基于RBF神经网络的直接自适应飞行控制器

设计了一种径向基神经网络(RBF NN)飞行控制器结构,并给出了相应的控制律和参数调节律。由于调节了RBF NN的全部参数(连接权、高斯函数的中心和宽度),得到了很好的控制性能。以F8战斗机为控制对象进行了仿真分析,仿真表明,在存在70%的模型误差的情况下,该控制器仍然能实现较好的跟踪控制,表现出很好的鲁棒性,远远优于传统的只调节连接权值的算法。     

小型无人机航位推算定位算法研究与误差分析

对空中航位推算(DR)算法做了深入研究,提出了适用于小型无人机(UAV)的风速估计策略;将算法中各元素的误差对推算定位精度的影响进行了理论分析与数值计算;该研究结果应用于某小型UAV的航位推算/GPS组合导航系统的设计与实现中;飞行试验表明,通过提高对DR误差影响较大的元素的测量精度和风速的估计精度,有效提高了DR推算精度,与以往其他小型UAVs相比,在断开GPS对DR的修正后,DR精度保持在一定范围的持续时间显著延长.     

分层任务网络在UCAV规划中的应用

无人战斗机任务规划对提高它的生存能力、突防能力、作战效能具有重要意义.分层任务网络规划是一个有效的规划方法,HTNP的最大好处在于,搜索受控于细心设计的方法.在某种意义上讲,一个HTN规划器只描述了如何使用操作,给实际使用带来了困难.在HTNP中引入目标协调机制、禁忌表等,将原有"离线"式方法变为"在线"式方法,提高了方法的适应性能.可以根据情况的变化,随时生成新的规划,降低了预先设计方法的数量,从而降低工程实施的难度.     

大圆航线导航与控制律设计

随着无人机(UAV)应用范围的扩大,要求无人机能精确跟踪预定航线.预定的飞行任务可以有两种规划方式,一是近似在当地切平面上的直线或曲线;二是飞行距离较长时在地球表面的大圆航线.第二种规划相对复杂,研究较少,因此,介绍了某型无人机的动力学模型,提出了一种全新的大圆航线导航解算算法,设计了大圆导航控制律,此外,还分析了常值风及突风干扰对导航的影响.经计算机仿真验证和部分的实际飞行试验结果表明:与预定航线的距离偏差较小,航迹精度较高,新算法及设计较好地满足了实际大圆航线飞行要求.     

定量反馈理论在侧向飞行控制系统中的应用

分析总结了定量反馈理论(QFT)的基本原理、设计步骤和特点,运用该理论对飞行控制系统(FCS)进行了设计研究.针对侧向通道的多输入多输出耦合系统,研究了QFT理论在多变量解耦控制问题中的应用.研究发现,QFT能够很好地解决飞行控制系统由于模型参数具有不确定性而造成的控制系统鲁棒性设计问题.仿真表明该理论具有良好的鲁棒性能和解耦能力.     

飞行训练模拟器中的箔条质心干扰模型

对飞行员进行箔条质心干扰训练是某型飞机训练模拟器电子对抗分系统的主要内容之一。合理的模型建立是实现训练模拟功能的基础,针对此问题,构建了适合在训练模拟器中应用的数学模型,其中包括导弹比例导引、飞机机动以及箔条质心干扰等模型,并用MATLAB进行仿真验证,结果证明建立的模型均可以满足训练模拟器可信度和复杂度两方面的要求。     

高超声速飞行器组合导航体系效能评估

集合当今世界高精尖端技术的高超声速飞行器,单一或简单的组合导航方式已经无法保障其高超声速全球到达的飞行任务。研究了一种INS\GNSS\CNS组合导航体系方案,与典型的INS\GNSS组合导航系统方案相比较,并采用改进的贝叶斯法融合算法对这两种导航方案进行综合效能评估。结果证明,该评估方法切实可行,便于计算应用,证实了INS\GNSS\CNS组合导航体系保障高超声速飞行器作战能力更强。     

临空高超声速飞行器目标特性分析

临空高超声速飞行器经过几十年的发展,已经从概念原理探索阶段进入到成果应用阶段,其军事潜力和作战效能日益凸显。主要以美军高超声速无人飞行器、空天飞机和高超声速巡航导弹为研究对象,从临空高超声速飞行器的运动特性、电磁特性和红外特性3个方面展开论述,同时结合典型目标进行建模仿真分析;着重探讨了目标特性对未来作战性能的影响。临空高超声速飞行器目标特性的分析研究,为新型防空体系的构建提供了参考,为未来探测跟踪拦截此类目标奠定了基础。     

非线性干扰观测器的高超声速飞行器鲁棒反演控制

针对高超声速飞行器控制系统设计,提出一种基于干扰观测器的鲁棒反演控制器设计方法。采用反演控制方法分别设计速度和高度控制器。引入滑模微分器设计虚拟控制量的导数求解器,避免了传统反演控制"微分项膨胀"问题。为增强控制器的鲁棒性,设计一种非线性干扰观测器对模型不确定项进行自适应估计和补偿。通过数值仿真表明,该控制器能够保证对速度和高度参考输入的稳定跟踪。     

改进人工蜂群算法的无人机航迹规划研究

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主飞行的关键。将改进的人工蜂群算法应用于求解无人机航迹规划问题,同时在人工蜂群算法的侦察阶段引入差分进化算法的思想。通过仿真实验并与标准人工蜂群算法比较,结果表明此算法能够有效加快收敛速度,提高最优航迹精度,是解决航迹规划和其他高维复杂函数优化的有效方法。