简介:针对无阻尼惯导系统的误差特点,设计了适合航空应用的惯性(INS)/天文(CNS)/Doppler组合导航系统,建立了该组合导航系统卡尔曼滤波模型.仿真试验表明,该组合导航系统能为飞行体提供精确的导航信息.
简介:为了提高水下航行器组合导航系统精度和可靠性,针对水下航行器组合导航系统量测噪声统计特性随实际工作环境的不同而变化的特点,提出了基于模糊自适应联邦卡尔曼滤波的水下组合导航算法。通过监测理论残差与实际残差的协方差的一致程度,应用模糊系统不断调整滤波器的增益系数,对子滤波器进行在线自适应调整,从而实现导航状态的最优估计滤波。通过对联邦滤波器信息分配系数模糊自适应调整,减少了滤波计算量,提高了滤波实时性。软件仿真实验结果表明:模糊自适应滤波可以有效地提高水下航行器组合导航系统的精度和可靠性,提高导航滤波实时性,克服传统的滤波算法的缺点与不足。
简介:对于具有一定机动能力的弹道式再入目标跟踪问题,稳定性好、鲁棒性强、收敛精度高的估计方法是保证跟踪精度的关键。针对再入运动模型和测量体制的强非线性以及目标机动引起的滤波精度下降问题,提出一种将强跟踪滤波(STF)和基于三阶球面-向径容积规则的容积卡尔曼滤波(CKF)相结合的强跟踪-容积卡尔曼滤波(STCKF)。通过将强跟踪算法中的自适应渐消因子引入到滤波时间更新和测量更新方程中,在线实时调整滤波增益矩阵,能有效避免模型失准造成的滤波性能下降,使该算法兼具CKF滤波精度高和STF鲁棒性强的优点。通过数学仿真表明,改进后的STCKF可以实现对具有机动的弹道式再入目标的高精度跟踪,相对于CKF精度提高50%,并且具有更强的鲁棒性和自适应能力。
简介:针对系统误差的不确定性可能会引起滤波精度降低或发散的问题,提出一种新的基于模型预测滤波的前向神经网络算法。首先,采用模型预测滤波估计网络在正向传递过程中的模型误差,并对其进行修正,以弥补模型误差对隐含层权值更新的影响;然后,利用模型预测滤波为神经网络提供精确的训练样本,学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统,并与扩展卡尔曼滤波进行比较,仿真结果表明,提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05m/s,+0.05m/s]和[-5m,+5m]以内,滤波性能明显优于扩展卡尔曼滤波算法,表明该算法能提高组合导航定位的解算精度。
简介:采用实时小波滤波技术构建硅微陀螺仪数字化平台,对快速的MaIfat算法选用何种小波基,是否采用软硬阈值处理以及选用何种尺度和采样点数进行深入分析。考虑到滤波效果即陀螺仪输出信号滤波前后A1lan方差改进情况和硬件处理的实时性,通过比较最终选择3尺度16点软闽值db2小波Mallat快速算法。仿真计算和实验结果表明该滤波方法对改善微机械陀螺仪的零偏稳定性有一定的实用价值。
简介:基于Krein空间的鲁棒Kalman滤波器与通过其它方法建立的鲁棒Kalman滤波器相比有较高稳态精度。文中将基于Krein空间的鲁棒Kalman滤波方法用于导弹捷联惯导系统动基座传递对准,并与标准Kalman滤波进行了比较。仿真结果表明,在垂直比力参数存在摄动的情况下,如果基于Krein空间的鲁棒Kalman滤波器的参数选取适当,它的精度鲁棒性优于标准Kalman滤波。
简介:文章基于等离子体的Joule加热、静电力、Hall效应以及Lorentz加速度等固有特性,对等离子体在航空航天领域(不包括电推进和飞行器再入热防护方面)中的应用进行总结及评估.等离子体激励器在亚声速流到高超声速流的整个空气动力学领域及稀薄流领域,得到了广泛的应用.真正引人瞩目的是,与所控制的流场相比,应用中所加入的电磁力或能量仅仅与其扰动水平相当.因此,有效的流动控制往往就限制在像流动分离、流体动力学不稳定性、动态失速和涡破碎等动力学分岔问题中.有效的控制应用通常是利用有黏-无黏流相互作用的放大效应、外部磁场或微波能量的加入等来增强其控制效果.最后文章根据这些评估,对未来学科前沿提出了几点基础创新研究方向的建议.
简介:针对液压仿真转台伺服系统的非线性特点,提出了一种模糊控制与局部积分控制相结合的复合控制方式.当系统的偏差较大时主要采用模糊控制器对系统的偏差进行快速调节以加快系统的响应过程;当系统的偏差小于某一值时,加入积分控制以保证系统的精度.为了提高模糊控制器的性能,采用了规则可调整的模糊控制器.实验结果表明:该方法能有效地克服液压伺服系统的非线性和参数的不稳定性以及外部干扰对系统的影响,具有较高的控制精度和鲁棒性能,完全适合于液压仿真转台伺服系统的控制.
简介:针对SAR图像匹配及定位需要耗用不等的计算时间而造成的量测不等间隔输出和量测信息滞后问题,提出一种新的SAR时延补偿算法。该算法在标准卡尔曼滤波(KF)基础上,当SAR有量测信息生成时,根据多模型方法进行量测预测,利用预测值修正SINS状态;而SAR无量测信息输出时,通过插值方法生成量测信息来改善系统滤波精度。仿真结果表明,采用基于多模型量测预测的KF算法可以将位置误差由45m减小到10m以内,航向角稳态误差值小于5.8";而在此基础上叠加插值预测算法可以将位置误差进一步控制在6m以内,航向角稳态误差小于4.7",证明了本文提出的算法能够有效补偿SAR的随机时延并提高组合导航系统的解算精度。