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。

简介：针对GPS精密单点定位对高精度的需求,提出了一种采用小波神经网络的GPS精密单点定位解算方法。该方法利用小波变换和神经网络学习功能,无需准确系统先验信息,误差函数能够快速收敛,逼近真实误差模型,从而提高GPS精密单点定位精度。仿真结果表明,静态条件下与传统最小二乘法和卡尔曼滤波算法相比,该算法定位收敛时间缩短50%,定位精度分别提升90%和50%。动态情况下,较最小二乘法和卡尔曼滤波算法定位精度提高20%~80%。

简介：为进行高超声速气动热数据相关性研究,选取了一平板-锥组合体模型为研究对象,开展不同缩比模型的风洞试验,分别使用3种不同方法进行气动热试验数据的相关性研究.研究结果表明,使用正激波后Reynolds数Rens和修正的黏性干扰系数V＊/Sw可以将不同缩比模型不同来流条件下的Stanton数进行较好的关联,Stanton数与正激波后Reynolds数Rens成反比例关系,与修正的黏性干扰系数V＊/Sw成正比例关系.最后基于相关性研究结论和理论分析,提出了一种模型表面传热现象的数学模型.

简介：为提高攻击导弹同时面对目标飞机及其防御导弹情况下的命中概率,基于微分对策理论,对攻击导弹的制导律进行了设计。应对独立控制的多对象博弈问题,微分对策理论具有天然的优势,且相比于最优制导律,微分对策制导律对于目标机动估计误差和机动策略具有更强的鲁棒性。所推导的微分对策制导律进一步考虑了攻击导弹的控制有界性,且适用于攻击导弹、目标飞机和防御导弹具有高阶线性控制系统动态的情形。为验证制导律性能,进行了非线性系统仿真,结果表明该制导律在成功归避防御导弹的同时可实现趋于零脱靶量的目标拦截。攻击导弹为实现规避和攻击的双重任务,仅需要保持相比于防御导弹两倍左右的机动优势。

简介：石英挠性加速度是惯性导航系统核心的惯性器件之一,其输出精度受到温度变化的影响,为了降低温度对石英挠性加速度计精度的影响,在研究石英挠性加速度计数学模型的系数随温度变化规律的基础上,设计了加速度计温度模型辨识试验方法,利用数据拟合方法建立了加速度计温度模型。应用该模型提出了石英挠性加速度温度补偿算法,针对该算法的有效性,进行了实验验证,结果表明应用该温度补偿算法,可使加速度计的测量精度提高一个数量级,补偿效果明显。该温度补偿算法可有效地应用于捷联式惯性导航系统等领域中。