攻击活动目标的一种最优弹道估计

 为分析活动目标的随机飞行状态和减小导弹的脱靶量,提出了数学模拟打靶的一种新方法。其中包括卡尔曼滤波理论结合最大似然法的应用,以及建立相对运动的离散化模型和灵敏度矩阵。为改善飞行状态的估计精度,论述了确立飞行弹道修正协方差矩阵的概念。除此之外,还讨论了导引敏感器静态误差影响脱靶量的估计问题。     

UKF方法及其在方位跟踪问题中的应用

采用UKF(Unscented Kalman Filter)方法处理了平面内地面站对目标的方位跟踪的估计问题。目标的位置和速度由选定的高斯分布采样点来近似，在每个更新过程中，采样点随着状态方程传播并随着非线性测量方程变换，由此不但得到目标位置和速度的均值及较高的计算精度，而且避免了对非线性方程的线性化过程。仿真结果表明，UKF方法比传统的扩展卡尔曼滤波(EKF)算法有更高的估计精度，并能有效地克服非线性严重时，方位跟踪问题中很容易出现的滤波发散问题。     

三轴稳定卫星无陀螺姿态确定算法研究

针对三轴稳定卫星进行了正常飞行模式下无陀螺姿态确定算法研究，采用磁强计、地球敏感器和太阳敏感器组合获得姿态数据，利用四元数法和高斯－马尔可夫过程建立了姿态确定估计器算法模型。通过数学仿真证明，此姿态确定算法能够对星体姿态进行较精确的估计或校正，满足卫星控制精度要求。     

采用逐次正交化法的最优分布式Kalman滤波器

为解决大系统中应用整体式Kalman滤波遇到的非实时性难题,本文提出一种能保持最优的分布式Kalman滤波计算方法——逐次正交化法。这是一种适合多微机并行计算的最优算法,确保滤波的“实时性”,优于一般次优分布式Kalman滤波器。     

SINS／GPS组合系统的蒙特卡洛仿真

以考虑位置误差相关项的伪距率观测模型，对遥感中使用的SINS/GPS为距、伪距率组合系统进行了蒙特卡洛仿真。结果表明，组合系统的长期位置精度能达到5m以内；GPS数据更新率低于SINS，在GPS测量时间间隔内，组合系统的性能仅由SINS决定，虽然SINS的误差随时间积累，但在GPS测量时间间隔为秒数量级的情况下，即使采用中等精度的惯性的误差随时间积累，但在GPS测量时间间隔为秒数量级的情况下，即使采用中等精度的惯性仪表，其相对位置精度可达到厘米级（这里相对位置精度指组合系统在GPS测量时间间隔内位置误差的变化范围）。     

非线性随机动态系统学习建模方法

在动态神经网络及扩展卡尔曼滤波算法的基础上，提出了对非线性随机动态系统进行学习建模的迭代算法，用这种方法对非线性随机系统建模，可以获得更准确伯系统模型，并可对非线性随机系统进行状态估计。最后给出相应算法及仿真结果。     

平台摇摆对卡尔曼滤波跟踪精度的影响

通过建立目标相对运动坐标系和目标相对运动观测模型,研究了在平台摇摆影响下,跟踪系统观测到的目标运动状态的变化。在分析捷联垂直基准补偿原理的基础上建立了捷联垂直基准平台摇摆角补偿模型,建立的模型结合捷联垂直基准系统的测量能力对其补偿算法进行了理论推导,使模型适用于实际捷联垂直基准系统。通过建立模型以及仿真研究了平台摇摆作用下卡尔曼滤波跟踪精度的变化,指出了摆造成卡尔曼滤波跟踪精度降低甚至离散的主要原因在于模型误差增大。设计仿真实验验证了结论的正确性,为进一步改进跟踪手段提供了理论参考。     

A cost driven predictive maintenance policy for structural airframe maintenance

Airframe maintenance is traditionally performed at scheduled maintenance stops.The decision to repair a fuselage panel is based on a fixed crack size threshold,which allows to ensure the aircraft safety until the next scheduled maintenance stop.With progress in sensor technology and data processing techniques,structural health monitoring (SHM) systems are increasingly being considered in the aviation industry.SHM systems track the aircraft health state continuously,lead ing to the possibility of planning maintenance based on an actual state of aircraft rather than on a fixed schedule.This paper builds upon a model-based prognostics framework that the authors developed in their previous work,which couples the Extended Kalman filter (EKF) with a first order perturbation (FOP) method.By using the information given by this prognostics method,a novel cost driven predictive maintenance (CDPM) policy is proposed,which ensures the aircraft safety while minimizing the maintenance cost.The proposed policy is formally derived based on the trade-off between probabilities of occurrence of scheduled and unscheduled maintenance.A numerical case study simulating the maintenance process of an entire fleet of aircrafts is imple mented.Under the condition of assuring the same safety level,the CDPM is compared in terms of cost with two other maintenance policies:scheduled maintenance and threshold based SHM maintenance.The comparison results show CDPM could lead to significant cost savings.     

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。