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。     

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。     

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。     

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。     

基于MPSP算法的炮弹分段气动参数辨识

针对炮弹的气动参数辨识问题,提出了一种创新的辨识方法。受到常用于带有终端约束制导律设计的MPSP(模型预测静态规划)算法启发,将其运用在炮弹的气动辨识领域。以弹体纵向平面的质心动力学模型作为辨识模型,以炮弹速度、位置等飞行外弹道数据作为模型状态量,创新地将升力系数与阻力系数视作制导律中的“控制量”,基于MPSP算法在辨识步长内进行“制导”,使得预测的终端状态量满足实际外弹道状态量“终端约束”,从而得到“控制指令”(即待辨识参数)。以某型155 mm制导炮弹为背景,使用Matlab编制辨识算法程序对给定弹道数据的升阻力系数进行了辨识。辨识结果显示：当初始气动参数存在30%误差时,辨识算法平均可在170 ms内收敛至真值附近,辨识误差在2%以内。     

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。     

低速大雷诺数混合飞艇气动性能分析

针对混合飞艇体积巨大同时气动外形复杂使得现有条件的风洞试验很难精确测量其气动性能的问题,开展了适用于混合飞艇气动性能分析的计算流体力学(CFD)的数值分析方法研究。考虑混合飞艇低速大雷诺数的特点,将变分多尺度方法 (VMS)与动态Smagorinsky大涡模拟(LES)模型相结合,提出了组合的VMSLES湍流模型。将基于RANS方法和LES方法的其他三种湍流模型相对比,利用雷诺数相近、实验数据丰富的6:1长椭球飞艇对不同的湍流模型进行了对比验证。结果显示LES方法预测结果与实验结果吻合较好,优于RANS方法,并能显示更多流动细节,而组合的VMS-LES模型能够更精确地捕获实验研究中观察到的二次涡。利用组合的VMS-LES模型对有翼HAV与多囊瓣HAV进行了气动性能分析,并研究了不同部件对飞艇气动特性的影响。结果表明,由于尾翼表面产生的一次涡与二次涡相互作用,尾翼在增加气动升力的同时也增加了阻力。     

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。     

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MPC和ESO-DO的四旋翼轨迹跟踪控制

针对扰动作用和模型不确定性下四旋翼无人机精确轨迹跟踪控制问题,提出了一种主动干扰抑制和模型预测控制(Model Predictive Control, MPC)策略。模型预测控制器通过扩张状态观测器(Extended State Observer, ESO)和扰动观测器(Disturbance Observer, DO)来估计和补偿干扰,从而实现位置环精确控制。在存在外部干扰和参数不确定性的情况下,通过仿真实验,证明了所提出的方法提高了对建模误差和干扰的鲁棒性,同时实现了对参考轨迹的平滑跟踪。     

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.     

基于自注意力机制和CNN-LSTM的空战目标机动轨迹预测

空战目标机动轨迹是有丰富时空特征的多维时间序列,具有高度复杂性和不确定性。针对现阶段轨迹预测运动学模型建立困难、时序预测的方法难以提取时空特征且只能单一的从T到T+1时刻的顺序式训练的问题,文中提出了一种自注意力机制(self-attention, ATT)和卷积神经网络(convolutional neural network, CNN)-长短期记忆网络(long short-term memory, LSTM)结合的模型(CNN-LSTM-ATT)。离线状态下训练模型,获得的最优模型可以实现目标机动轨迹的高精度预测。文中模型与CNN-LSTM、LSTM模型进行单步预测对比分析,具有良好的单步预测和不同过载机动预测的能力。考虑到电磁干扰和复杂环境导致传输数据的误差和缺失,进行了目标轨迹的5步预测,预测结果和评价指标均优于CNN-LSTM、LSTM模型。     

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。     

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。     

地面慢速移动目标轨迹预测方法

在预测期较长的情况下,不确定因素将增加,对地面慢速移动目标轨迹预测的结果可能偏差较大.为了检验和提高预测结果的准确度,克服单一预测模型的不足,提出了一种改进灰色预测模型结合轨迹点转移概率的综合预测方法.通过引入缓变因子,并对原始数据进行自然指数变换,改进的灰色GM(1,1)模型能够控制其发展系数,提高灰色预测模型本身的精度.为了进一步检验预测结果,利用当前统计模型和分段整合的思想,并采用目标加速度截断正态概率密度模型,建立了轨迹点转移概率分布模型.仿真结果表明,该方法能够达到提高和保证预测精度的目的.     

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。     

基于数据挖掘的雷达探测误差模型研究及应用

针对建立某型雷达探测误差模型的问题,提出了在大量实测数据的基础上,以SQL Server 2005为数据挖掘平台,选取决策树算法来构建误差模型的解决方法.利用该雷达探测误差模型进行误差预测,将预测结果应用于雷达仿真中,并与常用误差仿真方法进行了比较.研究结果表明,基于数据挖掘的方法能有效地对雷达探测误差特性进行分析、建模和预测.     

环境参数在线辨识及其在滑翔段制导中的应用

针对助推滑翔导弹,提出基于飞行环境参数在线辨识的滑翔段数值预测校正制导方法。综合考虑大气密度和气动系数对导弹运动的影响,引入滑翔段综合环境参数,利用扩展Kalman滤波方法对综合参数进行在线辨识。基于在线辨识结果,利用渐消记忆递推最小二乘方法在线建立环境参数预测模型,并利用最新辨识结果进行模型的在线修正。设计了纵向和横向制导律,并基于环境参数在线预测模型进行落点预测,以克服飞行环境扰动对落点预测精度的影响。进行了大气密度非定常扰动下的制导仿真,以及密度和气动参数随机扰动下的Monte Carlo仿真。仿真结果表明:环境参数在线预测模型能准确预报飞行环境参数,制导方法对飞行环境扰动具有较强的鲁棒性。     

基于最大熵谱估计验证战术导弹的气动模型

现代谱估计方法是验证系统仿真模型的有效方法。战术导弹飞行试验的遥、外测数据记录了大量的过程参数,可以利用这些参数进行气动力和气动力矩的计算,与飞行试验过程参数进行分析比较。应用最大熵谱估计检验导弹的气动力和气动力矩模型的可信性,可以给出定量的结果。文章给出的方法可以作为战术导弹气动参数模型研究的一种辅助手段。