一种基于PWCS的惯导系统可观测度分析方法

为研究惯导系统动基座滤波中各状态的收敛情况与载机机动的关系,提出一种基于分段线性定常系统(PWCS)的可观测度分析方法。该方法利用PWCS可观测性分析方法中的提取可观测矩阵,进一步进行可观测度的计算,用可观测阶数和相对可观测度两个指标对可观测性进行量化。分析结果能够明确表示出不同状态在观测中的耦合,准确预测可观测度不同的状态的收敛速度,弥补现有方法的不足。利用这种新方法对"速度+姿态"匹配传递对准进行了分析。车载试验结果表明,仅经过转弯三次的简单机动,俯仰角与横滚角的姿态误差的估计均方差可达到3'以下,陀螺和加速度计零偏也得到有效的估计。试验结果与所提出的可测度分析方法的结论一致,表明了该方法的正确性与有效性。

大陀螺零偏条件下的快速传递对准算法

针对某些某些微机械陀螺零偏重复性差的特点,提出了滤波反馈修正和陀螺零偏粗对准预处理两种方法,使"速度+姿态"快速传递对准算法在大陀螺零偏条件下能够不损失估计精度。在简要介绍"速度+姿态"快速传递对准算法数学模型的基础上,探讨了大陀螺零偏导致的惯导系统非线性误差。为减小上述非线性误差的影响,提出用每一步滤波估计值修正子惯导状态的反馈修正方法,和在进行卡尔曼滤波前直接测量比较主、子惯导陀螺输出的陀螺零偏粗对准预处理方法。仿真结果表明,采用上述两种方法,快速传递对准算法可在陀螺零偏过大的情况下保持算法的有效性和估计精度。

一种制导炸弹MINS／GPS导航系统误差分析与分配

研究了对准误差和惯性敏感器主要误差对制导炸弹捷联惯导位置误差的影响,并从捷联惯导位置导航精度要求反推出对准误差和微机械惯性敏感器工具误差的分配原则和方法。分析了微机械陀螺和微机械加速度计的误差模型,并说明在短时间工作过程中均可简化为零偏叠加随机噪声。捷联惯导系统误差模型研究和弹道仿真表明,水平姿态对准误差和惯性敏感器零偏是制导炸弹惯导误差的主要误差源,用GPS辅助的组合导航可对所有主要误差源的误差进行估计并补偿。根据理论分析和仿真结果,以及误差源的误差和系统导航位置误差存在的正比关系,分析了MINS/GPS制导炸弹捷联导航的误差分配原则和方法,并给出了误差分配样例。

MINS/GPS组合导航系统车载试验误差特性分析

分析了MINS/GPS组合导航系统车载试验中卡尔曼滤波器各状态的滤波效果。介绍了捷联惯导的误差方程,并将陀螺零偏和加速度计零偏扩展为卡尔曼滤波器的状态,从而建立15维状态的组合导航滤波模型。采用PWCS可观测性理论分析了滤波器各状态的可观测性,并预测了这些状态在车载试验中的滤波效果。车载试验结果验证了理论分析结论。MINS/GPS组合导航系统车载试验中,位置误差和速度误差估计准确;姿态误差与加速度计零偏误差存在耦合,滤波中不能完全解耦;陀螺零偏误差不能有效收敛。

基于虚拟仪器的微机电系统动态特性测试仪设计

设计了一种基于虚拟仪器的微机电系统动态特性测试仪,主要用于微机电系统的频谱测试和静态特性测试。该仪器采用PCI总线24位高性能数据采集卡,使用虚拟仪器技术进行设计和开发,采用扫频方法给待测系统输入一系列由低频到高频的正弦激励信号,进而分析出该系统响应和激励之间的关系。其频率范围为0.01Hz～10kHz,并能在关键频率附近增加测试的频率点以提高精度。试验表明,该仪器的最大幅值误差小于0.2dB,最大相位误差小于0.7°,同时具有较高的可靠性和扩展性。该仪器自动化程度高,并具有良好的人机交互特性,可实时显示测试数据并绘制曲线,并在测试完成后进行数据分析处理,最后自动生成报表。

MS-KF融合算法用于锥套跟踪

针对无人机自主空中加油过程中锥套跟踪,提出一种均值漂移-卡尔曼滤波(mean shiftKalman filter,MS-KF)融合算法。分析了基于均值漂移算法的锥套目标模型、相似性度量、锥套目标定位的锥套定位原理;引入卡尔曼滤波器对锥套运动状态进行预测,将锥套运动信息融合到均值漂移算法中,以保证锥套跟踪算法的稳定性和鲁棒性;给出了MS-KF融合算法用于锥套识别跟踪的流程;搭建了锥套跟踪半物理实验验证系统,分别进行MS-KF融合算法用于锥套跟踪的半物理实验验证及数值仿真分析。实验结果表明:MS-KF融合算法可以对锥套精确定位跟踪,无人机3个轴向的跟踪误差保持在0.3m的范围内,保证了无人机自主空中加油的顺利进行。

一种基于HSV色彩空间的加油锥套特征提取方法

自动空中加油过程中视觉导航图像的复杂性对加油锥套特征的检测与识别提出了很高的要求。为准确获取空中加油对接阶段加油锥套端面的中心坐标,提出一种基于图像HSV(hue,saturation,value)色彩空间信息的加油锥套特征提取方法。引入HSV色彩空间,根据颜色与形状特征选取原则选取加油锥套特征。对图像进行色彩空间转换、色相滤波、二值化以及边缘检测处理,利用最小二乘椭圆拟合的方法得到加油锥套端面的中心坐标。实验结果表明,所提出的方法能够准确提取加油锥套特征,实时解算得到加油锥套端面的中心坐标,为自动空中加油视觉导航提供了一种可靠性更高的特征提取方法。

机器视觉辅助的插头锥套式无人机自主空中加油仿真

为准确获取无人机自主空中加油对接阶段受油插头与加油锥套的相对位姿信息,提出一种机器视觉辅助的插头锥套式无人机自主空中加油方案。研究了机器视觉识别跟踪加油锥套的算法,利用卡尔曼滤波算法估计无人机与加油锥套的相对位姿。实验结果表明:机器视觉图像处理算法可精确识别跟踪加油锥套,滤波器估计的相对位姿误差收敛速度较快,满足插头锥套式无人机自主空中加油的需要。

GNSS系统的现状与发展

介绍了当前GNSS系统(GPS,GLONASS,GALILEO)的现状和发展方向,并分析了国内北斗卫星导航系统(BD-I/BD-Ⅱ)的组成应用和发展方向。对这4种卫星导航系统的异同进行了综合对比说明,并对GNSS系统的发展前景进行了分析和预测。

MEMS加速度计敏感元件测试仪的设计与实现

基于敏感元件的特性本文设计出了一种MEMS加速度计敏感元件特性测试仪,即利用电容检测电路和基于虚拟仪器的频谱测试仪对MEMS敏感元件的频谱特性进行测试而得出其重要性能参数。电容检测电路和虚拟仪器频谱测试仪分别在实验室内进行了误差分析,电容检测电路的最大非线性误差为0.127 7%,频率特性测试仪的幅值最大误差为0.352 6 dB,相位最大误差为1.365 6°。

基于iMOOC平台的混合式教学设计与实践

传统以教师为中心的教学强调以"传递—接受"为标志的教与学活动,而信息化条件下以学生为中心的教学则强调"自主—探究—合作",两种教学思想融合形成学教并重的教学理念。文章阐述以该教学理念为基础基于iMOOC平台对飞行控制系统课程进行混合式教学:自主学习阶段,由学员在线学习教员提供的信息化教学资源并提出存在的疑问;研讨实践阶段,学员根据疑问进行课堂研讨并进行虚拟仿真实验;巩固拓展阶段,学员通过阅读文献和实际装备实验,掌握发展前沿和实际装备。

MIMU在机载制导武器中的应用

对目前几种典型的机载精确制导武器系统进行了技术跟踪,归纳总结了MIMU技术的发展和应用情况。并对JDAM和WCMD机载制导炸弹作了较为详细的介绍,重点对JDAM中使用MIMU/GNSS组合导航的应用情况进行了说明。并系统介绍了SLAM、JSOW、JASSM、LOCAAS四种典型的空地动力滑翔翼导弹。

基于iMOOC平台和云教室的混合式教学设计与实践

将传统教学与信息化条件下的教学有机融合,基于iMOOC平台和云教室对自动控制原理课程进行混合式教学。课前,通过微课学习、实验和分组任务来收集存在的疑问;课上,通过工程实例来引发学习兴趣,请学生利用"实验微视频"和"云教室"对实验和分组任务进行互动阐述,引导学员突破教学重点、难点;课后,通过思考题加深对所学知识的理解。信息化资源和手段的综合应用有效提升了教学效果。

一种用于无陀螺捷联惯导系统的角速度融合算法

无陀螺捷联惯导系统(GFSINS)是用加速度计的合理空间组合解算出载体的角速度。载体角速度的解算精度是GFSINS的技术关键。在分析GFSINS九加速度计配置方案的基础上,提出一种新的角速度融合算法,消除该方案解算过程中开方计算及符号判断带来的误差。该算法还明显抵消了加速度计输出中包含的常值零点偏移误差和温度漂移误差等,具有实时性好、计算量小、通用性强的优点。仿真计算表明该算法可行,并能在一定程度上提高系统解算精度。

大航向角误差情况下飞行中对准研究

为了解决飞行器在大航向角误差的情况下进行飞行中对准的难题,将一种线性大航向角误差模型应用于飞行器飞行中对准的过程。详细推导了线性大航向角误差模型,设计了飞行器在大航向角误差情况下进行飞行中对准的卡尔曼滤波模型,并进行了数字仿真。仿真结果表明,线性大航向角误差模型应用于飞行器飞行中对准,能够很好地解决飞行器在大航向角误差情况下进行对准的难点,并给出了适合于大航向角误差模型的机动方式。最后,提出了线性大航向角误差模型在工程应用中的几点建议。

相机标定的外界影响因素分析

针对相机标定结果易受外界因素干扰的问题,为了提高标定准确度,利用已有的摄像机针孔成像模型,采用自适应角点检测算法提取靶标图像中的特征点,标定结果以重投影横纵像素误差的平均值作为性能指标,对均匀光源的照度、标定图片数量以及标定靶标上棋盘格尺寸3个影响因子做了相应的分组对比实验。研究结果表明,选择亮度高的光源提升标定准确度达到38%以上;特征点数目156个时,仅需18张~22张标定图片;相对较小的棋盘格尺寸可以使得标定准确度提高50%。以上结果充分说明了光源、图片数量和棋盘格尺寸对于提高相机标定准确度具有重要意义。

一种新的小波半软阈值图像去噪方法

在小波半软阈值图像去噪方法基础上,提出了一种基于自适应局部相关系数的新方法。该方法在软阈值法和硬阈值法之间有很好的折衷,通过加入局部相关系数,使其在各种小波变换中均能增强子带内小波系数的相关性。在阈值选取中选用了基于Bayes风险估计的自适应阈值和具有统计意义上的阈值方法,获得了小波系数不同子带不同方向的最优估计。实验结果显示,该方法去噪效果显著,同时能够改善小波变换所造成的图像视觉失真和边缘振荡效应,更好地保留了图像边缘和细节纹理特征。该方法可通过调节局部相关系数控制图像去噪程度和效果,能满足不同需求,具有很高的实用价值。

基于改进UKF的加油机位姿预测方法

针对无人机自主空中加油保持阶段加油机位姿跟踪精度不高的问题,提出了一种改进UKF(无损卡尔曼滤波)预测方法。建立了视觉导航系统模型,利用Harris算法检测角点,并用RANSAC(随机序列一致性)算法进行角点匹配。将历史预测数据引入当前时刻UKF预测值,并通过匹配角点所得姿态观测值对改进UKF预测值进行修正,从而实现加油机姿态的高精度预测。仿真结果表明,改进UKF在遭遇突发强干扰时姿态预测性能明显优于标准UKF,所预测误差小于5.8%,满足空中加油精度要求。该算法避免了强干扰引发的预测出错,有效抑制了突发干扰。

基于自适应SRUKF的无人机位姿预测方法

针对无人机自主导航的实时性差、精度低且对时变噪声的鲁棒性弱的问题,建立了机器视觉和惯性导航相融合的组合导航系统,并提出了一种自适应平方根无迹卡尔曼滤波(adaptivesquare-root unscented kalman filter,ASRUKF)算法。该算法通过观测值与估计值残差的Ma-halanobis距离时刻修正系统噪声协方差,再与采用最小偏度采样的SRUKF算法相融合,从而达到时变噪声自适应抑制,滤波快速且对噪声鲁棒性高的效果。仿真结果表明,相比标准SRUKF,ASRUKF计算耗时减少约38.8%,位移、速度和姿态角预测精度分别提高超过4倍和6倍,且对于时变噪声鲁棒性更强。

基于TLD算法的加油锥套跟踪

针对自主空中加油对接阶段锥套跟踪问题,提出了一种基于tracking-learning-detection(TLD)的锥套跟踪算法。该算法将加油锥套的跟踪任务分解成跟踪、学习、检测3个部分。跟踪模块在LK光流法的基础上添加跟踪失败自检测,筛选出好的跟踪点,跟踪加油锥套;检测模块构建级联分类器,对滑动窗遍历得到的图像块进行分类并返回含有目标的图像块,融合跟踪模块的跟踪框,给出最终跟踪结果;学习模块引入P-N约束修正错误样本并学习更新检测模块。利用Creator/Vega Prime软件对空中加油进行视景仿真,在视景仿真视频上测试锥套跟踪算法。结果表明:TLD算法跟踪加油锥套成功率达95.5%,处理每帧平均耗时31.4ms,能够满足加油锥套跟踪鲁棒性、准确率、实时性的要求。