高超声速巡航飞行器中制导研究

通过分析目前应用较为普遍的几种组合导航方式,针对高超声速巡航飞行器,提出了采用捷联惯性导航系统(SINS)/GPS/天文导航系统(CNS)组合导航作为其中段制导方案,并利用四元数法进行捷联惯性导航计算,运用联邦滤波方法对组合导航进行了仿真,仿真结果表明该方案行之有效。     

方波电机驱动装甲车制动过程泵升电压研究

再生制动是电动车辆最常见的制动方式.然而,在没有大容量蓄电池吸收能量的情况下,再生制动将产生很高的泵升电压.通过分析再生制动过程,提出了用控制占空比的办法抑制泵升电压.该方法通过数字控制实现,无需改动硬件,控制简便.计算机仿真和样机实验结果表明,该方法可迅速抑制泵升电压,并具有很好的制动效果.     

外军两栖车辆水上推进装置的分类及评价

给出了当今外军典型两栖车辆的主要性能指标,对水上推进装置进行了分类,定性分析了各种水上推进装置的工作原理及主要影响因素,给出了FT-C牵引车模型的试验结果.通过对水上推进装置产生的推力和两栖车辆水上行驶的阻力分析,得出了有价值的结论.最后根据实际需求对履带划水式、喷水式、螺旋桨式3种水上推进装置进行了综合评估,其结论对新型两栖车辆的论证、研究具有借鉴作用.     

坦克抢救车辆的现状与发展

阐述了坦克抢救车辆的特点及其在现代战争中的地位和作用,介绍了外军坦克抢救车辆的现状与发展趋势,并提出了新型坦克抢救车辆的发展设想.     

车载火炮火力与底盘匹配性薄弱环节捕获方法

针对在车载火炮火力与底盘匹配性评估中只评估而未对薄弱环节进行捕获的现状,提出一种基于指标关联度的薄弱环节捕获方法,采用结构熵权法求得指标权重,利用模糊综合评判法对车载火炮进行定量化评估,应用指标关联度法对车载火炮的匹配薄弱环节进行捕获,最后根据薄弱环节捕获结果对车载火炮进行改进,改进后的再评估结果验证了新方法的可行性。     

基于态势预测的无人机防相撞控制方法

针对无人机自主飞行过程中,受空中非协作移动目标威胁较大,且空中移动威胁存在高机动性的特点,提出一种预测移动威胁情况下的无人机防撞控制方法,该方法采用交互多模(IMM)算法预测移动威胁的运动状态,同时利用滚动时域控制(RHC)思想建立无人机运动控制模型,构造有约束目标函数,运用微分进化算法(DE)求解目标函数,获取最优控制量,输入控制模型,完成防撞机动控制。仿真结果表明,该方法可以有效解决空中多架航空器同时入侵的防撞问题。     

基于扩展多模型自适应估计的运载火箭伺服机构故障检测与诊断

针对运载火箭伺服机构故障,提出了一种基于扩展多模型自适应估计的故障检测与诊断算法。首先建立了考虑伺服机构故障的运载火箭姿态动力学模型,其次将故障角度作为状态变量得到增广状态空间模型,然后利用扩展卡尔曼滤波器进行状态向量和故障参数的非线性估计,并基于传感器测量数据采用假设检验算法在线计算故障发生的概率,最后给出了基于扩展多模型自适应估计的故障检测与诊断算法流程。该方法的优点是只用一个扩展卡尔曼滤波器就可完成一个伺服机构的故障检测与诊断,从而大幅减小用于伺服机构故障检测与诊断的滤波器数量。仿真结果表明,该方法在无故障时可对伺服机构进行健康监测,在单台伺服机构故障下,可以及时准确判断出哪一台芯级伺服机构发生故障,并可准确估计出伺服机构故障下的发动机摆角角度。     

基于T-S模型的非线性系统主从控制器设计

针对同时具有输出和输入非线性的系统,通过中间虚拟控制量的设置,转化为两个非线性子系统的串联,从而简化系统结构并解决最终控制量不宜直接获取的问题。针对无人水面艇的航迹和横摇控制,设计了基于反演控制的从控制器,实现了输入非线性中虚拟控制量到舵角的映射,通过T-S模型将输出非线性系统,转化为线性时变系统,并考虑舵机的角度与角速度约束,设计了广义预测主控制器。该方法不仅简化了系统结构,同时仿真结果表明,所设计的主从控制器可以获得较好的控制效果。     

电磁轨道炮系统建模与分析

轨道炮利用电能将电枢及弹丸推动至超高速,是具有武器应用背景的复杂机电系统。介绍了轨道炮基本原理,在分析了轨道炮电路、运动学、能耗特点基础上,利用MATLAB建立了系统的数学模型,计算了不同电感梯度条件下轨道炮系统的发射电流、电枢速度、溃入炮体能量,分析了发射过程中不同形式的能量损耗及能量利用效率。结果表明,在特定电源参数条件下,一定范围内提高电感梯度值,电流幅值降低,炮口动能和发射效率提高明显。这对研究轨道炮电能应用特点有一定的参考价值。     

基于改进ACO算法的多UAV协同航路规划

针对无人机(Unmanned Aerial Vehicle,UAV)在执行任务过程中遇到的诸如敌方防空火力、地形障碍及恶略天气等各类威胁源,采用威胁源概率分布的方法进行威胁的量化处理,构建任务空间的威胁概率密度分布图,有效消除了威胁源的差异性。根据UAV在任务飞行过程中的性能约束与时、空协同约束,同时考虑任务过程中UAV的损毁概率最小、任务航程最短,构建了相应的综合任务航路代价最优化目标函数。结合传统蚁群优化算法(Ant Colony Optimization,ACO)在解决此类问题中的不足,给出了相应的改进策略,提出采用协同多种群ACO进化策略来实现多UAV在满足时、空协同约束下的协同航路规划。通过相应的仿真计算表明,改进后的ACO协同多种群进化策略算法更适用于多UAV协同任务航路规划问题,具有一定的实用性。从而为多UAV协同任务航路规划问题的求解提供了科学的决策依据。