GNSS/SINS/视觉导航鲁棒算法

全球导航卫星系统(Global Navigation Satellite System, GNSS)、捷联惯性导航系统(Strapdown Inertial Navigation System, SINS)和视觉传感器优势互补,3者信息融合可获得高精度、无漂移的导航定位信息.针对GNSS/SINS/视觉融合导航易受运动速度、光照变化、遮挡等影响导致定位精度和鲁棒性降低问题,本文在图优化框架的代价函数中加入SoftLOne鲁棒核函数,设置量测值粗差检验程序,降低离群点带来的负面影响.进一步,对量测值计算残差进行卡方检验,对超限残差降权处理,提高系统精度和鲁棒性.实验结果表明,本文算法较不施加鲁棒核函数、不采用异常值剔除策略和卡方检验的传统算法,以及加入其他鲁棒核函数的算法精度更高、鲁棒性更好,能够较大程度提升GNSS/SINS/视觉导航定位精度和鲁棒性,在大尺度环境下,未出现较大漂移误差,绝对位姿均方根误差0.735 m,绝对位姿误差标准差0.336 m.

无人机集群协同控制技术综述

协同控制技术作为多智能体分工合作完成任务的关键核心技术,能解决无人机集群编队、队形重构和避障避碰等问题,是无人机集群正常运作的基础。针对近几年国内外无人机集群协同控制技术的发展历程,概述3种控制结构原理及其优缺点;分析了基于3种控制结构的编队控制方法及其优缺点;从无人机集群协同编队控制技术出发,分析基于编队控制的避障方法;指出了现阶段无人机集群协同控制技术面临的瓶颈问题,并对协同控制技术的未来发展方向进行了展望,为无人机集群编队控制和避障方法研究提供一定的借鉴。

柔翼结构飞行器智能控制系统关键技术与途径

柔翼结构飞行器具有轻质、空间集成、重复使用、有较大的阻力面积和升力系数等优点,可实现巡航飞行、低速驻空、再入返回、气动减速、定点归航、着陆缓冲等功能,是当前的研究热点。智能控制系统是柔翼结构飞行器飞航与回收着陆系统的核心技术之一,结合智能技术在控制系统中的应用研究与工程实践,对柔翼结构飞行器智能控制系统及其技术特征进行了分析;介绍了刚-柔组合体一体化控制与仿真、环境感知与健康状态在线评估、航迹规划与跟踪飞行控制、集群飞行控制、着陆与缓冲智能控制、智能硬件容错与重构等关键技术。对柔翼结构飞行器智能控制系统的未来发展进行了思考,提出了飞行环境的智能及柔性感知、气动参数的在线识别、多任务模式自主执行及控制系统的演进学习等发展建议,通过对智能控制技术持续不断地研究与实践,为柔翼结构飞行器系统的研制提供强有力的支撑。

基于自抗扰方法的无人机控制律设计

针对多平台、多任务的无人机飞行控制律的快速开发问题,提出一种基于自抗扰方法的无人机控制律架构,设计了可复用的扩展状态观测器及微分跟踪器,研究对比了其在3种具有较大差异的无人机平台中的应用,使7 000 kg的超音速UAV_A获得了更优的敏捷性结果,在60 kg的缩比UAV_B完成了5.8g的半滚倒转大过载机动飞行试验,基于10 kg的平直翼UAV_C实现了12架机紧编队的精确轨迹控制飞行试验。仿真及试飞结果表明:所提自抗扰控制结构响应快速、控制精度高、鲁棒性强,能够较好地适应多类无人机、面向多种任务场景的控制需求,且不需调参就能够获得较好的控制效果,为飞行控制算法设计提供了新的技术途径。

面向多弹拦截的分布式非均衡一致性目标分配算法

针对自组网导弹集群协同拦截多无人机的不确定多对一目标分配问题,提出了一种分布式非均衡目标分配算法。考虑到自组网导弹在有限邻域范围内双向通信和任务分配的去中心化特点,设计了适合于分布式无中心的目标分配模型和基于动态态势感知的多步一致性拍卖算法,通过将目标剩余价值进行多步分解实现多弹对单一目标的非均衡拍卖选择;此外通过改进一致性包算法的共识规则设计了扩展多步一致性冲突消解规则,实现了分布式非均衡拍卖结果的一致性冲突消解。最终仿真结果表明,该方法可适用于分布式弹群在线非均衡目标分配调整,提高对空中多机动目标的拦截效率,并且相较于集中式分配算法在兼顾优化时间条件下可获得全局次优求解。

一种高斯-重尾切换分布鲁棒卡尔曼滤波器

为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heavy-tailed switching distribution based robust Kalman filter,GHTSRKF)。首先,通过自适应学习高斯分布和一种重尾分布之间的切换概率将噪声建模为GHTS(Gaussian-heavy-tailed switching)分布,所设计的GHTS分布可以通过在线调整高斯分布和新的重尾分布之间的切换概率来对非平稳重尾噪声进行建模,具有虚拟协方差的高斯分布用于处理协方差矩阵不准确的高斯噪声。其次,引入两个分别服从Categorical分布与伯努利分布的辅助参数将GHTS分布表示为一个分层高斯形式,进一步利用变分贝叶斯方法推导了GHTSRKF。最后,利用一个仿真场景对几种不同的RKFs(robust Kalman filters)进行了对比验证。结果表明,所提出的GHTSRKF算法的估计精度对初始状态的选取不敏感,精度优于其他RKFs,它的RMSEs最接近噪声信息准确的KFTNC(KF with true noise covariances)的RMSEs(root mean square errors),且当系统与量测噪声是未知时变高斯噪声时,相比于现有的滤波器,GHTSRKF具有更好的估计性能,从而验证了GHTSRKF的有效性。

空基回收拖曳系统直线-盘旋转接段运动轨迹设计

针对气流扰动下空基回收拖曳系统在直线-盘旋转接段飞行过程中的拖曳浮标稳定问题,提出一种基于微分平坦理论的拖曳系统转接段运动轨迹的设计方法,通过设计母机运动轨迹间接地控制拖曳浮标沿着预设的转接轨迹安全、平稳、精准地转接飞行。采用质点-弹簧离散缆绳模型构建母机-缆绳-浮标组合体多体动力学模型;在证明拖曳系统具备微分平坦特性的基础上,以拖曳浮标三轴位置为平坦输出,所提方法以期浮标沿着预设安全转接段轨迹飞行;结合拖曳浮标直线飞行状态与盘旋飞行状态设计拖曳浮标转接段飞行轨迹。通过平静大气、多种常值风及阵风气流扰动场景下的仿真算例结果表明,所提方法能够实现拖曳浮标在直线-盘旋转接段的稳定飞行。

一种LOS环境下基于目标运动形式的TDOA定位方法

时差定位(Time Difference of Arrival,TDOA)是一种广泛应用的被动定位技术,具有定位精度高、组网能力强、系统鲁棒性强等特点。针对运动目标定位计算复杂、精度收敛较慢等问题,在给出视距(Line of Sight,LOS)环境下定位模型的基础上,提出了定位适用于多站时差定位系统的定位方法,该方法将组群时差定位关系方程合理地线性化为统计估计问题,利用在线迭代实时求解目标位置。给出了针对目标不同运动特性条件下的多平台协同定位算法及其仿真结果,仿真结果表明所述方法可以实现对目标的精确定位,并且分析了运动形式对于定位精度的影响,仿真结果对于系统的工程设计具有指导作用。

基于EMSDBO算法的无人机三维航迹规划

针对无人机(unmanned aerial vehicle,UAV)三维航迹规划问题,提出一种增强型多策略蜣螂算法的UAV航迹规划方法。首先,将飞行接近率和响应时间的动态约束添加到威胁成本代价中,并考虑UAV转弯性能的影响,建立三维任务空间模型与航迹代价函数。其次,在蜣螂算法中引入偏移估计策略、变螺旋搜索策略、准反向学习策略和逐维变异策略,提高算法的全局寻优能力和收敛速度。最后,给出了改进算法在三维环境下航迹规划的仿真结果。结果表明:综合考虑UAV机动性能和转弯性能,规划出的路径可以更加安全有效地避开危险源。相比其他算法,改进算法的寻优能力更好,规划的航迹质量更优。

一种基于DDPG的变体飞行器智能变形决策方法

针对一类变体飞行器自主变形决策问题,提出了一种基于深度确定性策略梯度(DDPG)算法的智能变形决策方法。首先,针对一种后掠角可连续变化的飞行器,通过计算流体力学方法获得飞行器的气动参数并分析其气动特性;然后,联合制导过程与DDPG算法,以获得最优气动特性和制导性能为目标,提出了一种变体飞行器智能变形决策算法;最后,仿真结果表明所提算法收敛效果好,相比于固定外形,可通过合适的变形决策指令在得到最优气动外形的同时获得更好的制导性能。

基于改进LSTM网络的无人机MEMS-IMU零偏在线标定方法

针对在卫星信号拒止、视觉系统退化场景中无人机MEMS-IMU零偏无法准确估计并补偿导致导航误差迅速发散的问题,提出一种基于改进长短时记忆(LSTM)网络的零偏在线标定方法。首先,为解决MEMS-IMU零偏数据非线性强、传统循环时间网络训练效果差的问题,设计序列到序列的LSTM神经网络结构,引入教师强迫机制,提高了网络特征学习能力。然后,在导航过程中使用训练后的网络对MEMS-IMU零偏在线标定,补偿后的IMU量测与视觉信息联合优化,保证了导航定位精度。实验结果表明,在纯惯性导航实验中,所提方法的绝对位置误差比传统LSTM方法减小了6.5%;在EUROC数据集下进行的视觉惯性组合导航实验中,所提方法的平均绝对位置误差比传统LSTM方法减小了15%。

基于非合作目标的运动平台导航误差估计

针对运动平台位置测量通常精度不高的问题,文章基于非合作目标的运动平台导航误差估计方法,将平台的导航误差建立为随时间一阶变化的模型,求解平台的运动参数,并使用线性模型拟合不同目标相对于不同平台的位置测量。通过对比参考平台与其他平台对相同目标运动参数估计的差异,求解平台的导航误差参数,并对平台运动参数进行校正。数值仿真证明了算法的有效性,并分析了测量次数对导航误差估计精度和目标定位精度的影响。

基于强化学习的飞行器自主规避决策方法

考虑飞行器在执行任务过程中存在诸多不可预知的威胁或障碍,为保障飞行器的安全性,本文进行飞行器面向威胁目标的自主规避决策方法研究。首先综合考虑飞行器与威胁目标行为之间的相互影响,提出了基于深度长短期记忆(LSTM)神经网络的轨迹预测算法,实现对威胁目标未来轨迹的预测;然后结合预测信息构建拦截场景下规避机动的马尔可夫决策过程,设计了基于改进双延迟深度确定性策略梯度(P-TD3)的飞行器规避决策方法,以最大化规避过程的总收益为优化目标,实现飞行器自主规避决策。最后通过在虚拟仿真交互平台的试验验证,本文的决策方法提升了网络的收敛速度,具有84%的规避成功率,提高了飞行器对潜在威胁的成功规避概率,有利于增强飞行器的自主性与安全性。

应对风切变的四旋翼轨迹跟踪几何控制方法

针对存在风切变环境的四旋翼轨迹跟踪问题,提出了结合增量非线性动态逆的几何控制方法。首先,建立了基于SO(3)群的风切变扰动四旋翼动力学模型,并建立风场模型,引入风切变效应。其次,利用四旋翼的微分平坦特性将轨迹跟踪问题转换为状态跟踪问题,并依据微分平坦特性推导参考高阶状态量实现前馈控制。在控制器设计部分,姿态控制采用几何控制,使姿态具有全局不存在奇异点的特性。对于风场扰动带来的阻力与气动力矩,使用增量非线性动态逆方法进行补偿,实现线加速度和角加速度的控制。最后,基于Simulink在多种风速场景中对不同航迹进行了仿真实验,仿真结果验证了所提方法相较传统方法在面对风切变干扰情况下的有效性。

红外成像导引头对隐身飞机探测性能提升途径分析

隐身飞机的出现对现有雷达和红外制导空空导弹的目标探测能力都提出了挑战。由于隐身飞机对雷达隐身的效果优于红外,相对而言,红外制导空空导弹具有反隐身的优势。但红外导引头仍需采取一定的措施以提高其对隐身目标的探测识别能力。本文针对红外成像导引头探测隐身目标能力提升需求,首先梳理了隐身飞机的红外辐射特征,之后根据红外成像导引头探测性能的影响因素,提出了采用双色/多波段成像探测、优化系统工作参数设计、提高成像质量和场景自适应性、采用低信杂比目标检测截获等技术以提高系统对隐身飞机的探测识别能力。

多约束条件下四旋翼机动轨迹跟踪一体化控制方法

四旋翼无人机高动态飞行需求的增加使其成为一个越来越热门的研究主题。针对四旋翼执行废墟裂缝和树林缝隙穿越任务时的大机动轨迹状态跟踪控制问题,提出基于模型预测控制的一体化控制方法,包含多约束条件下的高机动轨迹规划和多参考状态量的一体化跟踪控制,并通过飞行试验验证了所提方法相比前馈PID控制方法在跟踪规划的高机动轨迹时的优越性能。在飞行试验中,四旋翼成功穿越了60°滚转角的窄框,其实际滚转角达到60°大角度的同时,z轴误差仅为0.065 m。

基于动态视觉传感器的无人机目标检测与避障

针对无人机在动态环境中感知动态目标与躲避高速动态障碍物,提出了基于动态视觉传感器的目标检测与避障算法。设计了滤波方法和运动补偿算法,滤除事件流中背景噪声、热点噪声及由相机自身运动产生的冗余事件;设计了一种融合事件图像和RGB图像的动态目标融合检测算法,保证检测的可靠性。根据检测结果对目标运动轨迹进行估计,结合障碍物运动特点和无人机动力学约束改进速度障碍法躲避动态障碍物。大量仿真试验、手持试验及飞行试验验证了所提算法的可行性。

基于虚拟参考中心策略的无人机编队控制算法

基于虚拟参考中心策略解决了有向通信网络结构下的无人机编队协同控制问题,为具有权重不平衡有向通信网络的多无人机系统设计了合适的连续时间编队控制算法,使多无人机协作达到编队,并使得全局目标函数达到最小值。利用李雅普诺夫稳定性理论证明了该算法能使各无人机移动路径总和最短,协同实现全局最优编队。

基于正弦函数拟合的高动态捷联惯导姿态更新算法

为提高捷联惯导在高动态条件下的姿态解算精度,基于等效旋转矢量泰勒级数展开法,提出一种基于正弦函数拟合的高动态捷联惯导姿态更新算法。以正弦函数拟合载体运动角速度,考虑Bortz方程高阶项的影响,对陀螺角增量表示的旋转矢量进行泰勒六阶展开,对比旋转矢量不同形式表达式求得误差补偿系数。在MATLAB平台上,以圆锥运动与大角速率转动并存环境作为仿真条件,对所提算法与传统算法进行对比仿真分析。仿真结果表明,在小半锥角低频圆锥运动伴随高速角速率转动情况下,所提算法性能较好,当半锥角为0.5°、角频率为2.26πrad/s、常值角速率为5.30 rad/s、姿态解算周期为0.02 s时,所提正弦函数拟合三子样旋转矢量算法与传统扩展形式频率级数/显示频率三子样圆锥算法相比误差降低了2个数量级。

MFE-YOLOX:无人机航拍下密集小目标检测算法

针对无人机航拍时物体尺度变化大,检测目标大多较小且物体较密集的问题,提出一种混合特征增强结构(mix feature enhancement, MFE)方法。通过在超分辨率方法中加入注意力机制以增强小目标信息提取,利用一种新的特征层融合计算方法,加强不同特征层间的融合效率,提高了中小型目标的检测精度;设计了尾端感受野扩大层以扩大尾端特征层感受野,使检测头可接收丰富的物体信息来定位并区分密集物体。实验在数据集VisDrone2021的测试集上进行测试,MFE-YOLOX网络的AP50结果为47.78%,在参数量、计算量与原网络相近的情况下精度提高了9.43个百分点。