SS-IUKF算法及其在成像声纳组合导航中的应用

利用成像声纳对海底进行探测时需要高精度的导航信息。针对导航高维滤波问题,文中在球面单形sigma点变换的基础上,将其与迭代UKF相结合,提出了球面单形迭代无迹卡尔曼滤波(SS-IUKF)算法,并应用于捷联惯性导航系统(SINS)/多普勒流速剖面仪(ADCP)组合导航系统。仿真结果表明,SS-IUKF算法相比UKF、SR-UKF、EKF算法提高了滤波精度和计算速度,具有一定的工程应用价值。     

连续波强激光武器动态毁伤概率的非毁检测法

给出一种强激光武器与目标存在相对运动时的毁伤概率(动态毁伤概率)在非致毁条件下的检测方法。该方法是在已知强激光对目标的致毁时间、一次发射时间的基础上,在武器的跟瞄子系统对目标无毁的跟踪试验中,通过检测跟踪误差在射击门内外交替出现的时间间隔,给出动态毁伤概率的点估计,以及在既定置信度下,动态毁伤概率的置信区间,同时还能判断所测毁伤概率是否处于最佳状态,为进一步优化动态毁伤概率提供依据。     

脉冲功率电源连续发射水冷模拟负载

针对脉冲功率电源连续循环放电吸能需求,提出一种1.9 MA级循环脉冲功率水冷模拟负载方案。考虑水冷负载与实际电磁发射负载的相似性要求,提出4×8钢管阵列组成的电阻网络,可方便实现电源不同组合方式的放电考核;针对1.9 MA级电流产生的脉冲电磁力可能引起水冷模拟负载损坏的问题,建立水冷模拟负载三维有限元分析模型,进行电磁力计算和结构分析,保证水冷模拟负载稳定性;利用热网络法对模拟负载在循环脉冲模式下的强迫风冷却、自然冷却和去离子水冷却等方式进行了温升分析。结果表明:模拟负载采用钢管内通去离子水冷却效果最好,循环放电时温度可以恢复到初始状态,最高温度62.5℃,满足连续放电实验的需求。利用提出的方法设计一台水冷模拟负载样机并进行了连续2次1.9 MA放电研究,试验结果与理论分析吻合较好,负载结构运行稳定,从而验证了理论分析的正确性。     

交流感应电动机精确解耦的自抗扰控制

为了实现交流感应电动机高性能调速,快速跟踪变化的负载转矩,对静止两相αβ坐标系中的电动机数学模型精确反馈线性化,实现转速和转子磁链系统的完全解耦。针对解耦的转速和磁链子系统的设计2个结构完全相同的自抗扰控制器,实现对转速和磁链的完全独立控制。实验研究表明:电动机转速和磁链分别大约在0.7 s和0.3 s时达到参考值;负载转矩的变化将引起转速7 rad·s~(-1)范围内的变化,但磁链仍保持给定值;当转速稳定时,电磁转矩在1 s时间内能快速跟踪变化的负载转矩,其超调量不超过20 N·m;控制系统能适应转子电阻±10%和定子电阻+10%范围的变化。     

仿生自修复硬件多层结构模型

针对仿生自修复硬件细胞间信号传输复杂、效率低等问题,借鉴内分泌系统中激素的传输方式,提出基于片上网络和近邻连接的4层仿生自修复硬件结构模型,并以实现有限脉冲响应滤波器为例,对模型进行详细论述。基于该模型的自修复硬件,具有灵活的布线能力与良好的容错能力,表明该模型为高可靠性自修复硬件设计提供了新途径。     

连续波强激光武器的动态毁伤概率数学模型

在强激光武器的跟踪误差为均方可导、各态历经、零均值的正态过程的条件下,通过明晰的物理概念与严谨的数理演绎,导出了它的动态毁伤概率的级数表达式。通过算例探讨了动态毁伤概率的性质:它存在两个极大值所对应的随机穿越的自然频率,当跟踪系统工作在其中的非零频率上时,更具有快速反应能力;展现了跟踪误差的传递函数与动态毁伤概率间的定量关系。为论证、设计、检验强激光武器系统的动态毁伤概率提供了理论依据与技术支持。     

新的自适应渐消扩展卡尔曼滤波在GPS定位中的应用

当实际数据出现突变时,基于最小二乘、扩展卡尔曼滤波的GPS定位解算存在定位结果精度低和稳定性差的问题。提出一种自适应渐消扩展卡尔曼滤波算法,通过自适应渐消迭代系统噪声协方差,来实现抑制数据突变影响。试验结果表明:该算法相比最小二乘、扩展卡尔曼滤波,其定位精度有所提高;相比传统渐消扩展卡尔曼滤波,其收敛速度、稳定性有所提高。     

基于BP神经网络的多功能相控阵雷达威力评估

运用动态静态结合的方法以及厂家测试数据、查阅外军资料等手段获得多功能相控阵雷达指标参数,采用BP神经网络建立威力评估模型。研究表明:所建立的BP神经网络多功能相控阵雷达威力评估模型具有很高的评估精度,可以很好地反映雷达二级指标和雷达威力之间复杂的非线性关系,为多功能相控阵雷达威力评估提供了一种准确有效的方法。     

基于改进遗传粒子滤波与SME的多目标跟踪算法

针对基于对称量测方程的多目标跟踪,传统的滤波手段无法解决因对称变换带来的非高斯问题,提出一种新的遗传粒子滤波方法。新的滤波算法利用粒子的噪声含量与权值的负相关,改进了更新过程中权值计算所依赖的概率密度函数,避免了新量测噪声的求解。同时利用遗传算法的优势,保障了粒子的多样性,提高了粒子的使用效率,防止了滤波发散及局部最优。仿真结果表明,基于对称量测方程的多目标跟踪中,改进的遗传粒子滤波算法较扩展卡尔曼滤波算法、不敏卡尔曼滤波算法和联合概率数据关联滤波算法跟踪效果更好。     

基于误差校准的多雷达粒子滤波检测跟踪算法

基于粒子滤波的检测前跟踪方法是一种处理弱目标检测与跟踪的有效方法。使用多部雷达对同一目标进行观测,可以提高目标的检测概率和跟踪精度。但雷达系统误差不同,得到的目标量测信息不能直接进行融合。针对多个具有不同系统误差的雷达联合检测跟踪问题,通过将不同雷达的量测信息向前追溯,对误差进行校准,从而消除不同雷达对于同一粒子的量测误差,然后将粒子权重进行融合。仿真结果表明,在雷达具有不同系统误差的情况下,采用本算法可以有效提高目标的跟踪精度。