基于POD和Kriging的水滴收集量快速预测方法

数值模拟手段预测翼面处水滴撞击特性通常较为耗时,为快速准确计算结冰条件下的翼面处水滴收集量,提出了基于本征正交分解和代理模型的水滴收集量快速预测方法。首先对FAR 25部附录C中连续最大结冰条件进行优化拉丁超立方采样,通过数值模拟手段获得各采样点在翼面处水滴收集量分布,从而构造样本空间。在此基础上,利用本征正交分解(Proper orthogonal decompostion,POD)方法找到表达和重构水滴收集量的本征模态以及相应的拟合系数。最后,利用Kriging模型建立样本空间中各采样点与拟合系数间的代理模型,实现翼面处水滴收集量分布的快速预测。经多组工况验证表明:该方法可较为准确地预测翼面处水滴收集量分布,其计算成本较数值模拟方法大幅降低,能够为无人机防除冰设计提供有益参考。

高功率微波无人机反制系统研究

针对不依赖遥控和导航的无人机及机群的反制需求和传统硬杀伤武器反应速度慢、费效比高等问题,研制了高功率微波无人机反制系统,该系统主要由脉冲调制器、脉冲磁控管、大功率传输波导系统及辐射天线等组成。本文简述了系统的设计方案,包括系统的组成和各分机的参数设计。辐射测试和效能试验结果表明:系统脉冲等效辐射功率达到20 GW,能够满足200 m空域内无人机及机群反制需求。系统工作不依赖于无人机的控制和导航方式,同时具备攻击速度快、费效比低、受天气影响小的特点。

基于DoDAF的反无人机装备体系结构建模

针对当前反无人机作战研究热点,以要地反无人机装备体系需求分析为输入,基于美国国防部体系结构框架(department of defense architecture framework,DoDAF)标准,采用基于模型的体系架构(model-based systems engineering,MBSE)设计方法,构建反无人机装备体系,完成体系结构建模和方法设计,选取典型作战视角和系统视角描述模型,给出较为全面、直观的反无人机装备体系顶层概念框架,可为未来反无人机作战及装备发展提供思路与借鉴。

基于YOLOv5s-AntiUAV的反无人机目标检测算法研究

随着无人机的应用领域不断拓展,无人机的“黑飞”给公共安全造成严重损害。为解决侵入式无人机小目标在复杂飞行环境下的错检和漏检问题,提出基于YOLOv5s-AntiUAV的反无人机目标检测算法。首先,引入结合深度超参数卷积的Slim-Neck范式,增强算法特征提取能力并保持计算效率。其次,在骨干和颈部网络引入SPD-Conv模块,提高在低分辨率图像中小目标的检测性能。最后,用Alpha-CIoU替换YOLOv5s算法中的CIoU,增强算法泛用性。YOLOv5s-AntiUAV算法与YOLOv5s、SSD和Faster R-CNN算法在数据集Anti-UAV上的对比实验结果表明,改进算法的mAP@0.5值分别增长了1.1、12.1和4.9个百分点,凸显其实用性。由在VisDrone2019数据集上进行的迁移实验显示,相较于YOLOv5s算法,改进算法mAP@0.5值提升了4.5个百分点,表明其相较于原算法具有更强的鲁棒性。

基于仿人发育的混合空域智能无人机防碰撞策略研究

随着低空开放政策的实施,无人机将会脱离隔离空域,进入低空与各式各样飞行器混合进行飞行;而防碰撞能力作为无人机的关键技术,在混合空域中保持无人机安全飞行起到了至关重要的作用;通过对人的发育式学习防碰撞机理进行分析,建立了面向混合空域中密集障碍的实体模型和发育模型,最终构建了基于仿人发育的无人机防碰撞方法;仿真实验表明,提出的方法不仅使无人机可以通过学习与发育不断提高飞行安全性,而且还可以随着环境熟悉度的提升,加快无人机防碰撞行为,提高了无人机在混合空域密集障碍中的安全性与智能性。

基于离线学习的无人机网络抗干扰通信方案

无人机面临先进干扰技术的挑战,易受恶意节点攻击、数据截取和篡改,传统的抗干扰决策存在一定局限,无法根据干扰信号的变化进行自适应调整,而基于深度强化学习(Deep Reinforcement Learning,DRL)的抗干扰通信模型需要长时间与环境交互,对抗干扰的环境要求较高。研究了基于Decision Transformer的离线抗干扰方法,其能快速稳定地获得实用的抗干扰决策模型。仿真试验验证了该算法在加性高斯白噪声信道和衰落信道环境下抗干扰决策的有效性,且该离线方案在训练迭代次数较少时便能达到预期奖励目标。

一种雷达引导分布式光电跟踪校正算法

本文提出了一种雷达引导分布式光电跟踪校正算法,基于雷达初步定位目标位置信息,系统控制光电快速锁定引导目标,并接收光电回传的图像信息。通过基于深度学习的智能图像处理技术对图像中的目标进行检测、识别和跟踪。综合目标检测技术解算到目标在图像中的像素偏移值,对目标位置进行修正,进而提高目标的定位精度,实现了对空中无人机目标的实时图像监视和跟踪,为无人机打击提供更为精确的目标位置信息,满足从远距离到近距离目标实时跟踪,实现对跟踪过程的全域态势显示,形成覆盖特定防护区域可灵活重构、立体的无人机目标观测网。

基于主干增强和特征重排的反无人机目标跟踪

视频图像中面向无人机的目标跟踪是反无人机任务中的重要一环。无人机低空飞行背景复杂,同时在视频图像中目标像素占比较小,都给目标跟踪增加了难度。针对以上问题,以SiamRPN++为基础,提出了一种引入改进的主干网络和特征重排的孪生神经网络目标跟踪算法(SiamAU)。首先,在主干网络中加入ECA-Net注意力机制网络,同时对激活函数进行改进,以提升复杂背景下的特征表征能力;然后,对主干网络输出的浅层特征进行浅层降维并与后三层深层特征进行融合,得到更适合无人机等小目标跟踪的改进深度融合特征。在DUT Anti-UAV数据集上,SiamAU算法的成功率和精确率达到了60.5%和88.1%,相比基准算法提升了5.6%和8.1%。在两个公开数据集上的测试结果表明,在反无人机场景中SiamAU算法的跟踪表现优于目前主流的算法。

改进YOLOv5的变电站反无人机目标检测算法

针对目前变电站容易遭遇无人机入侵所面临的实际问题提出了一种改进YOLOv5的反无人机目标检测方法。首先,通过改进YOLOv5原模型结构提出四尺度特征融合结构,增强小尺度物体的检测能力;其次,将原有模型内C3模块引入Transformer编码器,提升小目标特征信息学习能力;最后,将卷积通道注意力模块集成到网络中,专注于目标区域的学习以提升模型对于特征的表征能力。测试结果表明,改进后模型整体识别率达到90.2%,平均精度可达89.5%,前向推理速度可达160帧/s。此外,综合对比现有其他前沿算法,该方法整体性能更优,更能满足变电站反无人机的实时检测需求。

无人机协同定位防欺骗的WGAN-TM识别方法

针对无人机协同定位面临的欺骗干扰状态难以精准识别的问题,提出了一种结合WGAN和信任模型(TM)的欺骗定量识别方法。基于WGAN实现编队受扰状态的快速检测,在此基础上利用编队协同定位信任模型,实现被欺骗无人机精准识别。仿真结果表明,与同类方法比较,所提方法在甄别被欺骗无人机方面,具有较高的精确性和稳定性,并且,在训练阶段无需大量异常样本,在精准甄别阶段也无需新增大量数据交互。

基于视觉伺服的四旋翼吊挂抗摆控制方法

四旋翼吊挂飞行时载荷的摆动会显著影响无人机的操纵性和稳定性,无人机运动会引起负载振荡,严重威胁控制系统的安全。针对无人机从起飞阶段加速跟踪远距离时变期望轨迹,尤其是弧形轨迹的过渡过程中,吊挂载荷摆动频率较高的问题,提出了一种基于视觉伺服的三闭环轨迹跟踪和载荷抗摆控制方法,通过对期望姿态角指令进行修正,减小载荷摆动对无人机的影响。对不同吊挂载荷质量以及载荷质量突变的情况进行了分析,仿真和飞行实验结果表明,该抗摆控制策略不但可以极大地降低吊挂载荷的摆动频率,还能使无人机平稳跟踪期望飞行轨迹。

面向异构传输需求的多无人机通信协同抗干扰决策方法

干扰条件下的多无人机通信中,用户根据业务有不同的通信需求,而各个信道质量也不同,对抗干扰通信决策提出了业务需求与资源匹配的新要求。针对外部对抗性干扰场景下,多个用户如何选择适合的信道和功率,在干扰躲避、内部冲突控制以及功率优化的同时实现有限资源的高效利用这一问题进行研究,提出了一种面向传输需求匹配的抗干扰决策方法。首先,利用部分重叠信道的特性进行信道资源复用;然后,运用多用户协同强化学习训练用户信道选择策略,并使用斯坦伯格博弈对功率进行优化,实现对用户异构传输需求进行资源匹配。所提方法能实现干扰条件下的多用户异构传输需求的信道和功率联合优化,提升资源利用合理性,实现传输效果的提升。

反无人机蜂群作战战术战法运用分析

随着无人机技术快速发展和广泛应用推广,无人机蜂群作战也逐渐成为现代战争中重要的作战方式,如何反制无人机蜂群作战已成为当前防空系统的一个全新挑战。文中从无人机蜂群作战的概念内涵入手,深度分析了无人机蜂群作战特点以及反制无人机蜂群关键技术与作战过程,并总结出一套反制无人机蜂群作战的战术战法,对反制无人机蜂群作战具有很好的参考意义。

反无人机对炮兵阵地侦察监视的对策分析

近年来,世界各国不断采购各种类型无人机,着力强化无人机系统部署,尤其是侦察监视无人机,如何就反无人机对炮兵阵地侦察监视展开研究,成为当前军事研究者思考越来越多的问题。因此,文章从无人机对炮兵阵地侦察监视常用方法手段出发,分析炮兵阵地被无人机侦察监视后带来的影响并对炮兵阵地反无人机侦察监视当前现实状况进行总结,从而提出炮兵阵地反无人机侦察监视的对策与措施。

无人机自适应变极化抗干扰天线研究

现代信息化战场上,无人机以其独特的优势,得到了广泛的应用,然而日趋复杂的电磁环境对无人机通信造成了严重的影响。文中针对无人机通信数据链的抗干扰需求,利用微波铁氧体双折射效应和自适应快速变极化控制,设计了一种无人机自适应变极化抗干扰天线。无人机自适应变极化抗干扰天线是利用微波铁氧体双折射效应快速产生垂直极化波、水平极化波、左圆极化波、右圆极化波、椭圆极化波等任意极化波辐射空间与干扰波形成极化正交压制干扰,当无人机受到自然或人为有源同频干扰时,天线能够快速改变极化状态抑制干扰,保持无人机通信畅通。重点从工程应用角度分析了无人机自适应变极化抗干扰天线的原理和技术要点,并针对天线在2.4 GHz~2.5 GHz工作频段的抗干扰效果进行了抗干扰试验。

语义通信下基于强化学习的无人机通信容错协同控制

无人机集群技术近年在各类军民应用中得到了广泛应用。为了提高无人机执行任务的成功率,无人机集群的通信与协同成为重要技术研究方向。然而,在通信不确定的环境下,无人机通信与协同可能受到主观或客观环境因素带来的通信干扰,无法正确地收发信息,导致协同任务失败。为解决这一问题,针对通信受限环境下“长机-僚机”伴飞跟随的需求,提出语义通信下基于强化学习的无人机通信容错协同方法。该方法在基于强化学习的僚机跟随策略基础上,引入语义通信机制和基于近端策略优化算法的长机行为预测算法。在正常通信时,僚机会接收长机通信信息并执行相应指令操作;而在通信受限时,僚机利用历史通信信息提取语义信息,匹配自身的语义通信模型以推测长机的未来目标。同时结合对长机行为模式的学习预测模型,决策僚机自身前进方向。在无额外通信抗干扰设备负载的条件下,一定程度上能抵御通信干扰,实现对长机的不间断跟随,从而提高通信受限环境下任务协同效率。通过实验证明,相较传统方法,基于语义通信的强化学习无人机通信抗干扰方法能更好地适应复杂环境,实现更佳的僚机跟随效果,有效提升通信间断情况下的任务成功率,为无人机在通信受限环境下的协同应用提供了可行的解决方案。

俄乌无人机攻防作战对反无装备发展的启示

根据俄乌双方在冲突中采用无人机攻防作战的情况,研究未来应对以无人机为代表的新型空中威胁的方法。通过梳理俄乌双方投入的无人机整体概况,总结双方运用各类无人机构建一体化侦察与进攻体系的方法;从应对无人机威胁角度出发,系统梳理双方投入的反无人机装备整体概况,总结双方运用各种软硬杀伤手段构建一体化反无人机体系的方法。基于战争实践经验,并结合美军等强敌对无人机、反无人机装备的发展情况,提出未来反无人机装备发展的若干启示与建议。

基于无人机携带自主避障功能研究

针对解决心脏病患者和突发事故导致需要做心肺复苏的人的需求,提出了一种无人机携带自主避障功能研究的方法。通过双目摄像头、毫米波雷达、红外测距传感器三者完成无人机的避障功能,通过所设计的一款磁吸装置以及配套的收纳盒装置以完成无人机的携带功能。

变电站无人机自动化巡检系统抗电磁干扰设计

针对变电站无人机自动化巡检系统抗电磁干扰性能较差的问题,提出变电站无人机自动化巡检系统抗电磁干扰设计方法。该系统的抗电磁干扰总体框架包含抗电磁干扰子系统、无人机自动化巡检子系统,抗电磁干扰子系统能够自主感知巡检子系统遭受的电磁干扰程度、实时判定电磁干扰等级,达到预警线之上则控制地面发射功率,保障巡检数据被实时、完整回传至地面站;当机载接收器遭受电磁干扰时,采用小波阈值降噪法处理电磁干扰信号噪声,并搭建清除等效电流磁扰补偿模型,实现抗电磁干扰。实验结果表明,该方法能够将电磁干扰信号控制在安全范围之内,降噪处理后误差明显缩小,能够较好补偿电磁干扰信号,且信息传输性能极佳。

基于模糊PID的大型双旋翼无人机

相较于四旋翼无人机(Unmanned Aerial Vehicle,UAV),大型双旋翼无人机具有价格低廉、续航长以及效率高等优点,但存在耦合严重、抗干扰能力差等问题。为解决上述问题,文中提出了一种采用变论域模糊PID(Proportional Integration Differentiation)双旋翼控制算法。将无人机系统分解为位置控制和姿态控制两部分,在姿态控制上采用模糊PID实时调节PID参数,从而提高无人机的稳定性。根据无人机的运动方式提出一种新型无人机结构,搭建了双旋翼的动力学模型,并在Simulink上搭建了仿真模型进行验证。结果表明,相较于普通PID控制算法,所提算法将控制的超调量减少了50%,说明该算法在大型双旋翼无人机上具有更好的稳定性,在受到干扰的情况下可更快恢复。