需求点时间窗变化后应急器材供应决策

为解决在应急条件下的装备器材供应过程中由于器材需求点时间窗变动而产生的干扰问题,在对需求点时间窗变动扰动辨识和度量的基础上,制定了扰动恢复策略,构建了基于虚拟资源点的需求点时间窗变动扰动恢复模型;为寻求最优解,设计了基于轮盘赌选择的改进变邻域搜索算法.通过数值试验对模型和算法的有效性进行了验证.     

波浪扰动下的小型潜射导弹出水动力学建模与仿真

运用Morison公式,提出波浪扰动作用下,考虑弹体运动与波浪耦合的导弹出水过程动力学模型,并对小型潜射导弹的出水过程进行仿真和分析。以弹体姿态变化为例,研究弹体运动与波浪间的耦合关系对波浪扰动作用的影响,分析海情等级、波浪相位、出水速度、出水姿态角等因素对导弹出水过程的影响。结果表明,考虑弹体运动与波浪间耦合关系的出水动力学模型更加准确;潜射导弹的小型性和快速出水特性有利于降低波浪对导弹出水姿态的影响;对快速出水的潜射导弹,波浪扰动分析时须考虑海情等级、出水时间和波浪相位的影响。     

利用主成分分析的通信调制识别通用对抗攻击方法

深度学习容易被对抗样本所攻击。以通信调制识别为例,在待传输的通信信号中加入对抗性扰动,可以有效防止非合作的用户利用深度学习方法识别信号的调制方式,进而提升通信安全。针对现有对抗样本生成技术难以满足自适应和实时性的问题,通过对数据集中抽取的小部分数据产生的对抗扰动进行主成分分析,得到适用于整个数据集的通用对抗扰动。通用对抗扰动的计算可以在离线条件下进行,然后实时添加到待发射的信号中,可以满足通信的实时性要求,实现降低非合作方调制识别准确率的目的。实验结果表明该方法相对基线方法具有更优的欺骗性能。     

重力扰动对SINS水平姿态的影响

为研究动基座下捷联惯导系统(Strapdown Inertial Navigation System, SINS)水平姿态误差角与水平重力扰动间的关系,推导了南北方向、东西方向匀速直线运动时,SINS纯惯性解算的水平姿态误差与水平重力扰动间的传递函数,并分析了传递函数的零极点分布;推导了组合导航模式下,水平姿态误差角与水平重力扰动间的传递函数;通过仿真分析了纯惯性解算和组合导航模式下传递函数的幅频特性。组合导航相对于纯惯性解算模式,截止频率更大,SINS姿态误差角受更多高频重力扰动信号的影响,因此,组合导航模式需要更高分辨率的重力扰动数据来进行重力扰动补偿。此外,在对高精度SINS进行重力扰动补偿时,对于重力扰动分辨率的需求是有限度的,过于精细的重力扰动数据只会带来测量和存储压力,不能提高SINS的姿态精度。     

提高多管火箭炮发射火力密度研究

为了提高某多管火箭炮火力密度,提出采用两管对称齐射的方法缩短发射时间,减少火箭弹初始扰动的方案。建立多管火箭炮多体动力学模型,根据发射顺序的基本编制原则和考虑火箭炮采用两枚弹同时发射的影响因素拟定射序,对整个发射过程进行仿真,得到火箭初始扰动计算的火箭炮动态特性数据。经与原单发发射时对比,有效提高发射火力密度,并且也有利于提高火箭射击密集度。     

考虑扰动引力影响的弹道助推段误差传播解析计算方法

针对地球扰动引力对弹道导弹惯性导航精度影响日益突出这一问题,研究了沿弹道扰动引力的多项式拟合方法,并基于线性系统理论和弹道摄动思想推导了用于求解扰动引力对弹道助推段状态影响的完整解析表达式。同时考虑扰动引力影响与导弹视加速度之间的耦合特性,将扰动引力引起的视加速度偏差视为扰动引力影响的附加补偿项,并进行迭代修正。仿真结果表明:扰动引力拟合残差小于3×10~(-7)m/s~2,考虑耦合项修正的弹道误差传播解析模型计算残差减小为原有方法的1/3,计算时间仅为直接采用弹道积分求差法的1/10。     

电磁发射弹丸飞行弹道仿真

针对电磁发射弹丸飞行弹道进行仿真研究,在建立刚体六自由度飞行弹道模型的基础上,采用时频分析和涡流分析方法,建立电磁-动力学耦合模型分析弹丸出膛时由于膛内振动带来的炮口扰动,采用动网格技术建立电磁-气动耦合模型分析弹托分离产生的气动扰动,从而得到了电磁发射弹丸的飞行弹道模型。以得克萨斯大学先进技术研究所设计的IAT-HVP为例,仿真分析了弹丸以1117 m/s初速、0°射角出膛时弹丸出口扰动对弹体速度和气动特性的影响,并得到其飞行200 m的弹道曲线。仿真结果表明,受电磁发射一体化弹丸出口扰动的影响,弹体落点相比理想弹道产生了24%的偏差,其中炮口扰动引起的偏差最大,其次是弹托分离。     

基于MPC和ESO-DO的四旋翼轨迹跟踪控制

针对扰动作用和模型不确定性下四旋翼无人机精确轨迹跟踪控制问题,提出了一种主动干扰抑制和模型预测控制(Model Predictive Control, MPC)策略。模型预测控制器通过扩张状态观测器(Extended State Observer, ESO)和扰动观测器(Disturbance Observer, DO)来估计和补偿干扰,从而实现位置环精确控制。在存在外部干扰和参数不确定性的情况下,通过仿真实验,证明了所提出的方法提高了对建模误差和干扰的鲁棒性,同时实现了对参考轨迹的平滑跟踪。     

基于深度强化学习和导航向量场的卫星规避拦截算法

针对在轨卫星规避拦截问题,提出了一种新的基于强化学习和三维李雅普诺夫导航向量场（3D-LGV）算法。首先,采用3D-LGV产生收敛于椭圆轨道的趋近律,保证规避拦截后能再次入轨。其次,针对拦截卫星利用扰动流体动态系统算法（IFDS）产生扰动流场,利用该扰动流场对导航向量场产生的趋近律进行修正,从而保证卫星能有效地规避拦截。由于IFDS算法中扰动流场大小和方向主要受其中反应系数和方向系数的影响,采用近端策略优化深度强化学习算法作为决策层输出反应系数和方向系数,用于指导卫星在不同场景下提供合适的对导航向量场的修正。最后,通过将IFDS算法修正后的趋近律作为卫星的最终运动方向,实现了整个规避过程。在构建的不同场景下进行了对比实验,结果表明,相较于滚动时域优化算法（RHC）、人工势场算法（APF）和传统IFDS算法,基于强化学习的算法决策时间更短、规避效果更好,在不同场景下均能实现有效规避。同时,对该算法进行蒙特卡洛仿真,统计结果显示卫星规避成功率高达98%。因此,此研究对智能方法在卫星规避拦截领域的应用具有一定价值。