北斗三号MEO卫星姿态预报方法研究

在北斗三号卫星星间链路无法获取姿控系统闭环姿态角的情况下,为使其能继续计算指向保持建链,本文提出采用预报姿态进行建链计算的方案,并提出了一种全时段(包括地影期偏航正负阶跃时)的姿态预报算法。根据在轨真实姿态数据评估了长时预报姿态的精度和将其用于建链计算的指向精度。研究表明,本文提出的预报姿态方法在一年中99.998%的时间误差小于0.1°,一年内所有时间的误差在1.7°以内,将预报姿态应用于星间链路指向计算完全可行。本研究可为北斗导航系统精度与可靠性提升提供依据。

基于遭遇波的艏前波法的航母姿态预报

航母在海洋航行时,为了使舰载机起飞和降落更安全,需要对航母姿态运动进行预报。艏前波法仅反映海浪本身的波动,没有考虑航母与海浪相互作用的情况。基于遭遇波的艏前波法,用航母遭遇海浪的观测序列替代海浪观测值作为ARMA模型的系统干扰,使得预报精度更准确。通过仿真分析,基于遭遇波的艏前波法结果与艏前波法结果对比,四级海况下,横摇运动预报4 s的误差不超过0.03°,预报8 s的误差不超过0.15°,纵摇运动预报4 s的误差不超过0.05°,预报8 s的误差不超过0.06°,结果表明了该方法的有效性。

神经网络方法在舰船姿态运动预报中的应用研究

将神经网络应用于舰船姿态运动预报中,利用带有延迟反馈的回归神经网络的暂态、学习效率高、动态映射等优点,提出多输入单输出简化的对角回归神经网络,并给出舰船姿态运动预报模型。在此基础上进行算法收敛性的说明。最后采集15个样本,通过分析样本的平均误差、均方误差和相对误差来说明本文所此采用的算法对舰船纵摇姿态的预报结果有效。为提高预报精度需要将船舶受到的外界干扰融合到模型中,从而可得到理想的预报效果。

基于VDM与APSO优化极限学习机的船舶运动姿态预报

为提高船舶在海上运动的耐波性与适航性,并为解决具有非线性、随机性和非平稳性特点的船舶运动姿态难以准确预测的问题,提出运用一种基于变分模态分解和自适应粒子群算法优化极限学习机的组合预测模型。该算法首先利用变分模态分解将船舶运动姿态序列分解为一系列限带内本征模态函数,并且变分模态分解可以避免经验模态分解技术所产生的模态混叠和端点效应,可以降低序列的非平稳性对预测精度的影响;然后对各模态分量分别建立极限学习机预测模型,并用改进的粒子群算法对极限学习机的初始权值和阈值进行优化;最后将各模态分量预测结果进行叠加,得到最终的船舶运动姿态预测值。通过模拟试验测试并与其他传统的预测方法进行比较,结果表明所建立的组合预测模型具有更高的预测精度。

半潜式无人艇运动姿态预报方法研究

针对半潜式无人艇运动过程中首摇和纵摇受外界环境影响较大,影响运动控制系统的有效性的问题,采用时间序列分析预报方法和灰色预报方法,进行运动姿态预报方法研究。根据一般工况下半潜式无人艇的首摇和纵摇数据建立了AR模型和GM(1,1)模型,并进行了实时预报仿真及对比。仿真结果表明,AR模型和GM(1,1)模型对首摇和纵摇预报的整体效果良好。通过比较,AR模型预报的整体效果都优于GM(1,1)模型。AR模型对于半潜式无人艇运动姿态的预报具有一定的适用性,是一种可行的方法。

船舶横向运动短期姿态预报数学建模可行性研究

传统的船舶横向运动短期姿态预报数学模型存在着预报性能低的缺陷,为此提出船舶横向运动短期姿态预报数学建模可行性研究。采用平均滤除法对船舶横向运动数据中的不良数据进行去除,完成船舶横向运动数据准备,将得到的船舶横向运动数据进行归一化处理,适应预报函数的需求,将得到的归一化的船舶横向运动数据输入到BP神经网络算法中完成船舶横向运动短期姿态的预报,实现了船舶横向运动短期姿态预报数学模型的建立。通过实验得到,构建的船舶横向运动短期姿态预报数学模型预报误差比传统模型低了21.41%,预报时间比传统模型高出3.25 s,充分说明构建的船舶横向运动短期姿态预报数学模型具备良好的可行性与预报性能。

资源三号02星激光测高仪足印位置预报方法

激光测高仪在轨几何检校是提高激光点平面和高程精度的必要途径,而激光足印地准确捕获是成功开展激光测高仪在轨几何检校的前提。本文针对资源三号02星搭载的我国首台激光测高仪的在轨几何检校试验需要,在参考光学遥感卫星成像几何模型的基础上,提出并构建了一套严密的激光足印位置预报模型。该模型充分顾及卫星平台在轨运行规律及激光与卫星相对几何关系,建立了激光发射点到地面足印的严密几何定位预报模型,通过金字塔地形匹配、基于加速度轨道预测以及频率域姿态分析分别获取预估的激光指向、轨道位置和姿态信息,实现地面激光足印的位置预报。该模型已应用于资源三号02星激光测高仪在轨几何检校试验中,预报的激光足印位置与探测器捕获到的实际位置的最大误差小于150m,充分验证了预报模型的正确性,实现了我国遥感卫星从天上到地面点对点的精确预报,为国产激光测高仪在轨几何检校提供了有力的技术支撑。

改进二阶灰色极限学习机在船舶运动预报中的应用

为提高船舶运动预报的精度,基于海上船舶运动姿态具有灰色特性和周期性振荡特性的特点,提出一种以误差平方和最小为准则的改进二阶灰色极限学习机组合预测模型,对船舶运动姿态进行预报。该方法利用五点三次平滑算法对船舶运动姿态序列进行平滑降噪,采用余弦函数变换构建GM(2,1)预测模型;利用自适应粒子群算法(Adaptive Particle Swarm Optimization,APSO)优化极限学习机权值和阈值参数,对不同模型预测结果进行加权求和,构建改进二阶灰色极限学习机组合预测模型。对2组船模水池试验纵摇时历进行预报,并将其与其他传统的预测方法相比较,结果表明,建立的组合预测模型具有更好的预测精度和泛化能力。

基于时滞补偿方法的混凝土泵车臂架主动减振

混凝土泵车施工时,臂架末端的抖动影响设备和人员安全;在实施臂架减振控制时,臂架液控系统中的时滞问题又严重影响其减振效率。针对该问题,提出了一种适用于臂架结构的一步和多步预测补偿算法,基于臂架末端振动位移的历史数据,利用时间序列法对臂架的振动姿态进行提前预测,使预测出的臂架姿态尽可能地接近其实际情况,从而为臂架主动减振控制提供一个可靠的参考轨迹。基于该参考轨迹,控制每节臂上的液压油缸,对臂架进行反向加力,实现各节臂的联动抑振。仿真及外场试验结果表明,基于臂架振动姿态预报的时滞补偿算法能够对系统中的非线性时滞进行有效补偿,时滞补偿后的臂架主动减振控制策略能够使水平工况下臂架末端的振动位移幅值减小80%以上,取得了显著的减振效果。该种臂架主动减振控制方法在变排量、变姿态、变泵送料的情况下均可使用,具有高度的智能性和自适应性。