无人机规避或跟踪空中目标的自适应运动导引方法

无人机规避或跟踪空中目标可以看作是一个非线性运动导引控制问题。针对这类任务中无人机和目标存在高机动性、高时敏性等特点,提出了一种基于Lyapunov稳定性理论的无人机规避或跟踪目标运动导引方法。构建了基于精细时间运动导引方法的无人机规避或跟踪空中目标问题求解框架,并将无人机碰撞规避和机动目标跟踪问题分别转化为到达虚拟目标点和与虚拟目标点交会的问题。针对碰撞规避问题,将其转化为实现平行导引的控制问题,基于Lyapunov稳定性理论设计了无人机碰撞规避导引律。针对机动目标跟踪问题,在碰撞规避基础上,根据目标点交会的要求设计了相应的目标跟踪导引律。在Gazebo平台上开展了仿真验证实验,实验结果表明:所提方法能够有效避免大过载情况的出现,并具有较强的时变和参数适应性。     

飞行参数折合系数法评估军用飞机任务可靠性北大核心

任务可靠性是军用飞机关键可靠性参数之一,与飞机执行的任务剖面息息相关。选取对飞机任务可靠性影响较大的气压、振动和过载等3种因素,建立了基于飞行参数的任务可靠性评估模型;引入折合系数法,将不同任务剖面下的可靠性数据(飞行时间、故障数据等)进行折合,并利用试飞数据对模型进行验证。结果表明,该方法具有较强的工程应用性,可用于试飞阶段军用飞机任务可靠性评估。     

通航培训机构建设研究

本文对通航培训机构的主要业务和建设内容进行了研究、归纳和总结,给出了通航培训机构各类基础设施建筑面积测算方法,推导了以培训学生人数为自变量的建设规模公式,并计算了测算系数,最后通过案例验证了分析结果。该测算方法通过给定的通航培训机构培训规模可以简单快捷地得到各类培训设施建筑面积。对通航培训规划、通航培训机构建设等相关工艺、建筑工作有一定的参考意义。     

莫擎宇:从潮汕反袁独立到改投皖系段祺瑞

护国运动中,在云南首义、广西起而响应宣布独立的影响和推动下,广东东部的潮(州)汕(头)在莫擎宇的领导下也相继宣布反袁独立。这对护国运动起到了推动作用,莫擎宇一时成为护国英雄。但在其权益受到挑战,并在外力的拉拢下,护法运动中,莫擎宇置晚节于不顾,背弃南方革命政权而改投皖系军阀段祺瑞,成为人们所不齿的可悲人物。     

惯组动态测试台误差分析及附加运动补偿算法

为了完成惯组的高精度、大动态测试任务,基于Gough-Stewart平台设计了电动六自由度惯组动态测试台。建立了系统的误差模型并分析了电动缸长度误差对系统精度的影响,分析了电动缸在惯组动态测试台运动过程中产生的被动螺旋附加运动,并对该运动补偿算法进行了研究。对被动螺旋附加运动产生的误差进行量化分析,结果表明,被动螺旋附加运动对惯组动态测试台的位姿精度存在非常显著的影响。为了消除该影响,编制了补偿算法,并将其应用于惯组动态测试台的实时控制系统中。实验结果表明,经过算法补偿后,惯组动态测试台的位姿精度达到了设计指标要求。     

参数化建模的螺栓法兰连接刚度分析

为分析几何参数对螺栓法兰连接刚度的影响,用MSC.Patran软件的二次开发工具PCL(Patran Command Language)建立了螺栓法兰连接的参数化模型。研究了螺栓法兰连接刚度随连接结构几何参数的变化规律并进行了灵敏度分析。经分析可知,连接结构刚度对开孔位置比例参数最敏感,其次是上法兰厚度。当上部段长度大于某一数值时,连接结构刚度对上部段长度参数不敏感,这一结论能为连接结构动力学简化建模提供一定理论参考。     

舰载预警直升机搜索参数的优化设计

舰载预警直升机在搜索目标的过程中需要确定载机搜索高度和机载雷达的波束俯仰角,依据机载雷达搜索原理,建立雷达载荷感知面积模型,结合作战约束确定符合要求的搜索参数。考虑机载雷达最大搜索距离和目标累积发现概率两个指标,建立机载雷达发现概率模型,在满足给定发现概率的情况下,得到对于来袭目标的最大探测距离,依据搜索参数优化设计舰载预警直升机的飞行高度和波束俯仰角范围,并给出了飞行高度与视轴俯角范围的使用与控制方法。     

移动地面武器装备的动力匹配建模与仿真

介绍某移动地面武器装备的动力系统组成,对其主驱动电机、传动系和蓄电池等参数进行了合理建模与匹配计算,并在Matlab/Simulink环境下进行了装备的整体动力性能仿真,得到了较为满意的结果,可为同类小型无人平台的动力参数匹配提供一定理论借鉴。     

潜艇不机动纯方位解算编队目标运动要素方法

针对单艘潜艇纯方位目标定位必须潜艇机动才能使算法收敛的问题,首次采用几何分析法研究了潜艇不机动情况下,解算编队目标运动要素的方法;然后,基于最小二乘法,给出了具体的解算模型,并给定态势,进行实例仿真。证明该算法能够满足潜艇隐蔽对编队目标定位的需要,进一步丰富了潜艇纯方位目标定位方法。     

DDBN的无人机决策推理模型参数学习

针对复杂战场环境下的无人机决策推理模型参数学习的问题,提出基于遗传算法的离散动态贝叶斯网络参数学习算法。该算法将模型网络参数的最大似然估计函数作为遗传算法的适应度函数,在全局进行并行优化搜索,得到最优的网络参数,从而提高了决策推理模型对复杂环境的快速适应。仿真结果表明,该算法可以获得准确的离散动态贝叶斯网络参数,能够有效地解决复杂战场环境下无人机威胁评估问题,为无人机的自主任务决策提供有效的参数保障。