简介：容错技术已成为提高计算机系统可靠性的必要手段。通过对冗余模式及级别进行选择，本文提出了一种面向任务的双机并联体系结构，运用双机数据比较实现容错。文中给出了此系统的功能、结构及原理，并给出了部分实现方案

简介：针对卫星姿态测量系统(SAMS),将径向基函数RBF(RadialBasisFunction)网络和多传感器信息融合技术相结合,并将其应用在系统的故障检测与诊断中.研究结果表明,此方法是可行有效的,可以提高系统的测量精度和性能.

简介：开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.

简介：针对转发式卫星欺骗信号传播方向同真实卫星信号的差异，提出一种在惯性信息辅助下，利用载波相位双差观测量进行欺骗信号检测的技术。根据转发式欺骗的特点，推导欺骗条件下的载波相位双差观测方程。利用INS提供的姿态信息，建立载波相位双差与接收机天线基线矢量的关系。将载波相位双差观测值和预测值的差值作为欺骗检测的检验统计量。从故障检测的角度进行检测概率分析，当载波相位双差预测值达到0.3周时，假定虚警概率为0.01，可在单个测量历元内到达99.99%的检测概率。最后通过仿真分析验证了惯性信息辅助下欺骗信号检测的有效性。

简介：分布式联邦滤波器在多传感器信息融合领域得到广泛的重视，联邦滤波中的信息分配原则直接影响滤波器的精度和容错性，而常规的标量形式联邦滤波信息分配方法无法满足高动态环境下状态的动态变化特性。信息分配是设计和实现联邦滤波器的关键环节，基于系统误差协方差阵和可观测阵。文中考虑系统状态估计精度和系统的可观测性，提出了一种新的联邦滤波信息分配方案和算法。新的联邦滤波算法允许每一个系统状态变量具有不同的动态信息分配因子，从而改进了联邦滤波信息融合的精度。仿真结果表明，与传统联邦滤波算法比较，改进的信息融合算法精度能提高30％以上。

简介：大视角图像匹配算法的鲁棒性与实时性直接影响飞行器对远距离目标定位的性能。针对目前仿射不变图像匹配算法实时性较差的问题,提出一种惯性信息辅助的快速大视角图像匹配方法。该方法对现有的快速图像匹配算法进行改进,避免了构建高斯金字塔,提高了算法效率。然后利用机载惯性导航信息求解实时图与参考图之间的单应性矩阵,并对实时图进行模拟视角变换以此减小图像间视角差异,克服了现有的大视角图像匹配算法盲目多次的匹配计算,实现了大视角图像的快速匹配。实验结果表明,惯性信息辅助的大视角图像匹配算法与现有的快速仿射不变性匹配算法相比,匹配效率提高了至少2倍。

简介：地磁异常场的强度在空间上变化丰富而在时间上很稳定。对地磁异常值与位置之间的非线性函数关系进行了随机线性化，将地磁异常测量值直接作为观测量，采用扩展卡尔曼滤波技术实现地磁异常测量信息与惯性导航信息的融合，估计并校正了惯性导航系统导航误差．仿真表明，组合导航系统具有如下良好性能：对地磁异常具有广泛的适用性;对初始位置误差、速度误差及姿态误差具有较好的鲁棒性；对地磁数据噪声敏感度较低；可实时更新组合导航信息．将观测量选为参考数据测量值的信息融合策略引入惯性／地磁组合导航。定量描述地磁异常辅助惯性导航系统的信息量，分析组合导航系统对地磁图的适用性．

简介：

简介：信息融合系统的开发需要规范化。在分析信息融合系统工程方法的基础上，对信息融合系统的设计过程及设计产品描述方法进行了研究，分别研究了应用体系结构设计、系统体系结构设计及数据融合节点设计，以及各自的设计产品的描述方法，并提出了相应设计结果的描述元模型。实践证明，规范化有助于提高信息融合系统质量以及开发效率。

简介：惯性/卫星超紧组合技术核心将卫星导航接收机基带信号处理过程中的环路非线性信息与惯性导航信息进行深层次互耦合。在研究超紧组合多信息源异型耦合架构特征及互耦合机理的基础上,对比分析了超紧组合非相干及相干互耦合方法,总结了不同超紧组合观测矢量提取方法及环路模型,然后设计了超紧组合互耦合信息处理流程及信号NCO（数控振荡器）控制方法。最后,利用仿真平台对非相干及相干方式进行了卫星信号受干扰及载体动态变化环境下的试验对比分析,结果表明超紧组合相干方法相较于非相干方式具有更优的观测矢量提取性能及抗干扰性能。

简介：对于目前的级联式SINS/GNSS组合导航系统来说,其卡尔曼滤波器的输出校正方式不能深入到捷联解算内部,无法抑制平台姿态误差的发散,也无法校正惯性器件误差,因而在该方式长时间运行不能控制滤波发散,导航精度随时间下降.为此设计了一种SINS/GNSS级联闭环反馈式组合导航系统,该系统能对SINS的位置、速度误差、平台误差及惯性器件误差作出最优估计并实施反馈.通过仿真证明:该系统不仅能提高导航解的精度,还在校准的同时具有动机座对准能力,满足了长时间导航定位的稳定性.

简介：冲击载荷强迫微加速度计的敏感质量大大偏离平衡位置,使差动静电力发生器的非线性效应体现出来,其结果是使正常工作时敏感质量仅在平衡位置附近有微小位移的状况下成立的负反馈闭环系统模型不再适用,敏感质量的受控特性可能变为正反馈,从而使微加速度计失效。为提高微加速度计受外界大载荷冲击后的可靠性,分析了加速度计的敏感质量在不同限制的静电反馈力下的受控特性及对应的闭环系统特性,推导了在已知止挡机械参数下确定微加速度计相应电气参数从而避免此类失效的防吸合准则。多次的验证实验表明,按防吸合准则设计了系统参数的静电力反馈加速度计,在受到远超过其本身量程的载荷冲击后,可以100%地防止吸合现象的出现。

简介：常规惯性／天文组合导航方法难以直接应用于高超声速飞行器机载环境下以载体系为基准进行星光测量的情况，且在可见星只有一颗时无法连续组合。为此，构建了高超声速飞行器惯性／卫星／天文紧组合导航系统方案，通过分析载体系下星光仰角、方位角与惯导误差之间的转换关系，建立了载体系下惯性／天文角度组合模型。理论分析表明，该系统在只有一颗导航星时仍能辅助惯导工作，且可使观测噪声特性保持稳定，从而提高了天文对惯导辅助的连续性和组合滤波估计精度。仿真结果表明，在高超声速飞行器导航系统采用天文角度辅助后，姿态误差较无天文辅助情况的降低60％～70％。

简介：Schuler振荡阻尼技术是提高惯导长期工作精度的关键技术之一。针对采用低阶阻尼网络的惯导系统抑制高频和低频参考速度误差难以兼顾的问题,基于互补滤波思想,提出一种高阶水平阻尼网络设计方法。将两个采用低阶网络、分别具有优良高频和低频特性的Schuler回路通过一对互补滤波器进行组合,形成双Schuler回路组合系统。它等效于采用某高阶网络的单Schuler回路,该回路对高频和低频参考速度误差的衰减率可同时达到40dB/10deg或更高。计算机仿真和海上试验结果均表明：采用所设计高阶网络的系统对参考速度误差兼有优良的高频和低频滤波特性,综合滤波性能优于采用低阶阻尼网络的系统,具有工程应用价值。

简介：为实现网络差分系统的高精度差分定位,利用虚拟参考站技术提出一种网络RTK差分改正信息的生成方法。利用VRS技术建模生成了虚拟参考站的双频伪距观测值、双频载波相位观测值,重点推导了关键的载波相位数据项参数的算法公式,遵循RTCM2.3国际标准协议编码生成了RTCM3、RTCM18、RTCM19号差分改正电文,通过同步实验的方法与标准RTCM相应的主要参数进行了数值对比。实验表明,该方法生成的差分改正信息主要数据项与标准值的误差小于0.04cycle,当被用于GPS网络差分定位时,移动站的平面精度优于5cm.

简介：在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,为此提出了引入Elman神经网络.描述了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比.最后以INS/GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计.仿真结果证明了该法的有效性和实用性.

简介：本文针对某型陀螺启动特性进行了试验研究，在陀螺启动漂移特性试验数据基础上，用神经网络建立了启动漂移速率温度的非线性模型，并对模型进行了检验，证实了神经网络的有效性

简介：从模式识别的角度分析了搜索模式下水下运载体的重力匹配问题,利用模式识别神经网络实现重力匹配定位。在重力图匹配时,以惯性导航仪指示位置为中心规划真实位置的网格点搜索范围,从参考重力图上提取相应一系列的重力数据,与对应网格点的位置一起定义成多个模式类,构造相应的模式识别概率神经网络,运用该神经网络将实时重力测量数据识别到某个模式类,对比模式类的定义确定载体位置。在实测重力图上对重力辅助惯性导航系统进行了计算机仿真研究。结果表明,在重力场特征显著区域该重力匹配算法能够有效减小厄特弗斯效应的影响,其导航系统定位误差小于一个重力图网格,匹配率在80%以上,匹配效果优于一般的相关匹配算法。

简介：为了提高潜器导航定位精度，针对等值线算法在惯导系统初始误差较大时易发散的问题，提出基于概率神经网络调优的等值线改进方法。首先，在搜索区域内，利用概率神经网络算法对惯导系统航迹进行调优，并经过卡尔曼滤波器与惯导系统航迹进行信息融合形成待匹配航迹；在此基础上利用实时等值线算法得到最佳匹配位置。分别在不同初始条件下进行仿真分析，得出概率神经网络算法在大的初始误差下不易发散但定位精度不高的结论，然后在潜器行驶6h后，初始误差为5.438？的条件下进行仿真验证，结果表明，改进方法定位精度均值优于0.537？，从而证明改进方法是有效的，即使在大的初始误差下仍然能够达到较高的定位精度。

简介：光纤陀螺（FOG）温度漂移误差是影响其输出精度的主要误差源之一。针对基于传统BP神经网络FOG温度误差补偿方案适用性较差的问题,提出了优化预测数据的BP神经网络补偿算法,利用最优线性平滑技术以及滑动平均技术对神经网络待补偿数据进行预处理,可以有效减小FOG输出白噪声对温度漂移网络模型补偿精度的干扰,优化神经网络模型的补偿效果。使用FOG温度漂移实测数据对所提出的优化算法进行验证,结果表明利用本文提出的两种建模及补偿方案进行补偿后的FOG温度漂移数据标准差相比传统BP神经网络补偿方法减少50%以上。