脉冲辅助的借力飞行轨道设计

以借助金星引力的火星探测器轨道设计为背景,针对借力前后可能存在的速度不匹配问题,提出了一种脉冲辅助借力的解决方式,分析了脉冲大小和脉冲作用方向对借力前后速度和能量的影响;其次,结合借力过程的理论分析,将之用到金星借力的火星轨道设计中,用遗传算法对借力飞行轨道的参数进行优化;最后,通过与无动力借力方式和深空机动方式所需要总能量大小的比较,得出脉冲辅助借力飞行方式需要更低能量的结论。     

改进的基于“当前”统计模型自适应滤波算法及其在航迹预测中的应用

基于"当前"统计模型的模糊自适应(FACS)滤波算法利用机动目标"当前"加速度调整加速度极限值,实现了对一般机动目标的有效预测;但是在预测强机动目标时却存在较大的预测误差。为了解决这一问题,引入强跟踪滤波器(STF),提出了一种新的自适应滤波算法STF-FACS。该算法根据滤波残差实时调整卡尔曼滤波增益,提高了对强机动目标的预测能力;同时保留了FACS算法对于一般机动目标的预测性能。最后,对强机动目标分直线机动和转弯机动,分别进行航迹预测仿真。仿真结果表明,对弱机动目标进行航迹预测时,两种算法的预测效果相当;对强机动目标进行航迹预测时,STF-FACS算法无论是在动态时延和预测精度方面都比FACS算法要好。     

基于模糊逻辑和机动检测的AGIMM跟踪算法

针对机动目标高机动和多阶段运动的特性,单模型跟踪算法难以实现精确跟踪的问题,提出一种基于模糊逻辑和机动检测的AGIMM跟踪算法。考虑现有的AGIMM算法网格模型收敛速度慢和机动检测方法过于依赖模型后验概率的问题,首先引入模糊逻辑算法计算机动检测的可信度,然后利用机动检测可信度信息、目标的机动信息和模型的后验概率调整跟踪模型集的结构,克服了AGIMM算法模型收敛速度慢的不足,实现了模型与目标运动模式的快速匹配。仿真结果表明:与AGIMM算法和固定结构交互式多模型算法相比,文中提出的算法使得不同条件下的位置跟踪误差分别至少降低5.6%和15.1%,说明该算法具有更快的模型收敛速度和更高的目标跟踪精度。     

时变转移概率IMM-SRCKF机动目标跟踪算法

给出了一种交互多模型(interacting multiple model,IMM)算法中Markov转移概率矩阵在线修正的方法,并将平方根容积卡尔曼滤波器(square-root cubature Kalman filter,SRCKF)引入到IMM算法中,提出一种时变转移概率的机动目标跟踪IMM-SRCKF算法。该算法利用当前量测中包含的模式信息,对IMM算法中的转移概率矩阵进行实时递推估计,避免了常规IMM算法中转移概率先验确定的困难,提高了模型切换速度和跟踪精度;同时,SRCKF以目标状态协方差的平方根进行迭代更新,确保了滤波过程中协方差矩阵的对称性和半正定性,改善了数值精度和稳定性。仿真实验结果表明,该算法对机动目标的跟踪性能优于常规的IMM及IMM-CKF算法。     

航天器非线性鲁棒自适应姿态机动控制律

针对存在未知转动惯量和外部干扰力矩的敏捷航天器快速大角度姿态机动问题,结合非线性反步法和Lyapunovo稳定性分析方法设计控制力矩和转动惯量估计值的非线性鲁棒自适应控制律。在控制力矩控制律中,加入非线性阻尼项对外部干扰力矩进行补偿,证明了系统的全局一致最终有界稳定性。引入非线性动系数增加系统的动态性能,提高了姿态快速机动后的快速稳定能力。在Maltlab/Simulink环境下进行航天器姿态机动控制仿真研究,仿真结果验证了所设计控制器的有效性和可行性。     

杂交水稻育插秧新技术提质优化研究

当前我国正处于从农业国向工业国转型、农业从传统农业向现代农业转型的历史时期,农业机械化,特别是水稻全程机械化,成为了农业生产进一步发展的出路所在。到2015年,全国水稻机械化种植（包括机插、机播和机抛）比例也只要求达到45%,远低于机耕、机收的比重,可见在我国全面实现水稻机插、机播,是相当艰巨的。目前,多种机动插秧机难以满足杂交水稻每蔸插1～2株本秧的要求,更难满足杂交水稻制种田母本秧机插的要求,如果采取减少插种量来减少秧爪每蔸取秧株数,在育秧时又难以形成由根系织成的合格的毯状秧,不便卷秧上机。日本在上世纪90年代全国实现了水稻机械育插秧,他们的机具和技术都是用于育插常规稻多本秧的,日本很少杂交稻。这类机具和技术,对我国东北三省和江苏省等以常规稻为主的省份基本上是适用的,因此这些省份的机械育插秧发展较快,但用于近占水稻种植面积六成的杂交水稻时,问题就不少了。     

基于改进“当前”统计模型和AKF的机动目标跟踪

采用"当前"统计模型设计Kalman滤波算法,实现对机动目标的自适应跟踪;并针对"当前"统计模型对机动目标跟踪中存在的缺陷,提出改进的"当前"统计模型,根据滤波估计值对最大加速度进行自适应调整,使得系统噪声方差随着目标运动情况自适应变化;此算法在没有增加任何计算量的基础上有效提高了机动目标的跟踪性能.通过对实际交通视频的仿真实验验证了算法的有效性.     

基于时变偏差分离估计的杂波下机动目标跟踪

在杂波环境机动目标跟踪问题中,波门位置和范围的确定是关键技术之一。在分析了时变偏差分离估计算法的有偏差的状态估计协方差基础上,提出了基于时变偏差分离估计(separate bias estimation, SBE)和概率数据关联(probabilistic data association, PDA)的新算法,利用了偏差估计和有偏差的状态估计协方差来确定波门位置和范围,并结合PDA处理多个回波的能力,实现杂波环境下机动目标的跟踪。通过仿真实验,说明了新算法的优势和有效性。     

高空高速飞行器侧向机动制导律研究

提出了一种面向高空高速飞行器的侧向机动能量较优制导律.首先建立了飞行器侧向机动模型,推导了侧向机动能量最优制导律,并进一步得出侧向机动制导律能量最优条件下的初始航向角限定区间;同时证明了CNG(Circular-Navigation-Guidance Law)是初始航向角取该区间内特定值时的能量最优制导律,然后基于CNG基本思想,设计了一种针对大范围初始航向角下的侧向机动能量较优制导律.飞行器作侧向机动时,在限定区间内,能耗最优;在限定区间外,能耗次优.理论分析和仿真实验表明所设计制导律在保证能耗较优的同时还具有位置和角度误差小、稳定性好等优点.     

基于改进高斯粒子滤波器的目标跟踪算法

针对现有机动目标跟踪中粒子滤波算法的不足,提出了一种改进的粒子滤波方法。该方法在高斯粒子滤波的基础上通过利用当前时刻量测值对量测误差的分布参数进行实时的统计和更新,并以此得到粒子的权值,从而考虑到了量测值对估计值的影响,该方法适合于量测误差分布为高斯白噪声且状态量与量测误差相关条件下的非线性估计。仿真结果表明,与传统的自举粒子滤波(boot trap particle filter, BPF)、高斯粒子滤波（Gaussian particle filter, GPF)以及无迹粒子滤波（unscented particle filter, UPF)相比,该方法具有较高的精度和较少的计算量。