RLV再入标准轨道制导与轨道预测制导方法比较分析

提出只更新飞行剖面参数的航程更新方法及相应的RLV再入标准轨道制导规律;结合轨道在线生成与跟踪技术,采用Runge-Kutta-Fehlberg自适应变步长轨道快速预报方法,研究了RLV再入轨道预测制导。进一步对两种制导方法进行了比较分析研究,研究认为标准轨道制导与轨道预测制导都是可行的RLV再入制导方案,其有机结合是未来可重复使用跨大气层飞行器再入制导的发展趋势。     

基于位置预测的靶场图像实时判读方法

在靶场经纬仪对目标实时跟踪测量时,会发生相机随机抖动的情况,引起目标在图像中大幅度运动。应对大幅度运动时,基于搜索窗口的跟踪方法容易丢失目标,而基于全图搜索的跟踪方法时效性差。针对以上问题,提出一种结合核相关滤波算法(Kernelized Correlation Filter, KCF)和目标位置预测的改进的跟踪学习检测算法(Tracking-Learning-Detection, TLD)跟踪框架。利用正交多项式最优线性滤波器及相机角度信息预测目标下一帧位置,在此区域利用KCF进行快速跟踪,可以提高跟踪的成功率和时效性,跟踪失败时再进行检测。仿真实验表明,最优线性滤波器能较准确预测目标位置,给KCF提供较准确的搜索位置,算法每帧耗时仅为1.1 ms,且定位精度优于TLD和KCF,能有效应对相机抖动的问题。靶场实际试验证明该方法可提高靶场自动判读水平,减少人工干预。     

深度神经网络指导下的无线覆盖预测算法

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明:该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。     

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。     

基于分形理论的目标航路预测

电磁干扰条件下解决断续航路预测问题对防空兵有效抗击空中目标至关重要。针对包络灰预测方法预测精度较低和Verhulst灰色预测模型计算过程复杂的情况,提出了预测航路的分形方法。在分形理论的基础上,研究了其用于目标断续航路预测的基本思路,建立了基于分形的目标航路预测模型,并对模型进行了求解。最后,利用建立的分形模型对雷达丢失目标后的目标航路进行了预测,通过实例体现了分形方法在用于航路预测时的准确性、灵活性和易实现等特点。结果表明,用该法对断续目标航路的预测具有一定的借鉴意义。     

基于传递闭包的任务时序依赖关系建模方法

建立正确、有效的任务模型是正确引导出信息系统需求的关键步骤。文中针对任务间时序依赖关系,给出与任务建模相关的若干形式定义和命题,帮助分析人员判断任务间的并发和死锁。给出任务间时序依赖关系建模的详细步骤,并根据时序依赖关系的传递性质,给出一种任务关系图上的传递闭包方法,可以帮助分析人员直观地判断任务间时序依赖关系的问题和错误,科学、合理地标记各个任务的时序等级属性,帮助建模人员从全局上明确各个任务在执行时所处的相对位置,以及在每个阶段需要同时展开哪些任务。     

神经网络模型预测函数控制方法

在建立基于神经网络模型的非线性预测函数控制系统结构和基于BP网络非线性预测模型的基础上,提出了基于神经网络模型的非线性预测函数控制方法,并对其优化法等进行了讨论。通过与PID方法的仿真比较表明,预测函数控制方法具有抑制干扰能力强、跟踪性能好的特点,能够满足一些非线性系统的控制要求。     

基于改进自适应聚类的无线传感器目标跟踪算法

针对无线传感器网络目标跟踪中跟踪精度与传感器节能问题进行研究,提出基于预测的簇头自适应聚类算法,该算法采用动态聚类算法,通过考虑传感器节点剩余能量、节点到汇聚的距离和节点到运动目标的距离3个参数,最大限度地减少簇头与基站间的远程通信,节约网络能量,延长网络寿命,降低目标漏失概率,加入预测机制,采用线性预测的方法预测跟踪...     

应用改进的LP算法构建虚拟阵的精确定向方法

为了克服传统LP(Linear Predecition)算法在构建虚拟阵过程中存在预测误差容易累积的弊端,提出了一种能够更充分利用实阵信息量的改进LP算法来构建虚拟阵。采用实际基阵方法、传统LP虚拟阵方法和改进LP虚拟阵方法分别对假定基阵的波束性能进行计算机仿真及对湖试数据进行处理成像,研究结果表明,与传统LP方法相比,改进的LP方法能够有效地抑制波束旁瓣,进一步提高了基阵的角度分辨力和阵增益,将其运用于特定试验背景下的实际湖底目标探测,方向分辨精度可提高75%。