机载卫星导航终端定位精度试飞中杆臂效应的校正

飞机/直升机加装机载卫星导航终端后,需要对终端的定位精度进行试飞测试。由于试飞测试中产生基准数据的机载差分卫星导航系统(DGNSS)天线通常无法与待测终端(TUT)天线共用安装位置,因此,两者测量结果存在杆臂效应,从而导致试飞中TUT产生的定位数据相对基准数据存在变化的偏差。通过分析试飞测试中差分卫星导航系统产生的基准数据与被测终端输出测量值的关系,给出了统计意义上的待测终端精度计算方法,可有效校正杆臂效应对待测终端定位精度分析的影响。最后,仿真分析验证了方法的正确性,并在实际试飞测试中进行了应用。     

模糊Petri网的自适应粒子群优化方法研究

模糊Petri网对专家知识库的模糊规则具有较强的表达能力,但其缺乏学习能力使得模型参数的确定较为困难,针对此问题提出一种适合于模糊Petri网参数确定的自适应粒子群优化算法。分析了模糊Petri网对专家知识库的模糊规则建模方法;研究了粒子群优化算法及其各种改进算法;在此基础上,提出适合于模糊Petri网参数确定的自适应粒子群优化算法。最后,以无向网络可靠性估计为例,通过实例分析并与基本粒子群优化算法进行比较,证明了所提方法的有效性和优越性。     

高超声速飞行器边界层外缘参数仿真分析

以高超声速飞行器为研究对象,构建快速准确计算高超声速飞行器无黏边界层外缘参数的计算方法。拟合空气比热、比热比随温度变化曲线,建立空气属性温度划分准则。基于不同空气属性建立高超声速飞行器边界层外缘参数工程与数值计算模型,采用钝双锥模型,对比分析工程估算、无黏数值及有黏数值计算方法的计算结果。结果表明,0°攻角状态下,基于无黏流场的数值计算与工程估算和有黏数值计算的压强最大差值分别为1.19%和2.39%;10°攻角状态下,最大差值分别为5%和50%;从而证明所提出的无黏数值计算方法明显优于工程计算方法,为进一步快速准确计算高超声速飞行器气动热环境奠定了重要基础。     

子空间投影后波束形成的导航接收机抗干扰性能分析

利用导航信号淹没于干扰信号和热噪声的特点,将天线阵列接收的空时信号矢量向干扰子空间的正交子空间投影以实现干扰抑制。当接收机对投影后的单阵元数据捕获成功后,利用捕获估计的本地扩频码相位作为参考信号,依据最小均方误差准则进行波束形成。仿真结果表明该抗干扰算法在零陷强干扰的同时使主波束指向导航信号来波方向,有效提高了阵列输出信干噪比,并降低了空时自适应处理对导航信号伪码相关峰形状和载波跟踪性能的影响。     

在轨加注过程中组合体航天器动力学建模与分析

针对在轨加注过程中质量分布随时间变化的组合体航天器,研究动力学建模问题并对其动态特性进行分析。将航天器系统分为刚性组合体平台和贮箱内燃料两部分,贮箱内的燃料视为质量、外形和位置连续变化的质量块,将航天器系统抽象为一组有固定边界的变质量质点系;在推导出变质量质点系一般力学方程的基础上,通过对航天器结构进行一定限制消除方程中的反冲力和失调力矩,以组合体平台主轴作为参考坐标系,建立在轨加注过程中组合体动力学模型;该模型除了参数时变的特点外,与普通刚体动力学相比还含有阻尼项;基于李雅普诺夫稳定判据,对该时变动力学系统的动态特性进行分析。仿真计算展现了不同结构参数对姿态运动轨迹的影响,也证明了理论分析的正确性。     

GPS时分二进制偏移载波调制信号的高精度无偏抗多径算法

二进制偏移载波调制信号将在卫星导航系统中得到广泛应用。全球定位系统的L1C信号导频分量采用了时分二进制偏移载波调制,对此信号直接采用码参考波形算法消除多径时的鉴别曲线收敛点存在偏差,从而影响测距偏差。因此,提出一种时分二进制偏移载波调制信号的高精度无偏抗多径算法。通过时分的方式分别生成针对BOC(1,1)和BOC(6,1)分量的本地闸波,以保证鉴相函数在码相位无偏差时等于0。由于更好地利用了BOC(6,1)信号分量,该技术在实现无偏跟踪的同时,还能提高跟踪精度。     

基于参数自适应CS模型的机动目标跟踪算法

为提高对机动目标的跟踪精度,提出一种基于参数自适应当前统计(CS)模型的跟踪算法。即利用加速度增量与位移的关系,自适应调整加速度方差,根据量测残差的统计距离判别目标机动特性,并调整模型的机动频率和滤波器增益系数,提高算法模型与目标机动模式的匹配程度。仿真结果表明,基于参数自适应CS模型跟踪算法能够较好地改善对强机动目标的跟踪性能。     

卫星导航技术的军事应用

卫星导航技术成为世界定位、导航、授时的基准,在军事领域中作用更为明显。它为单兵和武器平台精确定位提供有效手段,为战场态势同步认知提供前提条件,为武器弹药精确打击提供必要条件,为非战争军事行动顺利实施提供可靠保障。     

基于改进粒子群算法的四旋翼BSMRC优化策略

针对四旋翼无人机反步滑模鲁棒控制器(BSMRC)因参数整定困难而限制其工程应用的问题,设计了一种基于改进粒子群算法(IPSO)的BSMRC参数优化策略。建立了含未知扰动的无人机非线性模型并设计了补偿未知扰动的BSMRC,通过Lyapunov第2方法对系统稳定性进行了证明。接着,从惯性权重和学习因子两方面对经典PSO算法改进,提升了其收敛速度,在此基础上自动整定了BSMRC参数。通过仿真表明了IPSO可使BSMRC参数快速收敛到最优解。通过模块化编程及自动代码生成技术将最优BSMRC算法部署至Pixhawk 4飞控进行了飞行实验,结果表明了IPSO优化策略的有效性,体现出了BSMRC的强鲁棒性和抗扰性。该优化策略解决了无人机BSMRC参数整定效率低下的问题,并采用基于模型设计(model-based design, MBD)技术提高了无人机控制系统的开发效率。