推力矢量无人机尾坐式垂直起降控制

本文研究推力矢量无人机尾坐式垂直起降的控制方法.为解决欧拉角奇异的问题,提出了水平/垂直欧拉角综合姿态解算方法.为了获得快速响应又防止超调,控制器采用线性/恒加速度逼近和角速率限幅积分逼近控制方法,并且在最终输出舵偏时进行了反扭矩补偿.此外,本文提出了一种特殊的数据融合算法,该算法通过迭代计算保证了高度数据的准确性.由于尾坐式起降时机体姿态和高度具有强耦合关系,本文设计了一种基于滤波前馈加速度算法的高度控制器.尾坐式起降试验结果验证了本文所述控制方法的有效性.

稀疏奖励下基于课程学习的无人机空战仿真

针对传统强化学习在空战环境下探索能力差和奖励稀疏的问题,提出了一种基于课程学习的分布式近端策略优化(curriculum learning distributed proximal policy optimization,CLDPPO)强化学习算法。嵌入包含专家经验知识的奖励函数,设计了离散化的动作空间,构建了局部观测与全局观测分离的演员评论家网络。通过为无人机制定进攻、防御以及综合课程,让无人机从基本课程由浅入深开始学习作战技能,阶段性提升无人机作战能力。实验结果表明:以课程学习方式训练的无人机能以一定的优势击败专家系统和主流强化学习算法,同时具有空战战术的自我学习能力,有效改善稀疏奖励的问题。

FPGA在PC-104系统I/O设备扩展中的应用

PC-104作为系统的核心单元,不仅需要处理大量I/O设备的数据,而且必须确保系统具备良好的实时性。使用FPGA作为协处理器连接各功能模块和PC-104,可分担PC-104的部分工作,从而保证系统的实时性。FPGA作为连接上下的桥梁,担负着数据采集、数据交换等承上启下的工作。该文针对FPGA与PC-104间的数据交换,提出一种根据PC104总线数据传输时序的特性而设计的方案。在搭建的硬件平台上实现了两者间的数据交换,测试结果验证了该方案的可行性。

基于LSTM–PPO算法的多机空战智能决策及目标分配

针对传统多机空战中智能决效率低、难以满足复杂空战环境的需求以及目标分配不合理等问题.本文提出一种基于强化学习的多机空战的智能决策及目标分配方法.使用长短期记忆网络(Long short-term memory,LSTM)对状态进行特征提取和态势感知,将归一化和特征融合后的状态信息训练残差网络和价值网络,智能体通过近端优化策略(Proximal policy optimization,PPO)针对当前态势选择最优动作.以威胁评估指标作为分配依据,计算综合威胁度,优先将威胁值最大的战机作为攻击目标.为了验证算法的有效性,在课题组搭建的数字孪生仿真环境中进行4v4多机空战实验.并在相同的实验环境下与其他强化学习主流算法进行比较.实验结果表明,使用LSTM–PPO算法在多机空战中的胜率明显优于其他主流强化学习算法,验证了算法的有效性.

一种SPI接口的机车频率检测模块设计

针对机车控制中的频率检测电路复杂、检测信号不兼容、品质差的特点,设计了一种充分应用SPI接口技术的高效、低成本的频率检测功能模块。该模块应用隔直滤波和滞回比较电路实现频率信号调理,通过可编程逻辑器件实现频率计数和SPI数据传输功能。针对SPI传输带宽受限问题,设计了根据频率值自动切换T法或M法的频率采集算法和SPI传输的数据格式。通过仿真电路和真实电路实验分别验证了该模块的原理和性能,实验结果表明,该模块能够兼容检测过零、非过零频率信号,并且能够有效控制SPI传输的数据容量。

基于军事规则的无人坦克集群协同作战仿真

现代战争逐渐向无人化、信息化、智能化方向发展,无人坦克作为未来陆战中的主要装备,在机动性、安全性和经济性方面具有很大的优势。单无人坦克在大规模的陆战中能力有限,很多复杂的任务需要无人坦克集群合作完成。围绕无人坦克集群协同作战应用,建立了动力学控制、单机决策、武器装甲等单无人坦克系统模型。结合无人坦克自身状态和融合态势信息,设计了无人坦克集群的协同感知模型,基于现有的目标分配、避敌和编队自修复等军事规则,提出一种新型无人坦克集群协同作战模型。搭建仿真系统,对所设计的模型算法进行了测试,探索验证了无人坦克协同作战的可行性和有效性。

基于多指标模糊集的武装直升机攻击决策模型

为解决战场中不确定环境下武装直升机的攻击决策任务需求,通过改进的高斯模型对构建的多指标模糊集进行量化表征。利用作战克制关系构建战略收益值模型,通过动态分配威胁值和战略收益值的权重因子得到目标排序集合进而完成攻击决策。结果表明:所提方法能较好地发挥威胁指标数据在建模中的作用,为提升武装直升机执行任务的决策优势提供理论指导和建模参考。

航空油泵电机的相电流畸变纠正控制

考虑电枢反应中磁饱和现象和驱动器功率管非线性特性等因素的影响,为了解决航空油泵电机相电流谐波含量大、畸变较为严重的问题,提出一种新型的相电流畸变纠正控制方法.该方法通过电流前馈幅值补偿能够基本消除各周期相电流幅值的波动,并通过迭代收敛控制,最终将相电流强制纠正为标准正弦波,从而解决了相电流畸变的难题.实验结果表明,所提出的相电流畸变纠正控制方法可以有效减少相电流幅值,提高电机系统的效率.

航空油泵电机复合电流控制

考虑电枢反应中磁饱和现象、电机各相间互感以及功率管的非线性特性等因素的影响,为提升电流环性能,提出了一种新型的永磁同步电机复合电流控制方法。该方法中控制器由相电流畸变纠正控制器和功率角补偿控制器组成。相电流畸变控制器采用P控制配合电流前馈实现,能够较好地对相电流畸变进行纠正。针对负载变化时功率角变化较大的问题,专门设计了功率角补偿控制器,可以通过稳定快速地检测内功率因数角自动进行功率角补偿。实验结果验证了该方法的有效性,表明该方法可以在高转速、大电流、高动态的情况下稳定可靠地对航空油泵电机进行控制。

基于混合动作的空战分层强化学习决策算法

智能空战是世界主要军事强国的研究热点。为解决超视距空战博弈机动决策问题,提出了基于深度强化学习的超视距空战分层决策算法。在该决策算法中,使用适合于超视距空战的机动动作集,对飞机的航迹和姿态进行控制。为了扩大模型的动作空间,提升模型的决策能力,将空战的动作空间进行分层,建模为多维离散的动作空间。针对空战中稀疏奖励的问题,设计了一套综合考虑位置优势、武器发射和武器威胁等要素的奖励函数,用于引导智能体向最优策略收敛。搭建了完整的数字孪生空战仿真环境和空战专家系统,在仿真环境中训练决策算法,并通过与专家系统的对抗,对决策算法进行评估。实验结果表明:决策算法具备超视距空战自主决策的能力,能够根据战场态势,进行灵活的机动决策,在与专家系统对抗的过程中具有一定的优势。

一种基于群体智能的无人空战系统

无人机通常是指由无线电遥控或者由自主控制算法控制的不载人飞行器.相比于有人机,无人机在执行危险任务等方面有着很大的优势,但是目前还没有能够应对高强度空战的无人机系统.此外,在执行空战任务时,单一无人机的鲁棒性往往得不到保证,而多无人机系统不仅能保证鲁棒性,还能通过饱和攻击的方式提高任务的成功率.因此,本文对基于群体智能的多无人机空战系统进行了研究.针对多无人机协同飞抵空战场并完成作战任务的问题,本文对飞机的空气动力学模型和飞机路径上的威胁区域进行了建模,并利用蚁群算法完成了无人机飞抵空战场的航迹规划.在单无人机有限状态机控制算法的基础上,结合多无人机协同,提出了一种多无人机自主控制算法以提高无人机集群在空战中的成功率.本文还搭建了一套仿真平台,对所设计算法的有效性进行了相关测试.

基于预知博弈树的多无人机群智协同空战算法

无人机广义上为不需要驾驶员登机驾驶的各式遥控飞行器.在现代空战中,无人机占据了越来越重要的地位.然而目前关于无人机的空战算法的研究大都是在高度简化的低精度简单场景中进行的,使用的方法也大都受限于已有的专家知识,无法充分发挥智能空战算法的优势.因此,本文对基于预知博弈树的多无人机群智协同空战算法进行了研究.首先使用Unity3D搭建了一套贴近于真实空战场景的仿真环境;然后根据现有的空战知识封装了一套战术机动动作,实现了脚本化的飞机编队,并设计了一套空战态势评估函数;以此为基础提出了基于预知博弈树的空战AI算法框架,通过预知博弈树算法完成了角色分配和机动动作决策的任务,使用XGBoost将其转化为一个在线的实时算法;以状态机算法为baseline,在高逼真度仿真平台上通过空战AI对抗实验,验证了本文提出的空战算法的有效性.