THE MODIFIED TRIPLES ALGORITHM FOR FLUSH AIR DATA SENSING SYSTEM APPLIED TO THE VEHICLE WITH BLUNT FORE-BODIES1)

针对传统的用于钝头体飞行器的嵌入式大气数据传感系统的经典三点式算法对测压孔配置约束性严格的特点,对经典三点式算法进行了改进及验证。首先,对于经典三点式算法及改进算法进行了论述;其次,针对不同测压孔配置对算法精度的影响进行了系统的评估;最后,对于传统的经典三点式算法与改进三点式算法的优劣进行了比较。结论为：(1)改进的三点式算法对于测压孔的配置敏感性变差,即对测压孔约束很宽松,可用测压孔数增加,从而使得算法的适用性更强;(2)改进的三点式算法的精度与三点式算法相当,但是需要对测压孔进行系统选取及对比验证。     

钝头机体用嵌入式大气数据传感系统的解算精度研究1）

针对一种钝头机体用嵌入式大气数据传感(flush air data sensing,FADS) 系统的实施方案及求解精度展开研究. 基于15° 钝头体外形,在马赫数Ma = 2.04, 3.02, 5.01,攻角α 介于-5°和25°之间,不考虑侧滑角的情况下,采用势流理论及修正的牛顿流理论建立了该FADS 系统的气动模型. 首先利用经典的三点式算法建立了攻角的求解方案,并采用最小二乘曲线拟合的方法对误差进行了修正;随后建立相应的迭代衰减算法解算静压及动压,最后根据压力比与马赫数的关系求解马赫数. 对解算的数据与实际飞行参数进行了比较,结果表明,建立的钝头机体用FADS 系统的模型及算法精度较好,攻角绝对误差小于0.1°,静压相对误差小于5%,马赫数绝对误差小于0.01.     

基于陀螺仪输出误差观测的冗余INS标定方法

冗余惯导系统陀螺仪由于确定性误差及随机误差的干扰,影响系统精度,且冗余惯导系统陀螺仪的标定过程中存在部分误差不可观测的问题。针对冗余惯导系统,设计了一种基于陀螺仪输出误差观测的标定方法。采用改进的经验模态分解算法对陀螺仪信号进行降噪处理,降低随机误差的干扰。改进冗余配置下的量测方程,以冗余陀螺仪输出误差为观测量,对陀螺仪的常值误差、标度因数及安装误差进行标定。基于四面体配置的MEMS静基座导航试验结果表明,所提出的方法与传统的零空间扩增标定方法相比,系统1 min时定位精度由70.32 m提升至24.27 m,航向角误差由22.49′提升至6.39′,验证了所提出的标定方法的有效性。     

一种基于二次优化的改进圆锥算法

提出了一种改进的圆锥优化算法,对传统圆锥优化算法的周期项进行了二次优化.首先,根据经典圆锥运动建立了二次优化的误差准则;其次,给出了推导二次优化补偿系数以及相应的残留误差的一般方法;最后,在不同的经典圆锥运动环境下对三例改进算法的姿态解算误差进行了仿真验证.结果表明,通过改进的四子样和五子样算法得到姿态解算精度与通过旋转矢量变化量的理想值得到的结果几乎完全一致.此外,由于比改进的五子样算法少一次叉乘和两次加法运算,而且仿真速度大约快14％,所以改进的四子样算法更值得推荐采用.     

钝头机体用嵌入式大气数据传感系统的解算精度研究

针对一种钝头机体用嵌入式大气数据传感(flush air data sensing,FADS)系统的实施方案及求解精度展开研究.基于15°钝头体外形,在马赫数Ma=2.04,3.02,5.01,攻角α介于-5°和25°之间,不考虑侧滑角的情况下,采用势流理论及修正的牛顿流理论建立了该FADS系统的气动模型.首先利用经典的三点式算法建立了攻角的求解方案,并采用最小二乘曲线拟合的方法对误差进行了修正;随后建立相应的迭代衰减算法解算静压及动压,最后根据压力比与马赫数的关系求解马赫数.对解算的数据与实际飞行参数进行了比较,结果表明,建立的钝头机体用FADS系统的模型及算法精度较好,攻角绝对误差小于0.1°,静压相对误差小于5%,马赫数绝对误差小于0.01.     

UKF在惯导平台误差系数辨识离心机测试中的应用

针对惯导平台误差系数辨识的离心机测试,利用直接法建立了误差系数辨识的非线性模型,并结合实际系统模型的特点对标准UKF算法进行了简化和改进.改进后的UKF结构简单,与标准UKF具有同样的滤波精度,并且减小了计算量,提高了计算效率.然后利用扩展Kalman滤波(EKF)算法和改进的UKF算法对惯导平台误差系数辨识离心机测试进行仿真.结果表明,与EKF算法相比,改进的UKF算法能提高惯导平台误差系数的辨识精度,并且更容易实现.     

一种基于遗传模糊推理的自适应容错滤波算法

针对常规卡尔曼滤波在组合导航中容错性不足的问题,提出了一种基于遗传模糊推理的自适应容错滤波算法。首先建立了基于模糊推理的自适应滤波模型,利用模糊推理系统的输出对组合导航系统的量测噪声实时进行调整,以实现状态的精确估计,进而达到容错目的。接着利用自适应遗传算法对模糊推理系统的隶属度函数参数进行了优化,提高了系统的输出精度,改进了传统模糊建模中系统精度取决于专家知识是否完备的问题。最后以SINS/GPS组合导航系统为平台进行了仿真,并在系统工作中间时刻引入量测噪声故障。验证结果表明遗传模糊推理自适应滤波算法比常规卡尔曼滤波具有更强的容错能力和总体精度,在仿真中,平均位置和速度均方根误差分别降低了20.87%和41.94%。     

具有乘性噪声和随机量测时滞的目标跟踪算法

针对在机动目标跟踪过程中产生的乘性量测噪声与随机量测时滞问题,提出了一种改进的高斯滤波(GF)算法,并给出了该算法的一种具体实现形式——随机时滞和乘性噪声容积卡尔曼滤波器(CKF-RDMN)。首先,利用一组满足伯努利分布的随机序列描述随机出现的量测时滞现象。其次,利用乘性噪声满足高斯条件分布的特性,改进量测更新过程。最后依据三阶球径容积法则,对高斯积分进行求解。由于该算法是对经典GF算法的改进,因此,也可作为通用的滤波框架解决上述问题。通过与推广无迹卡尔曼滤波和推广扩展卡尔曼滤波对比,仿真结果表明,CKF-RDMN在解决乘性量测噪声与随机量测时滞问题时,具有更高的估计精度。     

利用人工鱼群算法对光纤陀螺随机漂移建模

利用历史数据,对光纤陀螺随机漂移进行准确建模,对提高光纤捷联惯导系统的精度具有十分重要的意义。文中详细介绍了人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)和改进人工鱼群算法(Improved Artificial Fish Swarm Algorithm,IAFSA),给出了AFSA对随机信号建模的详细步骤和方法,分别应用传统的时间序列分析方法、人工鱼群算法、改进人工鱼群算法对光纤陀螺的随机漂移进行了建模。建模结果表明,AFSA对光纤陀螺随机漂移建模准确,比传统时间序列分析建模精度提高1.5%,IAFSA建模精度比AFSA建模精度更高,其收敛速度也更快。无论是从建模复杂度上,还是在建模精度上,AFSA和IAFSA均优于传统的时间序列分析方法,IAFSA是一种收敛速度更快、建模精度更高的光纤陀螺随机信号建模方法。     

基于牛顿-拉夫逊的拉压不同模量问题的数值求解

针对拉压模量不同引起的材料本构非线性,首先,通过引入改进的Heaviside函数将本构方程连续光滑化;然后,基于特征值与特征向量的求导策略,推导有限元求解模型中切线刚度矩阵的列式;最终,提出基于牛顿-拉夫逊迭代格式的拉压不同模量问题的数值求解算法。数值算例验证了本文算法比传统算法具有更稳定的收敛性和更高的求解精度,特别适合于工程分析中大规模计算问题的求解。     

基于牛顿-拉夫逊的拉压不同模量问题的数值求解

针对拉压模量不同引起的材料本构非线性,首先,通过引入改进的Heaviside函数将本构方程连续光滑化;然后,基于特征值与特征向量的求导策略,推导有限元求解模型中切线刚度矩阵的列式;最终,提出基于牛顿-拉夫逊迭代格式的拉压不同模量问题的数值求解算法。数值算例验证了本文算法比传统算法具有更稳定的收敛性和更高的求解精度,特别适合于工程分析中大规模计算问题的求解。     

基于强跟踪滤波的旋转捷联惯导初始对准方法

旋转捷联惯性导航系统在传统系统结构上进行了改进,陀螺和加速度计安装于转动基座上,通过捷联算法中的积分运算消除陀螺仪和加速度计中的非随机性误差。针对该导航系统的结构特点,研究了一种基于强跟踪滤波算法的快速估计平台误差角的初始对准方法,推导了系统的误差数学模型,论述了强跟踪滤波基本方法及初始对准状态方程与观测方程,进行了数字仿真验证。基于某型光纤陀螺和MEMS加速度计,通过在高精度转台上的旋转实验进一步进行了基于实际系统的算法性能验证。结果表明,对于中低精度的光纤陀螺旋转捷联惯性导航系统,所提出的对准方法具有较高的对准性能,具有工程应用价值。     

改进的PSO与ACO混合搜索GNSS整周模糊度算法

针对蚁群传统算法在计算GNSS整周模糊度过程中由于缺少初始信息素而产生搜索效率低下问题,提出改进的粒子群(PSO)与蚁群(ACO)混合搜索GNSS整周模糊度算法。在搜索初期,由于改进粒子群算法具备收敛速度快的优势,进行粗搜索获取次优解,并以此来初始化改进蚁群算法的信息素分布,最后完成整周模糊度的细搜索。基于经典算例和实测GPS/BDS数据进行了仿真对比实验,结果表明,改进的混合算法比单算法可以更快地收敛于最优解,搜索效率要明显优于LAMBDA算法,且解算的基线精度可以控制在3 mm以内(RMS),有效性和可靠性得到了较好的验证。     

基于DIC方法的残余应力快速测量系统

结合数字图像相关(Digital Image Correlation,DIC)方法与钻孔法,开发了残余应力快速测量系统。该系统可分为两部分:适用于现场测量的便携式机械系统与针对残余应力测量而改进的基于DIC算法的程序。在四点弯曲加载平台上对工件进行载荷释放前后的残余应力测量试验,通过与应变片测量结果进行对比,该残余应力测量系统的精度达到了应变片测量的同等精度。同时,该测量系统解决了传统应变片测量系统对心误差大、操作繁琐、效率低和测量结果稳定性差等问题,具有较高的工程应用价值。     

基于改进蛙跳算法的结构可靠指标计算

为了克服传统的结构可靠指标求解方法存在的模型描述和计算缺陷,引入改进混合蛙跳算法用于求解可靠指标。针对标准蛙跳算法求解组合优化问题时后期收敛速度慢、容易陷入局部最优的缺点,新算法引入蚁群算法的信息素调整策略,对蛙跳算法后期局部搜索进行改进,扩大算法后期搜索范围,使蛙跳算法跳出局部最优。最后,将改进后的算法应用到结构可靠指标的求解过程,算例验证了改进算法的有效性。     

基于改进TERCOM的地形辅助导航算法

自主水下航行器长时间航行后惯性导航系统的位置误差会随时间不断增加，地形辅助导航可帮助惯性导航系统进行误差校正。为解决地形轮廓匹配（TERCOM）算法对航向误差较敏感问题，提高地形辅助导航的匹配精度，提出了一种基于改进TERCOM的地形辅助导航算法。在TERCOM算法基础上增加旋转角度机制，首先根据INS航迹进行旋转平移并采用TERCOM算法进行粗匹配，然后引入改进粒子群算法进行精匹配。在某海图内进行水下地形匹配仿真实验，结果表明：与传统TERCOM算法相比，所提算法可降低航向误差84%，匹配精度可提高4倍多，对实现自主水下航行器的自主无源导航有重要意义。     

联合Huber核函数与可切换约束算法改进的视觉惯性SLAM方法

针对目前VINS-Fusion双目视觉及惯性同步定位与建图（SLAM）在后端优化时存在误匹配而导致系统定位精度低、鲁棒性差的问题,提出了一种联合Huber核函数与可切换约束算法改进的双目视觉及惯性SLAM方法。在VINS-Fusion双目视觉与惯性SLAM框架的基础上,利用Huber核函数的权值重新构建并求解状态优化中IMU残差的代价函数,降低优化中过大的误差项;同时使用可切换约束算法控制环路闭合因子实现动态协方差矩阵的缩放,剔除闭环检测的异常值实现准确的后端收敛。利用不同场景的公开数据集EuRoc中进行了对比验证实验,结果表明联合改进方法的和方差降低了2.416 m,系统精度和鲁棒性都有所提高;同时在实际场景中的实验也验证了改进方法的可行性。     

一种改进的姿态匹配船体变形测量方法

针对船体变形测量系统中模型不确定以及未知噪声影响导致的误差问题,分析并推导了模型偏差对滤波估计的影响,提出一种基于姿态匹配的强跟踪最大互相关熵卡尔曼滤波(STMCKF)算法,用于船体变形估计。该算法采用姿态匹配,基于两套惯性系统的姿态信息确立滤波观测量并建立线性量测方程,通过自适应在线调整多个渐消因子对多个数据通道进行渐消,减小模型失配导致的误差,并设计基于最大互相关熵准则为最优准则的滤波算法,减小量测过程中受到的非高斯噪声产生的误差。最后,在模型不匹配及噪声不确定的条件下进行了仿真验证。仿真结果表明,与传统卡尔曼滤波相比,变形估计精度提高10%～30%,提高了系统鲁棒性和环境适应性。     

高精度捷联姿态算法设计

捷联惯性导航系统一般采用圆锥补偿算法来消除圆锥误差的影响,从而提高姿态计算的精度.圆锥补偿算法大致有两种设计思想:首先是基于误差最小化原理,利用Borze旋转矢量进行设计;其次是基于二重积分,利用Goodman-Robinson有限转动定理进行设计.根据这两种设计思想,对二子样优化算法和二子样修正算法进行了详细地推导,然后综合这两种算法的优点形成了一种高精度的捷联姿态算法,并进行了仿真验证.仿真结果表明,改进后的捷联姿态算法在不增加子样数的同时,对圆锥误差的补偿精度大大高于二子样优化算法和二子样修正算法.     

基于组合FFT的多核北斗软件接收机并行捕获算法

目前数字信号处理器已经由单核系统发展为多核并行系统,可通过并行执行任务加快信号处理速度。北斗C_(B2I)码是GPS C/A码码长的两倍,若使用传统捕获算法将会延长信号捕获时间。基于此问题,提出了一种基于组合FFT的并行捕获算法。该算法将信号奇偶点分开进行并行处理,可将单次FFT变换点数减半,并通过高效利用多核资源加快信号捕获速度。为了验证算法性能,对比了传统算法和改进后算法的PTP值。仿真结果表明,两算法PTP均值分别为2.961和2.938,改进后算法未降低捕获精度。最后,以多核嵌入式平台为基础分析了两算法的单核运算量,结果表明:当待处理的信号点数由1000增加到256 000时,改进后算法单核乘法运算量减少比例由33%增加到了40%,而加法计算量始终减少50%,改进后算法可达到快速捕获的效果。