基于改进NSGA-III算法的多无人机协同目标分配

武器-目标分配问题是战场环境下无人机对敌方执行打击任务的关键,其目的是基于目标的威胁、价值和我方武器的毁伤概率,寻找合理的武器目标分配方案,以提高作战效率。针对当前多目标优化算法解决静态武器-目标分配问题时收敛速度慢、收敛稳定性差,难以适应当前战场高度实时性的问题,提出一种改进的基于参考点的非支配排序遗传算法。通过二进制编码打击方案并优化初始种群,引入自适应变异与交叉策略以及种群寻优更新策略,基于对战场态势进行评估得到的威胁矩阵和优势矩阵,种群多次迭代后生成目标打击方案。最后计算满足约束条件的Pareto解集,并将Pareto前沿中的相对最优解作为多无人机的打击方案。多次实验证明,在较好情况下改进算法相比于原始算法的收敛时间减少46.74%,目标威胁值降低50.5%,总飞行航程减少26.46%,杀伤目标数增加11.76%,证明该算法在解决多无人机空对地打击任务目标分配问题时具有合理性和高效性。

基于信息融合估计的离散线性系统预见控制

针对期望轨迹和干扰可预见的离散线性最优跟踪问题,提出了一种基于信息融合估计的预见控制方法.推导了最优预见控制律的融合估计过程和最优预见性能指标.建立了包含状态反馈项、目标和干扰前馈补偿项的信息融合预见控制系统,并分析了其渐近特性和稳态跟踪误差问题.直流电机系统的仿真结果表明,信息融合预见控制下的系统跟踪性能随着预见步数的增加而迅速提高并趋于稳定,且综合考虑跟踪误差与能量消耗时要优于传统预见控制.

基于自适应控制的近空间高超声速飞行器研究进展

综述了高超声速飞行器数学建模与自适应控制技术。在概述典型数学模型基础上,着重概述了模型参考自适应控制、浸入-不变集非线性自适应控制、自适应动态面反步控制、自适应滑模控制、自适应模糊滑模控制和神经网络自适应控制等多种自适应控制技术在高超声速飞行器中的应用与研究。对高超声速飞行器自适应容错控制技术现状,自适应控制在高超声速飞行器飞行测试中的应用情况进行概述。总结了高超声速飞行器的当前研制项目和技术现状,重点展望了若干种鲁棒非线性自适应控制技术。与已有综述相区别,重点概述自适应控制在解决高超声速飞行器鲁棒、稳定、切换、协调等关键控制问题的研究进展。

基于误差系统的信息融合最优预见跟踪控制

针对期望轨迹和干扰可预见的最优跟踪问题,提出了一种基于误差系统的信息融合最优控制方法.将线性伺服系统转化为误差系统;利用信息融合估计方法,通过融合期望轨迹、干扰输入、误差系统状态等信息,获得误差系统协状态以及控制增量的最优估计.构建了由积分项、状态反馈控制项和预见前馈补偿项组成的最优预见控制系统.线性直流电机系统的控制仿真结果表明,信息融合最优预见控制下的位置跟踪精度比传统最优预见控制下的要高。

基于大脑情感学习模型的转台伺服系统设计

提出了基于大脑情感学习(Brain Emotional Learning,BEL)模型的高精度转台伺服系统智能控制方案。BEL模型是一种模拟哺乳动物大脑情感学习过程的仿生计算模型。设计了融合系统跟踪误差、控制输入等信息的BEL智能控制结构,通过选取不同的感官输入信号可获得不同的控制结构,采用联想学习方法在线学习BEL模型内部的节点权值来调节控制器参数,从而实现转台伺服系统的自适应跟踪控制。仿真和实验结果均表明,BEL智能控制器学习能力强,能抑制摩擦等非线性干扰因素,在实时控制系统中表现出较好的稳定性和较高的跟踪性能。

有限时间信息融合线性二次型最优控制

针对有限时间线性二次型最优控制问题,提出了一种新的求解方法—–信息融合估计方法.基于线性最小方差估计准则下的融合估计理论,通过融合期望状态轨迹、理想控制策略等软约束信息,分别采用集中式融合和序贯式融合两种信息处理方法,求得最优状态调节器问题的最优融合控制序列.进一步从理论上论证了序贯式融合控制方法与传统最优控制方法的一致性,并通过直流电机系统的数值仿真也验证了集中式和序贯式融合控制方法与传统最优控制方法的等效性,从而统一了最优估计与最优控制问题,并为最优控制问题提供了一种新的求解方法.

舰载机不同弹射系统的弹射过程

针对目前世界上最典型的两种舰载机弹射系统:蒸汽弹射系统和电磁弹射系统,对比研究了不同弹射系统的结构原理、数学模型、弹射性能等问题。分析了常用的蒸汽弹射装置和电磁装置的组成部件及其功用,给出对比分析结果;根据蒸汽弹射装置和电磁弹射装置的运动学特性,获得两种弹射装置的数学模型,推导出它们的非线性运动学方程,并给出对比分析结果;针对两种不同的弹射系统,构建了舰载机在舰面加速段的弹射过程的Matlab数值仿真模型,通过仿真研究,分析了不同弹射系统中对弹射性能起主要影响作用的关键因素,并根据仿真结果进行了对比分析。

变体飞行器智能变形与飞行控制技术研究进展

变体飞行器在航空、航天和兵器等领域具有极为重要的应用前景。智能变形与飞行控制技术是包含众多学科和应用的综合性技术。首先归纳了变体飞行器的具体分类及特性,分析了变体飞行器的变形结构和智能材料发展状况,研究了变体飞行器的动力学建模与飞行控制技术,总结了变形技术在微小型飞行器、无人机、高超声速飞行器以及导弹等领域的应用现状,最后展望了全局高度仿生化和高速跨域化、结构与控制耦合影响机制、智能材料和变体结构驱动一体化等亟待突破的关键技术。

基于蚁群优化算法的精密伺服转台故障诊断方法

提出了一种基于蚁群优化算法的精密伺服转台故障诊断方法.根据现场观测建立了转台系统故障特征模式库.利用蚁群优化算法求解故障特征模式的最优分类问题,并定义敏感度和明确度来评价蚁群搜索到的诊断规则的分类性能,以减少故障特征信息中的冗余信息,使诊断规则得到约简.对某精密伺服转台的若干类故障诊断结果表明,该方法具有收敛速度快、鲁棒性强、诊断精度高和结果可靠等优点.

基于CNN-GRU-Attention的道岔故障诊断算法研究

道岔是关系列车运行安全的铁路信号基础设备之一。通过分析道岔运行过程的功率数据,可以有效判断道岔的运行状况。为实现对道岔故障自动、高效、准确的诊断,研究并提出了一种基于深度学习的故障诊断方法。首先利用卷积神经网络提取数据空间性特征,再调用门控循环单元网络提取时间性特征,再引入注意力机制对特征进行权重分配,最后使用Softmax分类器进行分类。在对比实验中用多种指标评定该方法的性能,结果表明,所提方法相较于基础方法和另外2种现有方法在诊断性能上有着显著的优势。

基于YOLOv8的无人机编队领航者检测算法

基于视觉的无人机编队方法具有不受通信拒止影响的优点,与传统编队算法相比有更强的鲁棒性,逐渐成为了领域内的研究热点。在Leader-Follower无人机视觉编队模式中,跟随者通过对领航者执行实时目标检测,并解算出领航跟随者之间的相对位置关系来完成编队控制任务。基于YOLOv8n目标检测模型提出了一种改进的实时目标检测算法:在Neck模块中加入可变形卷积模块;加入多头注意力机制增强特征提取;在训练过程中进行数据增强。为验证所提算法的性能优势,进行了2次对比测试,实验结果表明,改进算法比原始算法的特征提取效果更强,检测精度更高。最后,将改进的领航者检测算法应用于无人机编队任务中,证明了所提算法的实际应用价值。

基于大脑情感学习的转台逆模型补偿控制

针对传统控制方法难以克服飞行仿真转台伺服系统中存在的摩擦等非线性干扰力矩问题,提出了一种基于大脑情感学习(brain emotional learning,BEL)模型的转台伺服系统复合控制方法.在传统PI反馈控制器的基础上,设计了基于BEL模型的同结构系统逆模型辨识器和前馈补偿控制器.通过在线辨识系统逆模型来学习BEL模型的节点权值.理想转台模型的数值仿真和实际转台伺服系统的实验结果都表明:BEL模型学习能力强,能满足实时控制要求,基于BEL模型的复合控制策略能有效抑制摩擦力矩的影响,提高转台系统的跟踪性能.

预见控制理论及应用研究进展

预见控制因其能够利用已知的未来目标信息或干扰信息来改善控制系统的性能,在众多实际工程领域得到越来越多的应用,正日益受到研究者的广泛关注.本文较全面概述了预见控制理论自20世纪60年代提出以后的发展状况,重点概述线性最优预见控制、线性鲁棒预见控制、非线性预见控制等相关理论的研究进展,并且总结预见控制在车辆主动悬挂系统、机电伺服系统、机器人、飞行器、电网发电系统等领域的应用现状.最后,总结了预见控制的研究成果,探讨了目前存在的主要问题并展望了未来发展方向.本文的综述旨在通过抛砖引玉,促进预见控制理论及应用的全面发展.

基于信息融合最优估计的非线性离散系统预测控制

针对非线性离散系统的二次型最优预测控制问题,提出了一种基于信息融合最优估计的迭代预测控制算法.通过融合二次型性能指标函数中包含的未来参考轨迹和控制能量的软约束信息,以及系统状态方程和输出方程的硬约束信息,获得协状态序列和控制序列的最优估计.通过二自由度机器人操作手的转移控制仿真,表明了该控制算法具有良好的稳定性和鲁棒性.

时滞多变量过程信息融合解耦控制

针对工业过程中时滞多变量线性系统各回路间存在的强耦合问题,提出一种基于信息融合估计的解耦控制方法.通过融合主通道和相应耦合通道的期望输出软约束信息和控制能量软约束信息,估计出二次性能指标下的最优自适应解耦控制律.进一步对无限预见期望输出信息进行一步预见等效处理,获得计算更简单的近似最优解耦控制律.实例仿真结果表明了该解耦控制器具有计算量小、解耦程度可调以及控制品质好等优点.

舰载无人机自主着舰回收制导与控制研究进展

舰载无人机正成为未来海战的重要组成部分,制导与控制是舰载无人机自主着舰/回收的关键技术.本文综述了舰载无人机自主着舰/回收制导与控制技术.概述了舰载无人机的发展历史,简单描述了舰载无人机跑道拦阻着舰、撞网回收、伞降回收、绳钩回收、天钩回收、过失速着舰、智能飞落着舰、风向筒回收、秋千式吊架回收等典型着舰回收方式.在深入分析无人机自主着舰/回收制导与控制关键问题的基础上,重点概述了无人机着舰/回收经典制导与现代制导技术,以及着舰/回收经典控制、现代控制、非线性与自适应控制、智能控制等飞行控制技术的研究现状.最后,对无人机自主着舰/回收制导与控制技术的发展状况进行总结,并对未来研究重点进行展望.

新形势下大学生创新能力培养与实践

针对我国工业化和信息化的"两化"深度融合以及四化同步发展的新形势,本文研究和总结了多年来对大学生创新实践能力培养的探索与实践,提出了一种以成果为导向的递阶式大学生创新能力培养方案。该方案以实验室为依托,以学科实力为保障,以实验室教师为指导团队,以大学生为培养对象,开展大学生科研创新实践活动,培养大学生的科研创新意识与实践创新能力,增强大学生的团队协作精神和专业知识综合运用能力。

离散动态随机系统的信息融合滤波方法

针对离散随机动态系统的滤波问题,提出了基于信息融合估计的线性和非线性滤波方法。对于线性滤波,通过融合一步预测状态信息以及量测信息来获得系统状态的最优融合估计,并证明了它与标准卡尔曼滤波的一致性。基于非线性信息融合估计定理,推导出一种计算简单的迭代型非线性滤波方法。最后,还提出了信息融合滤波初值选取问题的解决方法。

基于模型参考模糊自适应的舰尾流抑制方法

舰尾流扰动是造成舰载机着舰误差的重要原因,为抑制舰尾流的影响,提高着舰精度,本文提出了一种基于模型参考模糊自适应系统(Model reference fuzzy adapting system,MRFAS)的舰载机着舰飞行控制律设计方法。以某舰载飞机为研究对象,在设计过程中,将自适应控制和模糊参数整定有机结合,构建了舰载机着舰的智能H飞行控制系统,加入不同海况下的舰尾流,对其舰尾流抑制效果以及该系统的自适应性能进行了仿真验证。结果表明,该设计方法不仅能够有效抑制舰尾流,使着舰误差精度提高约7.2%,而且可以提高跟踪理想下滑轨迹的快速性,同时利用该方法设计的飞控系统具有很强的自适应能力,从而更好地保证飞机的着舰安全。

基于积分滑模控制的无人机自动着舰系统

针对无人机着舰这一特殊环境,为克服系统摄动、未建模动态及各种环境干扰因素的不良影响,从工程实现易行性出发,提出一种新的积分滑模着舰飞行控制方法,避免其受传统积分切换函数滑模控制方法的应用限制,并采用自适应模糊系统抵消外界干扰带来的误差,逼近滑模控制器中的切换项,从而有效降低舵面的抖振。搭建自动着舰综合仿真平台,以国外现役某小型舰载无人机为例,仿真结果表明,该自动着舰系统能较好地克服各种因素的影响,实现无人机安全着舰,着舰性能符合要求。