多任务知识交叉融合框架下智能博弈对抗策略研究

针对传统深度强化学习方法解决复杂博弈对抗任务时,存在任务关联信息丢失、学习效率低、策略泛化性差的问题,提出了面向多决策任务的深度强化学习方法,构建了知识交叉融合框架下对抗策略生成与优化模型,通过提炼多样化对抗任务之间关联信息背后的共性知识,来辅助优化博弈对抗策略。基于国际公测对抗平台下小场景分队对抗任务,验证了基于知识交叉融合框架深度强化学习方法的有效性,策略演示表明多任务知识交叉融合框架下智能博弈对抗策略具有一定泛化性。

双旋翼尾坐式飞行器建模及悬停姿态控制

基于双旋翼尾坐式飞行器的飞行原理,建立了其动力学模型,并对模型参数进行了整定。而后对其悬停模式下的姿态自稳定性进行了分析,并设计控制器对系统进行了校正。通过仿真和实验,验证了所设计的控制器具有较强的稳定性和鲁棒性。

尾坐式飞行器纵向姿态的变论域分形模糊控制

针对尾坐式飞行器垂直飞行状态下易受突风和乱流的干扰,为了提高系统的稳定性和动态性能,设计了一种变论域分形模糊PID控制器,并在分形因子中引入一个归一化误差加速度参量来反映系统响应的快慢程度。通过在分形时刻进行论域的自调整,以分形时刻系统的误差变量值作为新的误差变量论域范围,其他变量的论域范围也进行相关联的调整,从而重新激活全局的模糊规则,对PID控制器的参数进行调整,以提高系统的响应速度和控制精度。通过仿真表明,该方法不仅提高了系统的动态响应特性和稳态性能,而且具有较强的自适应能力和抗干扰能力。

基于CFD方法的尾坐式垂直起降无人机气动特性研究

设计了一种四旋翼尾坐式垂直起降无人机,并针对强风扰环境,对该无人机的气动特性进行了研究。通过计算流体动力学(Computational Fluid Dynamics,CFD)方法求解了定常不可压N-S方程和k-ωSST湍流模型,仿真分析了所设计的尾坐式无人机在正向、侧向、垂向三种来流角度情况下的气动特性,获得了该无人机大角度范围的气动系数变化曲线,为该无人机气动性能的优化及控制系统的设计提供了依据。仿真结果表明,所设计的尾坐式无人机具有良好的平飞气动效率;在垂直状态下以机腹正对来流方向,有利于抗风扰控制。

尾坐式垂直起降无人机纵向抗风性能分析

分析了四旋翼尾坐式垂直起降无人机的纵向受力情况,建立了纵向动力学模型,并进一步分析了其最大抗风能力边界。针对尾坐式无人机在强风扰下位置跟踪精度差的问题,引入了迭代学习控制(ILC)。针对尾坐式无人机起降阶段的控制过程非重复性的问题,提出了分段迭代学习控制方法。通过仿真验证表明,该方法具有较好的稳定性,能够提高强风扰下无人机垂直状态的位置和高度控制精度。