基于离心机测试的惯导平台误差系数辨识研究

为解决惯导平台误差模型辨识中与加速度高阶项有关的误差系数的辨识问题,提出一种基于离心机测试的惯导平台误差系数辨识的方案。通过分析惯导平台在过载状况下的受力,给出惯导平台在离心机上的安装定向及其误差系数的辨识方案。按该方案利用扩展卡尔曼滤波估计算法在某型惯导平台上进行误差系数辨识实验。结果表明,此方案可有效地辨识出惯导平台误差型中与加速度高阶项有关的误差系数,且精度较高。     

方位旋转式平台惯导系统的误差分析与仿真

采用惯性平台相对惯性空间以固定角速度绕方位轴旋转的系统方法,构成方位旋转式平台惯导系统(ARGINS),通过调制惯性测量元件沿平台水平方向的输出误差,提高平台式惯导的精度.给出了ARGINS无阻尼情况下的系统误差方程,分析了静基座下的系统误差,并采用Monte-Carlo方法研究了动基座下的系统误差特性.结果表明,相对固定指北式平台惯导,由于水平方向上的惯性测量元件误差引起的随时间发散误差量被调制为常值误差,而常值误差量则被调制为可通过阻尼消除的振荡性误差,达到了抑制惯性测量元件误差的效果.     

惯性系下平台惯导传递对准方法

由于导弹的高速旋转导致其内部的子惯导平台难以施矩,不能跟踪地理系,在发射前需要使子惯导平台跟踪惯性系,而主惯导则一直跟踪地理系。针对这一情况的传递对准应用问题给出了相应的解决办法。首先介绍了跟踪惯性系平台惯导的工作原理,然后针对这种情况,提出了2种惯性系下传递对准的方法,分别是平台惯性系以及地心惯性系下的速度匹配。经过对比分析,仿真结果说明平台惯性系下的方位失准角精度不高,而地心惯性系下在3个方向上都达到了误差小于1′的精度,是一种可行的对准方法。     

改进的Elman网络与机理模型的互补建模方法

利用一种改进的Ｅｌｍａｎ动态神经网络,并结合系统的机理模型,给出了一种适用于在线仿真的互补建模方法。 本方法的实现复杂大系统的在线仿真提供了一个理想的建模途径。     

基于观测量扩充的捷联惯导快速初始对准方法

近似静止状态时捷联惯导系统可观测性较差,利用卡尔曼滤波完成初始对准需要较长时间。针对这一问题提出了一种基于观测量扩充的捷联惯导系统快速初始对准方法。在不改变系统状态方程的情况下,将速度误差和地球转速作为系统观测量。并根据观测量的扩展详细地推导了观测方程,进而利用扩展卡尔曼滤波完成捷联惯导系统初始对准。车载试验结果表明,与传统的卡尔曼滤波对准方法相比,新方法在保证初始对准精度的同时缩短了初始对准时间。     

基于文化微粒群Elman网络的航煤干点软测量模型

将微粒群算法用于文化算法种群空间的优化,形成文化微粒群算法,并用常用测试函数检验该算法的性能;结果表明,文化微粒群算法具有比基本微粒群算法更好的优化性能。然后,籽文化微在群算法用于Elman网络连接权值和阎值的寻优,构成文化微粒群Elman网络,并将其应用于加氢裂化航煤于点软测量建模。结果表明,此模型精度高,应用前景广阔。     

基于Matlab/Simulink捷联惯导系统快速设计

详细介绍了在Matlab/Simulink仿真环境下的捷联惯导仿真器的结构设计与开发过程.首先针对捷联惯导系统建立了数学模型,按照其功能进行模块划分,给出各个模块的具体实现方法与过程,建立了系统仿真平台;然后给出了完整的惯导系统仿真框图,并在仿真平台上实现了捷联算法及捷联惯导系统的性能分析与验证.结果表明,该仿真平台有效、可靠,具有可视化,大大的缩短了开发的周期,为捷联惯导系统的设计提供了一种图形化、模块化的快捷途径.     

基于Elman网络的无人直升机航向的预测建模

为了实现无人直升机的自主飞行,需要首先建立起准确的动力学模型,文中设置了无人直升机的飞行试验平台,采集了大量试验数据。通过对数据的分析,抽取其中有效的数据对,提出了应用Elman网络来建立无人直升机的航向预测模型的方法,并同其它的分析方法进行了对比。最后运用实验仿真验证了方法的可行性和优越性。     

基于多观测量的舰载惯导传递对准精度评估方法

针对传递对准精度评估采用差分GPS作为基准量存在对载体机动特性要求高的问题,以舰载惯导传递对准精度评估为研究对象,引入差分GPS速度、位置和舰载主惯导姿态为参考信息;以捷联惯导系统误差方程为基础,推导了状态方程和量测方程;设计了基于固定点的卡尔曼平滑算法;考虑不同主惯导姿态误差条件情况,与传统的传递对准精度评估方法的评估效果进行了比对仿真分析,给出了分析结论。仿真结果表明,基于多观测量的精度评估方法仅通过舰船的摇摆运动,能实现对舰载惯导姿态误差的有效估计。     

基于Hsia算法的Hammerstein模型辨识

针对采用广义最小二乘法（GLS）辨识Hammerstein模型时反复滤波，计算效率不高的问题，提出了利用Hsia算法进行Hammerstein模型辩识的策略．谈法不需滤波，克服最小二来解有偏性的同时，消除了Hammerstein模型中非线性增益的阶次对计算效率降低的作用，鳊程简单，计算快速．仿真及试验研究证明谈法省时明显，值得推广。     

Error model identification of inertial navigation platform based on errors-in-variables model

Because the real input acceleration cannot be obtained during the error model identification of inertial navigation platform, both the input and output data contain noises. In this case, the conventional regression model and the least squares (LS) method will result in bias. Based on the models of inertial navigation platform error and observation error, the errors-in-variables (EV) model and the total least squares (TLS) method are proposed to identify the error model of the inertial navigation platform. The estimation precision is improved and the result is better than the conventional regression model based LS method. The simulation results illustrate the effectiveness of the proposed method.     

基于Elman网络的鲁棒型广义预测控制方法研究

提出一种基于Elman动态回归神经网络模型的鲁棒型广义预测控制(GPC)．该算法首先用EIman网络对非线性系统进行辨识，建立预测模型，然后在控制中将模型输出值与测量输出值进行综合，代替量测输出用于控制中，从而降低辨识器与控制器对未建模动态的敏感性，加强控制器的适应能力和鲁棒性．仿真结果证明：将本算法应用于非线性系统预测控制，对未建模动态具有很强的鲁棒性和很好的控制能力。     

一种模糊神经网络控制系统研究

针对被控过程的非线性、时变性和复杂性,提出了一种模糊神经控制器与动态辨识器组成的控制系统。该系统的控制器采用模糊神经网络控制器,它的控制参数采用遗传算法全局离线优化对BP算法局部在线调整相结合的混合方法;该系统的辨识器采用变形Elman动态神经网络进行系统辨识。给出了该系统的结构、原理及工作流程,通过仿真实验证明该系统的可行性和有效性。     

基于神经网络的高超声速飞行器惯导系统精度提高方法

针对目前惯性系统误差补偿模型对静态误差和动态误差处理能力不足的问题,为适应高超声速飞行器长航时、高精度的惯性导航要求,基于神经网络提出一种加速度计拟合模型。在高超声速飞行器飞行前期有准确的卫星导航信息时,收集导航信息和加速度计脉冲信息,利用神经网络强大的非线性拟合能力,在飞行过程中进行在线训练,得到精确的惯性系统模型。仿真结果表明,在存在逐次通电误差和不考虑二次项误差系数的误差补偿模型方法位置导航偏差在数公里和数百米量级的情况下,相同时间内所提方法的位置导航偏差仅为数十米量级,有效提高了高超声速飞行器的导航精度。     

压电陀螺漂移特性的灰色神经网络建模研究

在不同温度和运行时间下,压电陀螺的静态零位漂移和刻度因子变化表现为非线性和多值对应关系,基于时间序列的ARMA模型和直接采用温度单输入的前馈神经网络模型都无法正确描述压电陀螺的这种误差特性。提出一种将温度和时间作为输入,分别同时对应陀螺静态零位和刻度因子输出的三维空间下的单值对应关系,在运用灰色理论对数据进行预处理基础上,采用多输入单输出的RBF神经网络实现了对陀螺漂移特性的描述。仿真实验结果验证了该建模方法的有效性。     

基于相似图像搜索的网络推广平台的设计

为了解决传统的采用关键字搜索产品信息的网络购物平台存在搜索方式不直观、搜索空间大和搜索结果不准确的问题,提出并设计了一个基于相似图像搜索的网络推广平台,整个软件平台的设计包括:图像搜索展示,图像搜索处理、产品信息采集三个子系统的设计以及平台内部子系统接口与平台间接口的设计.本软件平台的实现可以将彼此独立的时尚资讯平台与各网络购物平台无缝连接,使消费者可以根据资讯图片自动直观搜索相似图片,达到为企业提供精准的网络推广平台的目的.     

大规模人群网络流瓶颈识别方法研究

在体育赛事、集会等场合,大规模人群沿路网流动过程中易发生拥塞并诱发恐慌、踩踏等严重事故.因此,理解网络结构对人群流动特征的影响,对大规模人群在网络上的流动进行有效的组织和管理十分必要.首先结合大型活动行人路径选择行为的一般特征,采用交通分配模型将大规模人群分配到具体的网络拓扑结构上,采用非线性行人路阻函数模拟人群拥挤效应;随后,计算路网流量增加条件下人群在各路段走行时间变化率,并提出以路段走行时间变化率排序作为各路段结构重要度排序的方法,据此计算各路段的鲁棒性,确定瓶颈路段.最后,以德国2010年"爱的大游行"踩踏事故为例,分析验证了大规模人群网络流瓶颈识别方法,研究讨论了对路网实施管控的流量阈值以及不同管控条件下网络流的定量演化规律,可为路网的科学管理和规划提供基础数据和理论依据.     

基于多任务学习图卷积模型的航空网络节点分类

准确识别航空网络关键节点, 做好针对性防护, 对于保证航空网络正常运行至关重要。传统的方法, 如基于复杂网络中心性指标的方法, 或基于机器学习的算法, 只单一考虑网络结构或节点特征来评价节点的重要性。然而评价节点的重要性应该同时考虑网络结构特征和节点特征。为解决上述问题, 本文提出了一种名为多任务图卷积网络(multi tasks graph convolution network, MTGCN)航空网络节点分类模型, 该模型在图卷积网络的基础上, 引入多任务学习及自适应加权策略, 将“节点—节点相关性”作为辅助任务加入模型的训练过程中, 并根据训练情况自适应分配各任务权重。3个不同规模的航空网络数据集中的仿真实验表明本文所提模型的性能优于现有的图卷积模型, 为图卷积在航空网络节点分类方向的应用提供了思路。     

Multiple model tracking algorithms based on neural network and multiple process noise soft switching

A multiple model tracking algorithm based on neural network and multiple-process noise soft-switching for maneuvering targets is presented. In this algorithm, the “current” statistical model and neural network are running in parallel. The neural network algorithm is used to modify the adaptive noise filtering algorithm based on the mean value and variance of the “current” statistical model for maneuvering targets, and then the multiple model tracking algorithm of the multiple processing switch is used to improve the precision of tracking maneuvering targets. The modified algorithm is proved to be effective by simulation.