滑翔飞行器多目标弹道优化的进化-配点混合求解策略

针对高超声速滑翔飞行器弹道多目标优化问题,综合考虑计算效率和精度,结合分解进化算法与配点法提出一种混合求解策略。根据滑翔飞行器动力学模型和弹道设计中需要考虑的约束条件,建立飞行器多目标弹道优化模型。利用控制量离散化方法将多目标弹道优化问题转化为带约束的多目标参数优化问题,并采用罚函数法处理约束条件,随后利用分解多目标进化算法进行求解。为了提高弹道优化的精度,将椭球聚合法与配点法相结合,以多目标进化算法得到的Pareto解作为初始解进行迭代求解。通过典型的复杂约束多目标弹道优化的算例表明,所提出的混合求解策略能够获得满足复杂约束要求的Pareto最优解集,实现有效的多目标弹道优化。     

高超声速伸缩翼变形飞行器轨迹多目标优化

针对高超声速条件下变形技术的应用模式,对具有伸缩翼的组合式飞行器滑翔弹道进行了多目标优化研究。介绍了伸缩翼的变形模式,给出了不同变形状态下的气动特性;建立了三自由度滑翔轨迹动力学模型和伸缩翼前缘热流计算模型;采用MOEA/D多目标优化算法,以变形条件和飞行攻角为设计变量、以最大射程和最小翼前缘总吸热量为目标函数,进行了多目标优化计算。优化结果表明,MOEA/D计算得到了相对均匀分布的Pareto最优解集,将伸缩翼外形与无变形外形相比,飞行器滑翔段射程得到了显著提高,同时伸缩翼前缘总吸热量有明显的降低。     

高超声速飞行器低可探测性滑翔弹道优化方法

为进一步提高高超声速飞行器的突防性能,提出高超声速飞行器低可探测性滑翔弹道优化方法。考虑飞行器180°×360°方向的雷达散射截面,针对原数据尖峰多、收敛难的难题,运用高斯滤波法对其进行预处理,既不改变原数据趋势又加以平滑,提高优化问题收敛性能。为使计算所用雷达散射截面数据具备较强的保真性,采用三次样条插值方法调用离散数据计算实时雷达散射截面。完成了高超声速飞行器低可探测性滑翔弹道优化问题的建模,以探测概率为目标函数,运用hp自适应Radau伪谱法优化求解,采用逐步计算策略进一步提高优化效率和收敛性能。与传统最短飞行时间弹道对比表明,该方法有效降低了飞行器被雷达发现的概率。     

横向效应增强型弹垂直侵彻薄靶的轴向剩余速度理论分析

为了得到横向效应增强型弹（Penetration with Enhanced Lateral Efficiency projectile, PELE）对金属薄靶垂直侵彻后的弹体轴向剩余速度,运用平面冲击波理论,对PELE的侵彻机理进行分析。参照平头弹体对靶板的侵彻模型,将PELE侵彻过程中的能量损失划分为以下几个部分：外壳体和内芯撞靶区域对应的环形塞块获得的能量、冲击波作用下弹体的内能增量以及剪切耗能等。然后根据能量守恒原理,得到PELE垂直侵彻金属薄靶后的PELE弹体轴向剩余速度的理论模型。为了验证该模型的合理性和准确性,设计相应的试验进行验证。结果表明,不同条件下得到的试验结果和理论模型得到的计算结果均吻合得较好。因此,得到的PELE垂直侵彻薄靶的轴向剩余速度理论模型可为工程应用提供指导和参考。     

TEDS技术在加速度传感器数据校正中的应用

提出一种利用传感器电子数据表格技术改善加速度传感器动态性能的办法。传感器标定时,其相关的特征参数被储存在传感器电子数据表格中;测试初始化时,每个传感器的特征参数被读入测试系统,指导系统自动完成其数学模型的建立,并在测试时进行实时数据校正。实验证明传感器电子数据表格技术的引入提高了加速度传感器的工作频带带宽和动态响应速度等动态性能指标。     

弹丸速度的数字化激光幕测试技术

针对传统弹丸速度测量方法的局限,提出一种新的弹丸速度测试技术——数字化激光幕结合互相关速度测量算法的测试技术,并给出了激光总体测速方案、测速原理以及互相关测速方法,经靶场试验验证测试效果良好。     

弹体压心位置变化对末制导炮弹弹道的影响

首先对比弹体压心位置变化对火箭增程弹道和末制导炮弹名义弹道的不同影响,重点分析弹体压心位置变化对末制导炮弹末导段弹道的影响特点,得出弹体压心位置变化对末导段弹道的捕获域和有效攻击区有着重要影响的结论。该结论对末制导炮弹的射表编拟以及新型末制导炮弹的设计都具有重要指导意义。     

三维比例导引弹道建模方法研究

基于比例导引弹道的自身规律,运用坐标变换方法,选取合适的坐标系,建立了导弹按比例导引法拦截空中目标的模型,并在信息处理环节中加入导航误差、导弹控制误差、导弹观测误差和目标观测误差等,实现三维比例导引弹道的仿真.仿真结果表明,所建立的模型比较符合实际情况,可直观地显示比例导引弹道特性.     

外弹道数据融合实时算法研究

信息融合技术可以大大减轻指挥决策的工作量,增加信息置信度,减少模糊性,改善系统可靠性.针对靶场实时测控数据处理中急待解决的成片野值干扰等难题,在实时环境中采用数据融合处理方法,讨论了外弹道数据融合实时算法所面临的关键技术,并通过分析与论证得出可行性结论.结论对进一步的系统设计与软件实现具有指导意义.     

运动目标轨迹分类与识别

运动目标轨迹识别是运动分析中的基本问题,其目的是解释所监视场景中发生的事件,对所监视场景中运动目标轨迹的行为模式进行分析与识别,智能地做出自动分类.对轨迹有效性判断后采用K均值聚类,引入改进的隐马尔可夫模型算法,针对轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型,利用训练样本训练模型得到可靠的模型参数,计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果,对两种场景中聚类后的轨迹进行训练与识别,平均识别率较高,实验结果表明该方法是有效的.