无人艇运动控制仿真试验训练系统设计研究

针对靶场无人装备仿真试验手段缺乏问题,在构建无人艇动力学模型和运动模型的基础上,基于CoppeliaSim仿真软件,设计了一套无人艇运动控制仿真试验训练系统,构建了PID、滑膜和模糊PID三种控制器,并采用Navmesh寻路算法实现无人艇仿真平台的路径规划。该系统弥补了靶场无人装备仿真试验的不足,解决了无人艇模拟训练手段缺乏的难题,可为无人装备数字化试验鉴定提供基础支撑。     

智能临机规划技术要点研究

本文从临机规划当前面临的难点问题出发,提出临机规划的智能发展需求,初步描述了临机规划问题,根据“快算”“盲评”“会变”三项能力要求,指出智能临机规划技术研究的关键特征是智能体设计与应用两个阶段的人机耦合,并明确了构建典型场景下可分层调度的任务框架、从军事专家到智能体的知识传导路径、兼容人工算法调用与机器自主学习的分层深度强化学习算法框架三点核心技术要求,基于当下智能博弈技术进展,提出了深度嵌入指挥员临机规划决策“OODA”回路各环节的智能临机规划技术设想。最后,从智能临机规划技术实现角度出发,提出了研究的总体目标、重点研究问题以及研究路线建议,并展望了未来智能临机规划技术的应用前景。     

印度精确制导武器探秘

印度１９８３年制订《综合制导武器发展规划》,要在１０年内研制５种性能先进的制导武器。为实现规划,印度拨出巨额款项,调集大批专家、科研人员,由国防研究发展组织和许多重要兵工企业参加,国防部长科学顾问负责整个规划的监督实施。经过十多年的努力,目前地地战术导弹已正式部署,地空导弹和反坦克导弹已投入生产,近期即将装备部队;同时正加紧试验２５００千米的中程弹道导弹。印度在连续进行核试验后加紧发展导弹武器的动向正引起许多国家的关注。 “普里特维”地地战术导弹 是印度最先研制的炮兵战术弹道导弹,１９９８—１９９…     

基于深度学习的高超声速飞行器运动行为识别

高超声速飞行器具有机动大、速度高、航程远、威胁强等特点,已成为各大国重点发展的武器装备,识别其运动行为能为防御和拦截提供有力的技术支持。本文对有禁飞区等复杂约束条件下的高超声速飞行器运动行为识别问题开展研究：首先通过分析高超声速飞行器的运动特点,建立能够充分描述其行为模式的参数化运动方程;然后基于优化思想求解有禁飞区等复杂约束条件下的航迹规划问题,构建其数据集;最后基于深度学习方法设计高超声速飞行器运动行为识别算法。试验结果表明：所设计的识别算法能够实现对高超声速飞行器运动行为的识别,且具有一定的泛化能力,可为后续防御决策提供一定的参考。     

复杂任务区域的区域划分与覆盖路径规划

多无人机对指定区域进行巡飞探测,在地理测绘、抢险救灾等领域起到重要作用。针对多无人机对凸/非凸多边形区域的覆盖问题,开展了复杂目标区域的区域划分以及覆盖路径规划技术研究。首先,建立了无人机飞行运动模型和指定区域的边界描述。然后,针对目标区域为凸多边形与非凸多边形两种情况,同时考虑区域凸分解与集群覆盖效率优化,分别提出了基于线扫描的凸区域划分方法与基于Delaunay三角剖分的非凸区域划分方法。接着,考虑无人机运动学约束与能量消耗最小化,提出了一种最小转弯半径约束下的Z型覆盖路径。最后,通过数值仿真验证了本文所提方法的有效性。结果表明,所提方法可以对凸/非凸多边形区域实现凸划分并减小了各子区域面积差异,提高了集群总覆盖效率,覆盖路径规划方法使路径总长相较于未沿主轴覆盖时减小了26%,转弯路径占比减小了36%。     

面向惯性装填的输弹运动研究

为实现不同装填角度下弹丸的卡膛速度一致性和降低输弹运动的峰值功率,以提高输弹一致性和减轻动力系统负荷,根据惯性装填工作原理,运用非对称式S型速度规划方法调整输弹运动状态,并基于虚拟样机仿真建立了参数化的输弹运动模型。以弹丸的卡膛参数为约束,面向惯性装填建立输弹运动优化模型,以实现不同装填角度下弹丸的卡膛速度一致性及降低输弹峰值功率。采用多岛遗传算法和修正可行方向法组合优化策略求解优化模型,优化结果表明：优化后的输弹运动可实现不同装填角度下弹丸的卡膛速度一致性,且输弹运动峰值功率降低了14.9%,验证了该方法的有效性。     

基于深度强化学习的无人机实时航迹规划

随着无人机技术的应用和发展,无人机执行任务的飞行环境愈发复杂多变,对无人机机动避障能力和航迹规划的实时性提出了更高的要求。基于泛化性较好、对环境依赖弱的深度强化学习算法,以雷达实时获取的障碍物地图信息为基础进行实时路径规划,针对二维航迹规划问题特点设计了连续奖励函数,解决了强化学习算法在二维平面航迹规划中奖励稀疏的问题;基于迁移学习的思想设计多个训练环境,并按任务的难易程度进行分步训练,降低了算法的训练难度,提高了训练效果,并使算法的收敛效果更加稳定。在实验中将SAC算法与目前主流的PPO和TD3算法进行对比,实验结果表明：SAC算法收敛速度快,实时性好,航迹平滑度更好。     

视频监视前景图像估计的盲源提取方法

在视频图像运动检测的背景消减方法中,场景图像或帧可建模为前景图像和背景图像的叠加或线性混合。然而,实际中图像的背景和前景往往相关,常用的主成分分析和独立分量分析等方法难以实现准确提取。为此,将视频图像的前景提取建模为盲源提取问题,提出了一种基于均方交叉预测误差的盲源提取方法,可以从相关的源视频图像中提取期望的前景图像,并将该方法扩展应用于基于基本模型和特征背景模型的背景消减方案中。基于人工和实际视频的实验验证了盲源提取背景消减方法的可行性和有效性。     

基于神经网络Q-learning算法的智能车路径规划

针对智能小车行走过程中的全局路径规划和路障规避问题,提出了一种基于神经网络Q-learning强化学习算法,采用RBF(Radial Basis Function)网络对Q学习算法的动作值函数进行逼近,基于MATLAB环境开发了智能小车全局路径规划和路障规避仿真系统。与传统的以及基于势场的Q学习算法相比,所采用的算法能更加有效地完成智能小车在行驶环境中的路径规划和路障规避。仿真结果表明:算法具有更好的收敛速度,可增强智能小车的自导航能力。