简介:针对风场对临近空间伪卫星导航精度影响的问题,提出伪卫星抗风场干扰自主导航算法,以提高伪卫星的导航精度。首先,将风场模型加入伪卫星SINS/CNS/SAR组合导航的量测模型中,建立风场干扰下的SINS/CNS/SAR组合导航系统模型;然后,设计自适应UPF非线性滤波算法,将该算法用于SINS/CNS/SAR组合导航解算中,分别在考虑风场干扰和不考虑风场干扰的情况下,利用UKF、UPF和自适应UPF算法对临近空间伪卫星组合导航系统误差进行估计。仿真结果表明,在考虑风场干扰的条件下,提出的自适应UPF算法在东向、北向和天向的速度误差均控制在±0.21m/s以内,误差大小分别是现有的UKF和UPF的1/5和1/3。该算法能有效抑制风场对导航解算精度的影响,提高伪卫星的定位精度。
简介:磁悬浮动量球是一种高功能密度比的微小卫星三轴姿控部件。磁悬浮与驱动原理的选择、磁极拓扑结构的布局以及传感方式的选用,从悬浮-旋转兼容性和空间结构干涉性上制约着磁悬浮动量球的可实现性。提出了一种新型的悬浮-旋转解耦、结构简单紧凑的磁化悬浮-感应驱动型动量球系统,以单轴实现为例详细论述了系统组成与工作原理,对子模块的设计、硬件实现与建模开展了研究。针对开环不稳定悬浮系统,提出一种基于构造法的控制参数设计方法,并给出了系统的三轴拓展方式。仿真和实验结果表明,该系统可以实现悬浮与旋转功能,悬浮球体在有旋转和无旋转时的位移稳定度分别约为1.6μm和4.7μm,球形转子的转速可达720r/min。
简介:针对自由漂浮状态下的空间机械臂系统,研究了基座姿态扰动最小的轨迹规划问题。首先通过正弦函数参数化机械臂各个关节,在机械臂关节角速度、角加速度以及基座姿态变化范围受限的约束条件下,定义了基座姿态扰动最小的目标函数,然后提出了基于混沌粒子群算法的轨迹优化策略,并给出了具体求解步骤。数值算例结果表明,在满足系统的约束条件下,机械臂关节变化平缓,不存在角速度突变的情况,并且比标准粒子群算法具有更快的收敛速度,在优化轨迹下进行运动仿真,结果表明终止时刻基座姿态扰动为1.3708°(三轴合成),而梯形规划的姿态扰动为8.5459°,优化后使得姿态的扰动减小84%,从而说明所提出的算法能够有效减小机械臂运动对基座姿态的扰动。
简介:基于Krein空间的鲁棒Kalman滤波器与通过其它方法建立的鲁棒Kalman滤波器相比有较高稳态精度。文中将基于Krein空间的鲁棒Kalman滤波方法用于导弹捷联惯导系统动基座传递对准,并与标准Kalman滤波进行了比较。仿真结果表明,在垂直比力参数存在摄动的情况下,如果基于Krein空间的鲁棒Kalman滤波器的参数选取适当,它的精度鲁棒性优于标准Kalman滤波。
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: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:受限混合层的流动主要是喷流与自由来流相互剪切形成的混合层受到壁面的限制而形成的一种流动.文章采用后向台阶平板模型研究了高速高压比条件下的受限混合层的典型流场结构以及冷却效率.实验自由来流Mach数为5,喷流的Mach数为1.28,喷流总压为0.2~0.7MPa,通过调整冷喷气流的总压,基于纹影流动显示技术获得喷口附近的激波结构特征和流动参数之间的关系.形成喷口附近波系的欠膨胀流动现象的深刻认识,提取波系特征与流动参数之间的规律.基于流动显示及实验测量结果,通过分析流场中大尺度结构的空间演化规律,揭示流动参数对于冷却效率的影响规律及物理内涵.采用快响应压敏漆(FRPSP)技术在高超声速风洞开展热流分布和冷却效率研究,获得了平板对受限混合层冷却效率的影响.
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.