两相和三相反电势控制的永磁无刷电机

反电势控制的永磁无刷电机有两相和三相之分,虽然控制方法相同,但提取反电势过零信号--转子位置信号的机理和方法有较大差别:两相电机提取的是真实的反电势过零信息;三相电机中所取得的反电势过零信息则是以三相绕组"人工"中点为基础的,而这个人工中点又是按理想电机的电压方程式推导出来的,所以这样的"过零点"与实际的三相绕组反电势过零点有差别.在说明了两种电机的基本工作原理之后,分析了两者的差别和这些差别对电机稳速精度的重大影响.最后提出两相和三相反电势控制的永磁无刷电机各自适于不同的使用范围,特别说明在精密陀螺仪中应该选用两相反电势控制的永磁无刷电机.     

多传感器多尺度融合估计在组合导航系统中的应用

基于某一给定尺度上的动态系统和不同尺度上的观测系统建立了多传感器的多尺度融合估计模型及算法，并将此算法应用于GPS／INS组合导航系统中，获得了比仅在单一尺度上进行估计更好的结果，有效地提高了组合导航系统的精度。     

船用惯性系统试验安装标校与变形测量

船用惯性系统试验安装标校和变形测量是提高测量精度,保证试验质量的关键技术,因此在对设备的安装误差和船体变形造成的测量误差进行分析的基础上,重点阐述惯性系统试验零位对准和变形测量的相关理论和工程技术。     

基于联合基座的天文/惯性组合测量系统的静态标校方法

从联合基座出发,设计了方位基准传递系统,对天文/惯性组合测量系统进行方位标校。舰船在码头系泊状态下,在甲板坐标系内,通过简单的光学方法达到满意的标校精度。在方位基准传递系统中,通过电子经纬仪将舰船的方位基准(首尾线)传递给惯性平台,再经过光电准直仪,将方位基准传递给方位光学工装,最后经过光电准直仪将方位基准传递给天文经纬仪,完成了通过惯导平台的方位镜与方位光学工装实现了不同层甲板的方位标校。实际标校和对标校误差分析计算结果表明:总的标校精度约为5.66″,优于10″的精度要求,提高了系统安装精度。     

星光折射辅助惯性/天文紧组合高精度导航方法

为了解决传统惯性/天文(SINS/CNS)组合导航无法在线精确估计加速度计零偏而导致SINS导航误差发散的难题,提出了一种动力学模型约束改进的捷联惯性星光折射组合导航方法。直接利用星敏感器观测的原始恒星像点坐标信息与约束改进的SINS导航动力学方程构建SINS/CNS紧组合模型,通过推导加速度计虚拟观测方程和适用于空天跨域飞行器导航的星光折射测量方程,采用扩展卡尔曼滤波方法,实现了对加速度计零偏和陀螺零偏在线估计。典型弹道仿真结果表明,在不增添额外传感器的条件下,相对于传统的基于姿态测量SINS/CNS组合,所提方法导航定位、定速和定姿精度分别提升了97.84%、98.61%和78.70%;相对于传统的基于星光折射SINS/CNS组合,定位、定速和定姿精度分别提升了28.09%、67.72%和79.10%。所提方法有效克服了传统方法精度恶化问题,显著提升了传统SINS/CNS组合导航精度。     

一种新的捷联惯导系统初始对准方法

提出了—种基于多天线GPS载波相位测量的捷联惯导系统静基座初始对准方法。给出了观测方程的详细推导过程，该观测方程中三个失准角均直接可观。最后给出了卡尔曼滤波仿真结果。结果表明，该方法极大地改善了捷联惯导系统静基座初始对准中方位失准角的估计收敛速度和精度。     

系统级双轴旋转调制捷联惯导误差分析及标校

旋转调制技术可以调制惯性器件常值误差,有效提高惯导系统的长航时导航精度。出于一种旋转调制式捷联惯导系统的研制需求,从旋转调制式捷联惯导的基本原理出发,提出了一种系统级双轴旋转调制式捷联惯导工程实现方案,并对其系统误差特性进行了深入的分析及仿真,找出了影响系统长航时导航精度的误差源。基于此。为了能仅利用系统自身旋转机构就可对主要误差源进行估计补偿,提出了一种系统级自标校方案。通过计算机仿真表明:此方案可以对影响系统长航时精度的主要误差项进行精确估计,是一种有效可行的系统级标校方案。     

异质传感器数据的最优线性融合

研究了异质传感器对参数矢量进行的测量，测量数据基于线性均方估计的最优融合算法。提出和证明了异质传感器数据的最优线性融合定理，并得出“精度再差的传感器参与数据融合后都有利于提高系统的测量精度”这一结论。     

无源北斗导航定位系统初始校频的一种新方法

根据小波分析理论，针对无源北斗导航定位系统初始校频问题，提出了一种基于小波分析的信号特征提取算法。仿真结果表明该方法比较简单而切实可行，能够有效地对信号进行趋势估计，从而精确算得频标准确度。     

基于滑移界面耦合技术的旋转电机磁场仿真方法

提出了一种基于滑移界面耦合技术的旋转电机磁场仿真方法。首先,对旋转电机问题建立等效弱形式,用Lagrange乘子法施加Coulomb规范条件和滑移界面处的磁矢势连续性条件;然后,采用混合单元方法离散整个求解域中的未知量,采用棱边单元法离散滑移界面处的Lagrange矢量乘子,并采用多点约束法耦合滑移界面处的Lagrange标量乘子自由度,该方法无须在旋转电机模型的非匹配网格中构建生成树,即可自动保证磁矢势解的唯一性;最后,采用旋转线圈案例和简化的永磁同步电机案例验证了本文方法的有效性。     

高精度舰艇航向姿态信息标校方法和测量模型研究

提出了一种基于全站仪(TPS)的高精度航向与姿态信息的标校方法和测量模型。通过对模型误差传递的理论分析,证明该模型的精度足以满足对INS等高精度导航设备动态标校的要求。试验结果验证了这一结论。     

基于MEMS姿态传感器的声矢量传感器设计

针对声矢量传感器姿态变化难以准确测量导致目标测向精度低的现状,设计一种微型MEMS姿态传感器,并将其封装在声矢量传感器内部,实现基于MEMS姿态传感器的声矢量传感器设计。首先根据声矢量传感器姿态测量与校正原理,采用四元数姿态解算方法及扩展卡尔曼滤波器设计MEMS姿态传感器,并对其进行姿态精度测试;然后基于MEMS姿态传感器进行声矢量传感器样机设计、制作、参数测试;最后对样机进行了海上实验,结果表明,通过姿态校正后声矢量传感器目标方位估计精度与GPS推算方位精度一致,验证了利用MEMS姿态传感器设计声矢量传感器的可行性。     

基于状态参数可观测度分析的舰机传递对准自适应滤波方法

针对舰机惯导传递对准过程中舰船机动受限、系统可观测性差等特点,提出了基于状态参数可观测度分析的自适应滤波方法。通过系统状态参数可观测性分析,量化各状态分量可观测程度,进而根据可观测度大小分组构造自适应调节因子,并采用滤波增益衰减法对观测度低的分量通道进行有效处理,以此来提高传递对准滤波算法的适应性和滤波估计精度。舰船模拟轨迹下仿真结果表明,基于状态参数可观测度分析的自适应滤波方法和常规方法相比,具有较高的精度和较快的收敛速度,对准精度由3?提高到2?,滤波估计收敛时间由15 min缩短至8 min。     

线特征优化配置在室内RGB-D SLAM系统中的应用

运动估计是视觉同时定位与建图（SLAM）研究中的核心问题。从几何-物体特征基元的提取、匹配（关联）和参数化研究入手,结合因子图优化,构建室内RGB-DSLAM系统框架。将“线特征优化配置”策略引入至点-线-平面多观测约束的位姿估计,通过ICL-NUIM和TUM基准数据集实验,确定最优的线特征提取数量,提升系统在弱纹理区域的定位鲁棒性,并增强结果的可解释性。与ORB-SLAM2、PL-SLAM及SP-SLAM的对比实验表明：所开发的系统取得了最优的全局定位性能,相较SP-SLAM在ICL-NUIM数据集8个子序列、TUM数据集4个子序列上的平均轨迹估计精度分别提升了4.33%和21.40%。     

基于卡尔曼滤波的信息融合算法优化研究

通过比较采用联邦卡尔曼滤波的状态向量融合和量测信息融合,得出量测信息融合优于状态向量融合,因为只有当卡尔曼滤波一致时状态向量融合才有效.采用基于最小均方差估计的观测值加权融合法融合了多传感器数据,保持了观测向量的维数.这种方法具有高效性.为了提高该算法的速度和精度,对系统的量测空间进行了等价变换,而等价系统的状态空间却没有改变.给出了等价变换前后的系统误差方差阵和状态估计均一致性的证明.把矩阵分析中的L-D分解算法运用到该算法中以避免计算矩阵的逆,从而改善了算法的稳定性和精度.举例验证了所设计算法的这些优点,给出了采用联邦卡尔曼滤波和所优化滤波算法的状态估计和误差的仿真结果,并依次进行了分析.经过这种优化,算法的精度和速度得到很大提高,已经应用到实际工程中.     

空中平台航姿参考系统的设计

利用观测矢量确定载体姿态的原理,依据空中平台的动态要求,确定了航姿参考系统的构成。通过建立姿态误差四元数微分方程,对卡尔曼滤波器在线估计组合航姿系统姿态误差进行了设计,并将建立的传感器测量误差模型加入到滤波模型中。仿真表明,这样组成的航姿参考系统,在传感器测量精度有限的情况下,能在摇摆基座上达到水平姿态精度0.2°,航向精度0.5°。     

基于自适应因子图优化的导航系统信息融合方法

针对传统因子图优化方法（FGO）中量测协方差矩阵不准确带来状态估计精度下降问题，提出了一种基于滑动窗的自适应因子图优化方法（SWAFGO），将滑动窗技术应用到量测协方差矩阵的估计，利用滑动窗内的残差序列估计协方差矩阵。与传统的使用单点残差的自适应因子图方法（SRAFGO）相比，所提出方法不需要误差模型的先验知识，而且充分利用了历史残差数据，因此性能上有较大的提升。仿真实验和KITTI数据实验结果表明，在无先验知识条件下，所提出方法能够较准确地估计出量测协方差矩阵，且相较于SRAFGO方法位置估计精度提升12%。     

基于微小型传感器的惯性/卫星/天文组合导航方法

为了实现基于微小型传感器的高精度导航,针对微小型导航传感器精度相对较低、误差相对较大的特点,对微小型惯性测量单元(MIMU)、微GPS卫星接收机、微小型星敏感器的测量误差进行了建模与分析;对多传感器的导航信息进行分散化处理,采用卡尔曼滤波进行局部估计;提出了基于部分信息融合的联邦滤波算法进行全局融合;并给出了利用全局融合结果对MIMU导航误差进行输出校正的算法.仿真结果表明,该组合导航方法能够利用微小型传感器实现较高精度的导航定位.     

双通道多极旋转变压器误差补偿

双通道旋转变压器的精度直接影响到平台的性能和导航系统的精度。从理论上分析了双通道旋转变压器误差的产生原因,表现为零位误差、幅值误差等。提出了一种新的误差补偿方法,该方法通过将在精密转台上测得的数据进行傅立叶分析,利用快速傅立叶分析得到误差数据所包含的基波与各次谐波,以此建立误差数学模型。通过MATLAB求解出数学模型的系数,再将模型写入单片机中实现实时误差补偿。在实验中,经过建模补偿,试验样机角度误差从最大90多角秒补偿到±5″,重复性好。该补偿方法可有效提高传感器的精度。     

基于灰色模型和改进粒子滤波的无人机视觉/INS导航算法

为了提高无人机视觉/INS组合导航系统的位姿估计精度,提出了一种基于灰色模型和改进粒子滤波的无人机视觉/INS导航算法。首先,针对视觉传感器数据易受外界因素干扰的问题,利用灰色预测理论建立基于视觉的位姿解算数据灰色模型,减小视觉解算数据误差对导航精度的不利影响;然后,引入萤火虫算法改进粒子滤波的重采样过程,并采用改进后的粒子滤波算法实现并提升视觉/INS组合导航系统的位姿解算精度。最后,自主搭建了四旋翼无人机实验平台。实验结果表明,采用扩展KF滤波的无人机组合导航算法将位姿估计的误差控制在3.2 cm内,所设计算法可以将误差控制在2.3 cm内,无人机位姿估计精度水平提高了39%。