基于几何特征的非合作目标相对位置和姿态估计

针对几何参数未知的非合作目标,提出一种基于双目视觉的非合作目标相对位置和姿态估计算法.对目标图像进行滤波去噪、Canny边缘提取并将每条边缘段保存至链表,将边缘段分为直线段和圆弧段;并从直线段和圆弧段中检测出矩形特征和圆形特征;根据平行直线在同一像平面投影具有相同湮灭点的性质设计矩形特征相对位置和姿态估计算法;根据圆在像平面对偶投影几何,设计圆形特征的相对位置和姿态及半径的估计算法;对实际模型图像进行处理验证,结果表明该算法能够很好地识别帆板和对接环,并有效地估计出相对位置和姿态及对接环半径.     

带约束碰撞角的顺/逆轨制导律设计

针对逆轨、顺轨拦截模式,提出了带末端约束碰撞角的ACPN(Angle Control Proportional Navigation)、ACRPN(Angle Control Retro-Proportional Navigation)2种轨迹成型制导律.将线性的比例制导(PN)/负比例制导(RPN)作为标称指令,将碰撞角约束作为反馈指令,以相对加速度建立微分方程,得到了ACPN、ACRPN制导律.ACPN使用正比例系数,逆轨拦截目标;ACRPN使用负比例系数,顺轨拦截目标.与现有的研究结果进行仿真对比:ACPN具有耗费控制力少、末加速度小的优势;ACRPN的控制力、脱靶量、碰撞角误差较逆轨拦截优势明显.此外,分析了拦截高速目标的捕获区域.结果表明,ACPN比偏置比例导引的捕获区域大.当拦截弹的航迹角小于π/2+λ_i时(λ_i为初始视线角),宜采用ACPN(逆轨模式)拦截目标,拦截弹的航迹角大于等于π/2+λ_i时,宜采用ACRPN(顺轨模式)拦截目标.      

基于聚类最近数据关联的多目标跟踪算法

提出了一种基于聚类最近数据关联的多目标跟踪算法.建立了基于目标位置、目标大小和目标灰度的3层匹配距离,将3个距离加权综合得到目标匹配的距离函数.以目标链为基准寻找与其存在最小匹配距离关系的观测目标作为目标链的数据后继,再以此观测目标为基准寻找与其存在最小匹配距离关系的目标链作为该目标的数据前驱.当且仅当匹配对象之间前驱与后继关系同时成立时认为二者匹配成功.将已有目标链分为4类,将当前帧观测目标分为2类.分析各类数据间可能存在的匹配关系,利用上述方法进行匹配运算.对于目标遮挡等情况,基于目标运动轨迹的瞬时直线性和均值滤波原理,将某时间段内的目标质心坐标作为输入数据得到回归直线,预测下一时刻的目标质心位置.目标大小和灰度预测数据由该时间内均值滤波得到.本算法在多人体跟踪实验中取得良好效果.     

拦截大气层外机动目标的模糊导引规律

针对大气层外机动目标的拦截问题,分析了轨控发动机作用下拦截器与目标的相对运动规律,并据此提出了拦截能力的估计方法.根据轨控发动机能够修正的视线转率上限和最短工作时间设计了开机曲线.结合开机曲线和拦截能力的估算方法提出了基于模糊逻辑的导引规律.该导引规律根据专家经验制定模糊规则,利用相对距离和拦截能力作为模糊推理系统的输入对发动机的开机曲线进行调整,结合继电器方式的发动机开关机规律形成制导指令.针对两种典型的目标机动方式,通过仿真验证了该导引规律对机动目标进行拦截的有效性.     

MEMS陀螺随机漂移在线补偿技术

为了提高微机电系统(MEMS,Micro Electro Mechanical System)陀螺测量的精度,提出了一种陀螺随机漂移的在线补偿方法.在静态时在线建立随机漂移的自回归滑动平均(ARMA,Auto Regressive Moving Average)模型,并针对随机漂移模型随时间慢变的特性,引入虚拟噪声补偿技术加以补偿.针对载体运动状况的未知性,建立机动角速率模型.在此基础上采用自适应卡尔曼滤波技术对随机漂移和角速率进行实时估计.通过试验表明:随机漂移模型、角速率模型以及滤波算法能够满足姿态测量系统的动态应用需要,且姿态测量精度较补偿前有了显著的提高.     

基于特征点位置及速度的空间非合作目标质心位置测量方法

对于空间非合作目标,地面上所用的质心位置测量方法难以实现。提出了一种应用摄像测量学实现质心位置测量的新方法。首先采用双相机对目标进行拍摄,通过特征点的匹配计算目标表面上特征点的位置及速度;再通过这些特征点的位置及速度,结合刚体运动学理论,计算目标的质心位置。仿真结果表明,本方法可以有效地实现目标的质心位置测量。     

岛礁环境下空舰导弹搜索航向优选

针对空舰导弹打击岛礁区水面舰艇目标问题,由岛礁与目标的相对位置关系,将导弹搜索航向划分为 4个区域,界定了降低岛礁影响的区域;从岛目距离、弹载雷达搜索扇面、开机距离、最小间隔角等方面,研究了空舰导弹搜索航向计算方法。通过仿真实验,分析了不同最大间隔角和岛目距离情况下的空舰导弹搜索航向优选方法。     

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%。     

基于序列图像的航天器自主导航降维滤波方法

非合作目标的运动感知与状态估计,是太空领域技术发展的重要组成部分。非合作目标相对状态的精确估计是相对导航的难点问题。传统的非合作目标扩展卡尔曼滤波算法需要结合非合作目标的质心位置,增加了状态变量的维数,提高了系统不确定性,从而会影响状态扩展卡尔曼滤波的收敛速度。提出了一种基于序列图像的非合作目标相对导航方法,该方法在不对质心进行估计的情况下首先对非合作目标姿态进行估计,在完成非合作目标姿态估计后再对其质心进行估计。本文推导了光学相机测量值与目标真实姿态的关系,构建了基于序列图像的测量模型,分别建立了不含有非合作目标质心位置的状态方程和基于非合作目标位置、速度矢量的状态方程,设计了适用于非合作目标状态估计的扩展卡尔曼滤波算法。仿真实验表明该方法可在10 Hz采样频率下经过50次采样（即5 s）内快速收敛,从而有利于空间飞行器的在轨服务与维护。     

基于模糊神经网络干扰观测器的组合体航天器姿态控制

针对非合作目标存在对抗性力矩输出情况下的组合体航天器姿态控制系统,提出了一种基于模糊神经网络干扰观测器(Fuzzy Neural Network Disturbance Observer, FNNDO)的非奇异终端滑模(Nonsingular Terminal Sliding Mode, NTSM)有限时间控制策略。首先以服务航天器为基准,建立组合体航天器姿态数学模型,然后针对包含惯量不确定性、目标对抗性力矩等的等效干扰力矩,设计了一种具有自适应能力的FNNDO,可以实现对等效干扰的有效跟踪。在FNNDO的基础上,设计NTSM控制器,利用Lyapunov理论证明闭环系统的有限时间稳定性。最后,仿真实验结果表明了控制策略的有效性和观测器在观测性能上的优越性。