极低频超大型航天器姿态机动与物理试验验证

针对具有0.01 Hz极低频主模态的超大型航天器的姿态机动问题,给出利用经典的Bang-Bang轨迹规划方法、滤波轨迹规划方法和传统的相平面控制方法进行姿态机动的方案,构建了极低频超大型航天器姿态机动地面物理试验系统,对不同的姿态机动控制方法进行了试验验证.针对不同的姿态机动轨迹规划方法,采用喷气发动机或控制力矩陀螺作...     

基于GPR模型的自适应平方根容积卡尔曼滤波算法

与传统算法一样,动态系统的参数化模型(含噪声统计特性)未知或不够准确易导致容积卡尔曼滤波(CKF)效果严重下降,甚至滤波结果发散.为此,利用高斯过程回归(GPR)方法对训练数据进行学习,得到动态系统的状态转移GPR模型和量测GPR模型以及噪声统计特性,用以替代或增强原有动态系统模型,并将其融入到平方根容积卡尔曼滤波(SRCKF)中,分别提出了无模型高斯过程SRCKF (MFGP-SRCKF)和模型增强高斯过程SRCKF (MEGP-SRCKF)两种算法.仿真结果表明:这两种新的自适应滤波算法提高了动态系统模型精度,且实时自适应调整噪声的协方差,克服了传统算法滤波性能易受系统模型限制的问题;与MFGP-SRCKF相比,在给定一个不够准确的参数化模型,且有限的训练数据未能遍布估计状态空间的情况下,MEGP-SRCKF具备更高的滤波精度.     

一种滤波SST方法在翼型深失速模拟中的应用

 为了提高原始剪切应力输运(SST)湍流模型对于分离流动的求解精度,将大涡模拟(LES)中的滤波因子和SST方程相结合构造出一种滤波SST方法,利用湍流尺度对流场求解区域进行划分,近壁面附近的稳态流动由湍流模型控制,远壁面采用LES方法进行模拟。与传统混合RANS/LES方法相比,该方法的特点是:滤波因子的选取不再依赖于网格尺度,可以有效地降低网格诱导分离现象发生的概率。采用该方法对NACA0021翼型深失速特性进行了仿真研究,对比了非定常雷诺平均Navier-Stokes(URANS)方法和SST-DES方法,从仿真结果可以看出滤波SST方法有效地激活了分离区域的脉动,充分展现了分离的三维特性;同时算例求解结果证明该方法的精度高于URANS方法,与试验结果吻合较好,显示其具有一定的工程应用价值。     

Weibull分布更新函数的指数近似算法

针对Weibull分布的更新函数较难确定的问题,研究了在平均寿命相等情况下指数分布与Weibull分布之间的贴近性.在此基础上,提出利用指数分布的更新函数模型计算Weibull分布的更新函数,能够比较方便有效地得到近似解.通过实例计算,分别比较了指数方法(直接利用指数分布的更新函数)、线性加权模型以及几何加权模型等三种方法的精度.结果表明:当时间较短时,线性加权和几何加权模型比指数方法精确度有所提高;当时间较长时,几何加权模型的精度较高.利用该结论能够为工程应用提供方便.     

Remaining useful life prediction of aircraft lithium-ion batteries based on F-distribution particle filter and kernel smoothing algorithm

As an emergency and auxiliary power source for aircraft, lithium (Li)-ion batteries are important components of aerospace power systems. The Remaining Useful Life (RUL) prediction of Li-ion batteries is a key technology to ensure the reliable operation of aviation power systems. Particle Filter (PF) is an effective method to predict the RUL of Li-ion batteries because of its uncertainty representation and management ability. However, there are problems that particle weights cannot be updated in the prediction stage and particles degradation. To settle these issues, an innovative technique of F-distribution PF and Kernel Smoothing (FPFKS) algorithm is proposed. In the prediction stage, the weights of the particles are dynamically updated by the F kernel instead of being fixed all the time. Meanwhile, a first-order independent Markov capacity degradation model is established. Moreover, the kernel smoothing algorithm is integrated into PF, so that the variance of the parameters of capacity degradation model keeps invariant. Experiments based on NASA battery data sets show that FPFKS can be excellently applied to RUL prediction of Li-ion batteries.     

A new SINS/GPS sensor fusion scheme for UAV localization problem using nonlinear SVSF with covariance derivation and an adaptive boundary layer

The state estimation strategy using the smooth variable structure filter(SVSF) is based on the variable structure and sliding mode concepts. As presented in its standard form with a fixed boundary layer limit, the value of the boundary layer width is not precisely known at each step and may be selected based on a priori knowledge. The boundary layer width reflects the level of uncertainty in the model parameters and disturbance characteristics, where large values of the boundary layer width lead to robustness without optimality and small values of the boundary layer width provide optimality with poor robustness. As a solution and to overcome these limitations, an adaptive smoothing boundary layer is required to achieve greater robustness and suitable accuracy.This adapted value of the boundary layer width is obtained by minimizing the trace of the a posteriori covariance matrix. In this paper, the proposed new approach will be considered as another alternative to the extended Kalman filters(EKF), nonlinear H1 and standard SVSF-based data fusion techniques for the autonomous airborne navigation and self-localization problem. This alternative is based on strapdown inertial navigation system(SINS) and GPS data using the nonlinear SVSF with a covariance derivation and adaptive boundary layer width.Furthermore, the full mathematical model of the SINS/GPS navigation system considering the unmanned aerial vehicle(UAV) position, velocity and Euler angle as well as gyro and accelerometer biases will be used in this paper to estimate the airborne position and velocity with better accuracy.     

深空探测航天器巡航段自主导航方法研究

对深空探测航天器自主导航方法进行了研究。为了应对深空探测中航天器轨道动力学模型的误差，在分光计测量航天器相对于太阳径向速度基础上，引入了小行星的视线矢量测量。通过最小二乘法计算出由小行星视线矢量所得到的位置信息，采用改进的信息融合方法修正扩展卡尔曼滤波中不精确的动力学模型造成的状态估计误差。同时计算了模型的能观度，对模型的可观性进行了分析。最后对算法进行了仿真分析，仿真结果表明，该算法对动力学模型的依赖性明显低于其他算法，在相同模型精度下，可获得更好的滤波精度。     

卡尔曼滤波在自旋卫星章动控制中的应用

细长体结构卫星的自旋运动是不稳定的,章动有发散趋势,须进行实时的章动监视,且章动角的测量值包含有误差.通过引入一个离散控制过程的系统,介绍了卡尔曼滤波器的基本原理,建立了自旋卫星自旋运动简化的动力学模型,给出了运动方程和观测方程,详细地推导了适用于自旋卫星章动控制的卡尔曼滤波处理过程,利用该模型对某自旋卫星章动进行仿真计算,并对姿态章动联合控制和应急章动控制情况下的章动控制应用情况进行分析,得出结论：基于卡尔曼滤波的卫星章动角计算的方法正确、结果准确.     

任意采样率变换数字重构滤波器设计

针对理想重构函数在数字信号域不可实现而直接截取性能较差的情况,根据信号重构理论和FIR（Finite Impulse Response,有限脉冲响应）滤波器窗函数设计法,分析不同窗函数、不同截取长度对重构滤波器的影响,提出一种凯塞窗任意采样率变换数字重构滤波器设计方法.该方法通过选择合适的窗参数、截取长度、重构滤波器时域精度和量化位数,有效控制阻带最小衰减抑制数字重构镜像.设计的数字重构滤波器已成功应用于某卫星基带调制解调器,符合镜像抑制大于65 dB的性能要求.     

散乱点云自适应滤波算法

提出一种散乱点云自适应滤波算法,该算法采用改进的R*-树组织散乱点云的拓扑近邻关系,基于该结构快速准确获取局部型面参考数据,自适应调节二维高斯分布的数字特征计算滤波权值,计算局部型面参考数据对原始型面数据的影响因子,以此作为权值计算各点滤波后的坐标,采用加权平均方法实现散乱点云的自适应滤波.实验证明该算法可有效提高点云的滤波效率,在保留原始型面特征的基础上,减小点云的随机误差,提高光顺性.