简介：针对飞行试验中由于GLONASS星历解算错误导致的定位结果异常问题,研究了GLONASS星历电文下传的基本特征,即通过第1~4串电文下传,并且一个更新周期内下传60组数据完全相同的星历。基于此,提出了基于电文串标识的GLONASS星历解算基本算法,但发现该算法在电文串丢失且发生星历更新时解算出错误星历的问题。为确保星历来源于连续的1~4串电文,提出了基于时间比较的星历解算改进算法,发现GLONASS星历更新时,不保证从第1串开始,也不保证在连续的1~4串电文中更新完毕,改进算法依然无法确保获取到正确星历。最后分析了星历电文误码时的特征,提出了基于星历合法性检测的星历解算可靠算法,该算法综合考虑卫星不健康、星历更新以及电文误码等异常情况,采用轨道特性检测法和原码比对检测法验证星历合法性,采用电文串标识法充分利用有效电文数据。试验结果表明,该算法的星历误码识别率达到100%,星历更新异常识别率达到100%,获取的GLONASS星历数据正确率到100%。

简介：利用单频GPS载波相位差分技术进行动态精密测量时，由于观测历元少，经典LAMBDA算法会出现法矩阵病态导致整周模糊度无法求解。针对这一问题研究了基于TIKHONOV正则化原理的改进LAMBDA算法。通过对双差观测方程系数矩阵进行奇异值分解选取正则化矩阵，改善了法矩阵的病态性，获得了更高精度的浮点解。利用均方误差矩阵替代协方差阵进行LAMBDA求解，提高了模糊度求解的速度和成功率。对连续100组5个历元实测数据计算表明：与原算法相比，改进LAMBDA算法求得的浮点模糊度偏差从36.48周减小到4.08周，搜索效率和成功率分别改进97.74%和100%。

简介：小型移动机器人在未知环境下运行，陀螺所受噪声干扰无法建立有效的数学模型，需要仅从观测信号中把噪声去除，并估计出原始信号，根据该特点提出一种微机电陀螺信号盲均衡迭代反卷积算法。该算法利用横向滤波器对陀螺信号进行反卷积运算，使用贝叶斯方法对信号进行估计，建立了误差函数并与LMS算法组合，实现了均衡器参数的自动调整，在小型移动机器人上进行了算法实验验证。实验结果表明，该算法可以有效分离角速度信号与噪声信号，其噪声信号幅值减小约10倍，移动机器人运行275.41s抵达终点的偏航角误差从13°下降到1.46°。

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.