高动态近空间飞行器多源组合导航系统信息融合算法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61903337
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    24.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0307.导航、制导与控制
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

Near-space vehicles with high dynamics have long flight distance, large flight span and complex working environment, and this will set high requirements on the accuracy, reliability and adaptivity of the navigation system. The navigation system reliability and stability cannot be fully guaranteed with only inertial navigation or simple mode integrated navigation. Therefore, it is urgently needed to use multi-source navigation information to improve the navigation adaptivity with high dynamics and complex environments, thus providing high-precision, high-reliability, long-lasting and continuous navigation information for near-space vehicles. In this regard, this project studies the navigation system of near-space vehicles. In order to improve the navigation precision and robustness for near-space flights, this work investigates the autonomous navigation algorithm with considering their dynamic behaviors and environment characteristics. Particularly, the multi-source information framework design and fusion algorithm is the study focus, which strongly affects the precision, reliability and adaptivity of the navigation system.  This work aims to improve the adaptability of existing navigation methods for near-space vehicles with high dynamics and complex flight environment and optimize the multi-source information fusion algorithm for efficient and reliable integrated navigation.
高动态近空间飞行器的飞行距离远、跨度大、环境复杂,对导航系统的精度、可靠性和自适应能力提出了很高要求,仅依靠惯导或单一组合模式难以可靠稳定工作。因此,利用多种导航手段实现互补组合和信息冗余,为近空间飞行器提供高精度、高可靠、持久连续的导航信息,是亟待突破的关键技术。为此,本项目以典型的高动态近空间飞行器为背景,结合其运动特性和飞行环境特点,改进惯导系统模型和解算方法,建立复杂干扰条件下的导航传感器量测模型,并研究能够适应复杂干扰和测量条件变化的组合导航信息融合算法,优化信息融合结构设计,以提高导航系统的全程导航精度以及可靠性和自适应能力。项目旨在改善近空间飞行器导航系统在高动态与复杂环境下的适应性,完成多种导航信息的优化综合,进而实现高动态近空间飞行器全程多传感器导航信息的高效利用和可靠融合。

结项摘要

近空间飞行器的飞行距离远、跨度大、飞行环境复杂,对导航系统的精度、可靠性和自适应能力提出了很高要求,仅依靠惯导或单一组合模式难以可靠稳定工作。本项目针对近空间飞行器在高动态与复杂环境下对导航系统性能的需求,开展了近空间多源信息融合自主导航技术的研究。对适应复杂环境与测量条件的多源导航信息融合技术进行了深入研究,解决了多源组合导航系统信息融合机理分析与融合结构优化问题和复杂干扰条件下系统中存在不确定因素时的信息融合问题,实现高动态近空间飞行器导航信息的高效利用和可靠融合。.本项目以典型的高动态近空间飞行器为背景,结合其运动特性和飞行环境特点,改进惯导系统模型和解算方法,采用频域内的惯导解算方法抑制不可交换性误差、提高了惯导解算的精度。提出了一种基于高精度数字水平的惯性/天文紧组合导航方法,解决了传统惯性/组合天文组合导航对惯导水平基准依赖的问题,提高了导航精度。提出了一种低保守性的鲁棒滤波设计方法,减少了由系统中的噪声不确定和量测滞后带来的导航误差,提高了导航系统的精度和鲁棒性。构建了近空间飞行器导航系统性能验证仿真平台,为近空间飞行器自主导航系统的研究和实现提供了基础。.在本基金支持下,项目组在项目研究期间共发表SCI检索论文 5 篇, EI会议论文 1 篇,北大核心收录论文 1 篇,授权国家发明专利 2 项。.在学生培养方面,在本项目支持下共指导本科毕业设计 12 人,硕士研究生 3 人。基于本项目的研究成果,指导研究生团队设计的“用于海洋漂浮垃圾回收的海空协同系统”获得第三届中国研究生人工智能创新大赛全国三等奖。

项目成果

期刊论文数量(6)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(2)
A 2DCNN-RF Model for Offshore Wind Turbine High-Speed Bearing-Fault Diagnosis under Noisy Environment
噪声环境下海上风电机组高速轴承故障诊断的2DCNN-RF模型
  • DOI:
    10.3390/en15093340
  • 发表时间:
    2022-05
  • 期刊:
    Energies
  • 影响因子:
    3.2
  • 作者:
    Shujie Yang;Peikun Yang;Hao Yu;Jing Bai;Wuwei Feng;Yuxiang Su;Yulin Si
  • 通讯作者:
    Yulin Si
Event-triggered finite-time tracking control of underactuated MSVs based on neural network disturbance observer
基于神经网络扰动观测器的欠驱动MSV事件触发有限时间跟踪控制
  • DOI:
    10.1016/j.oceaneng.2022.111169
  • 发表时间:
    2022-06
  • 期刊:
    Ocean Engineering
  • 影响因子:
    5
  • 作者:
    Shulan Yu;Jinshu Lu;Guibing Zhu;Shujie Yang
  • 通讯作者:
    Shujie Yang
舰船雷达与AIS信息融合技术
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    舰船科学技术
  • 影响因子:
    --
  • 作者:
    杨淑洁;孙伟;卢威;王帅;周杨
  • 通讯作者:
    周杨
A SINS/CNS integrated navigation scheme with improved mathematical horizon reference
改进数学地平参考的SINS/CNS组合导航方案
  • DOI:
    10.1016/j.measurement.2022.111028
  • 发表时间:
    2022-03
  • 期刊:
    Measurement
  • 影响因子:
    5.6
  • 作者:
    Shujie Yang;Wuwei Feng;Shuai Wang;Jing Li
  • 通讯作者:
    Jing Li
Unmanned Surface Vehicle Collision Avoidance Path Planning in Restricted Waters Using Multi-Objective Optimisation Complying with COLREGs.
遵守 COLREG 的多目标优化限制水域无人水面车辆防撞路径规划
  • DOI:
    10.3390/s22155796
  • 发表时间:
    2022-08-03
  • 期刊:
    Sensors (Basel, Switzerland)
  • 影响因子:
    --
  • 作者:
    Gu Y;Rong Z;Tong H;Wang J;Si Y;Yang S
  • 通讯作者:
    Yang S

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码