简介：针对声矢量传感器姿态变化难以准确测量导致目标测向精度低的现状,设计一种微型MEMS姿态传感器,并将其封装在声矢量传感器内部,实现基于MEMS姿态传感器的声矢量传感器设计。首先根据声矢量传感器姿态测量与校正原理,采用四元数姿态解算方法及扩展卡尔曼滤波器设计MEMS姿态传感器,并对其进行姿态精度测试;然后基于MEMS姿态传感器进行声矢量传感器样机设计、制作、参数测试;最后对样机进行了海上实验,结果表明,通过姿态校正后声矢量传感器目标方位估计精度与GPS推算方位精度一致,验证了利用MEMS姿态传感器设计声矢量传感器的可行性。

简介：鉴于传统惯性导航和卫星导航的组合应用存在着一定局限,分析了飞机无线电近程导航系统校正和与INS/GPS的综合过程,探讨了无线电近程导航系统对INS/GPS综合校正应用过程中的一些技术问题,并提出了相应的解决措施.

简介：提出了一种利用旋转载体自身的旋转作为驱动,从而敏感旋转载体横滚或俯仰的角速率传感器模型,并运用陀螺力学理论建立传感器的动力学方程、求得解析解,对传感器进行动力学误差分析.

简介：报导了提高压电射流角速度传感器性能的途径.通过改进结构和工艺提高了压电射流角速度传感器的零位重复性、稳定性,减低了交叉耦合.实验结果表明:零位重复性从原来的0.2(°)/S提高到0.1(°)/S,交叉耦合从原来的2%减小到1%.

简介：微惯性系统由于成本低,可靠性高,尺寸小等等优点成为目前研究的热点。但是微惯性系统不能提供正确的航向角,所以无法单独完成初始对准。而仿生偏振光传感器通过计算可得到航向角,并且偏振光传感器的误差不发散可以抑制微惯性器件的误差发散,所以把偏振光传感器和微惯性系统进行组合有很多优点。实验结果验证了偏振光导航传感器的数据是不发散的,并根据偏振光导航传感器提供的航向角完成了初始对准。在导航状态中,里程计用来提供水平速度,并通过卡尔曼滤波将偏振光导航传感器、微惯性系统和里程计组合。最后,通过实验验证了该组合导航系统的可行性。

简介：温度是IMU及其他导航器件等精密仪器中需要监测的重要参数,传统的温度监测一般使用热电偶或者数字温度传感器（如DS18B20）等,监测程序复杂,功耗高,因此使用精密仪器中广泛采用的FPGA芯片独立完成高集成度、低功耗温度监测具有重要意义.在FPGA中通过搭建环形振荡器产生了自激振荡信号,该信号周期与FPGA芯片温度具有正相关性,通过对振荡信号周期的检测完成了对温度的监测,设计了一种以FPGA芯片同时作为敏感头和处理模块的温度传感器.通过对XilinxVirtex-2系列FPGA芯片进行实验,得到该传感器在-40℃～＋60℃的范围内具有优于0.1℃的分辨率,优于0.5℃的检测精度,满足一般温度监测需要.实验表明该传感器具有功耗低、集成度高、可靠性好等优点.

简介：在广义系统故障诊断过程中,若系统动态模型中存在不确定性,传统的无迹卡尔曼滤波算法将失去其传感器故障估计精度。为解决该问题,提出一种改进的强跟踪卡尔曼滤波算法以实现广义连续-离散系统的传感器故障诊断及隔离。首先,提出基于多重渐消因子的强跟踪滤波算法以实现动态模型存在不确定性广义连续-离散系统的故障诊断;然后提出一种结合多模型自适应估计的强跟踪卡尔曼滤波（STUKFMMAE）算法以实现传感器故障的有效隔离。最后,针对基于广义连续-离散系统的惯性传感器故障模型提出仿真算例。仿真数据表明,传统无迹卡尔曼滤波对于传感器故障估计误差为0.002左右,而提出的基于多重渐消因子的强跟踪滤波算法对于传感器故障估计误差最大值为未超过4×10~（-4）,且STUKFMMAE相较于UKFMMAE算法具有更好的隔离效果。仿真结果验证了设计方案的有效性。

简介：针对传统压电型声矢量传感器无法兼顾小体积与高灵敏度的问题,利用MEMS电容加速度计作为拾振器,实现矢量传感器的小型化设计。首先采用机电类比分析的方法得到内置加速度计的刚硬球体的声致振动响应;然后进行硅微电容加速度计选型和参数分析、设定,并设计制作了一只二维球形矢量传感器样机;最后对样机进行了参数测试,结果表明两矢量通道均具有良好的方向性,声压灵敏度分别为？185dB和-186dB（1kHz,0dBref1V/μPa）,通道间相位差与理论值保持一致,验证了利用MEMS电容加速度计设计矢量传感器的可行性。

简介：基于微喷三维打印机制造压力传感器,用于可穿戴的个人导航系统中。在基底表面不规则或者使用中经常被折弯的情况下,微喷打印工艺制备的MEMS器件精度更高,性能更好。研究了器件的可打印模型和工艺,给出压力传感器可打印的分层物理结构;研究了平面结构投影到三维基底上的投影空间,基于Terzopoulos弹性模型使用材料弹性度和结构弹性度模型给出投影空间;使用射线投影NURBS曲线来拟合边界轮廓,给出分层切片模型。为验证打印PZT膜的压电性能以及设计的压力传感器件的功能,使用不同的机械负荷测试其刚度,使用不同的直流偏置来测试耗损因数、品质因数等。通过比较实验对象的测量值和理论预测值之间的关系可以看出,打印的压力传感器薄膜具有很好的机械和电气性能。

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。

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：针对系统误差的不确定性可能会引起滤波精度降低或发散的问题，提出一种新的基于模型预测滤波的前向神经网络算法。首先，采用模型预测滤波估计网络在正向传递过程中的模型误差，并对其进行修正，以弥补模型误差对隐含层权值更新的影响；然后，利用模型预测滤波为神经网络提供精确的训练样本，学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统，并与扩展卡尔曼滤波进行比较，仿真结果表明，提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05m/s,+0.05m/s]和[-5m,+5m]以内，滤波性能明显优于扩展卡尔曼滤波算法，表明该算法能提高组合导航定位的解算精度。

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%。