简介:在Sage-Husa滤波基础上,提出了其改进的滤波算法,以解决它在容错性能差和高阶状态阵滤波发散等方面的问题.仿真结果表明,利用改进Sage-Husa滤波可有效提高GPS/INS组合制导的容错性能和精度.
简介:由于GPS和无线电信号在水下衰减很快而无法使用,因此以惯性导航为核心,加以其它声学辅助导航设备的组合导航系统正适合水下航行器的使用环境。以捷联惯性系统/超短基线/多普勒测速仪/磁航向仪组合导航系统为研究对象,给出了联邦滤波结构,并利用X^2残差检测法诊断出子系统的故障并进行系统重构从而不影响系统性能,最后对组合系统进行了仿真,成功检测出了超短基线系统定位故障并及时进行了隔离。姿态误差和速度误差在故障发生和消失时刻由于系统重构有轻微跳动,其它时刻均保持较高精度,当故障消失时位置误差又恢复到正常量级(5~10m)。仿真结果表明,所提出的SINS/水下声学辅助设备组合导航系统能够提供水下航行器精确的速度、姿态及位置信息,并能够正确及时检测并隔离故障。
简介:对水滴结冰结霜过程及合成双射流作用时水滴结冰结霜过程分别进行了实验研究.实验中将半导体制冷片作为实验板将温度从室温降低到-30°C,采用电子显微镜观测无合成双射流和开启合成双射流作用的水滴凝固结冰结霜过程.结果显示:水滴从下部向上逐渐凝固,并且水滴表面凝固速度大于内部凝固速度.由于水凝固为冰,密度减小、体积增大,使得水滴形态改变,顶端突出,变成锥形.由于合成双射流强迫产生对流换热,凝固水滴不会像无激励器作用时在表面生成针叶状的霜,而是在水滴表面均匀形成一层白色的颗粒状霜.随着时间推移,霜的厚度并没有增加,并且水滴的高度降低,凝固水滴的锥形尖端逐渐变得平坦,水滴与冷板平面的接触面积增加.
简介:在非线性、非高斯条件下进行动基座传递对准,如果采用卡尔曼滤波会出现误差较大甚至发散的问题。本文引入强跟踪自适应滤波器,建立对估计误差的一步预测方差PK/K-1的加权算法,来达到抑制噪声的目的;同时,针对初始对准对准精度与快速性的要求,建立了动基座传递对准精确的非线性滤波模型。通过计算机仿真,模拟了飞机机动模式,验证所提滤波器的可行性。最后,通过与扩展卡尔曼滤波的比较,说明非线性强跟踪自适应滤波器在对准精度与速度上都有更好的表现。
简介:针对SAR图像匹配及定位需要耗用不等的计算时间而造成的量测不等间隔输出和量测信息滞后问题,提出一种新的SAR时延补偿算法。该算法在标准卡尔曼滤波(KF)基础上,当SAR有量测信息生成时,根据多模型方法进行量测预测,利用预测值修正SINS状态;而SAR无量测信息输出时,通过插值方法生成量测信息来改善系统滤波精度。仿真结果表明,采用基于多模型量测预测的KF算法可以将位置误差由45m减小到10m以内,航向角稳态误差值小于5.8";而在此基础上叠加插值预测算法可以将位置误差进一步控制在6m以内,航向角稳态误差小于4.7",证明了本文提出的算法能够有效补偿SAR的随机时延并提高组合导航系统的解算精度。
简介:利用压力传感器测量扑翼的瞬时力,利用数字粒子测速仪(digitalparticleimagevelocimetry,DPIV)系统测量扑翼的前缘涡以及周围的流场,来揭示前缘涡在不同间距下对扑翼平均推力的影响.实验在-个低Reynolds数循环水洞中进行,两串列扑翼均做二维正弦平动.在固定的相位差下,当间距增加时,后翅前缘涡对前翅的影响具有相似性,均提高或者均降低前翅的平均推力.前翅平均推力的提高是由于后翅的前缘涡提高了前翅尾部的射流速度以及有效攻角.随着间距的增加,后翅前缘涡对前翅的影响急剧下降,使得前翅的平均推力快速接近于单翼值.在固定的相位差下,当间距增加时,前翅的脱落涡对后翅的影响变化非常大,后翅的平均推力可能先升高后降低,这是因为间距改变了前翅脱落涡作用于后翅的时间点.当前翅脱落涡遇到后翅,并且和后翅的前缘涡有相同的旋转方向时,前翅的脱落涡会抑制后翅前缘涡的形成,并且后翅的有效攻角减小,其平均推力降低.如果这两个涡的旋转方向相反,那么后翅有效攻角就会增大,平均推力值就会提高.
简介:为了提高水下航行器组合导航系统精度和可靠性,针对水下航行器组合导航系统量测噪声统计特性随实际工作环境的不同而变化的特点,提出了基于模糊自适应联邦卡尔曼滤波的水下组合导航算法。通过监测理论残差与实际残差的协方差的一致程度,应用模糊系统不断调整滤波器的增益系数,对子滤波器进行在线自适应调整,从而实现导航状态的最优估计滤波。通过对联邦滤波器信息分配系数模糊自适应调整,减少了滤波计算量,提高了滤波实时性。软件仿真实验结果表明:模糊自适应滤波可以有效地提高水下航行器组合导航系统的精度和可靠性,提高导航滤波实时性,克服传统的滤波算法的缺点与不足。
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。