基于扩展卡尔曼滤波的雷达无源定位方法

提出了基于扩展卡尔曼滤波的雷达无源定位技术。利用多无人机平台对雷达网进行航迹欺骗,需要对网内的雷达进行定位以达到精确欺骗干扰的目的。但飞行器在飞行过程量测噪声较高,传统的时差定位方法无法满足定位精度的要求。对于时差定位的非线性时变模型,提出了利用时变扩展卡尔曼滤波对雷达位置进行跟踪定位的方法。仿真结果显示,利用扩展卡尔滤波进行无源定位可以在高噪声背景下有较好的定位精度。     

第19届国际信息融合会议及获奖论文评述

总结了第19届国际信息融合会议的总体情况和主要特点,通过对大会报告、分会场报告以及国际信息融合界一些著名专家团队发表论文情况的统计分析,提炼出国际信息融合界普遍关注的焦点和难点问题;通过对获奖论文的分析,了解到受大会评奖委员会一致认可的年度优秀成果和技术进步点;最后,面向高层信息融合中的不确定性处理,对信息融合领域的发展进行展望。     

多传感器定位误差对跟踪性能影响的研究

集中讨论了带有传感器定位误差的多传感器跟踪问题中的滤波方法 ,设计了两个基于一个非线性飞机等效机动模型的扩展卡尔曼滤波器 (EKFs) :最优 EKF(OF)和次优 EKF(SF) ,并应用于带有定位误差的多传感器跟踪问题中。 Monte-Garlo模拟结果表明定位误差对飞机的位置估计影响较大 ,但不影响速度或加速度估计 ;同时说明 OF的性能明显优于 SF。     

采用扩展有限元法的线式爆炸分离装置裂纹扩展分析

为了提高线式爆炸分离装置的安全性,本研究基于扩展有限元法,通过创建二维和三维动态裂纹扩展模型,探索了线式爆炸分离装置在爆轰波作用过程中的动态裂纹扩展和止裂机理。研究表明,分离壳体的裂纹扩展路径独立于裂纹初始角度;不考虑载荷时序时,二维和三维动态裂纹扩展的主方向分别沿着分离壳体的径向和环向;考虑载荷时序时,受不同区域应力波的联合作用,三维裂纹沿环向扩展的同时会沿着轴向扩展,但裂纹的扩展均不会影响到止裂槽以外的结构。所提方法和相应结论可为线式爆炸分离装置设计提供参考。     

基于强跟踪滤波的捷联惯导/里程计组合导航

针对车载里程计刻度系数受轮胎胎压、温度等的影响实时变化,提出采用强跟踪滤波进行捷联惯导/里程计组合导航。强跟踪滤波利用卡尔曼滤波残差序列相互正交的性质,在线实时调整渐消因子,对突变状态有较强的跟踪能力。提出采用平均速度匹配方法以消除载车振动及里程计量化误差对组合导航的影响,同时将杆臂误差列入状态量,消除不准确的杆臂在载车转弯时对组合导航的影响,建立了捷联惯导/里程计组合导航模型。进行了实际组合导航跑车试验,结果表明组合导航的定位精度优于1‰D。     

内压作用下复合材料修复裂纹管道的失效分析

为准确评估在内压作用下纤维复合材料修复含裂纹管道的有效性及失效压力,建立复合材料修复后裂纹管道的失效数值模型。该数值模型通过扩展有限元法模拟管道裂纹的扩展,利用cohesive单元模拟胶层的脱粘失效,复合材料的失效通过最大应力失效准则进行判定。通过静水压爆裂试验对所提失效数值模型进行验证,实验结果与数值计算结果具有较好的一致性。失效数值分析结果表明:当内压增大至一定值后,未修复管道的初始裂纹沿轴向及壁厚方向逐渐扩展,进而使得管道内壁单元扩展成真实裂纹,此时真实裂纹贯穿整个壁厚方向,即认为裂纹管道发生爆裂失效,爆裂失效压力随初始裂纹半长呈指数形式下降。复合材料修复裂纹管道的不同修复工况呈现相同的失效模式:在单调递增的内压作用下,管道内表面首先出现黏结裂纹,而后其外表面裂纹张开趋势急剧上升,使得复合材料层应力急剧上升,达到极限强度而失效。且对于不同的初始裂纹尺寸,存在对应的复合材料缠绕层数临界值。     

基于GPS相位差的炮弹滚转角测量方法

针对高速旋转炮弹滚转角的测量问题,在分析天线载波相位差与滚转角、滚转角速率关系的基础上,将GPS相位差作为量测输入,利用卡尔曼滤波器估计载体的滚转角和滚转角速率。仿真结果表明:该方法能很好地估计出载体的滚转角,具有一定的工程应用价值。     

附加运动约束的MEMS惯性传感器融合定姿算法

针对MEMS惯性传感器因精度低、误差随时间累积导致无法满足长时间姿态测量要求的问题,提出了一种附加运动约束的姿态估计方法,即在以陀螺仪解算的姿态信息作为系统预测、以加速度计与磁强计解算的姿态信息作为系统量测的基础上,将载体运动约束作为虚拟观测量输入滤波器。同时,针对传统EKF算法精度不高的问题,提出了一种新的滤波融合算法,即迭代更新扩展卡尔曼滤波(iterated update extended Kalman filter,IU-EKF)。新算法通过将当前量测信息逐步引入量测更新过程实现后验状态估计,从而达到减弱观测模型非线性、提高滤波估计精度的目的。数值仿真结果表明:本文算法的姿态估计精度较传统的"双矢量法+EKF"模式有大幅提升。