基于粒子群优化算法的光纤陀螺温度误差分段补偿方法

针对光纤陀螺的温度误差单一模型补偿方法适配性较差的问题,提出一种基于粒子群优化(PSO)算法的光纤陀螺温度误差分段补偿方法。此方法基于分段建模补偿的思想,在建模时加入温度和温度变化率影响因子,并引入PSO算法极值寻优,得到最优补偿函数。为了验证此方法的补偿效果,设计了?15℃~50℃区间内光纤陀螺温度实验,分别利用所提方法和传统方法对其温度误差进行补偿。试验结果表明,使用所提方法能够极大地降低温度误差,与传统算法相比,在保证补偿后陀螺零偏稳定性一致的前提下陀螺零偏均值降低了一个数量级,并且具有实时补偿性。     

强噪声下全驱空中作业平台自抗扰反演控制

针对新型空中作业机器人飞行平台存在的强噪声、扰动、参数不确定性以及全驱控制问题，提出了一种基于动态补偿的自抗扰反演控制方法。首先描述了新型空中作业机器人机构设计。其次，建立了基于Carig与递归Newton-Euler方程的空中作业系统运动学与动力学模型。然后，考虑机械臂对飞行平台的扰动影响，建立了飞行平台全驱控制补偿项，并结合自抗扰控制与反演控制技术分别设计了平台位置与姿态控制器。最后，考虑了随机强噪声与扰动、参数不确定性等实际问题，进行了仿真试验。仿真结果表明，在强噪声与扰动条件下对飞行平台的位置与姿态跟踪控制中，采用所提出的算法后比动态补偿（DC）PID算法的跟踪误差降低了37.9%以上，验证了所提出的控制方法具有噪、扰抑制能力，提高了系统控制精度。     

基于快速相关运算的卫星接收机矢量跟踪算法

针对矢量跟踪过程中基带信号相关处理运算耗时较多的问题,提出了本地表及快速相关运算的优化处理方法,优化后的矢量跟踪环路中本地信号与输入信号的相关运算由耗时较多的浮点型运算转换为速度较快的位运算方式,降低了跟踪过程中的运算量,提高了矢量跟踪算法的运行速度。最后,利用实测的卫星中频信号对传统算法与优化算法进行了实验测试与性能分析对比,实验结果表明矢量跟踪算法对弱信号的持续跟踪能力优于传统标量跟踪方法,优化后的算法和原矢量跟踪算法相比信号处理时间约节省30%,有效改善了卫星接收机矢量跟踪算法中基带信号的处理效率。     

优化BP神经网络的光纤陀螺温度漂移建模与补偿

光纤陀螺(FOG)温度漂移误差是影响其输出精度的主要误差源之一。针对基于传统BP神经网络FOG温度误差补偿方案适用性较差的问题,提出了优化预测数据的BP神经网络补偿算法,利用最优线性平滑技术以及滑动平均技术对神经网络待补偿数据进行预处理,可以有效减小FOG输出白噪声对温度漂移网络模型补偿精度的干扰,优化神经网络模型的补偿效果。使用FOG温度漂移实测数据对所提出的优化算法进行验证,结果表明利用本文提出的两种建模及补偿方案进行补偿后的FOG温度漂移数据标准差相比传统BP神经网络补偿方法减少50%以上。     

结构振动瞬时最优控制的一种时滞补偿算法

 应用最优控制原理，对结构动力响应实时在线控制进行了时滞 补偿. 提出一种基于系统差分方程的瞬时最优控制算法，推导出闭环 状态反馈控制补偿增益矩阵，并讨论了补偿前后系统的稳定性. 仿真 结果表明，此算法有效地补偿了时滞带给结构动力响应的不良影响， 并保证了结构的稳定性.     

基于PSO-BP 神经网络的激光陀螺温度补偿方法

激光捷联惯导系统上电启动时,陀螺受温度影响其零偏会经历快速变化到逐渐稳定的过程,影响惯导系统应用精度。因此,提出了一种基于粒子群-反向传播神经网络（PSO-BP）的激光陀螺温度补偿方法,利用粒子群算法寻找神经网络模型的最优权值与阈值,以温度和温度梯度作为自变量,建立陀螺零偏输出的补偿模型。激光惯导系统工作温度范围内的温度试验结果表明：与传统反向传播神经网络算法相比,所提出的PSO-BP神经网络模型的速度提高了4倍,模型拟合精度更高,且避免了反向传播算法易陷入局部最优解的问题。经过粒子群-反向传播算法补偿后,陀螺零偏稳定性相比温补前提高了60%,进一步验证了模型的有效性。     

高速磁浮车–轨耦合实验平台的开发及应用

车辆和导轨的耦合振动问题是影响磁悬浮列车安全性和舒适性的重要问题之一。为解决车辆高速运行时面临的稳定性难题,开发并建设了一套高速磁浮车–轨耦合实验平台。平台围绕常导磁浮车的电磁铁模块进行展开设计,其中轨道模块外接激励器,可以模拟各种速度和不平顺下的轨道条件。控制系统基于实车的控制器、斩波器和传感器进行改造,应用DSPACE快速控制原型技术,实现对嵌入式算法的实时监控和在线修改的功能。建立了柔性轨道多体动力学联合仿真模型,便于快速模拟不同控制算法和力学环境下电磁铁的悬浮稳定性。最后,依托实验平台和联合仿真模型,测试了中低速和高速阶段下电磁铁模块的实际悬浮性能。实验表明本平台具有开展高速车–轨–控制器耦合测试和控制算法快速设计的能力,为高速车–轨耦合振动研究、悬浮控制算法优化提供了可靠的设备基础。     

拉格朗日松弛算法在平台罗经多故障诊断技术中的应用研究

最优多故障诊断问题是一个NP-hard问题。针对平台罗经这一复杂系统，采用有向图描述元件与测试点间的因果依赖关系，并建立系统的多信号模型。在考虑元件发生故障的先验概率的前提下，提出一种基于拉格朗日算法（LRA）和子梯度优化算法（SOA）近最优多故障诊断算法，并在某型平台罗经的方位稳定系统多故障诊断中得到应用。结果表明：该方法相对于传统的单故障诊断方法诊断速度快，适用于平台罗经这类大型复杂系统的多故障诊断。     

一种角速率输入的圆锥算法设计

针对角速率输入的传统捷联惯导姿态算法在高动态环境下精度低的问题,提出一种角速率输入的在期望的圆锥运动环境下的频域最优圆锥误差补偿优化算法。在分析圆锥误差补偿通式的基础上,建立了角速率输入的圆锥误差准则,基于最小二乘原理建立了圆锥误差补偿优化目标,并推导了角速率输入的圆锥误差补偿优化系数,讨论了载体运动环境。在圆锥运动环境下,将新算法与传统的频域泰勒算法通过数字仿真进行了对比分析,结果表明,在高频圆锥运动环境下,新算法的精度明显高于频域泰勒算法。     

一种直升机机载跟瞄系统被动隔振平台设计

隔振平台连接直升机机体与光电跟瞄吊舱,对机载跟瞄系统的跟瞄精度至关重要。采用多个笼形隔振器并联,设计了一种直升机机载跟瞄系统的被动隔振平台。由欧拉变换描述隔振平台的空间姿态,基于Lagrange方法建立隔振平台的动力学模型,获得了不同激振频率下隔振平台的振动传递率。利用ANSYS动力学仿真验证了隔振平台理论模型的正确性,校核了大过载情况下隔振平台的冗余保护能力。通过实际飞行测试,检验了隔振平台的隔振效果。     

高超声速机动目标的强跟踪UKF自适应交互多模型算法

针对高超声速强机动目标的运动具有复杂性、突变性和强非线性等特点,单模型跟踪算法难以实现精确跟踪的问题,提出了一种基于多重渐消因子的强跟踪UKF自适应交互多模型算法。考虑现有强跟踪UKF算法引入单渐消因子的不足,根据正交性原理推导得到了引入多渐消因子的强跟踪UKF算法,完成了对非线性目标状态的滤波估计;在交互多模型算法的子模型中选用改进的CS-Jerk模型;对交互多模型中各子模型间的转移概率进行在线自适应调整,并与改进CS-Jerk模型结合克服了单模型算法跟踪强机动目标的不足,实现了模型与目标运动模式的实时最优匹配。仿真结果表明,与单模型算法和经典多模型算法相比,提出的算法使得不同条件下位置和速度的跟踪误差至少降低11.89%,有效提高了高超声速强机动目标跟踪精度。     

考虑里程计截断误差的SINS/OD组合导航算法

针对车载惯导/里程计组合导航系统中,里程计测量脉冲输出只为整数,存在截断误差的问题,提出了3种考虑里程计截断误差补偿的SINS/OD组合导航算法。首先,在传统的速度匹配组合导航基础上,将里程计截断误差作为系统状态变量,建立了基于速度观测的考虑截断误差的卡尔曼滤波导航算法;其次,为了降低噪声,不改变系统状态量,将捷联惯导输出转化为脉冲输出与里程计脉冲输出做差作为量测值,建立了基于脉冲观测的卡尔曼滤波导航算法;最后,针对随机常值模型估计里程计截断误差的局限性,提出基于高斯回归模型的里程计截断误差预测和对观测值进行补偿的方法,以实现组合导航解算。140多公里的车载实验结果表明,基于脉冲观测和基于高斯回归模型的算法相比传统算法在定位精度上均提升了80%以上。     

一种基于YOLO-V3算法的水下目标识别跟踪方法

为协助水下平台完成自主拍摄任务,针对水中成像模糊,物体多自由度运动的特点,提出一种基于YOLO-V3算法的目标识别模型。通过降采样重组,多级融合、优化聚类候选框、重新定义损失函数等方式优化网络结构,提高了目标识别的准确率,同时提升算法的计算速度。将具有旋转不变性的特征描述应用于跟踪水中多自由度运动的物体,通过评价结果修正跟踪状态。实验表明,该方法能够自主识别和跟踪目标,具有自适应能力,对输入像素为416*416的图片,处理速度达到15帧/秒以上,置信度为0.5时的平均准确度值达到75.1,满足实时性和准确性要求。     

基于位置约束的两轮驱动机器人路径跟踪控制方法

两轮驱动机器人的应用越来越广泛,但由于两轮驱动机器人属于欠驱动系统,输入量不能使机器人按任意轨迹运动,因此较难控制。针对两轮驱动机器人的路径跟踪控制问题,分析了两轮驱动机器人运动模型,提出了一种新的路径跟踪控制方法。通过左右轮的双闭环PID控制来约束两轮机器人的速度和位姿,同时,在期望路径附近建立矢量场,引入位置约束,促使两轮机器人在偏离期望路径时能够快速回归,完成路径跟踪任务。搭建了两轮驱动机器人硬件实验平台,实现了两轮驱动机器人的路径跟踪控制。实验结果表明,两轮驱动机器人能够准确跟踪期望路径,对于设置的一种较复杂路径跟踪实验,得出的各跟踪点的相对误差的均方差为0.86%,最大相对误差为3.64%。     

局部连续场下重力辅助导航模型构建算法

为了研究高精度的重力辅助导航模型以克服传统模型的局限,必须建立精度高且具有良好解析性质的局部重力异常场解析模型,同时考虑模型误差方程中的重力精准补偿问题。针对二维高斯样条函数逼近局部重力异常场中的局部支撑参数选择问题,通过对所涉及的系数矩阵、解误差、插值模型精度评估等问题进行分析,提出了一种新的最优局部支撑参数计算方法;基于此提出了一种高精度的基于高斯插值的重力辅助导航模型构建算法,该精准模型补偿了重力扰动矢量、标准重力值误差、厄特弗斯修正计算值对导航模型的影响。实验结果表明利用新型重力辅助导航模型构建算法,可使辅助导航系统位置精度提高1倍左右,姿态、速度精度提高1²倍,定位误差保持在1002倍,定位误差保持在100²00 m。     

考虑里程计截断误差的SINS/OD组合导航算法

针对车载惯导/里程计组合导航系统中,里程计测量脉冲输出只为整数,存在截断误差的问题,提出了3种考虑里程计截断误差补偿的SINS/OD组合导航算法。首先,在传统的速度匹配组合导航基础上,将里程计截断误差作为系统状态变量,建立了基于速度观测的考虑截断误差的卡尔曼滤波导航算法;其次,为了降低噪声,不改变系统状态量,将捷联惯导输出转化为脉冲输出与里程计脉冲输出做差作为量测值,建立了基于脉冲观测的卡尔曼滤波导航算法;最后,针对随机常值模型估计里程计截断误差的局限性,提出基于高斯回归模型的里程计截断误差预测和对观测值进行补偿的方法,以实现组合导航解算。140多公里的车载实验结果表明,基于脉冲观测和基于高斯回归模型的算法相比传统算法在定位精度上均提升了80%以上。     

智能车辆捷联视线稳定跟踪平台设计与实现

基于智能车辆环境识别传感器系统的特点,设计了隔离车体角运动,提供稳定传感器视线给智能车辆环境识别传感器系统的捷联稳定跟踪平台系统.详细分析了稳定平台系统的机械结构、伺服机构和捷联稳定算法,实时通信测试和动态性能检测试验表明,车载捷联视线稳定跟踪平台系统的设计满足智能车辆使用要求,为智能车辆的自主驾驶奠定了应用基础.     

基于射频前端的GPS软件接收机设计与验证

介绍了基于硬件射频前端的GPS软件接收机设计与验证。针对GPS串行的搜索算法速度慢的缺点，采用了高速的并行码相位搜索算法；设计和实现了码跟踪环和载波跟踪环，并用载波环路来辅助码跟踪环路；综合考虑接收机的动态性和噪声影响，采用最优化设计思想，设计了GPS软件接收机最优环路带宽。采用GPS中频信号采样器采集实际GPS数据，对搜索和跟踪算法进行了验证。测试结果证明所设计的搜索和跟踪方法是有效的，使得用户在微弱信号处理、多路径处理和发展新的算法等方面具有更大的灵活性，为实际的高性能硬件GPS接收机设计提供的重要的基础。     

基于交互多模型距离平滑的UWB/IMU因子图组合导航方法

为了解决全球导航卫星系统（GNSS）拒止条件下车辆定位困难问题,提出了一种基于交互多模型距离平滑的超宽带/惯性测量单元（UWB/IMU）因子图组合导航方法。首先,针对超宽带信号由于反射或折射导致的非视距问题,分别建立视距与非视距情况下超宽带基站与标签间距离的因子图模型,并利用交互式多模型算法进行原始距离的平滑;然后,对惯性导航系统、交互式多模型处理的超宽带距离信息等测量量进行建模,构建基于因子图的信息融合框架,并根据非线性优化理论与增量平滑算法实现变量节点的递推与更新。最后,采用因子图方法对融合数据进行处理,实现车辆多传感器高精度组合导航。实际测试结果表明,相比基于卡尔曼滤波的多传感器融合方法,所提出的基于交互多模型距离平滑的惯性/超宽带的因子图定位方法在非视距情况下位置估计精度（RMS）提高40%以上。     

基于仿射因子补偿的改进地形匹配ICCP算法

地形匹配是水下航行器组合导航系统中重要的匹配手段,针对传统地形匹配ICCP算法仅由惯导指示航迹做平移与旋转的刚性变换进行迭代匹配的局限性,提出了一种基于仿射因子补偿的改进地形匹配ICCP算法。研究了水下地形匹配的误差特性并建立误差模型,引入了由速度误差引起的仿射变换模型与仿射因子,不同于常见的最优估计等方式,推导给出了仿射因子的解析解形式。半实物仿真试验结果表明,基于仿射因子补偿的改进ICCP算法能修正水下地形匹配过程中的仿射误差,弥补传统ICCP算法的不足。在网格为10?m的高精度水深图中,传统ICCP算法的匹配结果在10个网格精度左右,而改进ICCP算法的匹配结果可达到1~2个网格精度左右,匹配精度平均提升78%以上,且相较于传统算法耗时增加不到1%,可为地形匹配导航系统提供更好的参考信息。