弹性高超声速飞行器可调Tube-MPC容错控制

针对反馈线性化后带有状态依赖输入饱和的弹性高超声速飞行器,并考虑执行器失效或随机漂移故障和参数不确定,本文提出了可调Tube预测控制(Tube-MPC)容错控制方法。首先,基于反馈线性化后的多胞线性参变模型,考虑到部分故障发生下的保守性问题,在传统Tube-MPC控制器中引入调节因子,将鲁棒正不变集进行等比例缩减,以平衡控制性能与鲁棒性。其次,基于缩减后的不变集,分别设计辅助鲁棒控制律和标称控制律。为处理虚拟输入饱和,将标称控制律设计为无约束和约束下的凸组合形式。同时,将实际输入约束转化为约束界限与飞行状态相关的虚拟输入线性多项式约束,并利用平方和(SOS)技术将多项式约束转化为线性矩阵不等式约束进行控制律求解。最后,仿真结果验证了控制方法的有效性。

作动器故障下的无人机容错控制方法

在执行任务过程中,无人机的传感器、作动器等均可能出现故障。文章针对常规布局无人机的作动器故障,提出了1种反步法和控制分配相结合的容错控制方法。首先,建立无人机数学模型,并对作动器故障进行分类和建模;然后,根据模型设计反步最优控制器和基于控制分配的容错控制器;最后,通过仿真验证表明,所设计的容错控制方法能够实现作动器故障下的姿态快速稳定控制,且稳定性好,基本无侧滑角,各操纵面均在约束范围内,达到容错控制要求。

基于混合整数规划的机场地面运动扰动恢复

针对现有机场地面运动扰动恢复方法对计划路径偏离、滑行道关闭等干扰事件的应对能力不足,以及轨迹调整过程缺少量化评价指标优化等问题,提出一种基于混合整数规划的扰动恢复方法。利用优化技术协调受扰动影响的航空器计划轨迹,降低干扰事件对场面运行效率和其他场面调度问题的影响;同时,引入迭代冲突规避策略提高求解效率。基于真实机场布局的实验结果表明,该方法能够在计划路径偏离和滑行道关闭2类干扰事件出现后,快速、有效地调整航空器的计划轨迹,使机场地面运动恢复安全有序状态。

基于深度学习的无人机指令意图识别技术

为实现空管员直接发布指令来操控无人机,结合深度学习在自然语言处理(natural language processing,NLP)中的应用,提出一种基于深度学习的无人机指令意图识别方法。使用改进Skip-Gram模型生成指令文本的词向量,输入到卷积神经网络进行指令文本分类,得到空管员发布指令的意图。通过实验验证,结果表明:该方法能够较准确地对指令意图进行识别,有助于后续指令理解技术的实现,为进一步实现空管员与无人机直接交互做准备。

基于快速面探测方法的碳化硅表面残余应力测量

陶瓷加工后表面残余应力的测量通常采用一维X射线衍射线探测法,该方法存在测量过程烦琐、效率低、成本高等问题,因此采用新型快速二维面探测X射线衍射残余应力测量方法,对碳化硅陶瓷表面的残余应力进行测量,实验中测量了3种不同品牌碳化硅工件的初始表面和抛光后表面的残余应力。结果表明:此新方法单次测量即可获得样品500点的衍射信息,特别适用于陶瓷材料的应力测量。同时还发现:对于被加工表面的残余压应力,抛光加工最高能够消除近80%的残余应力,但不能改变工件的残余应力分布。

一种面向有人/无人直升机协同打击的地面目标任务分配方法

针对有人/无人直升机协同打击地面目标的任务分配问题,依据有人/无人直升机协同集中式结构建立任务分配模型,利用Vonoroi图粗略估算航程,并引入时敏特征函数和无人直升机最大航程限制作为任务分配模型的约束条件。采用模拟退火算法改进的粒子群算法(PSO),实现对分配模型的解算。结果表明该算法合理,具有良好的全局寻优性。

基于深度学习的无人机空地对话指令理解技术

为解决传统无人机(unmanned aerial vehicle,UAV)无法在融合空域中通过空管员进行指挥控制的问题,提出一种基于深度学习的无人机空地对话指令理解技术。通过双向长短期记忆网络(bi-directional long short-term memory,Bi-LSTM)和条件随机场(conditional random fields,CRF)进行指令关键信息提取,得到无人机可直接执行的结构化指令,实现空管员与无人机直接交互。实验结果表明:该方法能在一定程度解决传统交互模式的问题,达到空管员直接通过语音操控无人机的目的。

基于EM-EKF算法的RLV再入段气动参数辨识

可重复使用运载器(RLV)再入返回段的气动参数表现为不确定和快时变的特点,导致RLV气动特性具有强耦合性和非线性,使气动模型难以设计和控制,降低了飞行器的稳定性.在系统噪声存在的前提下,针对RLV的动力学模型,提出一种由最大期望(EM)算法和扩展卡尔曼滤波(EKF)算法相结合的RLV再入段气动参数辨识方法,以飞行高度和攻角为基准,每10 km一个区间将RLV再入段划分为3个飞行阶段,并分别进行了气动参数辨识.首先,将RLV飞行器再入段的动力学模型转换为非线性系统的状态空间模型;其次,基于状态空间模型,将飞行器的原始状态向量进行扩维,得到由待辨识气动参数和原始状态向量组成的新扩维状态向量;然后,采用EKF算法对RLV气动模型的扩维状态向量进行辨识,达到滤除噪声和估计未知气动参数的目的;之后,为了降低测量和过程噪声统计特性的设置对EKF辨识结果带来的影响,在EKF算法前向滤波和Rauch-Tung-Striebel(RTS)后向平滑过程的基础上,采用EM算法对EKF的测量和过程噪声的先验统计数据进行估计,基于估计所得到的精确噪声特性,能够更好地提高EKF算法对气动参数估计的精度;最后,通过基于EM-EKF算法与极大似然方法的气动参数辨识值对各种气动系数影响的仿真对比,验证了EM-EKF结合辨识算法的准确性.

基于DoDAF的作战任务结构建模与仿真

为解决作战需要到装备需求之间的映射关系模糊、约束不强的问题,提出一种作战任务结构建模与仿真。以美国国防部体系结构框架DoDAF为理论基础,结合体系架构建模工具,以某岛夺取与控制场景为例,构建作战体系结构模型,推演了作战要素及其之间的运行策略,并通过STK仿真进行演示与验证评估。结果表明:基于DoDAF的体系结构设计能够显性化地呈现作战体系的逻辑,更清晰地描述作战场景下的需求,为后续装备需求提供决策参考。