基于GPS的目标航迹向与航速数据处理方法研究

主要介绍基于GPS的目标位置测量中,利用数据拟合的方法,得到逼近的目标运动轨迹曲线函数。通过对拟合曲线函数的微分运算,得到目标航迹向与航速数据。阐述了该方法在MATLAB的软件实现手段及在实际工程中的应用价值。

基于Transformer-GRU网络的4D航迹预测

航空器的4D航迹预测作为基于航迹运行(TBO)的关键技术之一具有非常重要的意义。基于Transformer-GRU(T-GRU)网络,提出了一种新的航迹预测方法,结合Adamax优化器实现了4D航迹预测。利用Transformer网络的自注意力机制对输入序列进行建模,通过GRU网络获取时序数据的特征;对原始航迹数据进行重采样插值和中值滤波等预处理,以便消除数据缺失和异常值等对预测的影响;通过E E、E AT、E CT、E A等误差指标对实验结果进行评价,并与其他常用的航迹预测方法进行对比。研究结果表明:与传统深度学习方法相比,基于T-GRU网络的4D航迹预测模型在航迹预测中具有更高的准确性和鲁棒性。

基于分阶段自编码器与注意力机制的舰载机着舰航迹实时预测模型

航空母舰舰载机着舰过程中应沿相对固定的航迹下滑,以保证触舰点位于舰艉拦阻系统所在的区域,因此舰载机航迹是着舰信号官进行指挥决策的重要依据之一。舰载机航迹实时预测有助于着舰信号官判断着舰作业发展态势,及时形成正确的航迹纠偏引导指令。为此,提出一种基于分阶段自编码器与注意力机制的着舰航迹实时预测模型。第一阶段采用降噪自编码器对历史航迹数据进行特征提取;第二阶段基于长短期记忆网络构建时序自编码器,同时引入注意力机制对不同时刻的编码器输出分配不同的权重,自适应学习其对最终预测结果的影响强度。通过仿真实验将所提模型与6种基线模型进行对比,结果表明,所提模型的综合性能优于基线模型,能够满足着舰航迹实时准确预测的应用需求。

基于改进PSO的无人机精细化自主巡检航迹布设优化

提出基于改进PSO的无人机精细化自主巡检航迹布设优化。结合波束法测量地面像控点坐标,通过结构矩阵描述平面误差细化值,完成像控点的布设。采用改进PSO算法计算航迹子路径的变更代价,得到新的路径点,由此实现无人机精细化自主巡检航迹布设优化。实验结果表明,所提方法的无人机精细化自主巡检航迹布设时间仅为39.4 min,说明所提方法能够有效提高无人机精细化自主巡检航迹布设效率,精细化自主巡检航迹布设优化效果更好。

面向外辐射源雷达发射站定位的合作无人机航迹规划方法研究

在广域未知环境中,外辐射源雷达机动部署常面临难以及时获取第三方发射站精确位置信息的难题。为此,该文提出一种基于合作无人机航迹规划的发射站定位方法。首先,利用单个无人机作为合作目标,建立2维场景下的定位模型和量测方程,并采用列文伯格-马夸尔特(Levenberg-Marquardt, LM)算法进行解算。然后,构建融合Fisher信息和控制参数约束的优化函数,对无人机航迹进行动态规划,从而提高发射站定位的精度和方法的实用性。最后,仿真实验表明,在最大控制距离约束下,所提方法的定位结果优于直线航迹和经典优化航迹,最终发射站定位精度小于双基距离差量测标准差,能够满足外辐射源雷达系统目标探测定位的应用要求。

禁飞区约束的CSTBC无人机中继通信系统航迹优化

中继无人机的飞行路径对无人机中继通信系统的链路传输可靠性具有重要影响。为提高无人机中继通信系统链路传输的可靠性,提出协作空时分组编码(CSTBC)无人机中继通信方案,并以链路中断概率最小化准则为基础,提出中继无人机的航迹优化方法;理论分析给出系统遍历容量和分集增益;为保障中继无人机飞行安全,并获取信道的分集增益,提出无人机禁飞区规避方法。结果表明:协作空时分组编码无人机中继通信系统可充分获取信道的分集增益,改善无人机中继通信系统链路传输的可靠性。

基于注意力Seq2Seq模型的终端区航空器航迹预测

为充分挖掘机场终端区航空器航迹时间依赖性,解决中长期、多步长航迹预测精度不稳定的问题,引入注意力机制(attention mechanism)和教师监督(teacher forcing)中的指数衰减(exponential decay)采样方法,提出了一种基于序列到序列框架的机场终端区航迹预测模型(Seq2Seq-attention mechanism-exponential decay,SAE)。序列到序列框架实现了多步长预测,注意力机制提高解码器预测精度,指数衰减采样方法加速了训练阶段模型收敛,在一定程度上提高了模型的泛化性。最后,为了验证提出方法的有效性,利用天津终端区28架次、90 d ADS-B航迹数据构建原始数据集,以平均绝对误差(mean squared error,MAE)和均方根误差(root mean squared error,RMSE)作为模型性能评价指标,进行了航迹预测实验,实验结果表明:高度、经度和纬度在序列到序列框架中的循环神经网络分别采用LSTM、GRU和LSTM可以获得最好预测性能;以4种预测长度1、3、5和10 min进行建模,与基线模型中预测性能最好的结果比较,所提出方法在验证集上的高度、经度和纬度指标表现最优,10 min预测窗口下的平均绝对误差分别降低了66.30%、54.62%和36.59%,均方根误差分别降低了65.45%、38.16%和20.57%,同时,上述4种预测时长下所提出方法预测结果的均值和方差最小,表明随着预测时长的增加,模型预测结果的稳定性最好。此外,引入的注意力机制与指数衰减采样方法对有效捕捉航迹时间依赖性、提高模型泛化性均具有积极的贡献。

基于改进蚁群算法的无人机灾区航迹规划

针对传统蚁群算法用于无人机航迹规划时在大空间多维数转弯次数多、收敛速度慢甚至不收敛等问题,提出了一种改进蚁群算法。根据地图构建三维空间模型,采用对空间切片的方式来避免在寻优过程中跨越多个单元格;通过每一代最优路径来更新信息素以及引入距离启发量的策略,增强了算法的收敛性和效率,得出改进蚁群算法相对于传统蚁群算法和快速搜索随机树算法在搜索效率上分别提高了65.9%和18.1%,在平均转弯角度上分别减少了48%和61.2%,在航迹长度上比传统蚁群算法缩短了38.5%的结果。研究所提出的改进蚁群算法能为无人机救灾快速路径规划提供有效的解决方案。

基于航迹数据的改进DBSCAN聚类算法研究

为研究模拟训练航迹数据聚类,针对基于密度的噪声应用空间聚类(DBSCAN)算法参数选取不精准、聚类准确度不高的问题,提出一种改进的DBSCAN聚类算法.首先,通过KNN算法计算邻域半径并得到用于DBSCAN聚类的初始化核心数据对象,实现粗聚类;其次,根据数据对象的特点,加入航向特征进行二次聚类,既解决了DBSCAN算法随机初始化核心点和参数选取难的问题,又加入能够反映数据方向的特征;最后,进行了仿真实验.实验结果表明,改进DBSCAN算法比传统DBSCAN算法具有更好的聚类效果.

基于改进卷积网络的终端区4D航迹预测与冲突检测

随着不断扩大的旅客运输量和航线网络规模,采用飞行计划结合空中交通管制的空中管理办法已经不能与当前民航需求和空中交通流量相匹配,直接影响到航班正常率和运行安全。为解决这一问题,国际民航组织(International Civil Aviation Organization,ICAO)提出了基于航迹运行(trajectory based operation,TBO)的下一代空中交通管理运行理念,中国民航也提出了智慧民航的建设方案和目标。其中4D航迹是TBO运行的核心组成部分,也是中国建设智慧民航的重要技术指标,其可以对航空器的运行进行精确地管理和控制。因此,提高4D航迹预测的准确性成为了目前急需解决的核心问题。面向航空器的飞行任务实施阶段,从4D航迹预测和冲突检测两个问题进行了研究。在航迹预测方面,采用了基于卷积神经网络-双向门控循环单元(convolutional neural networks-bidirectional gated recurrent unit,CNN-BiGRU)的模型对航迹进行高精度预测;在冲突检测方面,引入了航迹距离检测函数以检验预测模型生成的两条航迹是否存在冲突。通过使用某繁忙终端区真实广播自动相关监视(automatic dependent surveillance-broadcast,ADS-B)历史轨迹数据进行实验,并将该方法与同一数据集上的单一长短时记忆网络(long short-term memory,LSTM)模型和门控循环单元(gated recurrent unit,GRU)模型进行了比较。仿真实验表明,CNN-BiGRU模型的评价指标均优于对比模型,同时预测的两条航迹在未来800 s内不存在冲突。所提出的方法为空中交通管理提供了一种有效的手段,具有重要的应用价值。

应用于无人机全局航迹规划的改进双向RRTs算法

针对无人机复杂环境下的全局航迹规划问题,将人工势场法与双向RRTs(Rapidly-exploring random trees)算法结合,提出一种改进双向RRTs算法。首先,目标偏置策略引导采样点以一定概率顺着目标点生成,同时随机树新节点受到障碍物斥力和目标点引力的合力影响有效避开障碍物生长,提高航迹搜寻效率,其次对随机树的节点扩展考虑了无人机飞行性能约束条件,最后采用3阶贝塞尔函数进一步航迹优化。仿真结果表明:二维和三维复杂环境中改进双向RRTs算法相比传统RRT、双向RRTs算法航迹搜索耗时减少了71.3%、24.7%和41.0%、18.6%,验证了改进算法全局搜索能力的快速性和有效性,能很好的应用于无人机离线全局航迹规划场合。

基于DMOEA-APTC算法的无人机在线航迹规划

为了解决具有时间关联性质的动态多目标优化问题,以无人机在线航迹规划问题为基础,引入时间关联特征概念并建立无人机时间关联动态多目标优化问题模型,提出一种使用自适应预测响应机制和时间关联性优化机制的动态多目标双层优化算法。根据环境变化相关性判断环境变化强弱并启用不同响应机制,快速适应环境变化;优化过程中通过最小二乘法学习历史数据拟合航迹未来预测值,根据预测可靠性自适应选择“仅优化当前”或“同时优化当前与未来”优化模式;使用改进后的切比雪夫分解法对符合偏好的航迹进行决策。实验结果表明:所提算法在复杂飞行环境下降低飞行时长的同时具有更高生存概率,提高了无人机飞行稳定性,更合理有效地处理了在线航迹规划问题。

基于遗传算法的无人机载穿墙三维SAR航迹规划方法

传统手持或车载穿墙雷达由于架设高度受限,无法对城市高层建筑内部目标进行透视成像,无人机载穿墙雷达具有灵活机动、高效便捷、无高度限制等优势,可对城市高层楼宇进行大范围三维穿透探测。三维层析合成孔径雷达(SAR)成像广泛采用多基线扫描模式,以获得高度向高分辨能力,但存在高度向空域欠采样导致的栅瓣问题。对此,该文提出一种基于遗传算法的无人机载穿墙三维SAR航迹规划方法,通过非均匀化飞行航迹,削弱周期性的雷达回波能量叠加,从而抑制栅瓣、实现更优的成像质量。该算法结合飞行距离与无人机载穿墙雷达成像质量的内在关系,建立了无人机航迹规划代价函数;利用遗传算法对3种典型的无人机飞行轨迹关键控制点进行基因编码,并进行基因杂交、变异等以优化种群与个体;最终通过最小化代价函数,分别筛选出3种典型飞行模式下的最优飞行航迹。仿真和实测数据的三维成像结果表明:相较于传统等间距多基线飞行模式,所提方法显著抑制了成像目标的栅瓣效应;此外,无人机斜线飞行的航迹长度明显缩短,提高了无人机载穿墙SAR成像效率。

基于多帧聚类的紧凑型地波雷达海上目标航迹起始方法

紧凑型地波雷达是专属经济区内海上船只目标监测预警的重要手段。由于其发射功率低、目标回波信噪比低,在对海上船只目标检测过程中较低的检测概率极易导致目标漏检,采用序贯类方法难以及时起始航迹。对此,本文通过分析杂波和目标的地理位置以及径向速度随时间变化的特点,提出了一种基于多帧聚类的紧凑型地波雷达海上目标航迹起始方法。该方法利用目标和杂波在连续多帧内运动特征的差异,在具有噪声的基于密度的空间聚类算法(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)求解聚类ε邻域的过程中增加运动特征约束,将各船只目标在多帧内的点迹聚类为不同的簇,实现海上船只目标点迹与杂波点的区分,将簇内点迹按时间顺序顺次连接得到起始航迹。利用仿真与实测紧凑型地波雷达数据开展了航迹起始实验,结果表明,与逻辑法相比,本文方法得到的航迹起始时间平均提前了5.95 min,丢点率平均降低了12.68%,解决了海上弱目标航迹起始时间滞后的问题,适用于杂波区目标与雷达远端船只目标的航迹起始。

基于IPSO-BP的船舶航迹预测研究

目的面对复杂的海上交通及密集的物流交通流,及时有效地对船舶航迹进行跟踪预测显得尤为重要,针对传统船舶航迹预测方法精确度低且效率低下的问题,提出一种改进方法。方法在船舶自动识别系统(Automatic Identification System,AIS)数据的基础上,建立改进粒子群算法(IPSO)与BP神经网络相结合的船舶轨迹预测模型,利用船舶历史航行轨迹数据,实现对未来船舶运动的预测。选取宁波舟山港的船舶历史轨迹数据进行实验,并将IPSO-BP模型的实验结果与其他模型进行比较。结果不同模型航迹预测对比结果表明,IPSO-BP模型的性能较好,其预测精度较高,适用于船舶轨迹预测。结论使用IPSO-BP模型能够更加精准地预测船舶航迹,在船舶危险预警、船舶异常监测等方面具有重要的指导作用。

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。

基于三维重建外点剔除的船舶航迹自适应修正

为了保证船舶的安全性,通过三维重建外点剔除进行船舶航迹自适应修正。采用均值限差法对船舶三维点云数据进行滤波处理,通过变窗口方差比值方法优化均值限差法,提升船舶三维点云滤波精度。针对滤波处理后的船舶三维点云数据,结合八叉树自适应网格对船舶进行三维重建,更准确地拟合船舶的表面形状。由此,在屏幕上投影八叉树自适应网格生成投影多边形,检测其与用户确定的矩形包围盒间的相交性,定义与矩形包围盒不相交的八叉树自适应网格内的点为外点,并将其剔除,可以更准确地计算船舶航行,完成船舶航迹自适应修正。实验结果表明,所提方法的点云滤波总误差控制在1.5%以内,可有效抑制海面杂波等因素造成的外点影响,且规划的航线与原定航线一致性较高,可以保证船舶的运行安全。

基于航迹预测的复杂点融合系统航班排序研究

为了提高复杂点融合系统的运行效率,对复杂点融合系统的航班排序问题进行了研究。通过BADA性能数据库对航班进行航迹预测,充分考虑了系统外的冲突对点融合系统排序的影响。以进场航班的点融合系统内飞行时间最小为目标,以安全运行间隔为约束条件,使用改进蝴蝶优化算法进行优化,并使用TAAM仿真软件进行仿真验证。经大量仿真,整体优化率在30%左右波动,证明了排序优化模型的鲁棒性和适用性,为点融合系统排序优化方面的研究提供了新思路。

基于GPSSA算法的无人机中继通信航迹规划方法研究

目前针对无人机中继通信航迹的规划方法未考虑航迹规划中存在的约束条件及代价函数,导致得到的规划航迹中断概率、通信误码率偏高.针对上述问题,提出一种基于改进麻雀算法的无人机中继航迹规划方法.根据无人机任务区信息和通信环境,建立通信障碍代价模型,通过真实约束,建立约束函数和代价函数,将其应用到麻雀搜索算法中,设计总体的航迹寻优规划流程,并应用仿真实验验证所提出的改进麻雀优化方法的有效性,实验结果表明,在不同的转角约束条件下,设计方法得到的航迹中断概率、通信误码率均有一定降低.

船舶自抗扰无模型自适应航迹控制

[目的]旨在研究船舶在真实海况下航行面临复杂环境干扰的影响,控制船舶克服干扰,实现航迹跟随、智能航行。[方法]首先,将无模型自适应控制(MFAC)算法引入自抗扰控制器(ADRC)中,设计改进自抗扰无模型自适应控制(ADRC-MFAC)算法,通过ADRC跟踪系统的实时状态、识别系统所受未知扰动,根据MFAC建立输入数据(舵角)与输出数据(航向角、角速度)之间的非线性关系,实现稳定的航向控制。然后,结合自适应视线(LOS)制导策略,通过动态航向控制实现对航迹的精准控制。[结果]仿真结果表明,所设计的控制器能够控制船舶快速航行至预设轨迹并沿轨迹行进,在复杂环境扰动下仍能够实现理想的航迹控制。[结论]研究成果不依赖船舶具体模型,可为船舶航迹控制提供参考。