采用自适应简化不确定性卡尔曼滤波算法的飞行器导航控制方案

针对飞行器绕本体轴高速旋转的飞行过程出现的严重耦合干扰问题和大角加速度和大角速度测量问题,提出了一种自适应简化不确定性卡尔曼滤波算法。该算法使用超球面分布采样点和线性转移等方法简化算法采样计算和采样点的权值计算,提高算法效率;利用模型噪声和线性方程,通过一步预测进行自适应设计,计算滤波值和误差方差矩阵;使用次优噪声估计器推算过程噪声;对过程噪声进行正定判定,防止算法发散。仿真结果表明,这一改进的自适应简化不确定性卡尔曼滤波算法能够有效减少滚转角解算误差和耦合干扰,提高飞行器着陆点的精度。     

典型控制规律滑翔飞行器的轨迹预测方法

针对临近空间高超声速滑翔飞行器机动能力强、轨迹灵活多变的特点,提出了一种基于典型控制规律的高超声速滑翔飞行器轨迹预测方法。在前期先验信息的基础上,将典型控制规律下的控制参数——攻角和倾侧角建模成一阶Gauss-Markov过程,联合飞行器在半速度坐标系下的运动微分方程组成扩展的状态变量,选择飞行器的经纬高与速度大小作为无迹卡尔曼滤波的观测量并对控制参数进行滤波辨识,结合控制参数的辨识值重构其规律,进而预测飞行器的轨迹。通过仿真分析了对跳跃和非跳跃2种典型飞行轨迹的预报效果,结果表明所提方法对倾侧角不翻转的情况具有良好的预测精度。     

改进型卡尔曼算法解算小型弹箭姿态角研究

弹箭飞行姿态参数的准确获取是实现精确高效打击敌方的重要前提。其中最重要的关键环节是姿态角的算法解算,决定着最后的精确导航。卡尔曼滤波算法是组合导航中最常用的解算算法,然而仍不能满足精度要求。为了进一步提高解算精度,提出通过BP神经网络对误差建模,进而修正卡尔曼滤波增益矩阵系数的改进算法。实验证明,应用于高速旋转弹姿态角测试,改进后的卡尔曼算法较传统卡尔曼算法精度提高了3°左右。     

用建模前估计法辨识飞行器的气动参数

给出了一种利用飞行器飞行试验实测数据估算飞行器气动参数的建模前估计算法，完成了某轴对称无控飞行器的非线性气动参数辨识。计算结果表明：该方法计算过程简单、迅速，可以作为快速估算飞行器气动参数的有力手段，尤其适合于辨识大攻角下的气动参数。     

再入快速抵达轨迹优化设计方法

针对再入初始速度大、飞行时间约束苛刻的轨迹设计问题,提出一种基于遗传算法和攻角+倾侧角联合优化的再入快速抵达轨迹优化设计方法。该方法在再入初段利用较大攻角迅速减小弹道倾角和拉平弹道,在再入后段/滑翔段联合设计和优化攻角+倾侧角变化规律以显著降低终端飞行速度,同时满足终端高度、终端航向角、最大动压、最大热流等约束条件。该方法能够提升传统升力体飞行器再入快速到达能力并拓展其应用范围。仿真结果表明,在典型飞行器参数和较大初始再入速度条件下,全程飞行时间小于12 min,终端速度能够小于7Ma,横向机动距离超过800 km。     

某型飞机大气数据系统设计

大气数据系统是重要的机载电子设备,其性能、精度直接关系到飞机的飞行安全.在介绍某型号飞机大气数据系统的软硬件体系结构的基础上,从三个方面深入研究了提高大气数据系统精度的途径:大气数据计算模型;基于BP神经网络的压力测量温度误差补偿方法;一种计算型静压源误差补偿方法.其大气数据系统系统性能稳定,结构紧凑,速度快,精度高,软硬件升级简单.试验证明其大气数据系统能很好满足某型号飞机的使用要求.     

基于广义标准轨迹的平衡滑翔状态反馈制导方法

对多约束条件下远程助推滑翔飞行器再人滑翔飞行问题,提出了一种基于广义标准轨迹的平衡滑翔状态反馈制导方法.建立了远程助推滑翔飞行器的动力学模型,确定了飞行轨迹约束条件,详细阐述了基于广义标准轨迹的平衡滑翔状态反馈制导方法的制导原理,设计了远程助推滑翔飞行器的侧向和纵向制导律,并采用LQR( linear quadratic regular)方法设计了纵向制导参数,仿真验证了该方法的可行性.与以往再人滑翔制导方法不同,该制导方法主要利用飞行攻角的变化来调节飞行轨迹,飞行过程中飞行器的速度倾侧角较小.仿真结果表明,该制导方法能满足远程助推滑翔飞行器的再入滑翔制导问题,并且具有较好的鲁棒性和自适应性.     

对辐射源信号到达角的自适应跟踪估计

为提高信号到达角(AOA)的测量精度,采用修正的窗函数加权平均算法和基于机动加速度的非零均值时间相关模型的自适应卡尔曼滤波算法,将信号到达角的变化轨迹看作是一种做加速度机动的运动,实现对连续变化信号到达角的参数估计.计算机仿真验证了算法的有效性和可行性,证明该方法有一定的应用价值.     

高速旋转弹位置与姿态测量数据分析方法

精确的弹箭位置与姿态测量数据是提高制导弹箭射击精度的基础。通过分析高速旋转弹位置与姿态传感器的量测噪声,采用卡尔曼滤波方法进行误差估计,以提高测量精度。基于高速旋转弹质心运动和角运动方程,建立了系统状态方程;根据全球定位系统和地磁传感器的测量原理,建立了量测方程;以某弹飞行数据为例,采用扩展卡尔曼滤波(EKF)和无味卡尔曼滤波(UKF)分别对弹箭的位置和姿态进行最优估计。仿真结果表明,采用上述方法可有效减少系统误差,并使综合误差进一步降低,射程与高度误差均控制在±1 m,攻角和侧滑角误差分别为±0.02 rad和±0.01 rad,可满足工程应用的要求。     

基于ILOPF的四旋翼姿态估计算法设计与实现

针对四旋翼飞行器姿态角速率的测量伴随随机噪声,直接进行姿态信息融合的结果波动剧烈的问题,提出了一种结合EKF的改进线性优化粒子滤波算法。该方法将EKF融合到重要密度函数中,改进了线性优化过程的结合策略,考虑算法的实时性,对其进行了相应的简化;实现了仿真条件下四旋翼飞行器姿态角速率的估计,统计结果显示,相比EKPF算法,ILOPF的滤波效率提高了20%。在飞行样机的飞行过程中使用ILOPF,表明了其有效性。     

一种模糊自适应INS/GPS组合导航方法

提出了一种基于模糊逻辑的自适应卡尔曼滤波新算法,即基于滤波数据残差构造一种模糊算法,以自适应控制卡尔曼滤波器的增益系数。从而可以消除异常的测量数据带来的影响,使滤波器的残差始终保持零均值,且使估计误差的协方差阵收敛,最终实现最优估计。通过对INS/GPS组合导航系统的计算机仿真结果表明,该算法具有比常规卡尔曼滤波算法更高的导航精度。     

SINS/DVL/AST水下组合导航中的鲁棒信息融合方法

捷联式惯导系统由于自主性强等优势成为自主式水下航行器长航时、长航程导航的主要手段。针对水下环境中外部多导航传感器如多普勒计程仪提供的测速信息和水声单应答器提供的位置信息容易受到非高斯噪声污染的问题,提出基于马氏距离算法的联邦鲁棒卡尔曼滤波算法。在联邦鲁棒卡尔曼滤波算法中,通过马氏距离算法引入膨胀因子,对量测噪声协方差阵进行膨胀,以实现非高斯条件下水下组合导航系统鲁棒性的提升。同时基于子滤波器的滤波性能对信息分配系数进行自适应调整以确保水下组合导航系统的高精度。基于江试试验实测数据进行水下组合导航半物理仿真试验,试验结果表明:相比于传统的联邦卡尔曼滤波算法,联邦鲁棒卡尔曼滤波算法可在非高斯条件下实现更高精度、更加稳定的组合导航；能够满足水下组合导航系统对容错性和鲁棒性的要求。     

数据同化系统中的集合时间局地化鲁棒滤波方法

针对传统的卡尔曼滤波方法对不确定因素不具备鲁棒性问题,在集合鲁棒滤波的基础上,提出一种从观测角度构建优化数据同化的方法,称之为放大观测协方差矩阵的集合时间局地化鲁棒滤波,并推导了新方法的算法准则和递归公式。利用非线性系统Lorenz-96模型,基于性能水平系数、驱动参数、观测数目和集合数目变化的条件,对新方法和集合卡尔曼滤波方法的鲁棒性和同化精度进行比较。结果表明:集合卡尔曼滤波方法的均方根误差大于时间局地化鲁棒滤波的;在观测数或集合数较少的情况下,集合卡尔曼滤波出现了滤波发散问题,而鲁棒滤波的均方根误差波动较小;相较于传统的集合卡尔曼滤波算法,观测角度构建的时间局地化的H_∞滤波方法对系统参数的变化更具鲁棒性,滤波精度更高。     

含有多普勒频率的毫米波/红外融合滤波算法

由于毫米波雷达(MMV)和红外(IR)两种传感器在跟踪目标方面具有各自的优势,故使用两种传感器进行数据融合可以得到较单一传感器更高精度的目标数据,从而提高滤波精度。针对上述两种传感器的特点,对采样数据进行时空对准,结合UT变换思想,并在此基础上提出一种含有多普勒频率的无迹卡尔曼滤波(UKF)算法。新算法较单一MMV或者IR传感器滤波算法精度有了明显提高,并且较MMV/IR融合的传统扩展卡尔曼滤波(EKF)算法的精度也有提高。仿真结果证明了新算法的有效性和合理性。     

基于联邦卡尔曼滤波的组合导航定位算法

在传统的GPS/INS紧耦合组合导航系统中,由于伪距和多普勒频移误差的存在,系统存在一定的误差偏移。针对这种误差偏移,设计了一种联邦卡尔曼滤波组合导航算法,该算法采用二级卡尔曼滤波器,将卫星接收模块解算出的伪距信息和多普勒频移信息在第一级卡尔曼滤波后,与INS模块结算出的信息进行修正处理,再通过主滤波器得到紧耦合算法的INS解算结果校正量和定位位置最优估计。通过计算机仿真结果分析表明,该方法相对于传统的紧耦合组合导航算法可以有效减小误差,具有一定的理论价值和实用价值。     

基于SVD的机动目标自适应滤波研究与仿真

由于计算误差等因素的影响,致使滤波协方差阵不对称或负定,从而导致滤波器发散,影响滤波算法的收敛速度和稳定性.该研究在机动加速度"当前"统计自适应卡尔曼滤波算法的基础上,引入了基于奇异值分解(SVD)的协方差平方根滤波的自适应卡尔曼滤波算法.仿真结果表明,该算法可以较好地跟踪机动目标,具有精度高、稳定好、收敛快等特点.     

陀螺/星敏感器组合技术在卫星姿态确定系统中的应用

为了满足军用卫星姿态测量高精度的需要,提出了基于状态估计法的陀螺仪和星敏感器组成的卫星姿态测量系统的方案.应用广义卡尔曼进行状态估计,同时为了避免由非线性和小角度引起的计算误差,采用四元数法代替通常的欧拉角法进行计算,经分析得到该系统状态模型和观测模型.通过仿真证明,此方案能达到高精度军用卫星姿态确定系统的要求.     

基于鲁棒高阶容积滤波的无人机相对导航状态估计方法

由于无人机相对导航系统具有非线性强、噪声非高斯的特点,传统的基于卡尔曼滤波算法设计的相对导航滤波器存在估计失准甚至发散的问题。考虑到高阶容积卡尔曼滤波和最大熵滤波算法分别在解决非线性问题和非高斯问题时的优势,利用最大熵滤波的量测更新方法对高阶容积卡尔曼滤波的测量更新方程进行了改进,将传统的量测更新问题转换成了线性衰退的求解问题,避免了对测量噪声进行高斯假设,同时解决了系统非线性和量测噪声非高斯的问题。进行了相应的数学仿真,仿真结果表明:所提算法的估计精度超过了高阶容积卡尔曼滤波和最大熵滤波算法的,验证了算法的有效性。     

基于测速定轨的一类自适应样条滤波方法

提出了一种测速定轨的实时算法。该方法基于样条表示飞行轨道速度参数 ,在只有多个测速元信息的情况下 ,建立了自适应Kalman滤波递推算法 ,实时给出了较高精度的飞行器轨道参数     

GPS动态定位中的自适应扩展卡尔曼滤波算法

针对全球定位系统 (GPS)提出一种扩展卡尔曼滤波器算法。这种滤波器算法直接从GPS接收机输出的定位结果入手 ,将各种误差因素的影响等效为一个总误差 ,对GPS接收机的机动载体的加速度采用当前统计模型 ,并利用线性卡尔曼滤波器进行动态定位数据的处理。本模型简单 ,实时性好 ,滤波后定位精度得到提高。