高炮应急射击时一种新的火控诸元求解方法

目前高炮应急射击时主要有两种火控诸元求解方法:视在航路法和陀螺仿真法.前者目标航向角、俯仰角对角度测量误差过于敏感;后者则是建立在圆周运动假定下,对于沿直线飞行的目标存在模型误差.针对前述不足,提出了一种新的适用于高炮数字化瞄准具的应急射击诸元求解方法,特点是在目标匀速直线运动假定下,由装定的两个距离光环(指示距离环、开火距离环)求得目标速度和航捷点斜距,再结合瞄准线角速度信息得到瞄准线提前角,最终解算出射击诸元.理论分析表明:一方面,在相同的目标速度误差影响下该方法的提前量误差比视在航路法的提前量误差减小一半,以至于诸元误差对角度测量误差不敏感;另一方面,该方法较陀螺仿真法具有模型优势,模型误差不再是影响射击诸元误差的重要因素.最后,仿真结果证明了该方法的有效性.     

不完全量测下基于信息一致性的分布式容积卡尔曼滤波算法

针对不完全量测条件下分布式火控系统中的非线性目标跟踪问题,为提高跟踪系统的估计精度并保证各探测单元估计结果的一致性,提出一种基于信息一致性的分布式容积卡尔曼滤波(ICDCKF)算法。针对非线性系统,给出不完全量测下的改进容积卡尔曼滤波。考虑到各探测单元间局部估计信息的相关性,该算法首次将协方差交叉方法应用于非线性一致性滤波算法,提高互协方差未知情形下分布式融合的估计精度。特别地,为确保算法的可行性,给出不完全量测情形下,ICDCKF算法估计结果收敛的条件,并从理论上严格证明在该条件下ICDCKF算法可以保证估计方差的有界性。ICDCKF算法应用于一类光电跟踪网络,与现有CKFI算法、CKF_CI算法、KCF_ Me算法对比分析表明：ICDCKF算法在保证各探测单元估计结果一致性的同时,大幅度提高了跟踪系统的估计精度。     

传感器网络一致性分布式滤波算法

为了改善分布式传感器网络的估计性能,提出了一种基于状态预测一致的滤波算法.在对局部估计值进行一致化处理的基础上,重点研究了利用邻居节点前一时刻的估计值对当前局部状态预测值进行修正来提高估计精度.给出了一种一致性增益的选择方法,利用李雅普诺夫方法得到了算法收敛的充分条件,并讨论了影响算法收敛速度的因素.仿真结果表明了算法的有效性,并发现节点度较大的传感器在网络估计中发挥着重要作用,可通过调整这类节点的一致性系数来改善算法性能.     

基于有向小世界网络的加速分布式一致性收敛速度研究

在有向平衡规则网络基础上,采用随机添加捷径的方法建立两个有向小世界网络模型,并使有向小世界网络为平衡网络.通过仿真分析,基于有向小世界网络的分布式一致性算法的收敛速度得到了极大的提高.     

满意滤波在航迹辨识中的应用

利用线性矩阵不等式(LMI,linear matrix inequalities)方法,首先研究了Kalman滤波 的稳态误差方差和滤波增益的解法,并根据满意控制的思想,提出了具有误差方差上界约束的 滤波问题,然后研究了误差方差上界约束下对系统测量噪声具有最大容许强度的满意鲁棒滤 波.本文的研究成果已被应用于某型C3I系统中的航迹辨识.     

基于压缩传感的多尺度传感器融合

针对传统采样理论需要采集大量观测数据所带来的存储、传输以及经济方面的压力,提出了一种基于压缩传感理论的多尺度传感器融合方法.分析了基于压缩传感理论的重构算法的设计问题,采用曲线拟合方法对多尺度的传感器的时间配准.仿真结果表明,基于正交匹配追踪算法几乎可以完全重构原始信号.与传统采样算法相比,虽然精度没有传统的方法高,但是在误差允许范围内,采集的数据少,所需时间少,减少了数据的传输和存储成本.     

基于PSO的工业机器人时间-脉动最优轨迹规划

为提高工业机器人的工作效率,并且保持机器人关节平稳运动,提出一种基于粒子群优化算法的时间-脉动最优轨迹规划方案;通过权重法将多目标优化转化为单目标优化,再运用粒子群优化算法得到时间-脉动最优的运动轨迹;轨迹规划中,采用了关节空间五次非均匀B样条插值法,以确保脉动曲线的连续性;最后以GRB4016工业机器人为研究对象进行仿真实验,结果表明,该方案可以得到较理想的运动轨迹,并验证了方案的有效性。     

一类光电跟踪系统中事件触发机制的设计及应用

对于图像采样频率远高于测距重频激光发射频率的一类光电跟踪系统,引入事件触发机制控制量测数据的传输,可在系统估计精度满足允许范围的前提下,减少系统中的通信量和估计中心的计算量.本文针对此类系统设计了基于非线性变换的事件触发机制;为定量的评价系统的估计性能,给出了事件触发机制下系统克拉美–罗下界(Cram′er-Rao lower bound,CRLB)的递推计算式.典型测试场景下的仿真结果和实测航路下的实验结果验证了本文设计的事件触发机制的有效性及实际工程中的可行性.     

离散高阶分布式一致性算法

为了提高分布式一致性算法的收敛速度, 提出了一种离散高阶分布式一致性算法。该算法通过单跳通信, 利用二跳邻接节点的前多步信息来加速分布式一致性算法的收敛速度。对无向通信拓扑下该算法的收敛性能和收敛速度, 以及带通信延时的该算法的收敛性能进行了分析和仿真比较, 结果显示, 该算法在满足条件下能收敛到初始状态的平均值, 与同样利用二跳邻接节点信息的算法相比, 具有通信量小, 收敛速度更快的特点, 但是能容忍的通信延时变小。     

不完全量测下目标跟踪系统的容许量测噪声

针对目标跟踪系统不可避免存在的量测值丢失的情况,研究了统计意义下基于不完全量测的估计误差协方差的性质,并分析了稳态滤波误差方差与量测噪声之间的关系。当传感器探测概率已知,在给定的误差方差约束下,给出了考虑不完全量测条件下滤波器的一种新算法,可使系统具有最大容许量测噪声强度,从而可降低对传感器精度的要求。数值算例和蒙特卡罗(Monto Carlo)仿真结果表明了该方法的有效性。