LSTM辅助车载GNSS/INS组合导航算法及性能分析

针对车载GNSS/惯性导航系统(inertial navigation system,INS)组合导航系统在GNSS信号失锁时定位精度下降甚至发散的问题，提出了一种长短期记忆(long short-term memory,LSTM)神经网络辅助组合导航的算法来提高定位精度，实现可靠连续稳定的定位.通过移动集成平台进行实验，结果表明：当GNSS信号失锁30 s时，LSTM辅助组合导航系统在东(east,E)、北(north,N)方向的位置误差最大值分别降低了77.45%、17.39%，均方根误差(root mean square error,RMSE)分别降低了79.53%、42.36%；当GNSS信号失锁100 s时，LSTM辅助GNSS/INS在E、N、天顶(up,U)三个方向上的位置误差最大值分别降低了60.07%、98.30%、84.65%,RMSE分别降低了61.96%、97.98%、84.65%. LSTM辅助较大地提升了车载GNSS/INS组合导航系统的导航性能.     

基于方位/频率测量的悬浮式深弹炸点控制研究

讨论了悬浮式反鱼雷深弹对鱼雷的被动定位与炸点控制方法。 采用矢量水听器检测鱼雷辐射噪声的线谱并测量目标方向,根据高速目标频率与方位变化,通过目标运动分析(TMA)方法预测目标的最近距离。 当该距离小于深弹装药破坏半径时,即发出起爆控制信号,实现炸点控制。 计算机仿真验证了该方法的可行性。     

融合数据同化与机器学习的流域径流模拟方法

环境变化影响下流域径流的精确模拟对洪涝灾害防治与区域水资源管理都具有重要意义。在径流模拟研究中，现有机器学习模型未能充分考虑水文中间状态变量对降雨-径流过程的影响，本研究基于集合卡尔曼滤波(EnKF)更新水文状态变量，结合主成分分析(PCA)提取预报因子的主要特征，采用长短时记忆神经网络(LSTM)构建考虑水文中间变量的机器学习水文模型EnKF-PCA-LSTM。以赣江流域为例，评估EnKF-PCA-LSTM模型的径流模拟效果，同时将模拟结果与LSTM模型、物理水文模型HYMOD做对比分析。结果表明，EnKF-PCA-LSTM模型模拟径流的纳什效率系数、Kling-Gupta效率系数和对数纳什效率系数分别为0.954、0.971和0.972,比LSTM模型和HYMOD模型具有更好的模拟性能，说明考虑水文状态变量可有效提高机器学习模型的径流模拟精度及稳定性。研究成果可为流域径流模拟提供技术参考。     

输水渠系水动力数字孪生模型糙率估计方法

为提高水动力数字孪生模型校正环节中糙率估计的实时性和精细化，考虑糙率值在渠道纵向上的空间变异性，提出基于水力半径变化和估计精度分段估计糙率的思路；基于渠道分段，提出独立估计法和联合估计法2种不同估计框架。基于有限的观测水位，在框架内应用集合卡尔曼滤波算法，在线估计各渠段的糙率值。结果表明：相比未分段时，2种估计方法可提高模型精度20%～50%,独立估计法误差累积小，适合复杂渠系；而联合估计法适用于观测量缺失的简单渠道。研究成果可服务于水动力数字孪生模型的参数估计和变量更新，为建设数字孪生水网提供参考。     

适用于海洋环境的小型无人直升机惯性导航系统设计

设计了一套适用于海洋环境的小型无人直升机捷联式惯性导航系统。针对海洋环境下风浪较大的特点,利用多传感器数据融合的方法设计了卡尔曼滤波器,通过对各传感器在不同使用状态下缺陷的补偿,抑制了气流扰动所导致飞行状态大幅变化时姿态估计偏差。实验结果表明,文中所提出的方法能够在受扰条件下更准确地测量直升机的姿态。