基于环境因子的飞机液压导管寿命分析

从外场的数据分析得知,某型飞机液压系统的故障主要是由飞机液压导管故障引起的。在众多引发液压导管的故障因子中,环境因子起着非直接但又不可忽略的影响。通过半参数分析法,对两种环境下飞机液压导管故障率进行比对,获得不同环境下飞机液压导管故障率的定量比较,为改善日常飞机液压系统维护提供有效判断依据。     

基于灰色预测法的军械维修器材消耗规律

研究并掌握军械维修器材的消耗规律,对做好军械维修器材的保障工作有着重要的意义.基于此,研究了灰色预测法,并针对军械维修器材的实际情况,论述了如何确定影响因子,进而对灰色预测模型进行了改进,用改进后的模型研究军械维修器材的消耗规律,预测结果非常贴近实际值.     

基于距离量测的主从式AUV协同定位方法

多AUV(Autonomous Underwater Vehicles)协同定位是多AUV协作系统研究的关键问题.通常在主从式协同定位中,主AUV内部装备高精度导航设备,从AUV内部装备低精度导航设备,主从AUV均装备水声通信装置.为了改善从AUV的导航定位精度,提出了利用主从AUV水声通信时间延迟测量二者之间的相对距...     

基于非线性技术的AUV组合导航新方法

针对小型AUV对低成本、微小型、高性能导航系统的需求,提出了一种基于MEMS技术的IMU/DVL组合导航新方法.分析了低成本惯性导航系统的特点和误差模型,为有效提高系统的导航精度引入多酱勒测速仪与微机械惯性测量单元相组合,并采用无迹卡尔曼滤波(UKF)算法设计组合导航系统的滤波器.仿真结果表明,基于UKF滤波的MEMS...     

大方位失准角下基于多捷联解算的快速对准方法

传统线性误差模型无法直接应用于大方位失准角的情况,而达到小角度误差的粗对准往往需要较长时间,不可避免地延长了对准时间.针对以上问题,提出了一种基于方位角区间划分的多模型并行处理对准算法.给出了方位角区间划分的方法,各区间以其中心值为初始方位角独立运行捷联解算算法和卡尔曼滤波算法,并分两种滤波校正方式给出了最优导航结果的选取方法.数字仿真结果和转台摇摆试验验证了算法的有效性.     

GPS动态定位中整周模糊度的快速解算

在导航中快速和高精度GPS定位需要解算差分载波相位的整周模糊度值.目前整周模糊度的求解方法,丢失了对提高未知参数估值精度很有用的历元信息,并且在去相关过程中必须使方差阵为正定阵,不仅解算难度大,还可能出现病态分解,使得去相关失败.提出了一种GPS整周模糊度的快速解算方法,首先利用卡尔曼算法求解整周模糊度的浮点解;其次确定搜索空间,对协方差阵进行Cholesky分解,削弱其相关性;最后用ratio检验得出最终解.通过理论推导和基于实测数据的仿真分析表明,卡尔曼算法有效地利用多历元信息提高了浮点解的精度,并且在去相关过程中解决了方差阵必须为正定阵的问题,避免出现病态分解,使得搜索空间得到明显的改善,提高了效率,具有实际的应用价值.     

一种稳健的多传感器目标跟踪算法

研究了一种基于双波段红外和雷达传感器的自适应目标跟踪算法.利用目标多普勒信息和红外辐射信息,建立具有树形结构的红外雷达跟踪系统状态估计模型,采用平方根无迹卡尔曼滤波方法实现双波段红外传感器的初步融合,并将其作为融合节点与雷达传感器进行基于自适应交互式多模型算法的深层融合.在交互式多模型算法的基础上,研究了寻求快速准确的机动目标模型匹配方法,通过局部优化来达到最终融合结果的优化.仿真结果表明,该算法能有效提高机动目标跟踪精度,具有一定的稳健性和自适应性.     

带概率因子的最小费用流经济性分析模型研究

装备跨越式更新换代,传统的备件维修保障模式已难适应装备的发展。针对备件维修级别经济性问题,在备件及其维修网络结构分析的基础上,分析各种维修费用,并借助故障树理论,设定四类模型节点:源节点、修理决策节点、转移概率节点和结束节点;分析建立带概率因子的最小费用流经济性分析的模型网络图,结合概率因子分析各种维修费用,由此建立最小费用流的经济性分析模型,并实例论证了该模型的可行性,为解决备件维修级别问题提供了一种新的思路。     

带失效因子的J-M软件可靠性预计模型

提出带失效因子的J-M软件可靠性预计模型.先分析了原有J-M软件可靠性预计模型的特性,指出了此模型产生与实际情况差异的原因;基于在测试初期软件出现的错误,对软件失效率的影响大于测试后期出现的错误对软件失效率的影响的思想,提出了带失效因子的J-M软件可靠性预计模型.最后,针对所提出的模型,利用测量的数据进行了实际验算.     

基于相对观测量的多机器人定位

研究了多机器人队列利用相对观测信息在未知环境中进行同时定位的问题。当队列中某个机器人观测到另外一个或几个机器人时,利用这些信息来同时更新整个队列的位置及协方差矩阵,也即整个队列共享所获得的观测,来得到更精确的位置估计。每个机器人都携带内部及外部传感器,内部传感器感知机器人自身的运动,外部传感器能提供机器人之间的相对观测量,如相对距离和相对方位。利用扩展卡尔曼滤波(EKF)算法融合内部及外部传感器信息,对多机器人队列进行同时定位;并对不同的观测量及机器人个数进行了仿真分析,给出了不同情况下的滤波器结构,研究比较了它们的定位精度。仿真结果表明,利用机器人之间的相对观测信息,可以显著提高定位精度。