【摘 要】
:
快速、准确的航姿测量对于小型UAV的飞行控制至关重要,随着小型UAV在军事、民用领域的广泛应用,航姿测量技术的发展越来越受到重视,对基于MEMS传感器的航姿测量系统进行研究、设计已经成为小型UAV领域的研究热点。本文针对小型UAV航姿测量实际需求,在研究MEMS传感器误差补偿、航姿解算等关键技术的基础上,设计开发了高性能航姿测量系统,为未来小型UAV的进一步应用提供了有力支撑。本文首先对各MEMS
论文部分内容阅读
快速、准确的航姿测量对于小型UAV的飞行控制至关重要,随着小型UAV在军事、民用领域的广泛应用,航姿测量技术的发展越来越受到重视,对基于MEMS传感器的航姿测量系统进行研究、设计已经成为小型UAV领域的研究热点。本文针对小型UAV航姿测量实际需求,在研究MEMS传感器误差补偿、航姿解算等关键技术的基础上,设计开发了高性能航姿测量系统,为未来小型UAV的进一步应用提供了有力支撑。本文首先对各MEMS传感器的测量原理、误差特性进行了分析,考虑到陀螺仪在航姿解算中的重要性,研究了陀螺仪的Allan方差分析方法,并将ARMA时间序列分析技术用于陀螺仪漂移误差补偿,实验证明该技术有较好的漂移误差补偿效果。在此基础上,本文对TRIAD、NCF、EKF等航姿解算原理进行了仿真分析。获得分析结果:相比于NCF算法,EKF航姿解算精度高,但计算量大,实时性差,给机载处理器增加了负担。依据上述分析结果,本文提出了NCF-KF组合航姿解算方法,仿真结果表明NCF-KF以牺牲25%精度为代价,令EKF解算实时性提高了38%,该算法实现了解算精度与解算实时性的平衡,综合性能要优于NCF算法与EKF算法。本文采用双CPU架构进行航姿测量系统设计,主处理器选用STM32F427-100模块,协处理器选用RK3399模块。本文对整个航姿测量系统的硬件选型及搭建调试进行了详细介绍,并设计实现了STM32 Keil环境下的软件系统以及RK3399环境下的基于Linux的软件系统。本文设计的航姿测量系统是一款高性能开放测量平台,除小型UAV外,能够兼容应用于多种平台;同时向后兼容飞控系统,既可以单独作为航姿测量系统,也可以在某些场合下辅助飞控执行任务。最后,通过实测数据的验证,证明了该航姿测量系统功能完备,所提的NCF-KF航姿解算方法在实际应用中可以实现理论上的预期性能。在此基础上,本文指出了当前设计中存在的不足和改进想法,为接下来的工作做了规划安排。
其他文献
智能体是实施智能行为的一个载体,它可以是机器人、虚拟游戏角色等等。让智能体拥有真正的智能行为一直都是科研工作者的目标,而路径规划任务是体现智能行为的一个重要环节。常规意义上的智能可以从环境感知、认知以及行为规划等角度进行探讨。其中,感知是指对周围环境的探测,例如智能传感器的信号采集;认知是指对环境信号的解析,例如对图片内容的辨识;行动是指对环境采取的反馈措施,涉及到智能体的决策能力。实际上,路径规
本文基于美国国家安全局最新解密档案和相关材料,梳理、分析和总结二战期间德国信号情报机构的历史沿革、组织架构和具体信号情报工作开展等情况。文章认为,德国信号情报机构截收了他国大量通信信号、破译了他国大量密码,并生产了大量高价值情报,在德军作战和高层决策中发挥了重要作用。但由于其一直未能破译盟军高级密码,因此在获取盟军高级战略情报方面存在严重短板;而且,由于其未能发现埃尼格码被盟军破译,给德军造成了难
增强型外骨骼是为人体运动提供辅助的可穿戴机械设备,在长时间、大负载的工作中,能增强人体机能,降低代谢消耗。本文聚焦军事领域单兵增强型外骨骼人机交互系统,对人体运动意图的感知与预测方法进行创新性研究。首先,本文通过肌电传感器获取表面肌电信号。由于信号夹杂大量的干扰噪声,通过一定的预处理方法完成信号的滤波与正则化。并根据肌电传感器可能存在的旋转偏移问题,提出了一种基于极坐标系下活跃极角的偏移校正方法。
随着网络信息技术的飞跃发展,人类已逐步进入以互联网为平台,全媒体传播,时效性、互动性和开放性大大增强,舆论生态和传播格局深刻变化的新媒体时代。与此同时,网络舆论也逐步成为社会舆论的主要组成部分,并极大影响着普罗大众特别是年轻网民乃至我军官兵的价值判断、行为取向。网络已俨然成为意识形态斗争新的主战场,这给我军舆论宣传工作带来了严峻的挑战。意见领袖作为两级传播中的中心环节,是网络舆论引导的主力军,在新
以模式分解和光束质量测量为代表的光束特性表征是对光纤激光器进行深入研究的重要工具。近年来兴起的深度学习技术有望为光束特性表征提供一套简单有效、快速准确的全新技术方案。因此,论文对基于深度学习的少模光纤输出光束特性表征展开了研究。首先,论文首次实现了基于深度学习的少模光纤模式分解,通过大量样本数据对卷积神经网络(Convolutional Neural Network,CNN)进行训练,使CNN习得
当前,大数据的应用正逐步改变着各领域信息汇集、处理和利用的方式,蕴藏在海量数据中的巨大价值被不断发掘。在军事情报领域,大数据为情报分析提供了海量数据支持以及多样化的数据处理手段,有效提升了情报产品质量和情报保障效能。与此同时,大数据的迅猛发展也给军事情报分析带来了新的挑战。如何应对挑战,以更好地利用大数据为军事情报分析服务亟需较为系统的理论研究作铺垫。本文在探索和丰富相关理论研究成果上进行了有益尝
本文提出了一种基于深度学习神经网络的同步定位与建图系统,工作主要分为基于深度学习的视觉/惯性组合里程计网络的设计以及单目视觉深度估计算法的研究。在基于深度学习的视觉/惯性组合里程计网络中,本文设计了基于卷积神经网络的视觉特征提取器以及基于长短时记忆网络的惯导信息特征提取器,并设计窗口优化网络对短时间内的相对位姿进行优化。针对视觉和惯导信息融合特征中可能存在的噪声,本文设计了两种注意力网络,分别为加
贝叶斯优化是一类广泛发展并且有很强理论支撑的零阶优化方法,在当前的自动化机器学习领域应用广泛。将贝叶斯优化结合到自动化机器学习模型中能够获得比其他方法更高的采样效率。高斯过程是贝叶斯优化最常用的概率模型,高斯过程的核函数会深刻地影响到高斯过程的性能。然而,当前常用的核函数不能有效发掘数据的内在模式,而且不具有外推能力。因此,深入理解核函数并改进核函数的设计是当前亟需研究的一个方向,这对当前大数据时
海洋中尺度涡对能量物质运输、水声传播具有重大影响,同时还会影响其附近区域的生态系统、气候等。快速准确识别中尺度涡位置并对其进行跟踪与轨迹预测在物理海洋学、海洋生物学、海洋声学等领域有着重要的研究价值。然而,由于涡旋本身没有准确的定义,导致缺少兼顾准确性和快捷性的提取方法。海洋中尺度涡最准确的提取方法依靠对海洋遥感图像“专家目视判读”,这种方法劳动强度大,而且无法满足快速、自动检测的需求;而应用较为
云的形成和演变是大气中物理过程的宏观体现,地面云观测在天气现象的观测、记录和研究中占有重要地位。近年来地面云自动观测系统不断发展,但云的自动分类一直是一个待解决的难点。人们一直试图寻找怎样区别于视觉表征来描述不同种类的云,现有方法大多数采用手工制作视觉描述符,其结果不十分令人满意。受卷积神经网络(Convolutional Neural Network,CNN)在大规模图像分类领域中取得巨大成功的