高超声速飞行器倾侧转弯耦合控制策略

针对高超声速飞行器倾侧转弯过程中俯仰、偏航和滚动通道间的强烈耦合,提出一种耦合控制策略。针对高超声速飞行器快时变、非线性和强不确定性的控制问题,基于解析形式的非线性最优预测控制方法,采用分层设计思想设计了飞行器姿态控制系统,可较好满足高超声速飞行器的快速性要求;在分析了倾侧转弯飞行控制过程的主要影响因素及其影响规律的基础上,提出一种"降低攻角—快速滚转—拉起攻角"的耦合控制策略。对该控制策略对于高超声速飞行器的适用性进行了仿真分析,结果表明:所提耦合控制策略有效降低了偏航通道的控制需求,降低了倾侧转弯控制过程的失控风险,提高了控制系统的可靠性。     

应用改进的线性预测算法构建虚拟阵的精确定向方法

为了克服传统线性预测(Linear Prediction,LP)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声探测,方向分辨精度可提高75%。     

声明

《武警学院学报》从未委托任何中介机构代为组稿,不通过互联网邮箱收稿,不收取版面费,请作者直接向编辑部投稿,谨防受骗。本刊稿酬以编辑部与作者约定的方式支付。本刊已授权有关电子杂志社以数字化方式传播本刊全文,支付作者稿酬中已包含此项著作权使用费用。如作者不同意以约定方式支付稿酬、以数字化方式传播作品,请在来稿中声明,否则本刊视为同意。     

再入高超声速滑翔飞行器可达区域快速预测方法

为了使防御方实时了解目标威胁以尽早制定拦截方案,提出一种再入高超声速滑翔飞行器可达区域快速预测方法。基于防御方所知目标信息,分别设计了目标识别算法、防御方轨迹优化算法以及可达区域拟合方法。首先通过目标升阻比大小判断目标类型,以此确定预测算法的起始时刻,然后运用防御方轨迹优化算法得到最大纵程、最小纵程、最大横程3类轨迹,最后对这3类轨迹的落点进行椭圆拟合,生成目标可达区域。仿真结果表明该方法能够快速判断目标类型并生成目标可达区域,对反再入高超声速滑翔飞行器指挥决策问题的研究具有重要意义。     

基于作战能力的部队作战任务分配方法

作战任务分配需要考虑作战部队各方面能力,难以快速实施作战分配。对此,提出了基于作战能力的作战任务分配方法,在面向任务的部队作战能力的基础上进行作战任务分配。建立了作战任务分配的优化模型,模型适应范围较广,并适应动态作战任务分配。使用最小费用最大流问题求解方法获得平衡或不平衡作战任务分配问题的最优解。实验研究结果表明:模型求解结果符合实际作战任务需求,基于作战能力的作战任务分配方法是一种有效的方法。     

装备寿命预测的平行仿真模型在线演化方法

在面向装备剩余寿命预测的平行仿真技术研究基础上,统一了不同退化状态下的状态方程,提出了预测模型形态库的构建方法和预测模型形态选择算法,设计了“模型形态库构建—模型选择—数据同化—模型演化”的模型在线演化工作流程,运用扩展卡尔曼滤波和极大似然估计算法,实现了面向装备剩余寿命预测的平行仿真模型在线动态演化。通过仿真实验验证了模型形态选择算法和模型在线演化工作流程的有效性,取得了较好的仿真效果。     

基于改进MPC的分布式大间距多车编队控制研究（上）

针对多车辆系统大间距编队控制问题,设计了一种分布式的改进模型预测控制（MPC）方法。建立二阶2自由度非完整约束模型及基于领航跟随法的编队模型。修正线性化展开点,优化MPC预测模型,提升系统保守性,增强实时轨迹跟踪性能。通过滚动优化完成编队控制。仿真实验结果验证了所提控制方法的有效性与可靠性。     

EEMD+BiGRU组合模型在短时交通流量预测中的应用

针对城市交通流随机波动性强、数据中含噪声多导致预测精度下降的问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的组合交通流量预测模型,有效地提升了短时交通流预测的精度。模型利用EEMD算法对原始数据进行分解,根据分解所得的本征模函数(intrinsic mode function,IMF)分量绘制噪声能量图谱,去除分量中的噪声,并将去噪后的IMF分量作为BiGRU网络的输入进行训练,再将训练所得的结果进行重构加和,得到最终的预测结果。实验结果表明,未舍弃含有噪声的IMF分量进行重构的预测结果,相比于参考文献中提出的EMD+LSTM模型、LSTM模型和EEMD+LSTM模型,其平均绝对百分误差分别优化了42.36%、61.82%和30.95%;舍弃含有噪声的IMF分量后进行重构的预测结果,其平均绝对百分误差相比于将全部IMF分量进行重构优化了56.62%。     

基于最优制导模板的神经网络预测制导方法

针对传统预测制导方法中高精度制导与快速实时解算之间的矛盾,提出了一种基于最优制导模板的神经网络预测制导方法。该方法采用基于高置信度飞行器运动模型仿真计算预测弹道落点,利用优化理论进行迭代解算制导变量,以此为基础离线生成样本数据;通过选择合适的多结构模态神经网络,进行基于调度管理的神经网络训练,完成神经网络控制器的设计。针对CAV进行了算例设计,结果表明:该制导方法在线计算量少,制导解算速度快,制导精度高,综合性能远优于传统的预测制导方法。     

支持向量机的国产飞机研制费用建模估算

国产飞机研制费用建模因样本容量有限而导致了传统多元统计回归模型的适用性问题。应用支持向量机(SVM)理论进行多维空间小样本建模与估算,以国产运输机研制费为例,基于设计专业分解研制费用样本,采用变量投影重要性指标(VIP)筛选自变量,建立研制费用估算模型,并使用交叉检验与误差概率估计验证模型有效性。该模型方法适用于国产飞机研制费用估算,且可用于飞机改型及改装的经济性定量评估,便于项目早期决策使用。