简介：针对卫星姿态测量系统(SAMS),将径向基函数RBF(RadialBasisFunction)网络和多传感器信息融合技术相结合,并将其应用在系统的故障检测与诊断中.研究结果表明,此方法是可行有效的,可以提高系统的测量精度和性能.

简介：为提高光电平台的控制性能和稳定性,以平台反馈回路所用的光纤陀螺传感器为研究对象,对光纤陀螺角速率的历史输出、当前量测以及随机漂移进行融合补偿。采用双自回归模型确定了光纤陀螺时间序列输出的自回归多项式和光纤陀螺随机漂移的自回归关系。以陀螺当前输出为量测量,结合卡尔曼滤波算法将陀螺历史输出和历史随机漂移融合进状态方程,并进行随机漂移在线估计补偿。实验结果表明,光纤陀螺随机漂移的AR模型能达到90%拟合效果,经卡尔曼滤波补偿后随机漂移能降到1/10。该方法能很好地抑制光电平台三个框架轴光纤陀螺的随机漂移,补偿率为80%~90%。

简介：以小型无人机航姿测量系统的微小型化为背景,利用MEMS惯性测量元件研制了一种低成本微型航姿测量系统。针对MEMS器件用于载体航姿测量时精度低、易发散的问题,提出一种计算量小、实时性强的加速度信息、磁场强度信息、陀螺信息的融合方法。采用卡尔曼滤波器对系统的俯仰角、滚转角和航向角的误差进行最优估计;设计数据融合的判别准则,并根据判据的判断结果调整卡尔曼滤波器中的量测信息,使系统可用于小型无人机的定高自主飞行。实验结果表明,系统输出航姿的更新频率可达100Hz,航姿测量误差小于0.6°,航姿标准差小于0.09°;将其应用于某小型固定翼飞行器的飞行控制系统中进行自主飞行实验,完成了预定的飞行任务。

简介：地磁异常场的强度在空间上变化丰富而在时间上很稳定。对地磁异常值与位置之间的非线性函数关系进行了随机线性化，将地磁异常测量值直接作为观测量，采用扩展卡尔曼滤波技术实现地磁异常测量信息与惯性导航信息的融合，估计并校正了惯性导航系统导航误差．仿真表明，组合导航系统具有如下良好性能：对地磁异常具有广泛的适用性;对初始位置误差、速度误差及姿态误差具有较好的鲁棒性；对地磁数据噪声敏感度较低；可实时更新组合导航信息．将观测量选为参考数据测量值的信息融合策略引入惯性／地磁组合导航。定量描述地磁异常辅助惯性导航系统的信息量，分析组合导航系统对地磁图的适用性．

简介：

简介：针对单一图像源下目标跟踪精度不高的问题，利用跟踪状态下的目标存在于可见光与红外图像中的特征对连续自适应均值移动跟踪算法做出改进。首先选取可见光图像的“颜色梯度背投影”作为改进的目标模型，选取红外图像的“灰度梯度背投影”作为改进的目标模型；然后根据可见光序列图像和红外序列图像各自进行连续自适应均值移动跟踪算法得到的对应的口‘系数判定两种图像跟踪的效果，对两种图像的权重进行自适应调整，得到这两种图像的特征级融合图像和跟踪结果。实验结果表明，对于320像素×240像素的可见光和红外图像，基于可见光与红外图像特征融合的目标跟踪算法在复杂背景下能够较准确的跟踪目标，目标跟踪精度为0．5像素，跟踪速度为30～32ms／帧。

简介：Schuler振荡阻尼技术是提高惯导长期工作精度的关键技术之一。针对采用低阶阻尼网络的惯导系统抑制高频和低频参考速度误差难以兼顾的问题,基于互补滤波思想,提出一种高阶水平阻尼网络设计方法。将两个采用低阶网络、分别具有优良高频和低频特性的Schuler回路通过一对互补滤波器进行组合,形成双Schuler回路组合系统。它等效于采用某高阶网络的单Schuler回路,该回路对高频和低频参考速度误差的衰减率可同时达到40dB/10deg或更高。计算机仿真和海上试验结果均表明：采用所设计高阶网络的系统对参考速度误差兼有优良的高频和低频滤波特性,综合滤波性能优于采用低阶阻尼网络的系统,具有工程应用价值。

简介：为实现网络差分系统的高精度差分定位,利用虚拟参考站技术提出一种网络RTK差分改正信息的生成方法。利用VRS技术建模生成了虚拟参考站的双频伪距观测值、双频载波相位观测值,重点推导了关键的载波相位数据项参数的算法公式,遵循RTCM2.3国际标准协议编码生成了RTCM3、RTCM18、RTCM19号差分改正电文,通过同步实验的方法与标准RTCM相应的主要参数进行了数值对比。实验表明,该方法生成的差分改正信息主要数据项与标准值的误差小于0.04cycle,当被用于GPS网络差分定位时,移动站的平面精度优于5cm.

简介：在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,为此提出了引入Elman神经网络.描述了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比.最后以INS/GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计.仿真结果证明了该法的有效性和实用性.

简介：信息融合系统的开发需要规范化。在分析信息融合系统工程方法的基础上，对信息融合系统的设计过程及设计产品描述方法进行了研究，分别研究了应用体系结构设计、系统体系结构设计及数据融合节点设计，以及各自的设计产品的描述方法，并提出了相应设计结果的描述元模型。实践证明，规范化有助于提高信息融合系统质量以及开发效率。

简介：本文针对某型陀螺启动特性进行了试验研究，在陀螺启动漂移特性试验数据基础上，用神经网络建立了启动漂移速率温度的非线性模型，并对模型进行了检验，证实了神经网络的有效性

简介：从模式识别的角度分析了搜索模式下水下运载体的重力匹配问题,利用模式识别神经网络实现重力匹配定位。在重力图匹配时,以惯性导航仪指示位置为中心规划真实位置的网格点搜索范围,从参考重力图上提取相应一系列的重力数据,与对应网格点的位置一起定义成多个模式类,构造相应的模式识别概率神经网络,运用该神经网络将实时重力测量数据识别到某个模式类,对比模式类的定义确定载体位置。在实测重力图上对重力辅助惯性导航系统进行了计算机仿真研究。结果表明,在重力场特征显著区域该重力匹配算法能够有效减小厄特弗斯效应的影响,其导航系统定位误差小于一个重力图网格,匹配率在80%以上,匹配效果优于一般的相关匹配算法。

简介：为了提高潜器导航定位精度，针对等值线算法在惯导系统初始误差较大时易发散的问题，提出基于概率神经网络调优的等值线改进方法。首先，在搜索区域内，利用概率神经网络算法对惯导系统航迹进行调优，并经过卡尔曼滤波器与惯导系统航迹进行信息融合形成待匹配航迹；在此基础上利用实时等值线算法得到最佳匹配位置。分别在不同初始条件下进行仿真分析，得出概率神经网络算法在大的初始误差下不易发散但定位精度不高的结论，然后在潜器行驶6h后，初始误差为5.438？的条件下进行仿真验证，结果表明，改进方法定位精度均值优于0.537？，从而证明改进方法是有效的，即使在大的初始误差下仍然能够达到较高的定位精度。

简介：光纤陀螺（FOG）温度漂移误差是影响其输出精度的主要误差源之一。针对基于传统BP神经网络FOG温度误差补偿方案适用性较差的问题,提出了优化预测数据的BP神经网络补偿算法,利用最优线性平滑技术以及滑动平均技术对神经网络待补偿数据进行预处理,可以有效减小FOG输出白噪声对温度漂移网络模型补偿精度的干扰,优化神经网络模型的补偿效果。使用FOG温度漂移实测数据对所提出的优化算法进行验证,结果表明利用本文提出的两种建模及补偿方案进行补偿后的FOG温度漂移数据标准差相比传统BP神经网络补偿方法减少50%以上。

简介：针对在4级海况下船体大幅度晃动,甚至丢失GPS信号的复杂环境,常规算法会导致姿态测量精度急剧下降的情形,为‘动中通’中的航姿系统设计了一套姿态融合算法。在GPS有效时,卡尔曼滤波的观测量引入双天线GPS输出的航向角,解决航向角观测性弱和估计不准的问题,同时引入互补滤波得到的陀螺修正量,提高了水平姿态角的可观性,融合两种算法提高了解算精度。在GPS无效时,通过互补滤波,抑制陀螺漂移,输出高精度水平姿态角,配合天线所接收信号的强度使‘动中通’正常工作。为验证算法的有效性,进行了动态实验,实验结果表明：该算法在GPS有效的情况下能保证俯仰滚动角（RMSE标准）精度在0.2°以内,航向角精度在0.5°以内,在GPS无效情况下也可使俯仰和滚动角精度长时间维持在0.3°以内,具有一定的工程应用价值。

简介：开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.

简介：常规惯性／天文组合导航方法难以直接应用于高超声速飞行器机载环境下以载体系为基准进行星光测量的情况，且在可见星只有一颗时无法连续组合。为此，构建了高超声速飞行器惯性／卫星／天文紧组合导航系统方案，通过分析载体系下星光仰角、方位角与惯导误差之间的转换关系，建立了载体系下惯性／天文角度组合模型。理论分析表明，该系统在只有一颗导航星时仍能辅助惯导工作，且可使观测噪声特性保持稳定，从而提高了天文对惯导辅助的连续性和组合滤波估计精度。仿真结果表明，在高超声速飞行器导航系统采用天文角度辅助后，姿态误差较无天文辅助情况的降低60％～70％。

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：针对GPS精密单点定位对高精度的需求,提出了一种采用小波神经网络的GPS精密单点定位解算方法。该方法利用小波变换和神经网络学习功能,无需准确系统先验信息,误差函数能够快速收敛,逼近真实误差模型,从而提高GPS精密单点定位精度。仿真结果表明,静态条件下与传统最小二乘法和卡尔曼滤波算法相比,该算法定位收敛时间缩短50%,定位精度分别提升90%和50%。动态情况下,较最小二乘法和卡尔曼滤波算法定位精度提高20%~80%。

简介：为了提高使用精度，研究了某型号MEMS陀螺仪的随机漂移模型。采用游程检验法分析了该陀螺仪随机漂移数据的平稳性，并根据该漂移为均值非平稳、方差平稳的随机过程的结论，采用梯度径向基（RBF）神经网络对漂移数据进行了建模。实验结果表明：相比经典RBF网络模型而言，这种方法建立的模型能更好地描则EMs陀螺仪的漂移特；相对于季节时间序列模型而言，其补偿效果提高了大约15％。