基于动态逆的L1自适应飞行控制方法研究

战机在战场追逃过程中需要完成超机动动作以快速进入优势攻击区域,但在大攻角飞行范围内,飞行过程具有强烈的耦合作用。传统的动态逆控制方法具有很好的快速解耦能力,但鲁棒性较差。提出一种基于非线性动态逆的L1自适应飞行控制方法,通过引入PI型动态逆控制和L1自适应结构,提高了系统的动态性能和鲁棒性。最后利用某软件仿真战机类眼镜蛇机动,结果表明该方法在提升了系统动态性能的基础上,还可以有效补偿参数不确定性等扰动,同时提高了鲁棒性,能够为战机空中作战提供技术参考。

航空遥感影像中的轻量级小目标检测

单阶段目标检测算法凭借结构简单、模型高效等特点获得很多研究者及工业界的关注。以现有的YOLO算法为基础,针对遥感图像中目标尺寸小、排列紧密等困难,提出一种提升复杂背景下小目标检测精度的轻量级目标检测方法。该方法引入加权融合特征网络,为每层特征图赋予可在训练中不断学习的权重系数,加强深浅层特征融合。通过引入CIoU损失及模型改进,加快网络收敛速度,使其满足实时性需求。在基于DOTA构建的遥感图像小目标数据集上进行对比实验,结果表明,该方法具有更好的检测精度与检测速度。