基于无奇异变换的双行轨道根数生成算法

在双行轨道根数（two line elements, TLE）和简化普适摄动轨道预报模型的基础上,针对空间目标TLE采样拟合过程中可能出现奇点的问题,提出基于无奇异变换的空间目标TLE生成算法。引入无奇异轨道根数代替开普勒根数形成改进的TLE参数,推导了目标位置矢量对改进TLE参数的偏导数矩阵,并采用选主列Givens QR分解算法进行观测方程迭代求解,以提高数值计算稳定性。仿真结果表明,该生成算法拟合精度和位置预报残差满足要求,可应用于低轨目标的空间监视。     

卫星自主定轨中轨道摄动仿真

本文针对组合大视场星敏感器卫星自主定轨方法,建立了地球非球形摄动下的广义卡尔曼滤波仿真模型,滤波过程采用了新的改进算法。通过计算机仿真,说明该自主定轨方法具有很高的位置、速度均方误差估计精度且算法是收敛的。计算给出了一日内的卫星轨道,反映了在地球非球形摄动下轨道的变化情况,且对轨道面的进动进行了计算。     

低轨回归轨道卫星轨迹漂移特性分析与控制

针对低轨回归轨道卫星,建立了星下点轨迹漂移的数学模型,研究了星下点轨迹保持控制的问题。首先,分析了回归轨道星下点轨迹的约束条件,给出了星下点轨迹漂移与卫星轨道根数偏差之间的关系。在此基础上,将星下点轨迹保持控制问题转化为基于平均轨道根数的相对轨道控制问题,其中参考卫星是虚拟的,仅受到地球引力影响,利用高斯摄动方程建立了包含J₂摄动和大气阻力摄动的相对运动方程,基于Lyapunov理论设计了星下点轨迹保持的相对平均轨道根数反馈控制律。仿真结果表明,所设计的星下点轨迹控制律能有效地实现星下点轨迹保持的要求。     

J2和大气阻力摄动下卫星编队队形控制

针对低轨运行的编队卫星在J2和大气阻力摄动作用下其编队队形会很快遭到破坏的情况,以平均轨道根数描述卫星编队中从星相对于主星的相对轨道构形,基于高斯摄动方程,给出了在这两种摄动作用下的、以平均轨道根数为被控制量的状态方程并设计了相应的非线性控制律控制卫星编队队形。最后,数值仿真结果验证了所给出控制律的有效性。     

多变量时间序列相空间重构的优化

基于单变量时间序列相空间重构中嵌入维数的计算常采用虚假邻点算法,但推广到多变量情形时存在多种不足,提出了一种多变量时间序列相空间重构时嵌入维数的一种改进算法。改进算法在避免使用虚假邻点算法中的判别距离和算法收敛阈值的同时,也解决了已有多变量重构算法中全局和局部较优相空间维数搜索范围的选取问题。耦合R ossler系统产生多变量时间序列的仿真计算验证了该算法的有效性。经与单变量时间序列对比试验分析,表明采用新算法重构的相空间具有较强的预测能力,由此计算得到的非线性不变量具有较高的计算精度。     

基于小波变换的轨道摄动时间序列建模及仿真

卫星摄动分析是卫星定轨的关键。卫星摄动变化规律复杂,直接影响定轨精度和计算效率。在摄动力分类和轨道摄动偏差统计分析的基础上,给出了一种基于小波变换的卫星轨道摄动时间序列分析建模方法。研究了基于小波变换的卫星轨道摄动偏差特征提取方法,能够对轨道摄动偏差做出很好的预测和噪声平滑;采用时间序列分析方法,构造了摄动偏差残差的统计模型;建立了基于卫星轨道摄动偏差残差AR（2）平稳时间序列表示的稀疏参数化卫星摄动的精确模型,达到对卫星轨道进行有效预测的目的。     

基于蚁群算法的转移轨道中途修正问题研究

由于航天器远距离变轨时各种误差和摄动的存在,要使其精确到达目标点,就必须在转移轨道的中途对其飞行轨迹进行修正.对传统的蚁群算法进行了改进使之适用于连续参数优化问题,并增加了算法的局部搜索策略以避免陷于局部最优,同时通过引进伪梯度信息,改进了算法的收敛速度.利用改进后的蚁群算法,针对修正次数和修正时间点均未定的中途修正问题进行优化,寻找到最优的修正次数和时间点,并根据不同的权重系数,制定相应的修正策略,以达到最终位置误差和修正所消耗的速度脉冲两者的综合最优.仿真结果显示,采用中途修正减少了航天器与目标点的最终位置误差,证明了蚁群算法对转移轨道中途修正问题的有效性.     

基于Legendre伪谱法的远程最优拦截初制导方法

考虑J₂摄动,研究远程最优拦截初制导问题。针对远程拦截飞行时间长的特点,深入分析并改进一种固定时间拦截制导的摄动修正方法,提出J₂摄动远程脉冲最优拦截策略。基于一种求解最优控制问题的新方法--Legendre伪谱法（Legendre pseudospectral method, LPM）,研究有限推力远程最优拦截初制导问题,给出有限推力远程最优拦截初制导方法。以小倾角大椭圆轨道机动飞行器为对象,进行优化计算。仿真结果说明了本文的最优初制导方法的精度和计算效率。     

改进的多基线相位解缠绕CANOPUS算法

中国余数定理(Chinese remainder theorem,CRT)方法是多基线相位解缠绕技术的一个基本方法,但是其较差的噪声鲁棒性问题限制了该方法在多基线相位解缠绕中的应用,然而基于聚类分析的多基线相位解缠绕技术能够克服传统的CRT算法噪声鲁棒性差的问题,本文根据CANOPUS算法中的聚类方法,提出用L-∞-norm的距离测度定义两点之间的距离,从而减少特小类的产生和降低噪点数,进而提高聚类分析的精度,并且改进CANOPUS算法的算法流程以提高聚类分析算法的执行效率,进而大幅度降低聚类分析的运算时间。通过用仿真数据和实测数据验证可得,本文提出的改进聚类方法的聚类分析精度和算法执行效率更高,有效性通过实测数据实验得到了验证。     

基于摄动制导的弹道导弹发射诸元的仿真算法

实现了一种基于摄动制导的弹道导弹的发射诸元算法。给定发射点与瞄准点的地理位置，通过一种迭代方法求解发射方位角和标准关机时间，并以此确定自发射点到瞄准点的标准弹道。采用求差法解算摄动制导的关机方程与导引方程系数。最后给出诸元计算软件流程图。将该软件应用于某导弹六自由度飞行仿真系统的发射诸元计算，论证了该算法的可行性。     

多终端仅测速实时定轨的自适应联邦STCKF算法

针对多手持终端仅测速实时定轨问题,设计了一种自适应联邦强跟踪容积卡尔曼滤波(strong tracking cubature Kalman filter,STCKF)算法。首先,使用欧拉预测校正法对带J2项摄动的轨道动力学方程进行离散得到状态方程。然后,为每个手持终端设计了STCKF滤波算法,该算法基于强跟踪滤波(strong tracking filter,STF)的等价表示计算次优渐消因子以在线实时调整增益矩阵,提高短弧段内滤波估计收敛速度。进而,利用信息最优合成算法对每个终端输出的局部定轨结果进行融合,为提高信息融合精度,信息分配因子由误差协方差矩阵的Frobenius范数自适应确定。最后的仿真结果表明,欧拉预测校正法可以有效提高轨道动力学方程离散精度,自适应联邦STCKF算法可以有效提高实时定轨精度和滤波收敛速度。     

地球静止轨道-低轨道最优异面转移方法

研究了轨道转移飞行器（orbital transfer vehicle, OTV）从地球静止轨道向低轨道的最优异面转移过程,提出了解析法和智能优化算法。在解析法中,完整地推导了最优转移轨道的求解方法,提出了最优转移轨道应满足的条件,并采用牛顿迭代法求解第1次速度脉冲应改变的轨道倾角。以离轨点位置、入轨点位置和转移时间为优化变量,采用遗传算法对最优转移过程进行求解,给出了遗传算法求解该优化问题的设计步骤,并将变轨过程在卫星工具包（satellite tool kit, STK）场景中进行了演示。仿真结果表明两种方法均能满足Lawden一阶最优必要条件。     

基于BSO-ELM的涡轴发动机加速过程性能参数预测

建立精度和实时性均满足要求的航空发动机性能参数预测模型是实现发动机性能优化和实时监控的基础。极限学习机(extreme learning machine, ELM)对复杂的非线性航空发动机系统具有良好的适应性, 本文提出了利用头脑风暴优化算法(brain storm optimization, BSO)优化ELM的网络参数以提高其性能。并提出以发动机的台架试车加速过程数据为训练和验证样本, 利用BSO-ELM算法回归辨识得到涡轴发动机加速过程性能参数预测模型。结果表明预测参数燃气发生器转速n_g、燃气发生器出口温度T₄和增压比π_c的两项精度指标均优于BSO算法优化的反向传播神经网络和粒子群优化算法优化的ELM方法得到的预测模型, 表明了BSO-ELM预测模型的可行性与优越性; 在相同仿真环境下, BSO-ELM算法可大幅提高计算效率使预测模型的实时性更优。     

近圆参考轨道卫星编队脉冲控制方法

针对高斯摄动方程在描述近圆轨道时其近地点幅角和平近点角存在奇异性的问题,采用非奇异轨道要素描述卫星轨道运动,推导了适用于近圆参考轨道编队的非奇异轨道要素脉冲控制模型。基于该模型,首先设计了一个法向脉冲同时调整轨道倾角和升交点赤经偏差;然后,先假定采取在两个位置分别同时施加切向和径向脉冲的策略调整其余轨道要素偏差,分析了如在第一个位置施加切向脉冲时将会导致的复杂非线性问题,从而提出了一种在轨道上的某两个位置分别仅施加径向和切向脉冲的双脉冲控制修正算法,并且分析了该算法的燃料消耗情况。最后通过数值仿真验证了算法的简单性和有效性。     

基于佳点萤火虫算法与BP神经网络并行集成学习的旱情预测模型

针对传统BP神经网络在旱情预测的实际应用中随机初始权值和阈值导致网络学习速度慢、易陷入局部解以及计算精度低等缺陷,提出一种基于数论佳点集萤火虫(good point set glowworm swarm optimization,GPSGSO)算法与BP神经网络(back propagation neural network,BPNN)并行集成学习算法(GPSGSO-BPNN)的旱情预测模型.首先,借鉴数论中佳点集理论构造初始均匀分布的萤火虫种群,并引入惯性权重函数动态修正移动步长,生成基于数论佳点集理论萤火虫算法,并从理论上分析算法的有效性;其次,将GPSGSO算法与BPNN相结合构建并行集成学习算法,实现两种算法的并行交互集成.最后,将并行集成学习算法应用于农业干旱灾害预测中,构建基于GPSGSO-BPNN并行集成学习算法的旱情预测模型.通过8个Benchmark函数验证了GPSGSO算法在收敛速度、计算精度及稳定性等方面的有效性.同时,以皖北农业干旱气象数据作为仿真数据,实验结果表明GPSGSO-BPNN算法在计算速度、精度及稳定性方面较传统BPNN、GSO-BPNN及GA-BPNN等算法有较明显的优势,提高了旱情等级预测的准确性.     

空间机动目标跟踪的改进自适应IMM算法

针对使用模型似然函数比对传统交互多模型(interacting multiple model, IMM)算法模型转移概率实时修正存在奇异的问题, 基于所提修正函数给出一种改进自适应IMM算法。首先, 将白噪声模型与扩展卡尔曼滤波(extended Kalman filter, EKF)算法结合, 设计了非机动模型EKF1及机动模型EKF2作为IMM算法模型集。其次, 预报模型采用适应椭圆参考轨道的非线性相对轨道动力学方程以提高模型预报精度。最后, 分析了速率量测信息对减小机动目标跟踪峰值误差的作用。仿真结果表明, 改进的模型转移概率自适应IMM-EKF算法跟踪精度明显提高, 且优于比较的现有方法; 引入速率量测信息后, 最大峰值误差及估计精度得到了改善。     

运用基于拟随机数的响应曲面法改进电路模拟

由于低成本与高效率, 电路模拟已经成为电路设计的必需环节, 不过已有的电路模拟软件仍然不能满足业界对精确度及速度的双重要求. 针对MOS管元件, 采用响应曲面法建立输出与输入的近似关系模型, 将复杂的电路计算简化为线性运算, 大大减轻了工作量, 提高了速度. 同时为了保证精度, 对模拟中随机点的选取加以改进, 用均匀性更好、更具代表性的拟随机数取代通常的伪随机数, 对于同样数量的随机点, 拟随机数得到的模拟结果明显优于伪随机数的. 由此就可以在保证精度的同时提高效率. 通过模拟得到了很好的结果.     

基于PSO-BP神经网络的广播星历轨道误差预测模型

在卫星导航数据处理实践中,发现广播星历轨道误差中客观存在不确定性的规律现象,针对这种不能用确定数学模型表示的误差信息,建立基于粒子群优化反向传播(back propagation,BP)神经网络的轨道误差预测模型。通过粒子群算法对BP神经网络的初始权值和阈值进行全局寻优,利用广播星历解算出的卫星空间位置和速度,并结合时间信息和摄动改正数对神经网络进行训练和测试。结果表明该模型对广播星历轨道误差具有较好的拟合能力和预测效果,用该模型对卫星位置解算提供误差补偿,可有效提高卫星定轨精度,降低系统级误差。