装甲车辆自动装弹机的现状及未来

自动装弹机己在各国新一代装甲车辆上得到广泛应用。通过阐述在装甲车辆上采用自动装弹机的优点和必要性,介绍了现阶段自动装弹机的几种实现方式及其优缺点,并对自动装弹机的未来发展做出了展望。     

火炮射击声信号AR模型特征研究

针对现代炮兵战场上的目标识别问题,阐述了火炮射击声信号数据—发射波、弹道波和爆炸波的特征,介绍了火炮射击声信号AR模型谱估计的方法和步骤,利用MATLAB信号处理工具箱具体实现了三种不同类型火炮发射波的AR模型谱估计,并对一批样本成功进行了分类识别实验,探讨了火炮射击声信号AR模型特征在现代战场火炮目标识别中的意义和应用价值。     

基于高阶累积量与神经网络的干扰识别算法

研究了一种基于高阶累积量和神经网络的干扰识别算法。该方法把卫星通信中常见的各种干扰信号的归一化高阶累积量作为分类特征参数,应用神经网络对特征参数进行分类训练,将接收干扰信号的归一化高阶累积量输入已训练的神经网络进行干扰类型的识别。试验结果表明:该算法在低干信比的情况下具有较高的识别准确率。     

面对称运载火箭优势面滚转迎风技术

针对面对称运载火箭飞行中俯仰、偏航通道控制力不匹配问题,提出通过姿态滚转控制调整迎风面以减小最大飞行摆角的控制技术,称为滚转迎风(bank-to-wind, BTW)技术。重点研究了BTW控制的离线法,推导了BTW控制滚动程序角理论值的解析解,证明了该理论值的偏差与飞行姿态偏差是同阶小量。提出带权重的傅里叶级数拟合算法,对滚动程序角进行修正,以符合工程应用的可行性。开展六自由度飞行动力学仿真,分析BTW控制对控制力、飞行气动载荷和滚动程序角跟踪品质的影响,验证BTW控制的有效性。比对不同拟合基频的仿真结果得出结论:拟合频率过高将影响控制品质,从工程应用角度看滚动程序角的“光滑性”比“拟合性”更重要。     

自治式潜水器规避航行神经网络控制器设计

在规避机动状态下,为了实现对自治式潜水器良好的航行控制,通过分析潜水器的运动状态,建立了运动状态方程,确立了非线性单输入/单输出系统.同时,将复杂的非线性模型通过微分同胚的方法转化为降阶的线性模型,并在此基础上提出了一种基于神经网络的控制方法:将滑模控制思想、反馈线性化理论及神经网络在线建模方法相结合,提出了基于神经网络的鲁棒自适应控制算法,并将此方法用于自治式潜水器高度保持的仿真中,从仿真的结果来看,控制器具有满意的控制效果,证实了该方法的有效性,能为自治式潜水器航行控制提供一定的参考.     

反无人机绳网捕获系统的动力学建模与仿真

针对无人机"黑飞"问题,提出了包含捕获平台地面发射、柔性绳网空中展开抓捕和降落伞回收的反无人机绳网捕获系统方案,建立了全过程动力学模型.并将动力学模型中的平台飞行轨迹模型和绳网展开模型与飞行试验数据进行了对比验证.结果表明,该系统动力学建模与仿真方案可行,对系统工程设计具有指导意义.     

地面目标特征识别与无人飞行器位姿估计

针对小型无人飞行器位置姿态估计问题,提出了一种基于视觉图像目标特征的相对位姿估计算法。应用Camshift算法获取目标初始位置,利用非线性尺度空间下的KAZE特征进行跟踪区域特征点提取,与源目标特征点进行匹配,得到精确的目标位置信息,实现了在图像平面内的目标快速跟踪,并得到机体轴系下无人飞行器与目标间相对位置和姿态角的估计值。对算法进行了实验验证,具有优良的跟踪性和实时性。     

天拓一号星载自动识别系统设计与在轨应用

介绍了星载自动识别系统的技术优势和应用前景;针对由传统地面自动识别系统向星载自动识别系统发展所带来的多网信号冲突、多普勒频移、空间链路衰减等技术难题,对天拓一号星载自动识别系统的系统进行了设计,包括系统组成、接收机指标和功能、天线和微波开关设计,对星地自动识别系统链路电平进行了估算;重点介绍了自动识别系统接收机的空间应用性能测试和环境试验方案;介绍了天拓一号星载自动识别系统在轨应用情况,结果表明所设计的AIS接收机可一定程度上缓解星载自动识别系统的技术难题,满足大范围海事目标监测的应用需求。     

一种改进遗传算法在UCAV快速航迹规划中的应用

针对无人作战飞机(Unmanned Combat Aerial Vehicle,UCAV)航迹规划约束条件复杂、不确定因素多、实时性要求高的特点,提出了一种基于Voronoi图和改进遗传算法的快速航迹规划方法。该方法采取分层航迹规划的思想,首先根据Voronoi图生成初始航迹,并综合考虑约束条件,赋予各条航迹相应的权值;然后应用改进的遗传算法在生成的航迹空间中寻优,最终得到满意的航迹。该算法利用多处理机并行计算技术对传统遗传算法进行改进,大大缩短寻优时间。仿真结果表明基于Voronoi图和改进遗传算法的航迹规划提高了实时性,增强了UCAV的动态战场适应能力和突发威胁应对能力。     

无人驾驶汽车视觉导航中车道线检测的研究

为了提高无人驾驶汽车视觉导航系统中车道线检测的准确性和实时性,在对车道线检测技术进行深入研究的基础上,提出一种能快速准确检测出车道线的新算法。首先采用分块思想将RGB图像中与道路无关的区域去除,以缩短数据处理时间。然后对余下的RGB图像进行灰度化处理,接着用中值滤波法消除随机噪声,再用最大类间方差法(Otsu法)初步得到二值图像。最后对二值图像利用数学形态学进一步边缘细化,使位于车道线上的每个像素行只有一个像素特征点,再采用Hough变换检测出车道线。Matlab仿真结果表明,此算法能够快速准确地检测出车道线,较传统检测算法具有更强准确性和实时性。