基于日地月方位信息的近地轨道卫星自主导航

研究了用日地月方位信息进行卫星自主导航的方法。给出一种最小二乘导航算法。用 Gorddard空间飞行中心发布的我国实践 5号卫星的轨道数据 ,在对地定向三轴稳定的姿态运行模式下 ,模拟出了日、地、月在卫星本体坐标系中的方位测量数据。数字仿真实验结果表明 ,在地球敏感器噪声 0 .10°( 3σ) ,日、月敏感器噪声 0 .0 3°( 3σ)情况下 ,一天之内的导航径向误差在 - 30 0 m～ 2 0 0 m波动 ,相对地心的方位误差不超过 0 .0 4 1°     

基于最小二乘支撑矢量机的陀螺仪漂移预测

研究了支撑矢量机的回归估计算法。针对标准支撑矢量机算法训练速度慢、难以解决大规模问题的局限性，对标准算法的约束条件加以改进，得到一种最小二乘支撑矢量机回归估计算法，该算法大大提高了支撑矢量机的训练速度和解决大规模问题的能力。论文将最小二乘支撑矢量机应用于陀螺仪的漂移预测中，仿真实验结果证明了算法的有效性和可行性，为陀螺仪的实时预测及故障预报提供了可能。     

多重共线性诊断及其在飞行器非线性气动模型结构确定和参数估计中的应用

本文基于飞行器气动建模的目的，详细地给出了不同情形下非线性气动模型的多项式及样条函数描述方法。指出由于多种因素的影响，必然导致候选非线性气动模型结构中存在共线性问题，从而使得传统的模型结构确定和参数估计方法不再适用。本文基于共线性诊断，候选模型的选择及主元回归等方法 效地解决了存在共线性情况下非线气动模型结构的确定和参数估计问题。     

线性模型信号估计的精度分析

线性模型的信号估计精度是工程应用上非常重要的指标，传统的信号精度分析的方法主要是依据回归模型的残差，构造相应的统计量进行评价的。现通过对动态测量数据模型的分析，从随机误差、系统误差、信号模型这三个方面出发，分别分析其对信号估计精度的影响，结论是建立精确的信号和系统误差的节省参数模型以及有利于信号和误差分离的模型是得到高精度信号估计的前提。比较了弹数据处理中的不同线性模型，并给出算例分析。     

飞行器定轨中的自适应样条滤波方法

在飞行器试验数据处理中,人们通常用最小二乘方法采用一条多项式曲线来拟合测量数据,为了提高曲线拟合的精度,本文提出采用样条函数来拟合测量数据,另外,对观测噪声未知的情况下,讨论了自适应样条滤波。本文讨论的方法采用了线性模型。     

转发GPS外测数据处理及状态估计方法分析

本文综述了转发GPS外测数据处理和状态估计方法。详细讨论了各种处理观测值的差分法,比较了它们的优缺点。由数学仿真证明GPS用于弹道测量时其状态估计的精度是很高的。     

由应力松弛试验数据确定松弛模量和蠕变柔量

用粘弹性有限元法计算药柱应力需要给出推进剂的松弛模量和蠕变柔量的Ｐｒｏｎｇ级精有达式，利用应力松弛模量的Ｐｒｏｎｇ级数模式，通过最小二乘法对由试验求得的应力松弛模量－时间曲线进行拟合，求出松弛模量的Ｐｒｏｎｇ级数中系数和指数，再利用蠕变柔量与松弛模量的关系式，求得蠕变柔量的Ｐｒｏｎｇ级数中的系数和指数，以此计算药柱的应力。     

基于自适应容积卡尔曼滤波方法的涡扇发动机气路部件故障诊断

针对涡扇发动机气路部件故障诊断中参数存在不同的噪声统计特性,提出了一种自适应平方根容积卡尔曼滤波(ASRCKF)器的自适应滤波方法.该方法直接利用基于3阶容积积分方法近似发动机的非线性统计特性,用于替代非线性无迹卡尔曼滤波方法的系统模型,避免了滤波过程参数选取的问题;采用移动窗口法对噪声协方差矩阵进行自适应估计,提高了算法对不同统计特性噪声的自适应能力和滤波精度.通过对发动机气路部件健康参数蜕化过程仿真结果表明:ASRCKF方法相比平方根容积卡尔曼滤波(SRCKF)方法,精度提高40%~50%,对不同噪声信号具有更好的适应能力.      

Probability hypothesis density filter with adaptive parameter estimation for tracking multiple maneuvering targets

The probability hypothesis density (PHD) filter has been recognized as a promising tech-nique for tracking an unknown number of targets. The performance of the PHD filter, however, is sensitive to the available knowledge on model parameters such as the measurement noise variance and those associated with the changes in the maneuvering target trajectories. If these parameters are unknown in advance, the tracking performance may degrade greatly. To address this aspect, this paper proposes to incorporate the adaptive parameter estimation (APE) method in the PHD filter so that the model parameters, which may be static and/or time-varying, can be estimated jointly with target states. The resulting APE-PHD algorithm is implemented using the particle filter (PF), which leads to the PF-APE-PHD filter. Simulations show that the newly proposed algorithm can correctly identify the unknown measurement noise variances, and it is capable of tracking mul-tiple maneuvering targets with abrupt changing parameters in a more robust manner, compared to the multi-model approaches.     

非合作体附着下的组合体航天器自适应控制

空间中非合作体附着航天器本体后,新组合体惯量参数未知、系统引入的动量变化未知,容易造成航天器姿态控制失稳.针对此问题,提出了一种基于非合作组合体整体惯量估计的自适应控制方案,实现不同情形附着下新组合体姿态的快速和高精度恢复.通过构造李雅普诺夫函数,对自适应控制方案稳定性进行了证明.搭建的某卫星被非合作组合体附着后的姿控仿真平台表明,在非合作体惯量参数未知、引入动量未知以及附着前系统状态不定等恶劣情况下,采用该算法的组合体姿控误差可收敛到一个极小的领域内,可以实现对非合作组合体系统快速而有效的控制.