动态贝叶斯网络的无人机炮火校射

动态贝叶斯网络(Dynamic Bayesian Networks-DBNs),是对具有随机过程性质的不确定性问题进行建模和处理的一个有力工具.提出将隐马尔可夫模型(Hidden Markov Models-HMMs)图形模式与贝叶斯网络结合起来构成DBN,将其用于无人机照相侦察情报的推理分析,决定炮火优先打击区域.首先建立动态贝叶斯网络的战场态势变化模型,而后应用HMM的推理算法获得当前隐含序列最优估计,且可预测出未来战场态势.最后应用模糊推理获得优先打击的区域号.仿真结果表明了模型的可行性.该方法有效解决了贝叶斯网络对于瞬间变化战场态势推理的不足的缺陷,为炮兵指挥员更好地运用火力,分出主次奠定了基础.     

多UCAV协同控制中的任务分配模型及算法

任务分配是多UCAV协同控制的核心和有效保证。分析了影响目标价值毁伤、UCAV损耗、任务消耗时间等三项关键战技指标的因素,综合考虑实战中多UCAV同时攻击同一目标和使用软杀伤武器这两种典型情况对UCAV执行任务的影响,建立了针对攻击任务的多UCAV协同任务分配模型,并应用粒子群算法求解。仿真结果验证了模型的合理性和算法的有效性。     

自主武器的特点及对未来战争影响 ——《无人军队：自主武器与未来战争》述评

以自主武器为代表的人工智能正在掀起一场新的军事革命。保罗·沙瑞尔所著的《无人军队：自主武器与未来战争》一书通过技术概念解释、各路专家访谈与大量战场实例,深入浅出地探讨了自主武器的内涵、特点与影响。本文基于该书内容,结合相关文献、书籍、评论等资料,首先对自主武器与无人军队的内涵、现阶段的运用情况进行简要介绍;其次,通过对自主武器技术内核的分析,简要介绍自主武器在各类战争样式的运用、存在的反为敌方利用的可欺骗性风险和故障发生后产生更严重后果的不稳定性风险;最后从三方面总结自主武器对战争其他方面的影响,即对军队建设模式提出更高要求,对国际战略稳定的双重作用以及对战争法与战争伦理道德的挑战。     

针对不同视场辅助信标的无人机目标定位方法

针对无人机在单站测角测距的目标定位过程中受无人机姿态角误差影响较大的问题,提出一种对辅助信标进行探测并与惯性传感器相结合的无人机姿态求解方法。建立基于容积卡尔曼滤波的惯性传感器姿态求解模型,采用梯度下降法对基于辅助信标的无人机位姿参数进行求解,并综合它们的结果对无人机的姿态偏差进行估计和校正,最后完成了不同视场条件下的目标定位和仿真计算。结果表明,所提方法对无人机目标定位精度有明显提高。     

美军武装直升机电子战设备的现状与发展趋势

介绍了武装直升机在现代战场上面临的种种威胁,重点介绍了美军武装直升机目前装备的电子战设备和尚处于研制中的新一代综合性电子战设备,分析了美军武装直升机电子战设备的发展趋势。     

机载预警雷达对海上悬停直升机的探测

提出了依托机载预警(AEW)雷达利用悬停直升机旋翼回波信号来探测海上悬停直升机目标的方案．着重就机载预警雷达采用时－空级联自适应处理技术对海杂波的抑制和旋翼回波信号处理的方法进行了研究．最后,给出了计算机仿真结果．     

一种无人机侦察能力评估模型

在无人机执行侦察任务的过程中,需要对携带传感器的无人机能力进行评估。对此,从生存性能、侦察性能和稳定性能等3个方面建立无人机侦察能力的评估指标体系,并提出一种基于熵权的组合赋权方法,将主客观信息进行融合,确定各项指标的权重,建立无人机侦察能力的评估模型。最后通过实例对该模型进行了验证。     

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。     

运用跑道平面结构化线特征的固定翼无人机视觉导航算法

针对固定翼无人机在着陆阶段的位姿估计的问题,提出运用跑道平面结构化线特征的无人机视觉导航算法。利用单台固连在无人机上的前视相机对跑道区域进行成像,自动提取结构化线特征。在无人机降落前期利用完整的结构化线特征配置解算出无人机的六自由度位姿参数(偏航角、俯仰角、滚转角、纵向位置、横向位置、高度),并在无人机降落到较低高度时,利用退化的结构化线特征(跑道边缘)解算出无人机的关键位姿参数(偏航角、俯仰角、横向位置、高度)。三维实景仿真实验证明,在距离机场200 m处,无人机的距离参数精度小于0.5 m,角度参数精度小于0.1°。     

固定翼无人机曲线路径跟踪的积分向量场方法

常规的向量场方法在处理无人机曲线路径跟踪问题时很容易受非定常风扰的影响而使得跟踪误差增加,因此很多方法采用用无人机的惯性坐标系(地速和方位角)替代机体坐标系(空速和偏航角)的方式来提高抗风性能。但是,这种方式只能处理大小和方向均恒定的风扰,这在实际飞行中是过于理想的假设。为了克服这些不足,提出了一种采用侧偏距的积分来主动抵消非定常风扰的积分向量场方法用于固定翼无人机曲线路径跟踪控制。根据期望路径的曲率及路径角,结合无人机自身的状态信息设计了曲线路径跟踪策略,并且使用李雅普诺夫理论证明了提出的方法能够确保闭环系统的全局渐进稳定。最后,使用高性能半实物仿真系统验证了提出方法的抗风跟踪性能。