雷达动态精度试验误差统计分析方法改进

动态精度飞行试验是雷达定型、鉴定和抽样试验的重点内容之一,通过对动态精度飞行试验中的误差统计分析方法进行分析,针对试验有效航次较少这一特点,将Bootstrap算法引入到雷达分组系统误差统计分析过程中,提出了一种改进的雷达动态精度试验误差统计分析方法,该方法能够充分利用有限航次数据信息,生成自助样本来模拟原始数据分布特性,提高误差估计精度,为减少试验航次、节约试验成本奠定了理论基础。     

旋翼飞行机器人磁罗盘误差分析及校准

以旋翼飞行机器人组合导航系统为研究背景,针对电子磁罗盘的误差校准方法进行研究.通过分析其测量原理和误差来源,总结出影响磁罗盘航向解算精度的5个主要误差因素.对于上述误差因素,提出了软件和硬件解决办法.考虑到旋翼飞行机器人平台的特殊性,提出了硬磁罗差和标度因数误差的简化校准实现方法,简化后的磁罗盘校准方法,免去了校准过程中将载体竖起的步骤,且不降低校准精度.实际的磁罗盘校准测试表明,本文提出的方法能避免将大尺寸的载体竖起,降低校磁操作的难度.该方法可以有效地修正原始磁场测量值的椭球分布,从而提高组合导航系统航向解算精度.     

单脉冲雷达测量误差修正方法研究

针对单脉冲雷达上存在的测量误差进行了详细的研究和分析,通过与单脉冲测量雷达数据的误差模型进行比较,并给出了比较的图形,判断出系统产生误差的原因,通过采取四象限比较法总结出了系统误差出现的规律,并由此推导出系统误差模型,从而实现了对系统误差进行有效的修正;同时运用自适应卡尔曼滤波的方法抑制了随机噪声,从而提高了雷达测量数据的处理精度,这一方法在实际应用中证明是行之有效的,并且取得了良好的效果。     

基于无人机GPS的测量雷达标校方法研究

针对测量雷达常规标校方法存在的场地及设施限制性问题,提出了一种基于无人机加装GPS设备的雷达标校方法.利用无人机加装差分GPS设备作为跟踪目标并提供真值数据,根据系统误差修正模型,通过最小二乘法对雷达测量误差进行回归分析,解算出系统误差修正参数,即可完成雷达标校.通过模拟数据解算得出了该标校方法适用的航线范围,通过飞行测试对标校方法进行了验证,结果表明,利用解算得出的标定参数进行系统误差修正能够满足雷达精度要求,证明了该方法有效、可行.     

基于合作目标的大系统误差方法研究

基于合作目标,分析了雷达存在的大系统误差的原因,提出了解决大系统误差的方法,改进的方法可以有效地提高航迹融合精度。用模拟的雷达数据对算法的性能进行了评估,计算机仿真试验验证了该算法的可行性和有效性。     

关于射频目标跟踪半实物仿真系统设计北大核心CSCD

在雷达精确制导中,需要通过精确控制自动地把导弹引向目标。在研发测试过程中一般使用射频目标跟踪半实物仿真系统,通过控制天线阵馈电方案模拟目标位置,使三轴模拟转台控制导引头指向目标位置来测量精度。但是磨损等原因使得三轴模拟转台产生的机械误差和在天线阵设计过程中产生的计算误差都会对测试精度产生影响。根据以上提出了估算转台机械误差和天线阵计算误差对于制导系统精度影响的方法。转台误差的影响分析利用了多种坐标系转换,在计算误差的分析过程中使用了误差圆的概念,给出了计算误差对制导系统精度影响的分析方法。仿真结果表明,上述方法能够对使半实物仿真系统的测试精度进行较好优化,最终提高雷达制导精度。     

多雷达多目标航迹匹配策略

在进行多雷达多目标航迹匹配时,由于测元系统误差随跟踪距离传播,雷达测量精度下降,易出现航迹匹配错误的情况。针对该情况,应用多测元非线性融合模型,采用样条约束的误差模型最佳弹道估计(Error Model Best Estimation of Trajectory,EMBET)方法对雷达测元系统误差进行自校准,将利用欧几里得距离进行航迹匹配的传统方法改为利用精度较高的雷达测距作差比较,有效解决了多雷达航迹匹配时的门限阈值合理设置的难题。仿真结果证明算法有效适用,可极大地提高多雷达多目标航迹匹配时的准确度,对完成多目标空域分布、目标识别等突防效果分析评估具有重要价值。     

两轮差速移动机器人系统误差调校研究

两轮差速移动机器人的运动学缺陷会导致系统误差,影响机器人的导航和定位精度。为了降低移动机器人系统误差对定位精度的影响,对校准两轮差速移动机器人系统误差的方法进行了研究。通过机器人定距直线往返运动所产生的位置偏差,获得校准参数。采用直线和双方形封闭环路径试验,对调校参数有效性进行验证。试验结果表明:调校后移动机器人的位置偏差显著改善,调校后位置偏差改善程度分别达98.24%和97.35%。该运动学参系统误差调校方法为移动机器人数精确估计和里程调校精度的提高提供了理论参考。     

一种符号化的授时偏差预测方法

提出了一种通过符号化方法对授时系统时间偏差进行预测的方法。该方法利用矢量拟合来表达时间序列的走势形态,采用聚类算法对形态进行聚类,然后根据聚类结果得到符号序列,并用不完全抽取方法来抽取序列模式。预测时,可根据学习得到的模式集来对新序列做出预测分析。通过对授时系统误差数据的实验表明,该方法可以对时间偏差进行较好预测,并可对预测的数值进行校准,从而进一步提高授时精度。     

温度敏感涂料校准误差实验研究

温度敏感涂料(Temperature Sensitive Paint, TSP)技术是一种极具潜力的光学测温技术,但其测量精度受到多源误差的影响。校准实验是TSP特性研究和风洞实验的关键而独立的阶段,其误差需要单独考虑。分析并明确了校准实验中的主要误差源,建立了各个误差因素不确定度评估方案。重点分析了校准数据拟合中的误差传递规律,提出了基于误差传播方程的TSP校准误差计算方法。误差源不确定度评估结果表明,通过控制校准实验中相机的工作范围和图像帧平均数量可以有效降低校准误差,进而可为TSP校准实验流程的精细化提供指导。TSP特性曲线误差计算结果表明,TSP校准误差在测温范围内呈现凹形分布,其引起的最大测温误差小于0.4 K;结果可直接用作风洞实验中校准误差的给定依据。