一种多源试验条件下惯导误差系数融合的新方法

为充分利用各种系统级试验信息提高惯导系统误差模型准确性,提出一种多源试验条件下惯导误差系数融合的新方法.根据各试验中误差系数对总误差的贡献比重来确定误差模型中可分离的误差系数.然后将各试验中分离出的误差系数分为独立系数和公共系数分别进行融合.其中,独立系数作为信任值保留,公共系数的加权融合采用以估计方差阵的迹作为代价函数的随机搜索算法来确定其融合权重.利用某型惯导系统车载、机载和火箭橇试验信息进行融合的结果表明,该方法效果较好,可行性强.     

高超声速飞行器的滑模边界层模糊自适应控制方法研究

针对高超声速飞行器飞行过程中存在的高度非线性、强耦合、参数不确定性等问题提出了一种基于滑模边界层模糊自适应的控制方法;首先将纵向模型进行精确线性化,通过引入一个滑模边界层可调参数,在边界层外施加基于正切趋近律的准滑模控制律;在边界层内,去掉准滑模控制律,采用饱和函数法设计的控制律;边界层参数用模糊逻辑系统进行在线调节,从而消除了系统处于准滑动模态时的高频抖振;仿真结果表明:该方法在保证控制系统具有良好跟踪性能的同时,具有削弱抖振的能力和强鲁棒性。     

基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法

针对1点RANSAC(Random Sample Consensus)单目视觉EKF(Extended Kalman Filter)算法中的滤波发散问题,分析了滤波发散的产生原因,提出了一种基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法。该算法通过在EKF滤波方程中引入加权因子,逐渐加大当前数据的权重,相应地减少旧数据的权重,有效地扼制了算法中的滤波发散问题。最后通过两组验证性实验验证说明了算法的有效性。实验结果表明:该算法能够有效地解决1点RANSAC单目视觉EKF算法中的滤波发散问题,具有更高的精度。第一组双轴联动实验,航向角的平均误差减小2.4158?,俯仰角平均误差减小0.1782?;第二组偏航轴大角度转动实验,摄像机航向角的估计误差一直保持在1.5?以内。