硅微谐振式加速度计相位控制环路优化研究

硅微谐振式加速度计(MSRA)凭借其潜在的高精度特点成为微加速度传感器领域的重点研究方向之一。相位环路的控制精度直接决定了MSRA的测量精度。在对MSRA工作机理进行简要分析的基础上,着重研究了现实验室加速度计样机的相位控制环路,分析了其相位误差的来源,并在原有环路滤波器的基础上增加了一种带参考电压的PI校正控制环节。实验结果表明,增加PI校正环节后,组成的四阶二型锁相环路可以使差分频率输出与温度线性拟合的相关系数从0.96291提高至0.98863,在±20 g量程围内,非线性度从430 ppm降低至154 ppm,硅微谐振式加速度计的零偏稳定性在常温下达到8.64μg。

星敏感器姿态测量算法研究

针对传统矢量定姿方法精度较低的问题,研究了主流的星敏感器多矢量天文定姿算法,从理论上对奇异值分解(singular value decomposition,SVD)算法、双矢量定姿加研究背景算法、最小二乘(least square,LS)算法、四元数估计(quaternion estimator,QUEST)算法和线性估计算法进行了详细推导。其中,线性估计算法先将各矢量对的坐标变换等式分散表示,推导出对应的四元数形式,再联立所有矢量的坐标变换等式,基于长方矩阵的Moore-Penrose伪逆运算对二次四元数矩阵方程线性化,再在此基础上考虑随机噪声的影响对一次四元数矩阵方程进行鲁棒性操作,具有良好的创新性与实用性。以最小化Wahba损失函数为目标,对定姿算法的性能进行对比分析。仿真和实验结果表明,线性估计算法较之于其余4种算法,具有更快的解算速度、更高的定姿精度。

二阶多智能体系统的量化迭代学习控制

针对带有领导者的二阶多智能体系统的一致性跟踪问题,引入对数量化器,在系统状态误差和系统状态量化的情形下,分别设计了基于量化信息的一致性误差。利用对数量化器的性质,对一致性误差进行转化,使其与量化密度有关。结合迭代学习控制方法,提出了基于一致性误差的迭代学习控制协议,并推导了给定系统在所设计的量化协议下实现一致性的收敛条件。最后对两种情况下的控制协议进行了仿真分析,仿真结果表明了所提方法的有效性。

基于测试性D矩阵的多故障诊断与维修策略

针对复杂的多故障诊断问题以及多故障直接处理方法实现的难点,在测试性D矩阵基础上,提出了一种基于单故障化的多故障诊断与维修策略(MFDMSTS)。首先,在多故障假设下引入析取运算,定义了可隔离单故障和可隔离多故障,据此定义将多故障转化为单故障,并将转化的单故障与测试集组成新的D矩阵;然后,运用单故障诊断算法处理新的D矩阵,得到最优诊断树;最后,针对诊断树的不同叶子节点,提出了多故障诊断与维修策略。实例验算表明:MFDMSTS能降低平均诊断费用和平均诊断步数,并大幅降低误修率。

基于Ashby图的挠性加速度计材料选择

柔性铰链是挠性加速度计的关键部件,其性能和结构参数直接影响到加速度计的性能。给出柔性铰链的最大应力、转角及沿敏感轴转动刚度的计算公式,结合失效条件给出柔性铰链失效前最大转角的计算公式。当几何参数不变时,柔性铰链在失效前的最大转角与材料的强度和弹性模量之比有关。以构件失效抗力指标为材料选择原则,分析正常工作载荷和过载载荷下柔性铰链的失效,基于Ashby图方法绘制常用工程材料的强度-弹性模量图。结合设计实例,根据柔性铰链的应力、刚度条件及设计目标得到满足设计要求的材料特征,在Ashby图中绘制材料特征对应的曲线,根据曲线的位置选择合适材料加工柔性铰链。

柔性梁装配误差对挠性加速度计刚度性能的影响

挠性加速度计采用两个完全相同的柔性梁并列支承检测质量。基于静力平衡方程和变形协调方程,建立了并列柔性梁的三种典型装配误差与其合成刚度之间的解析关系式,并采用有限元软件验证了解析计算公式的正确性,解析结果与有限元结果的相对误差不超过5%。根据所建立的解析关系式,分析了并列柔性梁的装配误差对挠性加速度计刚度性能的影响。装配误差Δx=15μm时,并列柔性梁的合成刚度值比理想状态值增大了1.42%;装配误差Δy=8μm时,并列柔性梁的合成刚度值比理想状态值增大了5.31%;装配误差Δφ=0.012 rad时,并列柔性梁的合成刚度值与理想状态值相比变化很微小(增大了不到0.001%)。研究结果表明:Δy对挠性加速度计刚度性能的影响最大,Δx对刚度性能的影响其次,Δφ对刚度性能的影响最小。两柔性梁不共面是导致并列柔性梁合成刚度值变大的主要因素。

基于因子图的GNSS鲁棒优化算法分析

精确的导航定位系统是飞机导航、汽车自主驾驶等领域的重要组成部分,但由于全球导航卫星系统(GNSS)在复杂环境中会受到多种因素的影响(如信号遮挡、多路径效应等)而导致可用性降低,传统的导航定位算法(如卡尔曼滤波)有可能使性能难以达到预期效果。本文将同步定位与地图构建(SLAM)中的因子图优化算法应用于GNSS中,可提高导航定位精度,并采用最大混合(max-mixture,MM)算法提高导航的鲁棒性。通过对实测试验数据的评估验证并与传统方法进行对比分析,结果表明本文所采用的最大混合图优化算法相比传统算法,在GNSS导航中的精度更高、鲁棒性更强。

基于A~*蚁群算法的无人机航路规划

针对低空密集复杂环境,在构建环境模型及无人机模型的基础上,提出了一种综合运用A~*算法与蚁群算法的智能航路规划方法。其中A~*算法用于全局航路规划,蚁群算法用于局部路径重规划,利用A~*算法的导向性克服蚁群算法收敛速度慢的缺点,能够使无人机快速到达目标点。仿真结果表明,A~*蚁群算法不仅可以全局引导蚁群算法快速收敛,使无人机快速飞向目标点,同时也可以在局部环境中规避障碍,保证无人机的飞行安全。