基于改进多模滤波算法的控制系统故障诊断

应用分层多模自适应滤波算法对控制系统的故障进行诊断时,只能识别出故障的类型,如识别出是传感器还是执行器发生故障,并不能判定出故障的大小.提出一种改进分层多模自适应滤波算法,应用此算法可使分层多模自适应滤波算法不仅可以检测出控制系统的故障类型,而且能够确定发生故障的执行器局部故障程度.将此算法应用于某无人机控制系统的故障诊断,仿真结果验证了该方法的有效性.     

基于迭代学习观测器的无人机故障鲁棒控制

针对无人机在飞行时存在执行机构故障和外界干扰问题,建立了无人机的动力学模型和系统发生执行器故障时的模型,提出了一种将迭代学习观测器和鲁棒自适应控制相结合的容错控制方法.利用迭代故障观测器去观测无人机控制系统的状态并通过迭代实时跟踪执行器故障,给出了该观测器的收敛性分析,并在此基础上设计基于自适应增益的趋近律,实现系统鲁棒自适应控制.进一步基于Lyapunov方法从理论上证明了设计的容错控制器的鲁棒稳定性.使用无人机控制系统对方法进行验证,仿真结果验证了方法的有效性.     

多模自适应滤波算法的性能改进方法

多模自适应滤波算法基于已知的故障情况设计出一组卡尔曼滤波器预测系统对给定输入的响应,根据卡尔曼滤波器的预测输出和系统的测量值确定各滤波器的残差,从而检测出系统是否发生故障及其故障类型.采用传统的多模自适应滤波算法检测故障时会有一定的时间延迟,不利于系统故障的实时检测,因此提出了几种减少多模自适应算法故障检测时间的方法,并将其应用于某无人机执行器和传感器的故障检测和识别,仿真结果证明可以有效地减少故障检测时间.     

无人机电子干扰条件下的路径规划

针对机载预警雷达结合地面雷达对低空突防无人机构成的严重威胁,提出一种基于A*算法的路径规划算法.该算法分析了电子干扰和无人机RCS对雷达探测空间的影响,建立了新的雷达探测空间模型和威胁模型进行路径规划,将A*算法应用于无人机的路径规划过程.在此基础上给出了应用该方法的具体步骤,并进行了MATLAB仿真.仿真结果表明:考虑电子干扰对雷达威胁区域影响的情况下规划的飞行路径飞行器能有效回避威胁,有效提高无人机的低空突防能力.     

运载火箭伺服机构故障检测与诊断的扩展多模型自适应方法

针对运载火箭伺服机构故障,提出一种基于扩展多模型自适应估计的故障检测与诊断算法。建立考虑伺服机构故障的运载火箭姿态动力学模型;将故障角度作为状态变量得到增广状态空间模型;利用扩展卡尔曼滤波器进行状态向量和故障参数的非线性估计,并基于传感器测量数据采用假设检验算法在线计算故障发生的概率;给出基于扩展多模型自适应估计的故障检测与诊断算法流程。仿真结果表明,该方法在无故障时可对伺服机构进行健康监测;在单台伺服机构故障下,可以及时准确判断出哪一台芯级伺服机构发生故障,并可准确估计出伺服机构故障下的发动机摆角角度。     

基于扩展多模型自适应估计的运载火箭伺服机构故障检测与诊断

针对运载火箭伺服机构故障,提出了一种基于扩展多模型自适应估计的故障检测与诊断算法。首先建立了考虑伺服机构故障的运载火箭姿态动力学模型,其次将故障角度作为状态变量得到增广状态空间模型,然后利用扩展卡尔曼滤波器进行状态向量和故障参数的非线性估计,并基于传感器测量数据采用假设检验算法在线计算故障发生的概率,最后给出了基于扩展多模型自适应估计的故障检测与诊断算法流程。该方法的优点是只用一个扩展卡尔曼滤波器就可完成一个伺服机构的故障检测与诊断,从而大幅减小用于伺服机构故障检测与诊断的滤波器数量。仿真结果表明,该方法在无故障时可对伺服机构进行健康监测,在单台伺服机构故障下,可以及时准确判断出哪一台芯级伺服机构发生故障,并可准确估计出伺服机构故障下的发动机摆角角度。     

具有多传感器信息融合功能的无人机仿真系统

随着无人机系统的发展,信息融合技术成为提高其机载传感器信息处理能力的有效手段.介绍了一种具有多传感器信息融合功能的无人机仿真系统的设计与实现.该系统采用全数字方法模拟了无人机仿真系统的内容和功能.详细讨论了仿真系统的功能模型和结构模型,对各仿真子系统和软件实现思路进行了介绍.该系统可用于无人机仿真系统中.     

基于多种群合作演化的无人机协同侦察任务规划研究

为了提高时空域上对无人机协同侦察任务规划的效率,提出一种基于多种群合作演化遗传算法的任务规划模型。该模型建立了无人机协同侦察任务规划问题的分层描述,并将多种群合作演化遗传算法引入对模型的求解,设计了全局与局部搜索流程,交叉变异和合作演化等算法（子）,并给出了详细求解步骤。仿真结果表明,所提模型及算法与单种群搜索算法相比,在任务处置效益、任务潜力效益、时间成本效益等方面均有提升。     

基于粒子滤波的无人机协同跟踪算法

针对无人机群协同跟踪移动目标问题展开研究。由于传感器测量精度的有限性,采用多架无人机合作来获得多个测量值,再根据数据融合的方法获得较精确的测量值;建立了移动目标的模型,结合测量值应用粒子滤波算法来预测目标的状态。仿真结果表明了该算法能使无人机获得较好的跟踪效果。     

基于系统构型替换的固冲发动机故障模式半实物仿真

为全面快速验证冲压发动机的故障检测算法，基于构型替换建立了能模拟多种固冲发动机故障的仿真验证平台。基于此平台，搭建了发动机点火故障模型、压强传感器故障模型、设备接口模型，以及与真实控制器中检测算法具有相同外部接口和系统构型的故障检测算法模型等。通过系统构型的切换，将同一个故障模式注入故障检测算法模型和真实发动机系统，并通过对比同一组故障模式下故障检测模型检测结果与发动机控制系统检测结果，来对发动机控制器中的故障检测算法进行快速验证。以无喷管助推器点火的检测为例，讲述了该方法的建模、实验验证及分析过程，此外，该方法还能应用到无喷管助推器关机、进气道前后堵盖打开、燃气发生器点火、燃气流量容错控制等多个故障模式的仿真模拟与验证，具有很强的通用性，能大大地降低控制系统开发与验证的时间成本，具有很强的应用价值。     

城市环境下单无人机测向定位航迹优化算法

为解决单架无人机在城市环境中对辐射源目标的定位问题,提出了一种基于环境预测法的单无人机测向定位航迹优化算法。使用交互多模型-扩展卡尔曼滤波进行视距和非视距信号混合环境下的目标估计。结合估计的目标位置和城市地理信息模型,基于视线追踪法求解信号遮挡区域和多径信号干扰区域。在滚动时域控制算法框架下生成无人机预测轨迹,以最大化Fisher信息矩阵行列式为测向定位评价准则,考虑建筑物障碍以及其对信号的遮挡和反射效应对无人机测向定位航迹的影响,控制无人机选择最优航向飞行。仿真结果表明,该方法能够使无人机在存在障碍、信号遮挡和多径干扰的环境下实现对目标的高精度测向定位,为解决城市环境下的单架无人机测向定位问题提供了新思路。     

固定翼无人机群的集群和避障控制

针对传统的集群控制算法需要获取通信范围内相邻质点的位置和速度信息才能够计算控制量的问题,提出一种新的无须获得相邻无人机速度的六自由度固定翼无人机群的集群和避障控制方法。将通信范围内的无人机均视为障碍物,采用统一的计算方法获得控制量,并且证明了算法的稳定性。通过建立六自由度无人机线性化控制模型,将改进的质点集群算法应用于无人机群控制系统中,将无人机控制设计成六自由度无人机的跟踪回路和质点无人机的导引回路,并证明通过选取合适的跟踪回路控制参数,确保整个无人机集群控制是稳定的。通过六自由度无人机编队仿真验证了所提算法的有效性。     

基于Lyapunov法和势场法的对峙跟踪研究

现有的基于Lyapunov导航向量场算法的对峙跟踪研究中尚未有考虑避障要求的。针对单架无人机对峙跟踪单个移动目标,通过Lyapunov导航向量场法使无人机对目标对峙跟踪。在遇到障碍时,通过距离控制,切换为使用势场法避开障碍区域。在满足一定的距离条件后,通过角度控制,恢复对峙跟踪方式,从而使无人机在对峙跟踪时可以避开障碍区域。仿真结果表明,不管是在单障碍的条件下还是多障碍的条件下,该方法能使无人机有效地避开障碍区域完成跟踪任务。     

基于云模型的无人机作战系统效能评估

对无人机作战系统进行效能评估有利于了解无人机的能力和不足,为无人机的后继研发提供有效依据。针对作战系统指标的相对性、模糊性与不确定性,通过层次分析法建立无人机作战系统效能评估的指标体系,采用云模型实现作战系统指标的定性属性与定量属性的相互结合与转换,结合专家打分法给出作战系统指标的定性权重和评价,并利用正态云拟合算法得出无人机作战系统的综合效能。通过实例分析,表明该方法具有可行性。     

SEAD场景异构无人机配置与任务规划联合优化方法

对敌防空压制(suppression of enemy air defenses, SEAD)场景是多无人机协同的典型应用,针对该场景特点,在任务规划问题基础上将各类型无人机数量也作为决策变量,充分表征目标、任务和无人机的多种约束,建立异构无人机编队路径问题模型。设计了双层联合优化方法求解该模型：上层设计了任务衔接参数指标,精确评估各类型无人机需求,指导无人机配置调整;下层设计了改进遗传算法,高效处理多类型约束并能结合无人机数量变化对任务方案进行精细调整;双层相互协调获得满足需求的无人机配置和执行方案。仿真结果表明,该方法可以在避免遍历无人机配置组合的前提下获得合理的无人机配置方案和高效可行的执行方案。     

改进博弈论的舰载无人机编队协同对海突击目标分配

目标分配问题是UAV自主控制的重要问题。针对舰载无人机编队协同对海突击目标分配问题,首先建立了基于离散动态贝叶斯网络的目标价值评估模型,在此基础上构建了舰载无人机编队的益损值矩阵,设计了舰载无人机编队协同对海突击目标分配的决策函数,提出了一种基于改进博弈论的目标分配方法,为4种不同约束条件下的目标分配问题分别设计了算法。最后对所建立的目标价值评估模型和改进博弈论的目标分配算法进行了实例仿真,仿真结果表明了模型和算法的可行性和有效性。     

基于蚁群算法的无人机航迹规划及其动态仿真

为实现无人机航迹规划的实时性和交互性,建立了无人机动态仿真系统。以"捕食者"无人机模型为应用背景,结合MAK仿真技术的相关理论,利用蚁群算法计算了无人机航迹规划,并实现了Matlab平台下的实例仿真。基于构建的仿真系统,利用MAK软件实现了二维和三维飞行过程的显示,仿真效果理想,为无人机航迹规划结果的交互验证提供了一种有效的手段。     

基于态势预测的无人机防相撞控制方法

针对无人机自主飞行过程中,受空中非协作移动目标威胁较大,且空中移动威胁存在高机动性的特点,提出一种预测移动威胁情况下的无人机防撞控制方法,该方法采用交互多模(IMM)算法预测移动威胁的运动状态,同时利用滚动时域控制(RHC)思想建立无人机运动控制模型,构造有约束目标函数,运用微分进化算法(DE)求解目标函数,获取最优控制量,输入控制模型,完成防撞机动控制。仿真结果表明,该方法可以有效解决空中多架航空器同时入侵的防撞问题。     

面向典型任务的有人/无人机协同效能评估

有人/无人机协同作战是C4ISR体系下的一种重要形式。本文以有人/无人机协同执行典型任务为研究背景,针对构建可靠、全面的有人/无人机协同效能理论评估方法的问题展开深入研究。首先分析了未来有人/无人机的协同模式和运用规则;然后采用协同系统综合指数模型,在单机能力模型的基础上,提出了一种有人/无人机编队协同效能评估方法;最后基于Xsim仿真系统平台在典型任务下,通过针对确定机型的多种编队组合仿真推演,将协同效能仿真结果与理论计算结果进行分析对比,协同效能排序的一致性验证了该理论评估方法具有一定的可靠性与可用性。可以预见,未来战争有人/无人机的协同作战将被广泛应用。     

Maneuvering target tracking of UAV based on MN-DDPG and transfer learning

Tracking maneuvering target in real time autonomously and accurately in an uncertain environment is one of the challenging missions for unmanned aerial vehicles(UAVs).In this paper,aiming to address the control problem of maneuvering target tracking and obstacle avoidance,an online path planning approach for UAV is developed based on deep reinforcement learning.Through end-to-end learning powered by neural networks,the proposed approach can achieve the perception of the environment and continuous motion output control.This proposed approach includes:(1)A deep deterministic policy gradient(DDPG)-based control framework to provide learning and autonomous decision-making capa-bility for UAVs;(2)An improved method named MN-DDPG for introducing a type of mixed noises to assist UAV with exploring stochastic strategies for online optimal planning;and(3)An algorithm of task-decomposition and pre-training for efficient transfer learning to improve the generalization capability of UAV's control model built based on MN-DDPG.The experimental simulation results have verified that the proposed approach can achieve good self-adaptive adjustment of UAV's flight attitude in the tasks of maneuvering target tracking with a significant improvement in generalization capability and training efficiency of UAV tracking controller in uncertain environments.