基于脑机接口与人机闭环的远程脑控无人机系统

随着现代军事战争的迅速演变,远程脑控无人机在实现战场信息获取、目标监视和战术部署方面扮演着愈发重要的角色。提出一种应用于远程脑控无人机的压缩感知控制范式和人机闭环控制算法,基于该控制范式及控制算法搭建面向军事应用场景的远程脑控无人机系统。在线实验结果表明:8名被试人员通过该脑控无人机系统进行导航任务,平均任务完成率为0.95,平均任务完成时间为100.46 s,显著优于基于人机开环控制算法的脑控无人机系统;新提出的脑控无人机系统可以应用于军事场景下的战场侦察,大幅度提高作战人员的无人机远程控制能力,拓展作战人员的战场感知范围。

基于粒子群算法的钢丝网垫隔振器参数识别

目的 证明粒子群优化算法对钢丝网垫隔振器参数识别的有效性和准确性。探究不同的加载条件对钢丝网垫元件力学性能的影响。方法 对钢丝网垫元件进行正弦加载试验,获取试验响应数据。以双折线模型对钢丝网垫的力学性能进行描述,建立隔振器的参数识别方程,应用粒子群算法和试验响应数据识别出模型参数,并研究不同加载条件下识别参数的变化规律。结果 用识别出的参数计算绘制的迟滞回线和试验结果吻合较好。改变激励幅值和频率,钢丝网垫的一次刚度、三次刚度、滑移刚度、等效阻尼均发生规律性变化,而改变钢丝网垫所受静载,曲线变化极为微小。结论 研究证明了粒子群优化算法对钢丝网垫隔振器参数识别的有效性和准确性,是一种有工程应用价值的参数识别方法。

无人机自抗扰控制的调相补偿改进设计与抑扰实现

为解决非线性自抗扰控制应用中无人机位姿跟踪控制响应相位滞后的问题,利用非线性函数的滤波特性与相位补偿机理完成调相补偿器设计,解决了跟踪微分器实际滤波与相位跟踪之间的矛盾,进而提出调相补偿改进后的自抗扰控制(Phase Compensation ADRC,PCADRC),将其应用于四旋翼无人机飞控作业中的姿态与轨迹跟踪。通过由空中避障圆角矩和锥形螺旋组成的复合轨迹跟踪分析PCADRC应用的飞航控制性能优势,并设计无人机轨迹跟踪抗扰实验,对自抗扰控制的调相补偿改进效果进行验证。仿真与实验结果表明,对于平面或空间、平缓或陡变不同性质的轨迹,PCADRC能在确保抑扰性能前提下提高位姿跟踪的准确性、时效性与鲁棒性,能更好满足其稳健的飞控需求。

基于Super-Twisting滑模S面的无人机路径跟踪控制

针对小型固定翼无人机在执行任务时跟踪精度低以及容易受外界风影响的问题,设计基于Super-Twisting滑模S面(STSM S-Plane)的路径跟踪控制器,同时采用内外双环控制模式。外环即速度环采用Super-Twisting滑模控制,内环即姿态环采用S面控制。考虑到S面控制求导易导致积分爆炸的问题引入了二阶微分器,并对外界风组成进行建模研究。最后通过空间特殊曲线来验证所设计算法的控制性能。仿真结果表明,所设计的算法可以实现固定翼无人机对期望路径的精确跟踪,并具有良好的鲁棒性和抗干扰性能。

一种空中目标关联关系挖掘分析方法

快速准确挖掘分析雷达历史数据中蕴含的目标关联关系,可以为空中目标活动规律研究、目标识别判性等提供辅助,充分发挥历史数据作用。根据目标时空特性,设计了一种新的空中目标关联关系挖掘分析方法。设计了一种时间匹配方法,生成时间关联数据集。设计了一种空间关联度量,生成空域关联数据集。运用DTW及生成树算法,匹配并搜索具有关联关系的空中目标,生成关联关系集合。经数字仿真验证,该方法可有效挖掘雷达数据历史信息,寻找目标之间的关联规律。

一种坐标通道注意力深度学习网络的军用飞机识别方法

战场态势瞬息万变,利用可见光图像对敌方用于军事行动的飞机类型进行有效区分,对提供军事作战信息具有重要意义。针对现有军用飞机识别方法存在小目标飞机和环境背景复杂导致的模型特征提取困难、数据样本数量不足导致的模型训练不充分的问题,提出一种坐标通道注意力(ConvNeXt-Coordinate Attention,ConvNeXt-CA)深度学习网络军用飞机目标识别方法。该方法在ConvNeXt网络可以保留小目标飞机特征的基础上,引入CA机制设计CA-Stage模块,提升网络对于背景和前景的区分能力;采用数据增强的方式扩充数据集,以及使用迁移学习的策略提高模型的泛化能力,训练得到具备最优超参数的ConvNeXt-CA网络。实验结果表明,与传统的军用飞机识别方法和其他深度学习模型相比,基于迁移学习的ConvNeXt-CA网络在预测准确率上有明显的提升,且具备较强的泛化能力。

机载水平后向弹射同时离轨动力学响应研究

为解决小型火箭自力发射消耗燃料较大、运载能力较弱的不足,进一步提高小型火箭运载能力,在现有冷弹射技术的基础上提出一种机载水平后向弹射方法,实现小型火箭机载平台冷弹射发射,以减小发射所需燃料、提高火箭运载能力。基于发射动力学理论,建立火箭机载水平后向弹射动力学模型,实现多工况机载水平后向弹射有限元数值仿真,研究机载平台后向弹射的弹射机理和规律。研究结果表明,以梁单元和壳单元为主的有限元模型模态振型一致,特征频率相近,各阶频率相差在10%以内;进一步研究表明,飞机攻角对弹射速度和加速度影响较小,但对角位移、角速度影响较大,飞行攻角不会影响火箭分离过程的安全性;载机振动对弹射动力学响应影响较小,且不会影响分离过程的安全性。

基于NGO-BP的制导炮弹高空风场参数辨识研究

高空风场对制导炮弹弹道诸元有较大影响,为了提高控制精度,如何快速准确获取高空风场数据从而修正气象参数对弹道特性的影响是当前研究的热点。本文中创新性的使用北方苍鹰优化算法(NGO)优化反向传播(BP)神经网络的原始权值,对高空风场参数按照高度进行辨识研究。通过采集的高空风场参数和基于实验的弹道数据进行仿真分析,使用误差统计学评估法和仿真弹道数据结果分析两种方法对辨析出的高空风场参数精度分别进行评估,分析结果表明:利用NGO-BP神经网络法相对于反向传播神经网络法对高空风场参数辨识精度上有明显提高。

四旋翼无人机鲁棒嵌套饱和控制

针对四旋翼无人机在执行任务中,动力系统受到输入饱和限制,传统嵌套饱和控制算法收敛条件严格、收敛速度慢、稳态精度不高、鲁棒性不强等问题,提出了一种四旋翼无人机鲁棒嵌套饱和控制算法。首先,设计了条件相对放松的嵌套饱和控制算法,降低了设计难度,并且给出了闭环系统的稳定性证明。其次,基于条件放松的嵌套饱和控制算法,引入自耦PD和补偿函数观测器,提升系统的响应速度,稳态精度以及鲁棒性,并利用Lyapunov稳定性原理证明了闭环系统的全局稳定性。最后,将所提算法与传统嵌套饱和控制算法和PD控制算法进行了仿真对比,结果表明:本文提出的算法在暂态性能、稳态性能和鲁棒性上都是最优。

有人/无人机协同空战任务规划技术

随着“分布式作战”“马赛克战”等新型作战概念的提出,无人机作为新型空战力量,依靠其灵活性、机动性、互操作性和低廉的成本,有效地弥补了有人机在空战中的作战“盲区”,将其纳入现代空战的任务规划体系,与有人机协同配合执行空战任务,会对空战结果产生巨大的影响。研究了基于数据的空战离线任务规划技术和基于任务的空战在线任务规划技术,并基于OODA环对有人/无人机协同空战任务规划技术进行了综述,结合该技术在测试进程和实际作战应用中存在的不足,展望了该技术未来的发展趋势,对下一步开展有人/无人机协同空战任务规划研究提供借鉴参考。

改进的邻近目标GM-PHD跟踪算法

针对目标跟踪系统在邻近目标场景下难以进行精确估计的问题,提出一种改进的邻近目标GM-PHD跟踪算法。该算法通过构建基于预测权值和速度参数的自适应门限,有效避免了杂波对算法更新步骤带来的巨大迭代负担。同时,我们充分考虑了目标邻近时量测的可能分布情况,针对目标与量测的“一对零”和“一对多”现象,提出了一种新的权重分配修正方法。结果表明,目标邻近时,改进后的算法在目标数和目标状态估计方面均优于传统算法,能够显著提高跟踪准确度。

采用统计线性回归的改进ATBI-GMPHD滤波

提出一种改进的自适应新生目标GM-PHD算法。该算法以存活目标的量测更新权值构建“似然函数”,通过该函数确定量测来源并对新生目标权值做重分配,有效解决了归一化失衡问题。在量测方程高度非线性情况下,引入统计线性回归方法对量测方程进行线性化近似,求解新生目标预测均值和协方差。仿真结果表明,在新生目标信息先验缺失时,改进后的算法具有良好的跟踪精度和较低的计算量。

对抗条件下空中目标威胁评估方法

威胁常随着双方对抗的开展存在着动态演化的特点,传统威胁评估方法更多基于静态威胁进行研究,缺乏动态威胁的预测估计。针对此问题,提出一种对抗条件下的空中目标威胁评估方法。设定红方为进攻方,蓝方为防御方,以红方目标为智能体建立强化学习模型,设计其状态空间、动作空间、转换函数及奖励函数。建立威胁评估模型,确立威胁元素指标,设计威胁评估模型。对模型进行训练,训练完成的模型可根据对抗情况预测红方空中目标威胁。经试验分析,该方法在对抗条件下对红方空中目标威胁评估更具合理性。

基于变异系数法和改进TOPSIS法的空战威胁评估

目标威胁评估技术是智能战术援助决策系统的关键技术之一。针对当前空战目标威胁评估中存在的威胁评估指标具有耦合性,不同权重计算方法具有差异性,以及传统威胁排序方法逼近理想解排序法(TOPSIS)中存在方案区分度混淆等问题,设计了一种基于变异系数法和改进TOPSIS的空战威胁评估方法。对各个空战威胁评价指标进行相关性热力图分析,选择合适的威胁评估指标。建立主客观权重相结合的空战威胁评估模型,在客观方法选择上用变异系数法代替了熵权法,降低了模型对数据的要求。用Manhattan距离取代传统TOPSIS法中的欧式距离对威胁系数进行排序,将排序误差率减小了6%。算例仿真分析结果表明,该方法既考虑到决策者的主观偏好,又保证了决策的客观性,有效提升了空战威胁评估的精度。

无人旋翼机载激光武器反蜂群作战概念研究

鉴于传统防空手段难以有效应对无人机蜂群的问题,提出了搭载高能激光器的旋翼飞行平台反蜂群概念。首先,通过研究了解典型蜂群的作战特点,分析了无人机蜂群可能的运用模式;其次,通过分析现有防空拦截系统的特性,引出旋翼飞行平台搭载高能激光武器用于打击蜂群的运用方法;最后,分析研究了旋翼机载高能激光武器的可能运用场景、杀伤模式和打击流程。旋翼飞行平台搭载高能激光武器的光速攻击、点面杀伤、全天候打击等特点极其适用于蜂群来袭的运用场景,能够更高效拦截来袭蜂群,可靠保证重要设施的安全。

基于改进粒子群算法的飞机刹车控制律参数寻优研究

飞机防滑刹车控制律参数的选取不仅直接影响着飞机的刹车性能,还对飞机着陆的安全性起着重要作用,而实际飞机刹车过程异常复杂,其模型通常具有高维非线性的特点,且从工程角度出发,刹车距离的缩短并非单一核心诉求,轮胎磨损同样需要考虑,这就使得刹车控制律参数的选取异常困难。为解决上述问题,在刹车值目标函数的基础上,引入了机轮打滑值评价目标,优化了飞机刹车控制系统的目标函数。在标准粒子群算法的基础上引入了二阶振荡环节,融合了差分变异策略,并对算法的惯性权重和加速度系数进行改进,使得算法的寻优性能得到提升。将该算法应用至飞机刹车系统MATLAB/Simulink模型中进行仿真,证明了所提算法在飞机防滑刹车控制律参数寻优方面的有效性和科学性。

基于最小封控时间的机场跑道毁伤评估方法

以打击后的机场跑道为背景,解决对敌方机场毁伤评估问题,建立最小封控时间窗口搜索模型以及基于封控时间构建跑道毁伤评估标准,利用改进的免疫遗传算法求解模型。考虑到遗传算法盲目性和只能求解近似解的特点,引入免疫过程并增加记忆单元,解决过早收敛和近似最优解问题。通过仿真对比,所提出的算法能够有效搜索跑道的最小封控时间窗口,支撑评估机场毁伤程度,通过改进免疫遗传算法,有效提升搜索效率的同时避免陷入局部解,并求解真正的最优解。

基于Dubins路径的无人机避障规划算法

研究了一种基于Dubins路径的无人机的避障规划算法.通过采用遗传算法,结合无人机的飞行性能和最小转弯半径,提出了一种在已知障碍空间位置前提下的无人机路径规划方法,并通过算法改进,将其推广成为在未知障碍位置等先验知识的前提下的无人机实时避障算法.仿真结果表明,该算法原理正确,对于多障碍环境下无人机避障策略的获取具有较好效果.

基于强化学习的无人机自主机动决策方法

提出了一种基于连续动作集强化学习的无人机机动决策方法。通过Actor-Critic强化学习构架下的NRBF神经网络输出状态真实效用值与连续动作控制变量,效用值与动作控制变量的输出层共用隐层以简化网络结构。结合相对熵理论设计隐层节点的自适应调整方法,有效减少了隐层节点数目。对输出动作控制变量,采用基于高斯分布的连续动作选择策略,并依据训练次数调整随机动作控制变量的概率分布,提升了网络对未知策略的探索能力。在3种不同空战态势下的仿真验证了该方法的有效性,结果表明该方法生成的策略鲁棒性较强,动作控制量更加精确。

基于深度强化学习的无人机集群预测性维修决策算法

预测性维修是提升无人机(unmanned aerial vehicles,UAV)集群可靠性的关键工作之一。其难点在于UAV集群结构上的多层级、部件退化的不均衡性以及维修时序的高影响性。本文分析了UAV集群运行与维护过程,提出了UAV集群预测性维修的问题模型,剖析了其NP-hard特征。构建了基于深度Q网络(deep Q-network,DQN)的解决框架,给出了相应的深度强化学习算法。最后以10个编队,每队14架UAV的集群为例开展了案例验证工作,实验表明,所提出的方法在长期运行过程中,能够高效稳定地提供预测性维修决策方案,提升了在高维非线性状态动作空间下的维修收益。