微小型飞行器多传感器融合容积姿态估计北大核心

针对微机电系统(MEMs)陀螺仪精度低、噪声大且误差随时间累积的问题,扩展卡尔曼滤波(EKF)线性化误差的问题和无迹卡尔曼滤波(UKF)时间耗费大的问题,提出了一种欧拉角容积卡尔曼滤波(CKF)姿态估计方法。建立了欧拉角姿态运动学模型,以姿态角为状态量、加速度计和磁强计输出解算得到的姿态角为观测量,采用容积数值积分理论来计算非线性函数的均值与方差,实现了多传感器辅助的微小型飞行器(MAVs)CKF姿态估计方法。仿真结果表明:估计精度方面,CKF与UKF相当,优于EKF;滤波稳定性方面,CKF与UKF相当,显著优于EKF;时间耗费方面,CKF优于UKF。     

变阻抗传输线技术的理论研究

主要用数值模拟的方法研究了变阻抗传输技术,初步探索了变阻抗结构,揭示了阻抗渐变技术在超宽带高功率微波辐射研究中的重要意义。     

三维静磁场Robin问题的变分原理

利用非线性单调算子理论证明了由作者在另一篇论文中给出的三维静磁场Robin问题的变分原理     

子自仿射集的Hausdorff维数

设S1,S2 ,… ,SN 是Rn 上的N个仿射压缩映射 ,若Rn 的紧子集E满足E UNi =1 Si(E) ,则称E为子自仿射集 .作者在一定条件下得到了子自仿射集E的Hausdorff维数 .     

影响电流变效应的因素

根据国内外研究的现状 ,分析综述了影响电流变效应 (ER效应 )的因素     

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。     

基于主客观组合赋权的变权TOPSIS弹道目标威胁评估模型

针对目标威胁评估问题,提出了一种基于主客观组合赋权的变权TOPSIS弹道目标威胁评估模型。在利用层次分析法得到指标主观权重、利用熵权法得到客观权重的基础上,基于差异系数得到了威胁评估指标的主客观组合权值。通过引入变权理论的惩罚与激励机制,对传统组合赋权TOPSIS算法的权重计算方法进行了改进,改进后的模型能够根据目标状态参数随时间变化动态地对各项指标权重进行惩罚或者激励,实现了权重的动态调整,充分考虑了主观因素和客观因素对评估结果的影响。通过具体案例验证了模型的可靠性。威胁评估结果表明,改进后的模型更加注重目标各指标间的相关性,而且克服了常权决策带来的偏差,有效提升了弹道目标威胁评估的可靠性、准确性。     

自适应网格交互多模型算法

研究和设计了一种模型集合自适应方法——自适应网格方法。并将其与交互多模型算法相结合,提出了自适应网格交互多模型(AGIMM)算法,它是一种变结构多模型算法。仿真显示它能有效地提高IMM估计器的费效比。     

基于深度强化学习的无人机实时航迹规划

随着无人机技术的应用和发展,无人机执行任务的飞行环境愈发复杂多变,对无人机机动避障能力和航迹规划的实时性提出了更高的要求。基于泛化性较好、对环境依赖弱的深度强化学习算法,以雷达实时获取的障碍物地图信息为基础进行实时路径规划,针对二维航迹规划问题特点设计了连续奖励函数,解决了强化学习算法在二维平面航迹规划中奖励稀疏的问题;基于迁移学习的思想设计多个训练环境,并按任务的难易程度进行分步训练,降低了算法的训练难度,提高了训练效果,并使算法的收敛效果更加稳定。在实验中将SAC算法与目前主流的PPO和TD3算法进行对比,实验结果表明：SAC算法收敛速度快,实时性好,航迹平滑度更好。     

强跟踪扩展卡尔曼滤波及其在捷联惯导初始对准中的应用

针对在模型失配和观测噪声干扰情况下常规滤波器出现精度下降甚至是发散的问题,提出了基于自适应多重渐消因子的改进方法,即通过计算新息序列协方差的估计值确定多重渐消因子,提高当前观测量对滤波器的修正作用。仿真及实测实验结果表明:该算法可以有效抑制滤波发散,同时保证其快速收敛以及高精度估计。