提高GPS导航定位精度的方法--电波折射修正

目前 ,GPS全球定位系统在军、民各方面的用途越来越广泛 ,但是 ,由于空中大气介质的不均匀性使得电波传播速度减慢 ,射线产生弯曲 ,从而产生折射误差。因此要提高GPS的定位导航精度 ,就必须进行电波折射修正。提出了利用地面气象参数的电波折射误差快速算法 ,并进行了精度检验。     

0度及其附近仰角的电波折射误差修正方法

为提高雷达测量精度,对大气介质引起的电波折射误差必须进行修正。针对目前高精度雷达越来越多用于低空或超低空探测,使得雷达仰角一般处于0度左右情况,提出了实用于0度及其附近仰角的电波折射修正方法。该方法利用大气折射指数梯度,采用分部积分法解决了常规电波折射修正方法中因公式中分母为0而无法计算,或迭代次数过多而严重影响计算速度等不足,使得其能够实用于工程实际应用。通过与常规方法修正结果比较,证明了该方法的实效性。     

大气折射对高程约束下时差定位误差的影响及修正

电波在不均匀大气中传播会发生折射现象,传播路径和速度都会发生改变,若不考虑其影响,将导致利用测量多站到达时间差进行辐射源定位产生较大误差。本文分析了已知先验高程约束条件下大气折射对多站时差定位误差的影响,论证了迭代修正法在高程约束条件下(约束条件为冗余条件)无法达到最优,提出了大气折射条件下基于迭代然后再进行改进粒子群优化的时差定位误差修正算法,通过仿真分析验证了该修正算法的有效性。     

基于稳健补偿的卫星数据电波折射误差修正方法

折射误差是观测数据包含的主要误差源之一,也是影响卫星跟踪与控制以及轨道确定精度的主要因素。由于实时观测数据采样格式的不同,同一个采样时间内本应互相匹配的测量元素,因为丢失、干扰等而变得不再匹配,从而使得卫星实时跟踪数据包含的折射误差难以准确修正。提出的观测数据双向稳健补偿方法有效地解决了同一采样时间内测量元素的匹配问题,以及折射误差的修正问题,确保了卫星轨道确定的精度。实测数据计算以及定轨结果检验表明,该方法是有效的实用方法。     

单边约束动力学模型数值仿真中的误差修正方法

针对接触、碰撞等单边约束动力学模型数值仿真中存在的计算误差及约束违约问题,提出了一种误差投影修正方法进行补偿。在利用线性规划模型刻画单边约束动力学行为的基础上,建立了描述接触和碰撞问题的混合线性互补动力学模型,推导出该动力学模型的数值仿真方法。为了减少数值仿真过程中的计算误差以及由此引起的约束违约现象,以双边约束方程为基础,建立一种投影修正算法来修正动力学方程数值求解中的位置和速度误差,进而提高单边约束动力学模型的数值求解精度。通过一个算例验证了修正算法的有效性,结果表明该修正方法能够有效地提高单边约束动力学模型数值仿真的精度。     

月地返回轨道控制误差传播及分离点位置精度分析

基于探月工程三期论证中的一条月地返回轨道,分析了影响轨道器和返回器分离点位置计算精度的误差因素,建立了相应的误差协方差传播模型。通过仿真计算,讨论了在不同修正时机下,末次修正控制误差对轨道的影响,给出了分离点位置误差与末次修正后轨道误差之间的关系,对末次修正时机和分离时机的选择与分离点位置误差的关系进行了初步分析,结果表明,适当延后末次修正时间,以及适当提前分离有助于控制分离点位置误差。     

雷达测距数据不匹配系统误差的测速诊断

对于连续波雷达系统跟踪远程导弹、卫星等飞行器的数据处理问题,本文提出了利用测速数据对测距数据的系统误差进行诊断及修正的方法。在冗余信息较少的情况下,可用此方法修正不匹配误差,以提高定轨精度;同时说明了该方法可用于雷达测量丢失少量数据的情况下,识别测距数据是否发生跳变的问题。仿真与实测数据处理结果表明,该方法计算简单,精度较高,实用性好。     

面向应用的射频仿真系统近场效应误差修正

根据当前射频仿真系统的具体应用,介绍了用单脉冲比幅测角方式的近场效应修正方法。通过计算导引头的到达角误差,在三元天线组振幅的梯度方向上调整振幅幅值,使到达角误差趋于零。由此时的三元天线组振幅值计算合成目标的位置,生成方位角和俯仰角的近场效应误差修正表格。推导出适合于波导裂缝阵天线导引头的单脉冲比幅测角模型,并针对均匀圆形阵的波导裂缝阵天线特点,简化了单脉冲比幅测角时所需要的和、差信号的计算方法。本文方法所生成的近场效应误差修正表格对方位角的精度及对俯仰角的精度。满足实际应用的精度误差要求。简化后的单脉冲比幅测角在满足精度要求的同时,降低了算法的复杂度,平均提高程序运行时间55%。     

雷达测距数据不匹配系统误差的测速诊断*

对于连续波雷达系统跟踪远程导弹、卫星等飞行器的数据处理问题,本文提出了利用测速数据对测距数据的系统误差进行诊断及修正的方法。在冗余信息较少的情况下,可用此方法修正不匹配误差,以提高定轨精度;同时说明了该方法可用于雷达测量丢失少量数据的情况下,识别测距数据是否发生跳变的问题。仿真与实测数据处理结果表明,该方法计算简单,精度较高,实用性好。     

基于优化神经网络预报的原油含水率测量

在线密度法在原油含水率测量中有很强的实用价值, 但存在着受现场不确定因素影响测量误差波动较大的缺点. 为了提高含水率的测量精度和稳定性,将误差反向传播神经网络用于密度法计算含水率数学模型中, 针对该算法收敛速度缓慢和易陷入局部极小点的缺点, 提出了将模拟退火算法用于该模型的全局寻优, 改进后的误差反向传播神经网络的误差预报值对密度法模型计算值进行修正. 通过对离线实验数据的训练, 该方法能够有效地提高在线快速含水率测定结果的准确性.     

基于光电瞄准/SINS组合的在线修正方法

针对陆战装备捷联惯导系统(strapdown inertial navigation system,SINS)误差的积累性问题,提出了一种光电瞄准解算测速方法,并将其用于SINS主要状态参数的在线修正。推导了光电瞄准速度解算误差模型,误差分析结果表明,光电瞄准解算测速精度满足修正SINS主要状态参数的要求;建立了光电瞄准/SINS在线修正数学模型,并进行了仿真实验,实验结果表明,通过合理设定动基座的运动状态,所提方法可准确估计出SINS的主要误差状态参数,其中失准角的估计精度可达到1′以内,陀螺漂移误差的估计精度可达到0.01°/h。     

基于预测误差校正的支持向量机短期风速预测

对风电场风速进行较为准确的预测,对于电力部门及时调整调度计划至关重要。建立了支持向量机风速预测模型,并提出了结合预测误差校正来提高预测精度的新思路。先建立SVM模型初步预测风速,再将得到的训练误差和测试误差分别构建样本,建立基于小波-支持向量机的误差预测模型进行误差预测,最后用预测误差对风速初步预测值进行校正。仿真结果表明所提方法能明显改善预测精度,而且方法简洁明了,具有很好的稳健性,能够推广到长期风速预测、负荷预测及其它预测领域。     

具有选择与补偿机制的加权集合序贯极端学习机及其应用

针对集成在线序贯极端学习机(EOS-ELM)预测精度不高和动态适应性差的问题,提出一种具有选择与补偿机制的加权集合序贯极端学习机.该加权集合序贯极端学习机在序贯学习过程中,通过对当前预测模型精度的判断决定是否进行递推更新操作,同时为提高预测模型的动态跟踪能力,在加入新样本的同时对旧样本进行剔除;然后,利用EMD对残差序列处理后进行预测,并将初始预测结果与残差预测结果相加得到最终预测模型.通过对上证指数的预测,结果表明所提方法具有更好的泛化性能,预测精度相比EOS-ELM提高了近36.1%.     

调制型捷联惯导系统可观测性分析及在线标定技术研究

针对调制型捷联惯导系统（modulated strapdown inertial navigation system, MSINS）,提出了惯性组件（inertial navigation unit, IMU）的在线标定路径设计原则。首先根据IMU输出误差模型建立了系统误差模型,而后利用该模型,分析了载体无加速运动且转台静止情况下的可观测性,分析结果表明该状态下有一半状态量不可观测;针对该现象,对系统模型进行了能观测性分解,通过分解结果观察无法估计的状态量,并且得到了分解后系统的可观测性矩阵,在此基础上,推导了满足该矩阵满秩的IMU运动原则,由此归纳出IMU在线标定路径设计原则;最后,利用仿真试验验证了该方法的正确性,半实物仿真试验验证了该方法的工程适用性。     

基于"当前"统计模型的模糊自适应跟踪算法

“当前”统计模型需要预先设定目标最大机动加速度，不能很好的适应各种机动情况。采用模糊推理的方法根据测量新息和新息变化率实时调整目标最大机动加速度，自适应各种机动情况。此外，针对多数传感器测量方程的非线性，采用性能较好的Unscented Kalman Filter代替常用的扩展卡尔曼滤波。仿真结果表明，该算法在跟踪精度和收敛速度都优于传统的基于“当前”统计模型的跟踪算法。     

基于多模型的捷联红外导引头隔离度在线补偿方法

以捷联红外导引头的工程应用为研究背景,针对刻度尺误差带来的隔离度问题,提出一种基于多模型(multiple model,MM)的隔离度在线补偿方法。建立了捷联红外导引头隔离度模型,分析了隔离度对导弹制导系统稳定性和制导精度的影响;对刻度尺误差进行离散建模,采用基于MM的滤波算法,实时更新每个模型与真实值匹配的条件概率,得到刻度尺误差的估计值,最后将当前时刻的刻度尺误差估计值代入到制导回路进行在线补偿。研究结果表明,捷联导引头隔离度的存在会削弱制导系统稳定性、降低制导精度,特别在寄生回路正反馈时影响更为严重;所提出的基于MM的隔离度在线补偿方法可较好地实时估计出作用于系统的刻度尺误差,并有效实现了对刻度尺误差引起的隔离度的在线抑制,具有较好的鲁棒性和自适应性,达到了改善制导性能,提高制导精度的目的。     

基于加权支持向量回归的在线训练算法及应用

针对时变系统的在线辨识问题,提出了一种加权支持向量回归方法,根据时间信息给予历史数据不同的加权,实现了精确在线训练算法,在保持精度的同时避免了采集到新样本时重复训练,大大加快了训练速度。研究了该算法的复杂度并加以改进。将该方法应用于氯气投加系统过程模型的在线辨识,在训练速度和精度上都较为满意,这一结果说明了该算法的有效性。     

基于Elman网络结构的惯导平台漂移模型辨识方法

针对惯性导航平台漂移误差高阶非线性动态系统的特点,利用神经网络的任意逼近能力和自适应抽取系统动态信息的能力,提出基于Elman网络结构的惯性导航平台漂移模型辨识方案。首先建立惯性导航平台漂移误差模型,并选择了用于网络辩识的输入、输出量。采用动量及可变学习速率算法加速网络的收敛;在该算法的基础上,针对网络隐层,提出的扩展非线性节点函数能更好地改善网络学习效率,满足系统辨识实时性和精确性的需要。通过测得的惯性导航平台漂移误差数据对网络进行训练,获得了较为满意的辨识结果。     

基于车辆动力学和Kalman滤波的汽车状态软测量

针对汽车动力学控制过程中难以在线测得的横摆角速度等状态参数,根据参数软测量理论,采用Kalman滤波并结合汽车两自由度动力学模型,建立了汽车横摆角速度的线性最小均方误差估计算法。仿真计算与场地实验的结果验证了该算法的有效性,同时软测量技术的采用也为汽车控制系统的状态参数测量提供了一条可行、准确且低成本的研究思路。     

基于改进四元数阻尼误差模型的SINS初始对准算法

针对传统捷联惯导系统(strapdown inertial navigation system, SINS)四元数非线性误差模型存在坐标系不一致的问题, 对姿态误差模型和速度误差模型进行改进, 将误差矢量统一投影至计算导航坐标系下。此外, 引入全球定位系统阻尼信息, 在阻尼SINS解算基础上, 结合四元数无迹估计器提出了一种改进四元数阻尼误差模型对准算法, 可应用于系泊状态下的SINS初始对准。仿真和车载试验结果表明, 在不同的大失准角下, 该改进算法相比传统四元数阻尼误差模型对准算法和欧拉角阻尼误差模型对准算法, 具有更好的对准精度、收敛速度以及稳定性。