变质心弹道导弹攻击航母分析

针对地面或海上低速移动目标的特点,运用理论力学、空气动力学及变质心控制方法,探索变质心姿态控制问题。研究了变质心弹头控制质量块移动的方法。通过移动质量块引起整个弹头质心的变化,进而改变弹头的气动配平力矩,修正惯性弹道,实现对地面或海上低速目标的有效攻击。     

基于轨迹跟踪预测的反HTV2中制导研究

针对具有高速、高机动性能的HTV2(hypersonic technology vehicle 2)目标,对采用直接碰撞拦截策略拦截弹的中制导进行了研究,给出了一种基于轨迹跟踪预测的中制导算法。该中制导算法首先使用自适应网格交互式多模型（adaptive grid interactive multi-model,AGIMM）滤波器对目标轨迹进行稳定跟踪,获取目标运动信息。之后使用基于遗忘因子的最小二乘法对目标进行轨迹预测,获取目标预测交班点处的运动状态。最后,将预测交班点处的目标状态量作为中制导约束,并使用高斯伪谱法计算最优中制导指令。使用该中制导算法对HTV2目标进行了拦截仿真,仿真结果证明了该算法的有效性。     

浅析指挥自动化系统战时运用风险及其控制

在未来作战中,指挥自动化系统将面临着自然环境因素、硬件因素、软件因素、网络因素、人为因素以及对抗因素所带来的诸多风险.为使系统能够正常运转,该文认为在战时应沿着识别风险、评估风险、制定预防的思路,对系统风险加以控制.     

伪线性卡尔曼滤波的观测器轨迹优化算法

单站被动式跟踪存在强非线性和弱可观测性,即便观测器的运动满足可观测性条件,滤波仍然可能发散.针对此问题,使用伪线性卡尔曼滤波器,应用费希尔信息量、罗美达下限等方法对轨迹进行优化,该优化方案避免了对目标与观测器的径距信息的近似.仿真表明:该方法与传统方法比较,计算量较小,优化得到的轨迹简单,滤波精度得到改善.最后给出了在一定条件下,观测器的"最优"运动规则.     

大圆航线导航与控制律设计

随着无人机(UAV)应用范围的扩大,要求无人机能精确跟踪预定航线.预定的飞行任务可以有两种规划方式,一是近似在当地切平面上的直线或曲线;二是飞行距离较长时在地球表面的大圆航线.第二种规划相对复杂,研究较少,因此,介绍了某型无人机的动力学模型,提出了一种全新的大圆航线导航解算算法,设计了大圆导航控制律,此外,还分析了常值风及突风干扰对导航的影响.经计算机仿真验证和部分的实际飞行试验结果表明:与预定航线的距离偏差较小,航迹精度较高,新算法及设计较好地满足了实际大圆航线飞行要求.     

末制导弹药捷联制导控制一体化技术研究

建立了制导控制一体化系统的数学模型,设计非线性扩张状态观测器对系统不确定性进行了在线估计;基于动态面滑模理论,对制导控制系统进行了一体化设计,使弹体以特定角度命中目标,同时满足捷联导引头的视场角约束;为提高系统的抗干扰能力,在控制律中对观测器估计的系统不确定性进行了动态反馈补偿;利用李雅普诺夫理论证明了算法的稳定性;最后,通过六自由度弹道仿真验证了所提算法的正确性与有效性。     

多关节机械臂神经网络超螺旋滑模控制

针对多关节机械臂控制系统因建模误差和干扰带来的轨迹跟踪抖振问题,提出了基于径向基神经网络超螺旋非奇异积分终端滑模控制方法。设计了非奇异积分终端滑模面,采用径向基神经网络结合自适应律逼近系统未知机械臂动力学模型,减小了未知干扰的影响;为避免机械臂滑模控制发生抖振,在切换控制项引入新型超螺旋算法;利用Lyapunov函数证明闭环系统稳定。仿真结果表明,所提出的方法可有效削弱抖振,提高控制系统的控制精度和鲁棒性。     

基于改进遗传蜂群算法的武器系统优化部署问题研究

针对重点保卫目标区域武器系统应对多目标的合理配置问题,建立了武器系统优化部署模型,对每个子目标函数进行加权分析,建立了获得最优方案数学模型,并针对该模型提出了基于改进遗传蜂群算法。该算法在基本人工蜂群算法的基础上,引入遗传算法中的交叉操作与变异操作,并结合改进的食物源自适应选择策略,使算法实现了探索与开发的平衡,能够做到初期全局寻优与后期快速收敛。运用Matlab软件编程,利用改进遗传蜂群算法获得了满足重点保卫目标实际情况的最优部署方案,与传统人工蜂群算法和传统遗传蜂群算法对比该算法具有更加优秀的收敛性和效率,可以更加迅速达到目标要求函数值。最终将算法得出的部署方案应用于指控仿真软件,直观展示了基于该算法进行武器系统部署的效果与性能。     

基于灰色滑模控制的火箭炮伺服系统仿真

新型火箭炮伺服系统的控制过程具有明显的非线性和时变特性,传统的PID控制是基于精确数学模型的控制方法,难以获得满意的控制效果。为了提高控制精度,在伺服系统中采用滑模控制与灰色预测相结合的控制方法,以减少参数变化和外部干扰对伺服系统的影响。通过MATLAB仿真表明,该控制方法削弱了滑模控制抖动对伺服系统的影响,提高了系统的鲁棒性和抗干扰能力。     

伺服电机NCS神经网络PID趋近律滑模控制

针对直流伺服驱动电机的网络控制系统的非线性控制系统特性和神经网络多包传输的特性,提出一种基于滑动窗口策略的多核LS-SVM神经网络PID趋近滑模控制器。该控制器可以在线控制和预测丢包补偿,并将其控制系统实现为一种具有延迟和丢包的多包数据传输直流控制器的伺服驱动电机神经网络自动控制补偿系统。其主要方法为,首先基于等效变换、无延迟和滑动窗口相结合的LS-SVM在线数据包损耗预测,建立系统的延迟补偿模型。其后通过神经网络的非线性映射对PID参数进行在线调整,实现稳态并进行分析。仿真结果表明,组合内核LS-SVM预测策略可以提高数据包损失补偿的准确性,减少系统抖振,在响应速度较快的情况下完成整定。