基于神经网络的模型参考自修复飞行控制

提出了一种基于模糊神经网络的模型参考自修复飞行控制结构,并对所使用的BP网络学习算法进行了分析改进.对比非故障和故障状态下的飞行仿真结果表明,改进后的自修复飞行控制方法可以有效地抑制神经网络的"过学习"现象,减小了对神经网络辨识器精度的依赖程度,在故障条件下的补偿作用非常明显,达到了自修复飞行控制的目的.     

基于自适应积分滑模的无人机编队控制器设计

针对一类受有界干扰影响的无人机编队系统控制器设计问题,基于自适应积分滑模控制框架,提出了一种新型的无人机编队控制器设计方法.通过引入自适应律对扰动上界进行估计,并在控制器中消除了扰动的影响,通过Lyapnov方法对所提出闭环系统的稳定性进行了仿真及分析.仿真结果表明,本文所提出的控制器在保证系统具有一定鲁棒性的前提下完...     

交互多模自适应容积Kalman滤波算法设计及履带车辆跟踪应用

为满足履带车辆作为机动目标的实时跟踪和对目标速度、航向角的准确估计,针对测量值含有相关乘性噪声,采用新息分析法依据噪声相关系数已知和未知改进容积Kalman滤波算法。考虑到单模型滤波器难以准确地实现机动目标的跟踪,采用交互式多模型算法对履带车辆运动轨迹进行描述,提出一种交互式多模自适应容积Kalman滤波算法。仿真表明交互式多模型自适应容积Kalman滤波算法对车辆机动具有稳定的跟踪效果且乘性噪声得到有效处理。     

本质流形上的自适应运动估计

分析了计算机视觉中一种新的运动估计模型,将运动估计作为一个参数定义在"本质流形"上的非线性系统参数辨识问题。针对基于离散处理和连续处理方法得到的"本质流形",提出了一种新的、统一的自适应推广卡尔曼滤波算法,在"本质流形"的局部坐标系上进行运动估计。仿真结果验证了该算法的正确性。     

基于协方差矩阵重构的方向图保形算法

现代雷达探测过程中需要采用自适应波束形成技术,在干扰处形成零陷从而消除干扰的影响。然而,波束产生零陷的同时也会导致主瓣波束产生畸变,严重降低了目标检测能力,针对波束保形问题,提出了一种具有波束保形的(worst-case performance optimization, WCPO)最差性能最优化算法。该算法通过对空间中不包含目标信号的区域进行积分来获得一个重构的干扰-噪声协方差矩阵,接着引入一个二次惩罚项使得重构的协方差矩阵满足凸优化条件,最后通过凸优化理论得到权矢量的最优解。区别于传统WCPO算法,该算法在相同条件下有着更高的输出信干噪比(signal-to-jamming noise ratio, SINR),并能在主瓣同时存在多个干扰,且不需要干扰信号先验信息的情况下实现主瓣波束保形。仿真验证了算法的有效性。     

无人机-无人车空地无人集群系统多任务协同控制

针对无人机-无人车空地无人集群系统多任务控制问题,开展了一种多任务协同控制的自适应鲁棒控制方法研究。首先,根据多任务控制问题的不同情况,确定系统的动力学模型及控制目标。其次,通过伺服约束的形式描述了被控系统需要遵循的约束,将多项控制任务所建立的约束进行整合,并建立约束跟随误差χ。随后提出了一种自适应鲁棒控制方法,并设计自适应律抑制系统中存在的不确定性,保证系统在复杂不确定性干扰下,仍具有较好的控制精度和系统稳定性。仿真结果表明,所提控制方法相比于LQR控制能够在较大不确定性影响下完成无人机-无人车空地无人集群系统控制中的多任务协同控制,不仅使相关各类误差在5 s内快速收敛至0,还能够使系统具有良好的控制性能。     

考虑禁飞区的高超声速飞行器再入跟踪控制

为确立高超声速飞行器再入精确模型,参考NASA的研究数据对动力学方程中的气动参数进行拟合。基于飞行器结构的相关性质及战略应用背景,加入热流密度、动压、过载和禁飞区等参考约束的限制,融合成强非线性、复杂耦合的最优控制问题。采用改进自适应伪谱法求解模型所构建的微分方程组,通过设置自适应网格细化与配点,使单位时间内状态变量和控制变量波动过大的时间区间被进一步细划,并利用SNOPT求解器解算出符合条件的最优轨迹。设计闭环控制器,实现对最优轨迹的姿态变化的跟踪,测试系统的性能并进行评估。仿真结果表明:整个再入过程中,飞行器速度下降过程偏于平稳,再入轨迹可以满足约束条件,在避开禁飞区的同时取得最大横向航程;三通道角速度收敛可控,对姿态的跟踪较理想,控制器基本可以实现精确调姿。     

共址调频和调幅系统干扰机理及干扰抑制需求分析

以调幅和调频电台为研究对象,对共平台接收电台前端低噪声放大器的非线性进行精确建模,分别对调幅电台和调频电台的干扰抑制需求进行解析,并通过数值仿真对解析模型进行验证。结果表明:所提解析模型较现有模型更为准确;当有用信号功率、噪声功率和干扰功率相同时,调幅通信系统的干扰抑制需求高于调频通信系统。