基于无模型方法的混沌系统自适应控制

传统的混沌控制方法大多需要获知混沌系统的模型知识, 但是工业实际中系统的参数经常是未知的,与此同时系统建模过程当中经常会不可避免地存在未建模的动态不确定性, 这种情况下常规的混沌控制方法不能取得优化的控制性能指标．为解决此问题, 提出了一类基于无模型方法的混沌系统自适应控制算法．该算法基于数据驱动, 无需混沌系统的先验知识, 无需训练过程, 在线调整参数较少, 是一种低成本的控制器．数学证明了该控制系统的稳定性, 仿真结果说明了这种理论的有效性． 关键词： 混沌控制 自适应 无模型 数据驱动     

星三角形识别中的选星策略及实现

构造观测星三角形时,若其中某星像不能与星表存储的导航星对应,则该三角形无法正确匹配。为避免该星像被用于构造其它星三角形影响识别速度,讨论了此时星三角形的选星策略问题。提出了一种同时考虑选星子集相似性与子集中星像亮度两个条件的选星策略,给出了基于相似性排序和权值渐消的实现算法,得到了相邻星三角形选星子集差别最大的结果子集序列。仿真比较了6个星像(内含4颗导航星)时,采用该序列选星与采用参考序列选星,完成正确星图识别所需的最大选择次数,结果表明两者最大相差6,平均相差1。设定不同星像个数和导航星个数时两序列相差结果,平均约为1。说明该子集序列对提高星图识别速度是有价值的。     

星敏感器误差模型及参数分析

为分析星敏感器内部各误差因素对其测量精度的影响,建立了星敏感器的理想模型和实际模型;基于几何成像理论,分析了焦距误差、主点偏移、光学镜头畸变、焦平面倾斜以及焦平面绕视轴方向的旋转等误差因素对星光成像矢量测量精度、视场内星间角距测量精度的影响,设计了测量精度评价指标,并通过仿真实验进行了定量分析,论证了不同参数误差、不同观星方位与测量精度的关系,焦距误差、主点偏移和镜头畸变是影响测量精度的主要因素,在使用时必须加以校正。     

贫数据多退化量产品可靠性评估

为了在退化数据比较贫乏时对产品进行可靠性评估,首先从数据扩充方面着手,用灰色理论对数据进行预处理,探求数据变化规律,在保证精度的前提下,用GM(1,1)模型进行一定长度的数据预测;其次,从产品的多个失效模式出发,考虑退化量之间的相关性,建立多退化量产品可靠性评估模型;最后,对于评估模型中的参数,采用线性回归方法进行建模,求出可靠度函数,从而评估任意时刻产品的可靠度。为了验证方法的有效性,进行了仿真分析,用未进行数据扩充的评估方法作为比较,仿真结果表明,所提方法有更高的评估精度。因此,在对贫数据产品进行可靠性评估时,该方法可行且有效。     

基于预测跟踪星表提高星敏感器实时性的方法

为提高星敏感器在星跟踪失败时向全天识别模式转换的效率,提出了一种在星跟踪的同时,并行预测跟踪导航子星表的方法,以随时做好工作模式切换的准备,提高星敏感器实时性。设计了分层存储、逐层索引结构的导航星表,实现了均匀化筛选导航星、构建导航子星表及对数据快速搜索和处理;由飞行态数据预测下一时刻星敏感态,并通过星敏感器视轴指向与子星表地址之间的索引关系,预测跟踪子星表的地址;星跟踪失败时,全天识别在4个冗余子星表中完成,简化识别过程,提高了识别效率。实验结果表明,设计的导航星表较为科学、合理,预测跟踪星表方法具有较强的鲁棒性,在高动态条件下有效提高了星敏感器模式切换的实时性。     

基于惯导姿态信息的高鲁棒性星图识别算法

为提高组合导航条件下星图识别的速度和鲁棒性,提出了基于惯导姿态信息估计星敏感器光轴指向和观测瞬时导航星表的方法,将瞬时导航星表与"金字塔"星图识别算法结合,剔除了角距满足观测星对但位置远离光轴的导航星对,减少了识别时相应观测星的导航星候选结果,提高了识别的速度和鲁棒性.对光轴指向误差为10°的情况进行了仿真,结果表明:当星位置误差小于50"时算法可以识别只包含2颗导航星的星图,当星位置误差小于250"时算法的识别率接近90%;平均识别时间约为27 ms.仿真结果说明算法在星位置误差较大时具有优势.     

适用于小视场星敏感器的导航星表构建方法

导航星表构建是星敏感器设计阶段的重要工作.对于小视场,受限于恒星分布规律,易出现导航星表空洞问题.为解决小视场条件下均匀完备导航星表构建问题,对基于球面螺旋基准点的导航星表构建方法进行了改进:摒弃了原方法通过改变球面螺旋基准点数量和位置重新构建导航星表的思路,转而通过增选部分恒星来达到减少星表空洞的目的.设立了描述恒星消除星表空洞能力的权值,并以该权值递减顺序开展恒星增选;同时,设计了增选恒星距离阈值条件以保持增选后导航星表的均匀性.仿真表明,在4圆形视场条件下,相对于原方法,文中方法得到的导航星表,总星数减少708颗,均匀性指标提高约44%,而星表空洞变化较小,显示了较好的性能.     

均匀快速的导航星选取方法

为解决导航星表分布的均匀性、构建的快速性问题,提出了一种基于极坐标细分法(PCSM)及距离-星等加权法相结合的导航星选取方法。通过在近似均匀分布的球面基准点的邻域附近选取导航星,用来保证所选导航星分布均匀性,并解决坐标极值越界问题;为了提高搜星过程整体速度,引入了k-vector 快速搜索方法搜索基准点邻域内候选星;最后,综合考虑导航星的均匀性与亮度指标,设计了距离-星等加权方法筛选导航星。仿真结果表明:该方法简单、易行、适用性强,选取的导航星分布均匀性好。     

基于GA-LM融合的星敏感器参数标定算法

针对传统标定算法精度存在受到初始值影响较大的问题,提出一种基于GA-LM融合的参数标定算法。首先分析了星敏感器系统误差对星点坐标位置的影响,确定各标定参数。接着充分利用了GA算法的全局搜索以及LM算法的局部寻优能力,提出一种融合算法解决了最小二乘算法依赖初值、易陷入局部收敛以及GA算法标定效率低、标定结果差的问题,通过半实物仿真系统实验表明,相比于优化前精度提高了88.099%,相比于传统最小二乘法的精度提高了68.015%,体现出了融合算法较大的优越性。