高超声速滑翔导弹气动参数自适应跟踪建模

针对高超声速滑翔导弹跟踪中状态模型构建问题，研究基于制导变量变化规律的气动参数建模方法。对气动参数进行分析，指出传统建模方法的缺点。在假设制导变量服从一阶时滞过程的前提下，利用线性化的气动系数推导气动参数模型，通过分析不同飞行状态下的模型变式，证明模型对目标机动具有自适应性。对模型中未知参数的取值问题进行讨论，实现模型与飞行状态的自适应匹配。仿真结果表明：当目标发生机动时，所提模型性能明显优于传统模型。同时，在不同滤波器参数条件下的仿真结果进一步证实了模型的有效性。     

改进MPSP的高超声速滑翔飞行器滑翔段制导

针对多约束条件下高超声速滑翔飞行器滑翔段再入制导问题,提出一种改进的预测-校正制导方法。该方法基于模型预测静态规划(MPSP),将三维轨迹快速在线生成方法作为初值生成器,解决了MPSP制导方法提供猜测值困难、对于初始偏差需要重新计算参考轨迹的问题。建立了基于能量的运动学模型,推导了MPSP预测-校正制导律。探讨了初始下降段对滑翔段的影响因素,针对滑翔段初值干扰和气动参数摄动问题,进行了数字仿真。仿真结果表明,改进的MPSP预测-校正制导方法能够有效利用精确的猜测值,提高了计算效率,对干扰初值和气动摄动具有较强的鲁棒性。     

线性二次型及模型预测控制编队控制研究

多智能体集群作战是未来战场的重要形式。作为集群作战中的关键技术,编队控制有着广泛的应用。以编队控制律为研究目标,选择2种优化控制方法:线性二次型调节器(linear quadratic regulator,LQR)方法和模型预测控制(model predictive control,MPC)方法。针对圆形编队轨迹,采用二阶动力学模型,基于相似一致性算法,在二维平面上仿真4个智能体绕轨迹中心旋转的编队运动场景,探究2种优化控制方法仿真效果。结果表明模型预测控制相比线性二次型调节器控制收敛速度更快,控制稳定性更高,侧向误差更小。增加侧向加速度补偿之后编队智能体在模型预测控制的作用下,圆形轨迹侧向追踪误差大幅度降低。     

高超声速滑翔飞行器滑翔段预测-校正制导研究

为了满足高超声速滑翔飞行器再入制导过程中的终端约束和过程约束,针对滑翔段具有不确定初值和气动干扰的滑翔再入问题,联合三维轨迹快速在线生成技术和模型预测静态规划（MPSP）技术提出了一种改进的MPSP预测-校正制导律。建立了基于能量的高超声速滑翔飞行器的运动学模型,详细推导了MPSP预测-校正制导理论。构建了基于三维快速轨迹规划的初值生成器,探讨了初始下降段对滑翔段的影响因素。针对滑翔段初值干扰和气动参数摄动问题,设计了预测-校正制导律,进行了数字仿真。仿真结果表明,改进的MPSP预测-校正制导方法能够有效利用精确的猜测值,对干扰初值和气动摄动具有较强的鲁棒性。     

基于LSTM模型的卫星电源系统异常检测方法

针对卫星电源系统在轨运行状态检测问题,提出一种基于长短期记忆(Long-Short Term Memory,LSTM)模型的卫星电源系统参数异常检测方法。在利用LSTM模型对卫星电源系统参数进行预测的基础上,以预测参数数据与实际参数数据差的绝对值最小为目标对模型进行训练,采用模型预测的参数时间序列与模型训练误差生成的动态检测门对实时参数进行检测,从而实现卫星电源系统的异常检测。通过对实际在轨某卫星电源系统参数遥测数据的验证,结果表明:该方法能有效地对卫星电源系统进行异常检测。     

外挂式导弹机弹分离气动干扰特性研究

以经典的机翼/挂架/导弹组合模型为例,采用重叠网格软件系统和计算流体力学技术,从机弹干扰工况简化和气动干扰特性影响因素分析两个方面对外挂式导弹机弹分离气动干扰特性进行研究。导弹分离轨迹参数和气动干扰系数的数值预示结果与捕获轨迹试验结果吻合,表明该计算方法能有效预测机弹分离轨迹和分析导弹与载机间复杂气动干扰现象。根据计算流体力学结果,从马赫数、机翼攻角、导弹攻角等方面,给出导弹在不同分离工况下的气动干扰规律,并采用增量系数法对缺失工况进行一阶外插处理的气动干扰数据外推方法,可应用于机载外挂空基武器的机弹分离轨迹预示和气动干扰特性设计中,具有重要的工程应用价值。     

基于贝叶斯因子分析的声纳探测误差模型研究

声纳的探测误差模型是声纳仿真的核心技术。针对建立某型声纳探测误差模型的问题,在对大量声纳实测数据进行统计分析的基础上,提出采用贝叶斯因子分析的方法,建立声纳的探测误差模型。利用该误差模型预测误差,将预测结果应用于声纳仿真中,并与白噪声模型仿真方法进行比较。仿真结果表明,基于贝叶斯因子分析的声纳误差仿真模型可以更有效的对声纳探测误差进行建模和预测。     

面向空间非合作目标附着的制导控制律设计

以实现对空间非合作目标表面附着的同时保证与其相对速度为0("零距零速"附着)为目标,首先规划了附着任务的燃料最优轨迹,推导了主动飞行器动力学模型中的最优性一阶必要条件,用间接法求解多约束下的燃料最优附着问题。然后,提出了用滑模变结构控制追踪燃料最优轨迹的"零距零速"附着控制方法,结合了燃料最优控制和滑模控制的优点,是一种近似燃料最优的反馈控制方法。仿真算例表明,该方法可有效克服初始误差和建模误差,同时实现近似燃料最优,具有一定的可行性和工程应用价值。     

基于动力学模型的柔性加工设备机电系统状态监测与故障预警

在建立的加工设备机电系统精确动力学模型及对模型参数实时辨识的基础上［１］，建立柔性加工设备机电系统的状态监测模型，包括ＢＡＹＥＳ故障检测、突发故障检测及故障分析与定位等；同时利用Ｋｕｌ－ｂａｃｋ信息距离和多层递阶ＡＲ模型实现系统的状态与故障预警。在加工设备上的实验表明模型可行有效，它能排除柔性多变工况、时变性及随机干扰对监测与预警功能的影响，提高其鲁棒性和自适应能力。     

舰炮初速对命中点预测误差影响分析

针对舰炮初速对命中点预测误差定量评估的问题,建立了目标运动简化方程。利用Cramer-Rao下界理论,分析了滤波时间、数据采样间隔、预测时间、弹丸飞行速度等对命中点预测误差的影响,推导出命中点位置预测误差计算模型,并引入舰炮初速增大误差下降比作为命中点预测误差变化的衡量指标。以目标在匀加速和匀速运动为例,进行了仿真计算,结果表明:提高舰炮初速能够明显降低命中点预测误差,由此验证了该模型与方法的正确性。     

雷达组网系统目标定位精度评估模型

以地基分布式有源雷达组网系统为讨论对象,在具体分析了4种系统定位误差的相互关系的基础上,给出了一种基于ECEF转换法的系统目标综合定位精度评估模型,并利用典型的雷达参数,对2D与3D混合的雷达组网系统的实际目标综合定位精度进行了仿真和对比分析,得到了一些对雷达组网系统的实际部署优化处理有参考价值的结论.     

基于模型预测控制的无人机避障路径规划方法

针对无人机飞行过程中避障问题,提出了一种基于模型预测控制的无人机避障路径规划方法。通过对无人机平台模型进行分析,构造了无人机状态空间预测模型。为保证路径规划过程输出的平稳性,采用一阶指数变化形式作为无人机飞行路径的参考轨迹。设计了预测模型调整策略,并给出了参数调整流程,以能力-时间组合最优为目标,建立了无人机避障路径优化模型,采用有限时域优化的滚动优化算法对无人机避障优化模型进行了求解。算例仿真结果表明,该算法可有效解决无人机飞行路径的避障问题。     

基于贝叶斯混合源分离方法的声纳探测误差模型

声纳的探测误差模型是声纳仿真的核心技术。针对现有的声纳误差白噪声模型仿真逼真度低的问题,提出了基于贝叶斯混合源分离方法,建立了声纳的探测误差模型,提高了声纳误差模型的性能。与传统的白噪声仿真方法相比,基于贝叶斯混合源分离方法的声纳误差仿真模型具有较好的逼真度,可以有效地对声纳探测误差进行建模和预测。     

无动力滑翔高超声速飞行器轨迹预测方法

针对无动力滑翔高超声速飞行器轨迹预测问题及其应用需求,提出了基于动力学模型简化的轨迹预测方法。阐述了无动力滑翔高超声速飞行器预警探测面临的难点及轨迹预测在预警探测中的作用,说明了轨迹预测的必要性。分析了无动力滑翔高超声速飞行器的受力情况,通过合理的化简,得到简化的动力学模型,获得了运动轨迹的解析形式。设计了轨迹预测算法流程和轨迹预测精度的评价指标,通过仿真实验验证轨迹预测算法的有效性,并分析了引起轨迹预测误差的主要原因。     

基于窗口预测匹配的序列图像点目标轨迹检测算法

序列图像中运动点目标轨迹的实时检测算法,是目标识别、实时跟踪处理系统中的关键算法之一。在分析不同层次处理方法的基础上,给出了一种基于预测、窗口匹配的点轨迹预测—匹配检测算法,并根据仿真实验的效果,指出此算法可有效地对低信噪比序列图像运动点目标轨迹进行实时检测,具有多目标轨迹检测能力。     

基于ANFIS的目标毁伤等级预测模型

分析了神经网络和模糊推理系统的优缺点,研究了自适应神经模糊推理系统（ANFIS）结构模型及后向传播和递归最小二乘算法相结合的混合算法．在分析了目标毁伤等级主要影响因素的基础上,构建了目标毁伤等级预测ANFIS模型,利用毁伤试验样本数据训练该模型,得到了与实际一致的目标毁伤等级,并将预测结果与基于BP神经网络的预测结果进行了仿真对比分析．仿真结果表明,该目标毁伤等级预测模型能够准确地预测出目标的毁伤等级,并且其预测精度较BP神经网络方法高,为目标毁伤等级预测提供了一种有效的方法．     

基于改进核极限学习机和集成学习理论的目标机动轨迹预测

为了提高目标轨迹预测的精度以及预测模型的泛化能力,提出基于改进蝙蝠算法优化的核极限学习机(Kernel Extreme Learning Machine,KELM)和集成学习理论目标机动轨迹预测模型。构建KELM模型,并采用改进的蝙蝠算法对KELM的参数进行优化;以优化后的KELM神经网络为弱预测器,结合集成学习算法生成强预测器,通过训练不断优化强预测的结构和参数,得到一种基于集成学习理论的目标机动轨迹预测模型;基于不同规模的样本,将所得预测模型与逆传播神经网络、支持向量机和极限学习机等模型进行对比分析。仿真结果表明:所提目标机动轨迹预测模型具有较好的预测精度和泛化能力。     

某型反坦克导弹气动仿真方法研究

为了获取某型反坦克导弹的气动参数,基于开源的OpenFOAM软件包,针对某型反坦克导弹的外形,在对导弹底部结构以及弹翼和尾舵外形进行处理后,运用结构化网格划分方法和局部加密方法建立了气动仿真模型.采用带可压缩修正的湍流模型,进行了气动仿真计算,并将计算结果与风洞试验数据进行了对比,结果表明:仿真计算所得气动参数与风洞试验结果符合较好,误差较小,证明了此仿真方法具有较好的可信度.此种方法可以推广运用于类似外形导弹的气动仿真中,能够起到减小耗费、提高效率和缩短研制周期的作用.     

H_∞滤波混合优化RBF在SINS动基座传递对准中的应用

为解决SINS动基座传递对准的快速精确问题,将混合优化的RBF神经网络应用于此。首先运用递阶遗传算法优化RBF神经网络的拓扑结构,并对网络其余参数进行全局粗调;在此基础上运用H∞滤波算法对网络其余参数进行在线自适应精调。其计算机仿真结果与扩展卡尔曼滤波比较表明:该算法在精度、实时性方面与扩展卡尔曼滤波相比提高了将近50%。     

基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法

针对因深度学习自身局限性和递归预测策略产生的累积误差,导致航迹预测精度不高的问题,提出了一种基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法。首先,引入卷积模块用于提取航迹数据之中具有潜在关联的空间位置特征,利用双向长短时记忆网络提取航迹数据中的时序特征,并实现对空中目标的实时单步预测和多步超前预测;其次,引入整合移动平均自回归为残差修正模型,对实时单步预测产生的残差建模,计算混合神经网络模型多步超前预测时的残差值;最后,将混合神经网络模型和残差修正模型的输出结果进行融合,得到最终的航迹预测值。实验结果表明,该算法大大降低了神经网络因自身局限性产生的误差和因递归策略预测产生的累积误差,能够显著提高空中目标航迹短期预测的精度。