四旋翼无人机旋翼对机身非定常气动干扰特性

四旋翼无人机的旋翼对机身构成非定常气动干扰,影响整机的动力学特性。针对此问题,采用计算流体动力学(CFD)计算方法,在刚体假设和不可压流假设下获得无人机机身在前飞工况下受力与力矩的非定常变化情况,并进行风洞实验,验证CFD方法的合理性和计算结果的准确性。采用快速傅里叶变换方法,得到机身所受旋翼气动干扰的模态,从而在干扰力和力矩的变化频率与大小方面进行分析。结果表明:机身所受旋翼的气动干扰与旋翼的转速相关,并且可以由一个5阶傅里叶级数较好地拟合;相对于后旋翼,前旋翼对机身的气动干扰更强;经过简化,单1阶模态的傅里叶级数可以描述升力变化的主要特点,1~3阶模态的傅里叶级数可以描述阻力变化的主要特点;俯仰力矩的周期变化规律可以用单2阶模态的傅里叶级数描述,变化细节可以用1~4阶模态的傅里叶级数描述。

一种基于迁移学习的多任务制导算法

针对典型的飞行器制导任务,利用深度学习算法可以有效地拟合导弹飞行状态与制导指令之间的函数关系。然而当制导任务发生变化时,其二者之间的映射关系也会随之改变,从而导致在当前环境下预训练好的模型无法直接作用于新环境,重新训练制导模型需要大量的弹道数据和巨额的时间成本。为解决上述问题,基于迁移学习的思想引入域对抗神经网络,提出基于迁移学习的多任务制导算法。以1个含有大量标签数据的源域任务辅助2个含有极少量标签数据的目标域任务进行迁移学习,从而克服预训练与在线控制之间的环境差异。使用特征提取器和域判别器提取出对任务环境不敏感的关键特征,使神经网络学习到各个任务所共享的底层信息;为提高预测精度,分别设计针对不同任务的偏置加速度预测器。数值仿真结果表明:基于迁移学习的多任务制导算法实现了导弹在不同任务中的加速度指令预测。

无人机视觉引导对接过程中的协同目标检测

无人机空中自主回收是未来的发展趋势,对空中载具的自动识别是实现视觉引导回收的关键技术之一。目前对于空中关联目标检测的研究局限于单个目标个体,没有充分利用关联目标之间的信息。本文针对空中高动态对接中的关联目标检测问题,提出了一种母机与挂载对接物体的单阶段快速协同目标检测算法,包括相关类别并行独立分支目标检测、相关类别掩模增强检测以及相关类别的特征一致性约束,这些模块能够共同提升检测表现。实验表明,在测试集中该算法相比于YOLOv4能够提升4.3%的平均精度,相比YOLOv3-Tiny能够提升31.6%的平均精度。同时,该算法已应用在MBZIRC2020的高动态空中对接项目上,实现机载图像在线实时处理,团队借此斩获冠军。

非对称机动能力多无人机智能协同攻防对抗

协同攻防对抗是未来军用无人机的重要作战场景。针对不同机动能力无人机群体间的攻防对抗问题,建立了多无人机协同攻防演化模型,基于多智能体强化学习理论,研究了多无人机协同攻防的自主决策方法,提出了基于执行-评判(Actor-Critic)算法的集中式评判和分布式执行的算法结构,保证算法稳定收敛的同时,提升执行效率。无人机的评判模块使用全局信息评价决策优劣引导策略学习,而执行时只需要依赖局部感知信息进行自主决策,提高了多机攻防对抗的效能。仿真结果表明,所提的多无人机强化学习方法具备较强的自进化属性,赋予了无人机一定智能,即稳定的自主学习能力,通过不断演化,能自主学习提升协同对抗的决策效能。

基于全驱系统方法的制导控制一体化设计

针对滑行转弯导弹拦截高机动目标的制导控制系统设计问题,提出了一种基于全驱系统和反步法相结合的制导控制一体化设计方案。首先,考虑目标的机动特性,建立了二阶严格反馈的制导控制一体化非线性模型,消除了中间过程量,简化了建模和计算过程。其次,设计降阶状态观测器,对包含目标未知机动、系统未建模部分、气动参数等扰动进行估计,并在控制器中进行前馈补偿。随后,基于高阶全驱系统方法,结合反步控制方法,设计具有拦截角度约束的制导控制一体化方案,使用极点配置方法,得到闭环系统控制系数矩阵,满足期望的系统性能。引入Lyapunov函数,证明闭环系统稳定性。最后,通过不同场景和对比仿真试验,证明了所设计的制导控制一体化方案的有效性、优越性和鲁棒性。

基于最大似然估计和混合梯度优化的射手模型辨识

光纤制导过程中射手对于光电显示的响应及其控制行为将直接影响弹药的制导控制性能。针对此问题,将最大似然估计法应用于射手模型辨识研究中。为解决辨识过程中遇到的非线性优化问题,采用遗传算法和高斯-牛顿优化算法混合策略提高寻找全局最优解的概率,并使用单纯形法提高算法鲁棒性。基于交叉原理提出适用于导引头回路的精确模型,设计仿真实验平台并进行了多轮次人在回路实验,将输出误差框架下的最大似然估计方法成功应用于实验数据中。结果表明:混合梯度优化算法能够找到全局最优值,辨识模型能够准确反映射手本身的动态特性,辨识方法和辨识的射手模型对于光纤寻的弹药制导控制系统设计具有一定的实际意义。

面向高机动目标拦截任务的空空导弹制导方法综述

当下高速飞行武器技术的飞速发展为防空反导任务带来严峻挑战,亦对应用于空空导弹的目标轨迹预测技术与空空导弹制导技术提出全新要求。在此背景下,本文提出空空导弹目标预测与制导任务的新需求,以两种典型空空导弹为例介绍第四代空空导弹的特性,阐述了空空导弹制导系统工作方式,详细综述了高速目标轨迹预测方法、制导算法以及制导控制一体化方法的研究现状,并对比分析了各方法的优势与缺陷。最后,对仍需进一步研究的问题进行展望。

基于快速一致性理论的多导弹协同制导

针对多枚导弹协同攻击时需提前装定协同时间和剩余飞行时间的问题,通过二阶连续时间多智能体系统一致性理论,利用两段式制导实现了一种多弹一致的协同制导策略,该方法不需要提前装定协同时间和剩余飞行时间信息,避免剩余飞行时间估计误差对协同时间和制导精度的影响。同时为了加快状态趋于一致的速度,设计了一种快速一致性算法,给出了系统的最大允许延迟。将快速一致性算法应用到协同制导中,与标准一致性算法的仿真对比,快速一致性算法下的各导弹状态趋于一致的时间缩短,弹间需要通讯的时间减少,使各导弹更快进入末制导段。

基于最优误差动力学的时间角度控制制导律

针对带有攻击时间和终端攻击角度约束的导弹制导问题,设计了一种基于最优误差动力学的时间角度控制制导律,并给出了明确的性能指标。推导广义最优角度控制制导律作用下的剩余飞行时间估算表达式,在广义最优角度控制制导律的基础上增加攻击时间误差反馈项,将攻击时间误差看做跟踪误差,设计的制导律使跟踪误差以最优模式在有限时间内收敛到零,最终实现攻击时间和终端攻击角度的共同控制。对不同参数下的情况进行仿真,验证了所提制导律的有效性。

针对运动目标的可观性增强非线性最优制导律

针对采用捷联式导引头的被动寻的导弹的制导信息估计问题,提出一种适用于非线性系统的可观性增强最优制导律。在固连于目标的虚拟相对直角坐标系中建立非线性运动学模型。依据克拉美-罗下界理论,将视线角速率的时间积分作为系统可观性度量,设计了以相对距离为自变量的、综合考虑系统可观性、命中精度和能量消耗的性能指标,避免了制导方案对剩余飞行时间的依赖。利用变分法求解最优问题,得到了制导律解析解。数值仿真结果表明所提制导方案能够在仅测角条件下实现导弹对运动目标的拦截。与基于线性化模型设计的可观性增强最优制导律相比,所提制导律在拦截运动目标时对系统可观性的增强更为显著,使制导信息估计误差的数值更小、收敛速度更快,能使导弹具有更高的命中精度。

基于迁移学习的角度约束时间最短制导算法

由于导弹所处的气动环境等外界条件复杂多变,因此在特定气动环境中表现优异的深度监督学习制导算法将无法直接作用于新环境,这给制导指令的精准预测带来了很大挑战。针对上述问题,本文以落角约束下优化飞行时间的制导问题为背景,提出了一种基于迁移学习的角度约束时间最短制导算法,该算法只需极少量的新数据,便能使制导律迅速适应不同的气动环境。在本文中,我们首先通过域对抗地训练特征提取器和域判别器,从不同气动环境的弹道数据中提取出对气动变化不敏感的关键特征;其次设计了适应于不同气动环境的偏置加速度预测器,进而实现了对导弹的精准制导;最后,大量数值仿真结果表明,在新气动环境下,基于迁移学习的角度约束时间最短制导算法仍能实现制导指令的精准预测。

基于快速非奇异终端滑模的机械臂轨迹跟踪方法

为使机械臂按预定轨迹运行,设计了一种基于快速非奇异终端滑模的新型现代控制方法。该方法结合了传统的快速终端滑模和非奇异终端滑模,具有快速性、非奇异性、有限时间收敛性和强鲁棒性,并可有效抑制滑模控制器固有的抖振现象。首先,将机械臂简化为二自由度刚性连杆系统并建立数学模型;其次,设计鲁棒控制器;然后,构造李雅普诺夫函数验证其稳定性;最后,详细的对比仿真表明了本文方法的有效性。

射手模型优化与辨识及其对图像制导的影响

基于数据链通信的人在回路制导模式额外引入了射手动力学而且存在图像信号延时,含有射手动力学的控制回路会对目标在视场(LOS)中的误差角进行跟踪补偿,从而提升图像制导弹药的制导控制性能。为探究射手动力学和图像信号延时对人在回路制导性能的影响,基于真实的图像导引头模型及参数,设计校正网络以满足导引头稳定回路的性能需求;引入两类射手模型,针对射手模型2,优化模型结构并通过贴近真实环境的辨识实验得到动力学参数,弥补了现有建模的不足。基于射手对不同图像信号延时的适应性,对比研究了两类射手模型与不同图像信号延时对导引头控制系统稳定性、快速性和人在回路比例导引制导精度的影响。仿真结果表明:图像信号延时越长,导引头跟踪速度越低、误差角越大,制导系统的收敛时间越长;优化后的射手模型2及其参数辨识更准确地描述了射手的操作行为,对制导系统的影响较低且满足系统性能要求。

基于虚拟视角约束的机动目标拦截制导方法

为使导弹能够以一定的末端攻击角度对机动目标进行拦截,提出了一种带有终端虚拟视角约束以及终端视线角约束的机动目标拦截制导方法。基于速度系各运动矢量之间的变换关系,建立了虚拟相对运动坐标系下的非线性模型,并将线性模型中多项式制导的思想创新性地引入到非线性模型中,通过末端虚拟视角约束以及末端视线角约束对关于弹目距离的多项式虚拟控制量进行求解,并根据虚拟矢量与运动矢量之间的变换关系得到速度系下的加速度指令表达式。针对不同制导系数、不同末端攻击角度及不同类型的机动目标等条件进行了仿真验证,同时与弹道成型制导律进行了仿真对比。仿真结果表明,所提出的制导律可以使导弹以期望的攻击角度拦截机动目标,末端虚拟视角收敛为零,避免了末端指令饱和现象。

过虚拟交班点的能量最优制导律

针对固定目标的导弹过虚拟交班点制导问题,在希尔伯特空间下,基于最优化理论设计了有无终端落角约束两种情况下的全局能量最优制导律。通过对模型进行线性化,将提出的最优制导模型转化为线性二次型最优控制问题,在此基础上利用零控脱靶量(ZEM)概念对系统模型进行降阶,并推导出解析解。设计的制导律可以使导弹准确经过虚拟交班点,并实现期望终端落角。仿真结果表明,与经典制导律对比,该制导律可以显著减少全局控制能量消耗。

基于预测校正的落角约束计算制导方法

针对带有落角约束的导弹制导问题,提出一种基于预测校正思想的计算制导方法。根据导弹飞行状态与落角之间的映射关系设计了深度监督学习网络,在导弹飞行过程中基于观测信息实时预测落角;根据落角误差与控制指令之间的映射关系设计了深度强化学习模型,在比例导引律的基础上增加偏置项,基于预测落角误差实时输出偏置项,校正落角误差。引入深度监督学习网络解决了传统强化学习方法中的稀疏奖励问题。设计了仿真飞行实验训练深度监督学习网络与深度强化学习模型,然后测试了提出的计算制导方法的性能。仿真结果表明所设计的计算制导方法准确地实现了落角控制,在嵌入式计算机的计算精度高,实时性好,具备工程实用价值。