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:以SINSiGPS组合导航系统为背景,在对Kalman滤波原理和工程应用进行深入分析的基础上,总结了该方法的不足,提出了应用神经网络和模糊推理技术对系统噪声、观测噪声和其相关阵进行直接调控的方法。该方法根据新息和新息方差的变化,实时调整自适应因子,间接改变Kalman滤波器的当前观测量和过去信息的比例关系。仿真结果表明,该算法对模型和噪声干扰有较强的自适应性,能够有效抑制滤波发散,在不损失原有精度的前提下,提高了系统的鲁棒性。
简介:利用单频GPS载波相位差分技术进行动态精密测量时,由于观测历元少,经典LAMBDA算法会出现法矩阵病态导致整周模糊度无法求解。针对这一问题研究了基于TIKHONOV正则化原理的改进LAMBDA算法。通过对双差观测方程系数矩阵进行奇异值分解选取正则化矩阵,改善了法矩阵的病态性,获得了更高精度的浮点解。利用均方误差矩阵替代协方差阵进行LAMBDA求解,提高了模糊度求解的速度和成功率。对连续100组5个历元实测数据计算表明:与原算法相比,改进LAMBDA算法求得的浮点模糊度偏差从36.48周减小到4.08周,搜索效率和成功率分别改进97.74%和100%。
简介:为了提高水下航行器组合导航系统精度和可靠性,针对水下航行器组合导航系统量测噪声统计特性随实际工作环境的不同而变化的特点,提出了基于模糊自适应联邦卡尔曼滤波的水下组合导航算法。通过监测理论残差与实际残差的协方差的一致程度,应用模糊系统不断调整滤波器的增益系数,对子滤波器进行在线自适应调整,从而实现导航状态的最优估计滤波。通过对联邦滤波器信息分配系数模糊自适应调整,减少了滤波计算量,提高了滤波实时性。软件仿真实验结果表明:模糊自适应滤波可以有效地提高水下航行器组合导航系统的精度和可靠性,提高导航滤波实时性,克服传统的滤波算法的缺点与不足。
简介:针对液压仿真转台伺服系统的非线性特点,提出了一种模糊控制与局部积分控制相结合的复合控制方式.当系统的偏差较大时主要采用模糊控制器对系统的偏差进行快速调节以加快系统的响应过程;当系统的偏差小于某一值时,加入积分控制以保证系统的精度.为了提高模糊控制器的性能,采用了规则可调整的模糊控制器.实验结果表明:该方法能有效地克服液压伺服系统的非线性和参数的不稳定性以及外部干扰对系统的影响,具有较高的控制精度和鲁棒性能,完全适合于液压仿真转台伺服系统的控制.
简介:在不同工况下,旋转爆震波能够以单波、双波、多波模式进行传播.但在同一工况下,是否存在不同模式的稳定传播爆震波还有待进一步研究.基于Euler方程,耦合氢气/空气的有限化学反应速率模型,并采用高分辨率的5阶有限差分格式WENO-PPM5离散对流项,对三维旋转爆震波进行了数值模拟.计算结果表明,在同一特定工况下,旋转爆震波能够以两种不同的传播模式稳定传播,即单波模式和双波模式.详细地对比了两种传播模式下的流场特征、爆震波传播特性、推力性能等.在同一工况下,两种传播模式的爆震波周向传播速度相差不多,但双波模式的频率约为单波模式的2倍;双波模式下质量流量、比冲、推力的平均值均略高于单波模式;且双波模式的可燃混气层高度约为单波模式的1/2,这有助于缩小旋转爆震发动机的长度,使之更加紧凑.