而一般成为雷达精度校飞、实测数据固定偏差估计的比较标准。然而，受各种因素干扰，光测数据同样地包含一定误差，其中光、电波折射误差是其最主要误差之一。因此，如何精确修正测量信号的大气折射误差，往往成为影响数据处理精度的主要因素。首先给出了利用测角信息交会计算目标坐标的方法，并从大气模型入手，针对光学测量数据的特点，建立了精确的光波折射误差修正模型，并给出了在线算法。仿真证明，该方法在保证计算速度前提下，可极大地提高数据处理的精度。