基于粗糙集理论的飞行轨迹识别

针对飞行轨迹人工识别对专家经验依赖性强,识别准确率不稳定的问题,提出一种基于粗糙集理论的飞行轨迹识别方法。首先,对飞行轨迹进行特征提取,获取用于轨迹类别判定的条件属性和决策属性;其次,利用模糊自组织神经网络对飞行轨迹决策表离散化,采用启发式遗传约简算法对条件属性约简,消除了冗余属性对识别结果的影响;最后,利用实际飞参数据进行轨迹识别,结果证明该方法准确有效。     

多约束强化学习最优智能滑翔制导方法

为提升复杂飞行任务下滑翔制导的自主性,提出一种基于最优制导与强化学习的多约束智能滑翔制导策略。引入三维最优制导以满足终端经纬度、高度以及速度倾角约束。提出基于侧向正弦机动的速度控制策略,研究考虑机动飞行的终端速度解析预测方法。针对速度控制中机动幅值无法离线确定的问题,研究基于强化学习的智能调参方法。该方法基于终端速度设计状态空间,以机动幅值设计动作空间,设计综合终端速度误差与滑翔制导任务的回报函数,采用Q-Learning实现机动幅值的智能调整。仿真结果表明,智能滑翔制导方法能够高精度满足终端多种约束,并能有效提升复杂任务下的自主决策能力。     

无人机飞行训练资源配置效率的AHP-Arena综合评价方法

为降低传统层次分析法(analytic hierarchy process,AHP)赋权过程主观片面性影响,提出了一种综合AHP与Arena仿真建模技术的无人机训练资源配置效率评价方法。基于飞行训练流程分析,确定了训练资源配置效率影响因素和效率评价指标,建立了层次型综合评价体系,概括了AHP-Arena综合评价步骤。利用Arena建模软件构建训练流程动态仿真系统并验证有效性,采用单变量数值仿真法、均方差决策法完成了影响因素客观赋权,通过线性加权综合法得出综合评价系数,实现资源配置效率评价与方案优选。实例应用说明了该方法的有效性,同时,该方法可推广至其他类似的训练过程中,亦可为其他多因素、多指标评价决策过程提供借鉴。     

密集环境中无人机协同机动飞行运动规划方法综述

从单无人机机动飞行向多机协同扩展的通用规划框架出发,介绍了其中各模块相关研究的基本原理、代表性方法和前沿研究,主要包括用于环境障碍感知的实时导航地图构建、离散空间的路径规划、连续空间的轨迹规划、基于离散连续混合空间的规划、多航迹或轨迹的协同规划。综合无人机通用规划框架的关键技术,提出了无人机协同机动规划下一步需要重点研究的方向。     

潜艇定深运动的自适应模糊控制研究

针对潜艇定深运动过程中存在非线性、时变参数、复杂干扰的特点,提出了一种基于神经网络的自适应模糊控制器,并采用学习速率自调整的EBP算法对模糊控制器进行了在线调整.仿真结果表明,该控制器能辨别出潜艇的平衡舵角,与常规的PID控制相比,具有抗干扰能力强、响应速度快、精度高等优点.     

航空电子综合系统作战飞行程序的研究

本文研究了作战飞行程序的开发及开发环境的基本原理,并对开发环境的基本软件组成、硬件结构及其应用进行了讨论。     

特征结构配置和H_∞鲁棒控制的飞行控制器设计

常规的特征结构配置(EA)方法不能同时满足系统频域设计指标和鲁棒稳定性的要求,而H_∞鲁棒控制理论在设计控制器时,并没有考虑系统时域性能。为此,基于特征结构配置和H_∞鲁棒控制,设计一种直观的控制器。该控制器以特征结构配置作为内环控制器,以H_∞鲁棒控制器作为外环控制器,使闭环系统能同时获得较好的时域动态特性、鲁棒稳定性以及指令跟踪性能力。通过对某无人机横侧向飞行控制的仿真,进一步验证了该方法的有效性。     

无人机航迹规划常用算法

无人机航迹规划是实现无人机自主飞行的关键技术保障,航迹规划算法则是航迹规划的核心。首先介绍无人机航迹规划的相关理论,其次分析归纳了当前常用的航迹规划算法,最后阐述了航迹规划所面临的挑战及其发展方向。     

光电载荷安装误差标校的飞行航路

无人机搭载光电载荷进行安装误差标校时,飞行航路的选择与规划在很大程度上影响着标校算法的收敛性与误差识别结果。为增强标校飞行架次的有效性,提高安装误差可被识别的程度,改善标校算法的收敛性及标校精度,对标校的原理和标校算法进行了理论分析,并利用考察差异函数偏微分的方法找到了标校航路和安装误差标校之间的相互联系,然后结合标校实施过程中所遇到的实际问题提出标校航路规划应遵循的原则,给出了标校航路规划的参考范例。     

高超声速滑翔再入飞行器的可达区快速预测

防御方对来袭滑翔再入飞行器进行可达区的预测存在先验信息量不足且时效性要求高等难题.为此提出一种基于最优化飞行假设的可达区快速预测方法:仅需已知目标当前位置、速度与最大升阻比(可基于雷达探测数据通过实时弹道估计获得),基于平衡滑翔假设和最大横程的埃格斯解分别获得目标最大纵程和横程终点坐标,在经纬度二维平面内,可达区即可近...