简介:对于具有一定机动能力的弹道式再入目标跟踪问题,稳定性好、鲁棒性强、收敛精度高的估计方法是保证跟踪精度的关键。针对再入运动模型和测量体制的强非线性以及目标机动引起的滤波精度下降问题,提出一种将强跟踪滤波(STF)和基于三阶球面-向径容积规则的容积卡尔曼滤波(CKF)相结合的强跟踪-容积卡尔曼滤波(STCKF)。通过将强跟踪算法中的自适应渐消因子引入到滤波时间更新和测量更新方程中,在线实时调整滤波增益矩阵,能有效避免模型失准造成的滤波性能下降,使该算法兼具CKF滤波精度高和STF鲁棒性强的优点。通过数学仿真表明,改进后的STCKF可以实现对具有机动的弹道式再入目标的高精度跟踪,相对于CKF精度提高50%,并且具有更强的鲁棒性和自适应能力。
简介:提出了一种高性能氮化铝(AlN)差分谐振式加速度计结构。通过引入两级微杠杆来放大质量块的惯性力,提高灵敏度;采用"I"形支撑梁来降低横向灵敏度;利用差频检测方案降低温度共模误差的影响。该加速度计主要由质量块、支撑梁、双级微杠杆和谐振器组成,并通过理论分析和有限元仿真优化了它们的结构参数。模态分析表明两个谐振器的基频大约为373.3kHz,与干扰模态的频率差大约为9.4kHz,有效地实现了模态隔离。根据灵敏度的仿真结果,AlN差分谐振式加速度计的灵敏度64.6Hz/g,线性度为0.787%,横向灵敏度为0.0033Hz/g。热仿真的结果表明单个谐振器的温度灵敏度约为490Hz/℃,加速度计输出差频的温度灵敏度为–0.83Hz/℃,证明了差频检测方案可以降低温度共模误差的影响。上述所有仿真结果验证了该加速度计结构设计的可行性。