基于空间目标异步观测的惯导误差快速确定

针对惯性/天文组合导航系统中大的初始状态误差影响惯导误差收敛速度的问题,在星相机观测具有先验位置信息的有限空间目标的辅助下,提出一种基于目标-恒星角距异步测量的惯导误差在线快速确定方法。首先,在星相机光轴旋转角度和视场角大小受限的情况下,设计了通过异步照相观测方式获取有效空间目标参考信息的方案;其次,在利用惯导误差状态传播模型实现异步测量信息同步处理的基础上,构建基于空间目标与恒星之间角距的非线性最小二乘优化模型,避免了星相机的光轴扰动和安装误差对测量精度的影响;最后,基于高斯牛顿法设计了两轮迭代优化估计惯导位置误差和速度误差的方法。蒙特卡洛仿真结果表明,所提方法利用对空间目标和恒星的有限观测信息,可以有效估计惯导位置误差和速度误差,在初始位置误差约十千米量级的情况下,可以估计补偿约97.73%的位置误差以及66.25%的速度误差,优化求解误差参数的计算耗时为0.0160 s。

CPSO优化PNN的陀螺故障诊断方法

针对惯性导航系统中的陀螺仪输出信号非线性、故障特征不明显的问题,为提高惯导系统中惯性器件的故障诊断正确率,提出一种基于改进粒子群算法(PSO)优化概率神经网络(PNN)的陀螺信号故障诊断方法。首先,针对光纤陀螺运行过程中常见的四种故障信号,建立数学模型并进行小波变换提取其故障特征系数;其次,使用Cubic混沌映射以及非线性递减的惯性权重系数对粒子群进行粒子更新,并用于概率神经网络的最优平滑因子选择;最后,训练概率神经网络对陀螺仪故障信号进行分类和诊断。离线测试结果表明,CPSO算法优化的PNN网络针对四种故障分类的平均正确率达到95.8%。

捷联惯导系统IMU误差特性分析

为了优化捷联惯导系统惯性测量单元性能,首先,从惯性导航系统工作原理出发,细致梳理捷联惯导误差模型,对惯性测量单元常见误差源分类,重点分析主流民航客机机型捷联惯导惯性测量单元的误差特性;然后,对由5个直线段和4个转弯组成的矩形起落航线,在无误差的理想模式和设置导航级捷联惯导惯性测量单元误差参数模式,分别进行轨迹仿真;最后,在飞行轨迹的姿态、速度、位置误差三维方向对比分析。结果表明,IMU误差诱使飞行轨迹随时间有偏离趋势,高度误差波动始终非常平稳,水平方向误差在一定时间后大幅度发散,表现出惯性导航性能的固有缺陷,即误差随时间的推移逐渐累积,会在一段平稳时间后呈发散趋势。因此在实际使用惯导中可以使用特殊的算法和硬件平台以延长误差发散之前的时间,也可以通过与GPS等数据进行组合导航的方式抑制其发散趋势。研究结果为进一步进行组合导航算法优化奠定基础。

红外成像导引头对隐身飞机探测性能提升途径分析

隐身飞机的出现对现有雷达和红外制导空空导弹的目标探测能力都提出了挑战。由于隐身飞机对雷达隐身的效果优于红外,相对而言,红外制导空空导弹具有反隐身的优势。但红外导引头仍需采取一定的措施以提高其对隐身目标的探测识别能力。本文针对红外成像导引头探测隐身目标能力提升需求,首先梳理了隐身飞机的红外辐射特征,之后根据红外成像导引头探测性能的影响因素,提出了采用双色/多波段成像探测、优化系统工作参数设计、提高成像质量和场景自适应性、采用低信杂比目标检测截获等技术以提高系统对隐身飞机的探测识别能力。

面向民机可视导航的场面多尺度目标检测

民航飞机视觉辅助驾驶系统通过机载视觉传感器获取周边威胁态势信息,为飞行员提供辅助决策等信息,但是机载视觉传感器获取的机场场面威胁目标尺度变化大,且机载平台算力有限,现有的目标检测方法难以满足视觉辅助驾驶需求.针对上述问题,提出一种基于YOLOv5s算法的轻量化多尺度目标检测算法.首先,为增强场面小目标的特征表达,在加权双向特征金字塔网络(BIFPN)基础上,引入坐标注意力(CA)机制,设计CA-BIFPN特征融合网络,提高模型对多种尺度目标的学习能力.然后,设计GSConv解耦检测头,相互独立优化分类和回归目标,提高目标检测的精度.设计的跨级部分网络轻量化颈部模块可减少因引入解耦头增加的参数量,大幅提高整体网络的检测速度,实现场面目标实时检测.为了验证算法性能,构建机载视觉传感器滑行视角的实测数据、仿真数据组成的多尺度场面目标数据集.在该数据集上的实验结果表明,所提方法检测精度超过Faster R-CNN、SSD和YOLOv6、YOLOv7、YOLOX等经典多尺度目标检测算法,均值平均精度为71.40%,比YOLOv5s提高4.19个百分点;在机载计算仿真实验平台上,检测帧率达到71帧/s,满足实时检测要求.

基于协同估计的三维多导弹博弈制导律

针对三维空间中多导弹协同拦截机动目标的挑战,基于广义零控脱靶量概念,提出一种新的多导弹协同博弈性能目标函数和分布式抗饱和扩张状态观测器。首先,建立一个三维多导弹拦截机动目标的非线性模型,并提出了一种精确的零控脱靶量计算方法。基于此方法,构建了多导弹协同拦截的博弈性能目标函数,并设计了基于信息融合理论的分布式抗饱和扩张状态观测器对机动目标的机动加速度进行协同估计。最后采用了哈里斯鹰粒子群优化算法来计算制导指令,旨在以最优的燃料消耗实现最优的拦截效果。通过对4种不同交战场景的仿真实验,验证了该协同博弈制导律的优越性和有效性。

基于LSTM神经网络的机载光纤陀螺温度冲击误差补偿技术

环境温度冲击会降低机载光纤陀螺的性能,从而影响飞行器导航和姿态控制精度。在光纤陀螺误差机理研究基础上,本文提出一种基于长短期记忆(LSTM)神经网络的光纤陀螺温度误差补偿模型。该模型通过LSTM网络对光纤陀螺的零偏和标度因数进行实时预测和校正,提高光纤陀螺的测量精度。试验结果表明,在温度冲击下,LSTM预测模型补偿后的标度因数误差小于30ppm,零偏稳定性比常规的线性拟合补偿模型提高0.0034(°)/h。这意味着输出更准确地反映实际角速度值,陀螺仪的零偏漂移更小,输出更接近于零值。动态试验中转台输入为20(°)/s时,LSTM补偿后陀螺输出稳定在19.999~20.001(°)/s区间内,相较于陀螺原始输出误差降低0.008(°)/s。通过LSTM预测模型补偿,能够在环境变化、外部扰动或传感器故障时,通过陀螺仪提供更可靠的数据支持,维持飞行器的稳定性和安全性。

基于运动单站的LTE辐射源定位技术

长期演进(LTE)信号具有覆盖范围广泛、带宽大、自相关特性良好、抗衰落能力强及发射功率大等诸多有利于定位的优点,是一种可用于定位的主要机会信号。基于LTE信号的定位方法需要利用辐射源的位置信息进行解算,在非合作环境中获取基站的位置信息是使用LTE信号进行定位的基础。提出了一种利用移动单站获取LTE辐射源位置的定位方法,以到达时间差(TDOA)为观测量,建立了包含钟差校准的定位模型,并从单站的运动轨迹和初始点选取两个方面分析了算法的收敛性和定位精度。通过行人以及车载两种方式,在实际环境中对定位方法的性能进行了测试,实验结果表明,该方法的定位误差小于10 m。

基于单类支持向量机的组合导航容错算法

提出了一种基于单类支持向量机(OCSVM)的组合导航容错算法。针对组合导航系统中子系统出现故障会影响整个导航系统精度的问题,采用基于单类支持向量机的方法,对故障进行检测和隔离,并对容错性能进行分析。仿真结果表明:在应用基于单类支持向量机的容错算法后,系统的故障检测模块可以有效地隔离故障数据,降低了多源组合导航系统的位置误差,其可靠性和稳定性也得到了提高。

未知复杂环境下基于兴趣驱动的类脑自主导航技术

随着无人系统的应用越发广泛,传统导航技术很难满足无人系统在面对复杂任务和未知环境时对自主智能导航性能的要求。哺乳动物能够在兴趣驱动下实现高效智能且自适应环境的导航行为,受此启发的基于兴趣驱动的类脑自主导航技术有潜力克服传统导航实时、准确和低功耗不能同时满足的缺点。本文首先阐述了哺乳动物大脑导航机理;其次,总结概括出基于兴趣驱动的类脑自主导航技术框架;再次,从自身感知、环境认知、记忆推理和兴趣决策4个方面梳理了类脑自主导航的关键技术和实现途径,指出了相关研究的缺陷;最后,分析了现阶段类脑自主导航技术的不足,并对未来一体化发展做出展望。

综述:类脑智能导航建模技术及其应用

自主导航能力是无人系统所要具备的核心能力。近年来,无人系统作业的环境日益复杂,所面临的任务也越来越有挑战性,这对其自主导航能力提出更高的要求。随着神经科学和人工智能的不断发展,基于动物大脑空间导航机理的类脑导航技术已经成为一种解决复杂环境下智能导航问题的方案。本文对类脑智能导航技术的发展历程进行梳理与总结,重点讨论类脑导航的空间认知模型建模技术及其应用技术——类脑同时定位与建图(simultaneous localization and mapping,SLAM)技术及类脑集群导航技术。最后,总结目前类脑导航技术面临的挑战和不足,并探讨未来的重要发展方向。

基于IMMKF算法的ADS-B监视应用目标跟踪

目标跟踪是机载广播式自动相关监视(ADS-B)应用的基础功能,对提升航空器周边的弱机动民航飞机目标跟踪性能具有重要意义。提出一种基于交互式多模型卡尔曼滤波(IMMKF)算法的ADS-B监视应用目标跟踪方法。首先,针对弱机动背景下的民航飞机的飞行特点,建立包含匀速模型和标准协同转弯模型的运动模型集,并对模型进行线性化近似;然后,将模型预测和ADS-B状态矢量量测数据作为IMMKF算法中多个并行卡尔曼滤波器的输入,进行并行滤波;最后,计算得到目标状态矢量的估计和模型近似概率,并作为下一次迭代的输入。结果表明:相比于基于匀速模型的卡尔曼滤波目标跟踪方法,IMMKF算法的位置跟踪误差降低了59%,速度跟踪误差降低了77%,显著提升了状态估计性能,具备较高的跟踪精度、稳健性与计算效率,在ADS-B监视应用中具有实际应用价值与借鉴意义。

一种光学陀螺随机误差在线补偿方法

光学陀螺随机误差在线补偿方法通常先离线建立随机误差模型,再利用Kalman滤波在线补偿随机误差。受陀螺仪自身性能稳定性以及外界环境的影响,离线建立的随机误差模型应用于在线补偿时会出现偏差;外界环境变化导致量测噪声统计特性具有时变性,不满足Kalman滤波必须已知噪声先验统计的要求,这2个因素均会降低随机误差的在线估计精度。提出一种基于自适应滤波的随机误差在线补偿方法。通过引入虚拟噪声,将随机误差模型偏差的影响归结为时变虚拟系统噪声;进而利用渐消记忆时变噪声估值器,对虚拟系统噪声和量测噪声的统计特性进行估计与修正,消除随机误差模型偏差及量测噪声时变的影响。试验结果表明,所提方法可以实现对随机误差的高精度在线补偿,具有一定工程应用价值。

红外双波段双层衍射定焦光学系统设计

通过对多层衍射光学元件在中、长波红外波段的设计分析与计算,设计了一种焦距为200 mm的红外光学系统,在中波红外和长波红外两个波段的透过率均大于80%,成像效果良好并且满足无热化设计要求。其采用了双层衍射技术,选用锗、硒化锌和硫化锌等材料,高效率地实现了衍射目的,提升了两个波段的光学透过率。采用了二次成像的光学系统结构,实现了光学小口径设计,其光学传递函数能够在-55℃至+71℃环境下实现无热化成像的要求,达到了设计目的。

基于重力模型阶次自适应的实时重力补偿系统研究

重力扰动已成为高精度惯性导航系统的一项主要误差源,对其进行补偿可进一步提升导航精度。通过EIGEN-6C4重力场模型可计算全球范围内的重力扰动,模型阶次越高,计算结果越精确,但相应的计算量和存储量越大,在传统的导航计算机上使用高阶模型很难满足实时性要求,而使用低阶模型会导致较大的截断误差。针对以上问题,根据模型阶次与空间分辨率的关系,以及重力扰动在惯导力学编排中的传播特性,研究了一种易于在嵌入式系统实现的可随载体运动状态降频率、降阶次的实时重力补偿方案,并采用DSP实现了软硬件方案。最后,通过半实物仿真验证了所述方案既能满足实时性要求,也能保证补偿精度:东向及北向位置精度最大提升649 m和686 m,平均提升效果可达2 190阶重力模型补偿后精度提升量级的94%。

重力插值重构在重力匹配导航中的应用研究

重力匹配导航的定位精度与重力基准图分辨率紧密相关,重力基准图可以通过插值算法细化重构,提高分辨率。为了验证重力基准图的细化重构是否可以有效提高定位精度,对多面函数插值法、Shepard插值法及综合Shepard插值法的插值效果进行了比较分析,并采用这3种插值算法对重力基准图进行细化重构,选用地形轮廓匹配(TERCOM)算法和迭代最近等值线点(ICCP)算法作为重力匹配算法,通过海上船测数据的离线仿真验证了插值处理后重力基准图的重力匹配导航效果。试验结果表明,使用3种插值算法将重力图分辨率由1′×1′提高到0.5′×0.5′后,TERCOM算法和ICCP算法的定位精度分别提升了约30%和20%,但分辨率提高到0.25′×0.25′后,定位精度不再有明显提升。此外,3种插值算法的插值效果虽不尽相同,但导航结果却具有一致性,试验结果也表明,当基准图分辨率提升仅为1倍时,插值算法的选择对导航结果影响甚微。

基于精化预积分的GNSS/IMU/视觉多源融合定位方法

针对传统预积分算法固定地球重力值和忽略地球自转的问题,提出一种考虑地球自转和重力变化的惯性测量单元(inertial measurement unit, IMU)预积分算法。参照高精度捷联惯性导航解算的动力学模型,在IMU预积分动力学模型的姿态更新中引入地球自转角速率,速度和位置更新中引入由地球自转引起的科里奥利加速度,同时将由载体位置引起的地球重力变化及时反馈至预积分算法中,详细推导了引入地球自转和重力变化后预积分算法的具体过程,实现对传统预积分模型的精化。并将精化的预积分算法应用于基于紧耦合全球导航卫星系统(global navigation satellite system, GNSS)/IMU/视觉多源融合系统中,实测实验结果表明:利用精化的预积分模型可使系统预积分的模型误差有效减小,显著提升多源融合系统整体的定位定姿精度,其中系统定位精度提升32.41%,航向角精度提升4.23%。

BDS/GPS组合导航系统在民航中的应用

随着航班流量增加、航班运行复杂化,高效的航线航路规划、合理的空域布局在民航中显得更为必要,而这需要先进技术的支持。因此,基于北斗卫星导航系统(BDS),引入全球定位系统(GPS),解析了BDS/GPS组合导航系统的定位解算,并进行实验验证,试验结果表明BDS/GPS载波相位平滑伪距定位解算能够显著提高导航的定位精度。另外,还展望了BDS/GPS组合导航系统在我国民航中的应用。

改进视觉前端的视觉/惯导融合定位算法

针对移动机器人在GNSS拒止环境下的高精度定位问题,提出了一种自适应通用角点检测(adaptive and generic accelerated segment test,AGAST)算法改进移动机器人视觉/惯导融合定位系统的视觉前端.该算法通过局部直方图均衡化和自适应阈值检测改进视觉里程计(visual odometry,VO)算法,改善特征点提取的质量,提高VO在复杂环境中的定位精度和稳定性;基于因子图优化(factor graph optimization,FGO)算法融合VO和惯性导航系统(inertial navigation system,INS),实现移动机器人的高精度定位.分别采用公开室内、室外数据集进行测试,结果表明:改进算法相比VINS-Mono主流算法室内数据集定位精度平均提升22.8%,室外数据集定位精度平均提升59.7%.

基于多传感器融合的无人舰载机舰面定位研究

无人舰载机在航母舰面的自主定位是实现自主转运、提高驶入/驶出效率的重要前提.其中,如何依靠机载传感设备实现GPS拒止环境下的舰载机自主舰面定位是亟待解决的关键技术.为此,提出了一种基于视觉和激光雷达融合的无人舰载机舰面自主定位算法.该算法通过结合手眼标定和互信息标定方法进行多传感器在线标定,使无人舰载机在面对风浪及航母运行等情况下机身摇晃导致传感器外参标定结果变化后仍能保持稳定运行;引入因子图用于无人舰载机的多传感器位姿联合优化并基于自主转运过程中的运动模型建立了简单高效的传感器失效标准,从而有效地融合了激光雷达和视觉定位结果,使该算法在单个传感器失效的情况下依然可以进行精确的自主定位;最后建立了基于多传感器的舰载机舰面仿真系统对本文算法进行验证,实验结果表明,本文算法在单个传感器失效的情况下定位误差仍维持在0.2m以内,满足实际应用要求.