无人机蜂群拦截系统作战构想与关键技术

为有效应对敌可能发起的"饱和式攻击",提高重要军事目标的防护能力,着眼无人技术的发展,首先,提出了无人机蜂群拦截系统的概念;随后,介绍了系统设计,并针对敌可能的巡航导弹、无人机蜂群、炮弹等各类打击,进行了具体的作战构想设计;总结了无人机蜂群拦截系统构建运行的关键技术,包括无人机平台研制、系统架构、集群感知与信息融合、集...     

基于卷积神经网络的无人机图像模糊类型识别

为了提高无人机图像模糊类型识别的准确率,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的无人机图像模糊类型识别方法。通过样本预处理策略对无人机模糊图像样本进行处理,提高了方法的识别效率,同时降低了错误率。提出一种适用于模糊图像灰度频谱图的卷积神经网络结构,并利用训练样本对网络进行训练,增强了网络结构的针对性,提高了训练模型的识别准确率。利用测试样本对训练的网络模型进行测试,验证方法的鲁棒性。实验结果表明,将卷积神经网络应用于图像模糊类型识别,取得了良好的效果,针对实验环境下的无人机运动、离焦和大气散射3种模糊图像类型的识别准确率较高,所提方法的鲁棒性强、实用价值大。     

基于卷积神经网络的无人机侦察图像去雨算法

提出了一种改进的无人机侦察图像去雨算法,该算法采用双边滤波和引导滤波相结合的方法提取有雨侦察图像的高频子图。根据无人机侦察图像中一般存在天空、地面等纹理相对平滑区域的特点,提取侦察图像中的纯雨区域。最后,将提取的纯雨区域作为训练样本,输入卷积神经网络中进行训练,提取图像特征信息,得到卷积神经网络的最优参数,完成神经网络训练,得到去雨侦察图像。通过仿真实验表明,该算法能够有效去除雨线对无人机侦察图像的干扰,提升侦察图像质量,具有一定的军事应用价值。     

混沌蝙蝠算法UAV网络控制系统故障诊断策略

针对总线条件下具有双通道多包传输的短时变时延无人机(Unmanned Aerial Vehicle,UAV)发动机控制系统,提出一种基于改进蝙蝠优化算法(Bat Algorithm,BA)的发动机故障检测算法,快速变化的延迟被认为是系统不确定性的一种。残差信号的传递函数与噪声和故障信号的传递函数之比用作目标函数。通过改进的Bat算法对其进行优化,以获得最佳的观察增益矩阵,使得该故障观测器系统不仅能够抑制噪声,而且对提升对故障敏感程度。最后将该方法在网络控制系统半物理平台上进行仿真,仿真结果说明所提出的方法能够同时抑制噪声信号和放大故障信号,从而提高了故障诊断的正确率,降低了虚警率。     

自主拦截无人机作战效能建模与影响因素分析

在自主拦截无人机初始设计阶段,为了更合理地对其总体设计指标进行分配,避免某些性能指标过高,在低成本下有更好的作战效能,采用HAHAYEB方法建立了拦截空中预警机的某自主拦截无人机的作战效能模型,利用计算结果对主要影响因素进行了分析。分析结果表明:导引头视场角、制导精度、隐身性能、飞行速度和战斗部特性对自主拦截无人机作战效能影响显著;自主拦截无人机要达到90%甚至100%的任务完成概率,其导引头视场角要达到30°,雷达反射截面积RCS≤0.05,突防距离要大于50 km,飞行速度要在3.5 Ma～4.5 Ma之间,巡航高度要在15 km以上,遭遇高度在10 km左右,战斗部威力半径大于20 m,制导误差要小于5 m。     

高动态环境下基于H_∞滤波的深组合导航技术

捷联惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统是适用飞机和现代武器装备的高精度导航系统。针对高动态环境下GPS/SINS组合导航系统的定位精度问题,以炮射无人机为例提出基于H∞滤波技术的SINS/GPS伪距、伪距率深组合导航方案,用于提高高动态环境下组合导航系统的精度和鲁棒性。仿真结果表明,H∞滤波器不但比Kalman滤波器鲁棒性强,而且可用于带有强有色噪声的高动态系统中,并能保持较高的精度。     

既要飞得远又要跑得快——欧洲新型“塔拉里昂”无人机

近年来,无人机以体积小、造价低、使用方便、对作战环境要求低、战场生存能力强等诸多优点,逐步走向战争前沿,并受到世界各国军队的青睐。各国纷纷通过自研或采购等方式,     

基于总线网络结构的无人机故障检测与诊断系统设计

文章在认真研究现行无人机飞行保障需求的基础上,提出了一种基于总线网络结构的无人机故障检测与诊断系统的总体设计方案及软硬件实现方法,研究了故障检测算法和基于人工神经网络专家系统。介绍了组成系统的工控机(主机)、RS485总线网络和飞控机(从机)设计原理。经过模拟验证表明,该系统性能稳定可靠,完全可以满足性能需求。     

微小型无人机遥感图像应用

通过给微小型无人机加装数码相机和微型INS姿态测量系统,可以同时获得对地面的遥感图像和当时无人机的姿态数据.根据传感器构像方程和几何畸变校正理论,对拍摄的图片进行几何校正.通过图像融合拼接,给出了目标地区的大面积数字影像图,最后给出了局部实验结果.