基于PLS成分的变量筛选法

就多元线性回归模型，提出一种基于PLS成分的变量筛选法。其基本思想是利用偏最小二乘回归原理，提取系统的两个主要成分，然后根据变量入选原则，保留对因变量影响较大的变量；再利用PLS成分筛选剩下的变量，经有限次筛选，即可得到最佳变量子集。应用算例证实了这一方法的有效性和可行性。     

高动态航天器复合定位异常处理方法

针对航天飞行器在高动态状态下的定位问题,提出了基于信息融合的惯性／卫星定位组合方案,建立了惯性／卫星定位信息融合模型,在对高动态定位异常分析的基础上,研究了高动态定位异常的判断和处理方法,通过数值仿真进行故障模拟及处理,结果表明该方法能较好地修正卫星定位异常对复合定位的影响,一定程度上提高了高动态复合定位的工作可靠性。     

自适应UKF算法在GNSS/INS深组合系统中的应用

针对强非线性和时变噪声统计特性不明的高动态运动环境下全球卫星导航系统/惯导系统(GNSS/INS)深组合导航系统滤波精确度较差甚至发散的问题,提出一种自适应混合无迹卡尔曼滤波(UKF)算法。该算法以UKF算法为基础,采用混合滤波思想对UKF滤波算法进行简化;并根据高动态下系统量测噪声时变,且易快变、突变的特点,设计了一种基于渐消记忆指数加权的自适应量测噪声估计器,实时估计和修正噪声统计量并自适应调节估计周期。仿真结果表明,在量测噪声变化的情况下,相比于常规UKF算法,本文算法各向定位测速精确度均有所提升,水平方向精确度提升60%以上,效果明显;此外,算法耗时减少18.64%,说明本文算法能够在提升滤波精确度的同时减少部分计算量。     

基于BP神经网络的多模型估计融合算法

工程领域里的一类目标参数估计常常存在多个估计模型。本文提出一种BP神经网络数据融合算法,对两个模型给出的四个估计结果有效融合,力图给出一个可靠性和精度更高的融合结果.将融合结果与原模型估计结果比对分析发现,融合算法可以有效降低失效率,在一定程度上提高精度。     

一种新的气动参数计算方法

理论上已证明模糊神经网络可以充当万通逼近器,能以任意精度逼近任何非线性函数。鉴于气动参数通常是攻角α、侧滑角β、马赫数M、高度H等的非线性函数,用模糊神经网络对气动参数进行高精度拟合。在飞行器轨迹计算中用拟合得到的计算公式计算气动参数,可节省计算机时和存贮单元,提高计算精度,仿真实验也表明了这一方法的有效性和可行性。     

容错式闭环反馈惯性／卫星组合系统设计

为了实现高动态载体运动参数的实时测量,设计容错式闭环反馈惯性/卫星组合系统,给出了容错式闭环反馈组合系统的结构和组合算法的实现时序。对抗干扰能力较强的H∞滤波算法在惯性/卫星组合系统滤波估计中的应用进行了研究,设计了相应的算法。仿真结果表明了所设计的组合结构及其算法能有效地改善载体位置和速度的测量精度,提高测量系统的可靠性,给后期的工程实现提供了有效的算法和依据。