RBF神经网络在单轴旋转惯导系统轴向陀螺漂移辨识中的应用

在激光陀螺单轴旋转惯性导航系统中,单轴旋转可以自动补偿垂直于旋转轴上的惯性器件误差,却不能消除旋转轴方向上惯性器件的误差,因此单轴旋转惯性导航系统的导航精度主要由轴向陀螺漂移决定.提出了一种基于径向基函数神经网络的轴向陀螺漂移辨识方法,利用系统纬度误差和温度变化量作为训练集,针对系统热态、冷态两种情况对RBF神经网络进行训练,对轴向陀螺漂移的辨识精度达到0.0003°/h.试验结果表明:该方法能够有效地辨识轴向陀螺漂移,使系统达到较高的导航精度,满足实际应用的需要.     

机载雷达目标搜索和跟踪中的坐标系问题

雷达对目标进行搜索和跟踪时,由于雷达的体制、安装方式(运载体还是地面固定位置)、工作方式等的不同,涉及到许多坐标系。结合实际工程问题,对雷达搜索与跟踪中坐标系问题进行了深入探讨。包括坐标系的定义、作用、坐标系转换问题,坐标转换中的误差定量分析,所得出的结论对于雷达对目标进行搜索与跟踪,尤其是对安装于运载体上的雷达坐标系问题有很大的参考价值,并给出了某型直升机载雷达挂飞时的实测姿态数据。     

光学陀螺旋转惯导系统原理探讨

利用旋转自动补偿光学陀螺的漂移是实现高精度惯性导航的有效途径之一,补偿的原理可以从惯性导航的误差方程中得到阐明。光学陀螺的特点决定了采用元件级的旋转方式会带来额外的误差和问题,而只能采用系统级的旋转,即整个惯性测量组合旋转补偿的方式。对一种8次180°翻转的光学陀螺惯性测量组合旋转方案进行了图形化的说明和分析,并仿真比较了旋转补偿前后的导航误差,结果表明这种系统级的补偿方案能够抵消所有惯性元件的静态漂移,从而大大提高了导航输出的位置和姿态精度。     

大地坐标系的超视距目标指示系统

超视距目标指示系统是为舰载导弹攻击本舰雷达视距以外目标而设计的.其主要功能是融合多方传感器的情报信息,解算出目标相对于导弹发射平台的距离和方位.在进行多传感器信息融合时,首先要做的工作就是把来自不同平台的多传感器数据转换到统一坐标系中.若选用大地坐标系为统一坐标系,直接在大地坐标系下进行时间对准、航迹滤波以及航迹融合,可以避免坐标系间的多次转换,节省大量的时间,并提高目标指示的精度.     

浅谈如何利用坐标测量机进行同轴度的准确测量

同轴度检测是形位公差检测的一项重要内容。在坐标测量机上实现同轴度检测时，尤其是两个相邻较远的圆柱的同轴度,由于测量方法不同，检测人员对工艺的理解不同，有时会出现测量结果误差很大，造成对工件的误判断的现象。针对这一检测问题，本文从同轴度定义出发，说明实际工作中两个相邻较远的圆柱的同轴度的标注含义，分析产生测量误差的原因，提出利用坐标测量机准确测量同轴度的几种检测和评价方法，供有关人员参考。     

基于球坐标变换的双星编队伪距相对定位

针对NASA的ST -3中自主编队飞行 (AFF)的双星星座 ,讨论利用星载的类GPS高精度的伪距观测数据确定星座之间相对位置和时间参数的问题。在常用的直角坐标系中建立系统的数学模型 ,并进行解算 ;特别针对双星编队定位解算几何结构弱、解算结果的协方差矩阵不稳定而无法进行传统协方差分析的问题 ,提出了基于球坐标变化的伪距定位方法     

弹载相控阵雷达高精度近场测试平台优化设计

在相控阵雷达近场测试中,高精度的测试平台是其重要的组成部分,为了满足当前相控阵雷达高精度的测量需求,根据近场测试的特点和要求,设计开发了由旋转电机、滚珠丝杠、直线光栅尺等关键器件组成的高精度水平扫描架,连同激光传感器、运输机构和控制机一起组成了这个精度高、性能稳定的测试平台,通过测试得出X轴和Y轴重复定位精度优于0.01 mm,优于国内同等规模近场测试平台,可以满足工程应用中的高精度测量要求。     

一种应用于目视化瞄准的头动注视点定位算法

应用目视化瞄准技术可以简化火炮直瞄射击过程中的操作难度和瞄准效率。对于目视化瞄准时应用传统桌面式眼动仪器人体头部需要保持静止的问题,研究了一种适用于火炮目视化瞄准的头动注视点定位算法,该算法通过对头部建立四元数坐标系,计算眼球视场和屏幕坐标系,最后通过实验验证证明了通过该算法可以在人体头部自由移动的情况下获得良好的跟踪效果,证明了使用本算法可以实现头部不受限制下的眼动追踪,大大提高了视线追踪技术的适用范围,从而应用于火炮目视化直瞄射击。     

水中目标微多普勒特征研究

为了有效检测、识别水中目标,从水中目标螺旋桨旋转运动建模出发,分析了螺旋桨旋转运动对主动声探测信号的调制作用及由此产生的回波信号的微多普勒特征,并进行了理论推导和仿真分析,验证了微多普勒特征的存在。结果表明:微多普勒特征信号是区别于其他信号的运动着的螺旋桨特有的信号,可用于对水中目标的检测、识别。     

一种面向混合数据集可视化的高效数据转换技术

应用领域中存在大量多数据类型属性的混合数据集,但是,很多有效多变元可视化方法的适用范围都只局限于单一类型,对于混合数据集可视化效果不甚理想。针对包含数值及分类型属性的多元混合数据集,提出一种面向混合数据集可视化的数据转换技术,首先对每一数值型属性使用聚类技术进行分类化,然后应用对应分析算法量化所有分类型属性,最后将转换后的混合数据集使用经典的数值型可视化方法——星形坐标法进行展现,并且针对变元数量较多或分类型变元势较高的混合数据集,在数据转换过程中提出一套降势策略,减少参与计算的变元数量,提高计算效率。实验表明,该方法对混合数据集的可视化结果不仅易于理解,而且有利于用户发现其中的隐性知识,降势策略在提高内存及时间效率方面作用显著。