基于STK的卫星入轨主动段仿真显示设计

在卫星入轨主动段过程中,接收存储弹道测量数据,剔除弹道数据中位置跳变数据和轨迹跳变数据,利用用户识别应用发展工具(STK)命令更新运载火箭位置,设置火箭模型动作,实现了弹道测量数据和火箭动作时序的可视化显示。在深入研究STK的基础上,设计了基于STK的卫星入轨主动段仿真显示应用程序,能够直观、逼真的反映卫星入轨主动段内运载火箭的飞行轨迹和一级分离、星箭分离等动作,对于主动段弹道数据分析和显示起到了很好的辅助作用。     

运载火箭主动段综合引导机制研究与实现

火箭主动段飞行过程中,由于测控设备失效,导致测量数据丢失,设备恢复后无法快速重捕目标。利用某点测量数据的速度值,参考理论弹道上最相近速度值,引入科氏力概念,通过对变质量质点的运动力学分析,实现数据修正及弹道的外推。以MFC为软件应用平台,研究实现一种新型运载火箭飞行引导机制软件。试验表明,该新型运载火箭飞行引导机制,能够高精度、全弧段实现火箭飞行主动段的有效引导。并且基于MFC平台的软件系统具有很强的灵活性和可操作性。     

高速电视测量仪主控软件的设计与实现

为了实现高精度的火箭起飞段测量,采用高速电视测量仪代替传统的高速摄影,主控软件对多站角度测量信息进行交会计算,将两两交会测量数据进行加权融合处理,将形成的综合弹道参数送往中心计算机,为靶场安全控制、指挥监控等系统提供决策信息。主控软件的研制填补了靶场长期以来中心机在火箭起飞初始段无实时弹道的空白。     

火箭飞行测量数据融合处理的一种算法

建立了用于测量距离的动态模型,提出了基于Bar-Shalom公式的测量距离的多传感器数据融合的算法,最后,给出了模拟实例。提出的基于数据融合的这一算法较好地解决了火箭飞行弹道测量数据处理精度的问题,误差方差改善了近9%。     

外测数据融合准则及最优权值计算方法

航天发射对火箭飞行弹道数据处理的精度要求日益增高，对参与外测融合解算的雷达信息可靠性也提出了较高的要求。为解决航天发射时异常测量数据参与外测融合求解可能会导致火箭弹道精度降低的问题，提出了外测数据融合准则和短时多测元快速遴选方法，可有效识别、剔除异常测量数据，确保同目标高精度测元参与融合解算；并针对不同体制、不等精度的测量数据设计了一种最优权值快速计算方法，该方法综合考虑了测控设备的实际测量精度及布站几何对弹道精度的影响，确保在设定步长内融合权值最优。仿真结果证明该算法简单适用，可确保关键节点测控信息源的准确度，有效提高了发射场火箭弹道参数的处理精度。     

火箭飞行测量数据多分辨率处理研究

为提高火箭飞行测量距离处理精度,建立了基于测量距离的四阶差分动态模型和用于分析测量距离的多分辨率动态模型,利用小波变换在不同分辨率间起的桥梁作用。提出了基于Bar-Shalom公式的测量距离的多传感器多分辨率数据融合的算法,给出了理论弹道加噪声处理的实例。结果表明,提出的多分辨率处理算法较好地解决了火箭飞行弹道测量数据处理精度的问题,与标准Kalman滤波算法相比,误差方差改善了近16%。     

火箭飞行实时测量数据的小波滤波快速算法

为充分实现火箭飞行实时测量数据的实时处理功能，结合弹道处理的实际，给出了一种基于小波方法的实时信号所包含噪声的在线快速识别算法，该算法原理简捷，易实现，计算复杂度较低，其时间复杂性为O(1)；分析了用于火箭飞行测量数据消噪的小波及其闽值的选取原则，通过对雷达跟踪测量数据的实际分析和处理，就数据是否处于火箭在级间分离段提出了不同的处理方法，实践证明无论是滤波后信号的残留噪声还是消耗的时间上小波方法都优于α-β-γ滤波，且实现了数据的实时处理功能，充分满足了实时性要求。     

基于知识的火箭安控决策研究

在传统的火箭安全控制系统中,由于受到设备测量系统误差和弹道跟踪系统误差的影响,使测量所得的弹道参数精度不高,导致系统经常产生误报警。在分析了原有火箭安全控制系统特点的基础上,针对存在的不足之处,采用人工智能领域的智能决策技术和推理技术,融合安全控制知识,提出了基于知识的火箭安全控制智能决策系统的设计思想、结构体系及实现方法,实践表明,由该方法开发的火箭安全控制智能决策系统,具有准确率高、易扩充、易维护等优点,提高了火箭安全决策的可信度和真实性。     

小波在火箭弹道数据奇异性分析中的应用

小波分析克服了短时傅里叶变换固定分辨率的弱点,既可分析信号的概貌,又可分析信号的细节,利用小波变换来分析信号的奇异性及奇异性位置和奇异度的大小是非常有效的,该文提出了火箭弹道测量数据奇异性分析的应用方案,并分析了实际弹道测量数据的奇异性,得到了弹道测量数据奇异性检测的小波分析的新方法.     

运载火箭低值过载测量仪的研制

由上海交通大学精密仪器系林明邦教授领导的课题组,为“长征型号”火箭提供的测量其发射过程的弹道轨迹数据仪器——低值过载测量仪,在发射风云一号气象卫星时,被装上火箭所应用。仪器工作状态正常,性能良好。由它测得的运载火箭定量数据在国内属首次,完整地收回所有测量数据,为以后火箭将卫星准确推入预定轨道提供经验而保证一箭成功。     

Covariance intersection-based sensor fusion for sounding rocket tracking and impact area prediction

The estimation of object motion from radar measurements is critical in applications such as air traffic control, airborne surveillance systems, launching of sounding rockets and orbital vehicles, and impact point prediction (IPP). This paper investigates the use of covariance intersection (CI) for the fusion of data from a pair of distinct radar sites at Alcântara Launch Center (ALC) to track a sounding rocket and predict the impact point and its uncertainty area on the ground in compliance with safety-of-flight issues. Debiased measurement transformation from spherical to cartesian coordinates, boost and free-fall models embedded in Kalman filters, and multiple hypothesis testing for multiple-model adaptive estimation are employed by the processing node at each radar site to locally estimate position, velocity, and acceleration. The local estimates and the corresponding computed covariance matrices from the radar sites are transformed to a common reference frame at the launch-pad and CI-fused. For the purpose of comparison, measurement fusion and track-to-track fusion are also evaluated. Prediction of the impact area with a given probability assumes free fall and considers the uncertainties inferred from the eigenvalue–eigenvector decomposition of the computed covariance matrix. All simulations presented herein make use of actual radar data of a Brazilian VS30 sounding rocket launched from ALC in February 2000. The automated fusion approach presents a much improved performance relative to the procedure then used at ALC for trajectory tracking and IPP, and qualitatively reproduces the expertise of the safety-of-flight officer.     

基于BP神经网络的数据融合方法

数据融合技术是一种用途广泛的数字信号及信息处理方法,它通过对大量的数据进行处理提纯,得到一组直观有效的数据,为进一步处理和判断控制提供精确的数据依据。本文通过分析比较,验证了BP神经网络数据融合方法在发动机的多套冗余数据融合处理中的可行性和效果。实践表明:神经网络BP算法数据融合方法可有效提高数据的可信度。     

基于小波分析和多模融合的外弹道估计算法

在外弹道数据处理中，奇异点处理、特征点求取与随机误差削弱都是精度估计的关键环节．本文首先利用小波变换在处理奇异点、特征点、噪声消除方面的优势，对观测数据进行基于小波变换的分解、融合、重构处理，剔除奇异点，查找特征点，削弱随机误差．其次利用节点自由分布B样条描述导弹运动轨迹，使该弹道确定方法转化为关于求解导弹轨道样条表示参数和测量系统误差的多模融合的非线性优化问题，采用非线性最优化方法，进而得到待估参数的最优估计，完成弹道的最佳逼近．仿真结果表明，该技术应用在奇异点处理、特征点提取与随机误差削弱方面效果较好，多模融合算法能减少计算量，且能切实提高参数估计精度．     

轨迹数据的多特征融合及检测方法

传统轨迹检测方法中的轨迹相似度仅从位置向量进行度量,忽略了轨迹数据的速度和时间特征,这导致轨迹检测结果无法全面反映实际状况,降低了检测结果的有效性.针对上述问题,提出一种面向多个特征向量的轨迹数据相似性度量及检测方法.该方法首先将轨迹数据映射到图模型描述的轨迹图中,每条轨迹是轨迹图的一个节点;针对各节点的速度、时间和空...     

Multi-channel Fusion Based Adaptive Gait Trajectory Generation Using Wearable Sensors

This paper presents a method to regenerate lower limb joint angle trajectories during gait cycle by judging human intention using wearable sensor system. Myoelectric signals from user are used to detect the intention of gait initiation and gait phases. Multi-channel redundant fusion technique is implemented to obtain a robust stride time and gait phase calculation algorithm. Joint trajectories corresponding to particular gait events and phases are regenerated using a Radial basis neural network. The network is trained with joint angle data measured by Inertial Measurement Unit (IMU) from users with varying anthropomorphic features. Generated trajectory is adaptive to anthropomorphic as well as gait velocity variation. Contribution of this paper is in development of a wearable sensor system, multi-channel redundant fusion to calculate stride time and an adaptive gait trajectory generation algorithm. The proposed method of trajectory generation is used to regenerate lower limb joint motion in sagittal plane for wearable robotic devices like prosthesis and active lower limb exoskeleton.     

有翼飞行器外弹道测量数据融合处理研究

提高大气层内具有复杂弹道特性的飞行器外测弹道数据处理精度一直是困扰研究学者和数据处理人员的课题.本文应用已有的数据融合理论,结合大气层内机动飞行器的运动特性,提出了一种基于分段三次样条函数的外弹道数据融合处理算法.仿真和实测处理结果表明:该算法显著地提高了数据处理精度,在相关数据处理任务中具有一定的应用价值.     

轨迹大数据异常检测:研究进展及系统框架

定位技术与普适计算的蓬勃发展催生了轨迹大数据,轨迹大数据表现为定位设备所产生的大规模高速数据流。及时、有效地对以数据流形式出现的轨迹大数据进行分析处理,可以发现隐含在轨迹数据中的异常现象,从而服务于城市规划、交通管理、安全管控等应用。受限于轨迹大数据固有的不确定性、无限性、时变进化性、稀疏性和偏态分布性等特征,传统的异常检测技术不能直接应用于轨迹大数据的异常检测。由于静态轨迹数据集的异常检测方法通常假定数据分布先验已知,忽视了轨迹数据的时间特征,也不能评测轨迹大数据中动态演化的异常行为。面对轨迹大数据低劣的数据质量和快速的数据更新,需要利用有限的系统资源处理因时变带来的概念漂移,实时检测多样化的轨迹异常,分析轨迹异常间的因果联系,继而识别更大时空区域内进化的、关联的轨迹异常,这是轨迹大数据异常检测的核心研究内容。此外,融合与位置服务应用相关的多源异质数据,剖析异常轨迹的起因以及其隐含的异常事件,也是轨迹大数据异常检测当下亟待研究的问题。为解决上述问题,对轨迹异常检测技术的研究成果进行了分类总结。针对现有轨迹异常检测方法的局限性,提出了轨迹大数据异常检测的系统架构。最后,在面向轨迹流的在线异常检测、轨迹异常的演化分析、轨迹异常检测系统的基准评测、异常检测结果语义分析的数据融合、以及轨迹异常检测的可视化技术等方面探讨了今后的研究工作。     

一类旋转弹在高空中的锥形运动稳定性

为揭示弹箭在高空飞行过程中由于重力持续作用产生大攻角的物理本质,建立了弹道平面内时变参数的弹体运动数学模型,并推导了弹体在高空飞行段的攻角响应方程.同时,为了分析弹道顶点附近锥形运动的稳定性,综合考虑弹体姿态运动和位移运动建立了旋转弹锥形运动的动力学模型.针对大攻角引起显著气动非线性效应的情况,采用李雅普诺夫一级近似方法,给出了弹道顶点附近弹体锥形运动的稳定判据,并通过数值仿真验证了其正确性.