再入目标光学跟踪中的跟踪算法和目标捕获

再入目标速度高、特性复杂,跟踪这种目标的光测设备必须具备跟踪能力强、快速响应的特点。为了确保光学部分在整个测量过程中始终锁定在目标上,常采用实时视频跟踪方案。这里必须选择合适的数字数据处理技术,对测量数据进行滤波和预测。本文对一些具有应用价值的预测和滤波算法进行了评价和比较,并给出了仿真结果。对高速目标的捕获问题,提出了采用随机零位跟踪和手动捕获加预测的新方法。     

基于改进布谷鸟算法的舱门锁定可靠性分析

民机舱门的锁定功能对民机飞行的安全性和可靠性起到非常重要的作用。将民机舱门锁定机构的过中心锁定可靠性安全边界方程转化为无约束的优化问题,来求解舱门过中心锁定可靠性指标。提出了一种改进的布谷鸟算法,以提高基本布谷鸟算法的收敛速度和计算精度,并将算法引入到民机舱门过中心锁定可靠性分析中。研究结果表明,在对民机舱门过中心锁定可靠性分析过程中,所提出的改进的布谷鸟算法与蒙特卡洛法、遗传算法相比,计算精度与计算效率都有显著提高。     

32 位定点运算数学库IQmath 在航空发动机FADEC 系统中的应用

为提高航空发动机FADEC系统定点CPU的计算效率和计算精度,针对实际工程应用中的数学运算的方法展开讨论,分析了定点数运算和浮点数运算在计算精度和运行效率方面存在的差异。参考TI公司的设计理念,自行设计了支持统一定点算法和可变定点算法的32位定点运算数学库IQmath。在国内发动机控制领域不再依赖国外的库函数,掌握了32位定点数学库的源代码,并在实际项目中应用了IQmath数学库。试验结果表明:IQmath数学库的应用提高了定点CPU数学运算的精度和效率,完满实现了预定的控制算法。     

基于A~*蚁群算法的无人机航路规划

针对低空密集复杂环境,在构建环境模型及无人机模型的基础上,提出了一种综合运用A~*算法与蚁群算法的智能航路规划方法。其中A~*算法用于全局航路规划,蚁群算法用于局部路径重规划,利用A~*算法的导向性克服蚁群算法收敛速度慢的缺点,能够使无人机快速到达目标点。仿真结果表明,A~*蚁群算法不仅可以全局引导蚁群算法快速收敛,使无人机快速飞向目标点,同时也可以在局部环境中规避障碍,保证无人机的飞行安全。     

基于DE-MADDPG的多无人机协同追捕策略

针对多无人机协同对抗快速目标的追逃博弈问题,研究了多无人机的协同追捕策略。基于解耦多智能体深度确定性策略梯度算法DE-MADDPG研究了多无人机协同对抗快速目标的追捕策略,设计了多无人机协同追捕的全局奖励和局部奖励两种奖励函数,训练后的多无人机能够有效地执行协同追捕任务。通过设置快速目标的多种逃逸控制策略,仿真验证了所设计的方法能够利用追捕无人机的数量优势,通过协作完成对快速目标的协同围捕,并且通过比较,验证本文所提出的算法相比MADDPG算法更快地取得了收敛效果。     

航拍机场图像中的一种目标匹配算法

针对小波变换的多尺度图像匹配算法仍然存在的问题--迭代落入局部最优点,提出了一种在航拍机场图像中运用小波变换多尺度和遗传算法相结合的目标匹配算法。试验结果证明,这种算法可以在航拍机场图像中准确、快速地识别出匹配的目标。     

扩展近似时间最优伺服控制及其试验验证

针对带有惯性阻尼环节的典型伺服系统,提出一种能实现大范围快速定点运动的控制方案。控制方案首先利用时间最优控制律进行快速目标追踪,当系统速度下降到一定范围内时平滑切换成线性控制律。采用线性控制区内的闭环极点阻尼系统和自然频率作为设计参数,给出了全参数化的控制律。基于Lyapunov理论分析了控制系统的闭环稳定性。将该控制方案用于一个直流伺服电机的位置-速度环的定点位置控制,并进行了MATLAB数字仿真和基于TMS320F28335 DSC的试验研究。结果表明:所设计的控制系统可以对大范围的给定目标进行快速和准确的跟踪,且对扰动和系统参数差异具有较好的鲁棒性。     

基于流形结构重建的多目标气动优化算法

在多目标优化中,Pareto解集是一个分段连续的k维流形,这一规律被传统进化算法所忽略。本文提出了一种基于流形结构重建的多目标优化算法,首先利用流形结构重建方法完成解集分布从目标空间到设计空间的映射,建立解集的概率分布,并在目标空间中扩展流形结构,从而借助解集在目标空间的推进来指导优化算法的快速演化。数值算例表明本文算法对于具有不同特征的Pareto前沿具有很好的适应性,能够极大提高算法的收敛效率。多目标气动优化算例验证,本文算法相比于常规多目标进化算法能够减少约80%的计算量,极大程度缩短了气动设计的周期。     

高效确定重叠网格对应关系的距离减缩法及其应用

提出了“距离减缩法”,可以通过搜索有限几个数目很少的点来寻找到目标单元,从而可以快速确定重叠网格之间的对应关系,应用于重叠网格洞点识别与插值单元寻址两个方面,并且还可以结合Inverse Map方法高效建立网格之间的映射关系。该方法将三维搜索化为准一维搜索,大幅度提高搜索效率,且算法通用性强、易于实现。应用表明：利用该方法可以迅速识别洞点,与等参变换结合可以有方向地快速锁定插值单元,找点效率高,适用于计算流体力学(CFD)三维非定常计算中有相对运动的重叠网格系统在每一个时间站位都需要重新进行洞点识别与插值单元寻址的计算,可以有效节省计算时间,具有工程实用价值。     

一种融合卡尔曼滤波的改进时空上下文跟踪算法

针对时空上下文跟踪算法对快速运动和遭受严重遮挡目标的跟踪精度下降问题,提出一种融合卡尔曼滤波的改进时空上下文跟踪算法。首先人工标记目标所在的矩形区域,然后利用改进的时空上下文算法对目标进行稳定跟踪,在跟踪过程中,基于连续两帧图像灰度的欧氏距离判定目标跟踪状态,当判定目标遭受严重遮挡时,利用卡尔曼滤波进行预测估计。算法对噪声有一定的容忍度,通过降低噪声对跟踪过程的影响,能够得到更优的目标区域。仿真实验结果表明:本文算法适用于不同光照强度下高速、高机动目标的稳定跟踪,并且对目标的尺度变化和短时严重遮挡具有鲁棒性。算法帧平均耗时为34.07ms;帧几何中心平均误差为5.43pixel,比时空上下文算法减少70.2%;目标轮廓面积平均误差为13.08%,比时空上下文算法减少52.7%。     

无人机跟踪运动目标航迹规划算法

对无人机跟踪运动目标的原理进行了分析,设计了跟踪系统的动力学模型,提出了一种基于切线法的航迹规划算法。在动力学约束条件下实现了对无人机的航迹、速度、加速度等的最优控制,从而解决了无人机跟踪运动目标问题,并给出了算法的具体设计步骤。仿真结果表明,该算法能够快速、有效地为无人机规划出跟踪运动目标的最优航迹。     

基于自适应Siamese网络的无人机目标跟踪算法

无人机已被广泛应用到军事和民用领域，目标跟踪是无人机应用的关键技术之一。针对无人机跟踪过程中目标易发生形变、遮挡等问题，提出一种基于自适应Siamese网络的无人机目标跟踪算法。首先，利用2个卷积网络构建一个5层Siamese网络，通过对模板特征与当前帧图像特征进行卷积得到目标位置；其次，利用高斯混合模型对以往的预测结果进行建模并建立目标模板库；然后，从模板库中挑选出最可靠的目标模板并以此更新Siamese网络的匹配模板，使Siamese网络能够自适应目标的外观变化；最后，引入回归模型进一步精确目标位置，降低背景对网络性能的影响。仿真实验结果表明：该算法有效降低了形变、遮挡等情况对跟踪性能的影响，具有较高的准确率。     

目标短时遮挡下的光电平台目标跟踪预测与控制

无人机在高空飞行并跟踪地面目标的过程中,当目标受到障碍物遮挡,会导致跟踪失败。本文建立了目标相对无人机的运动模型,设计了基于卡尔曼滤波的目标预测器,并在目标遮挡发生时利用目标角位置预测值以及姿态锁定回路实现了对目标的预测跟踪。本文运用相似性原理设计了室内目标跟踪场景。仿真和试验证明,本文所设计的预测器能较好的预测目标角位置,与控制回路相结合能克服短时间的目标跟踪丢失。     

无人机测控通信系统中智能天线技术

针对无人机测控与信息传输系统中地面设备笨重、跟踪速度慢等问题,提出地面天线采用智能天线的方法,利用MUSIC(MUltiple SIgnal Classification,多重信号分类)算法实现对机载终端的DOA(Direction Of Ar-rival,波达方向)估计,并添加去相关操作对抗多径,利用基于LCMV(Linearly Constrained Minimum Variance,线性约束最小方差)准则的波束成形算法完成波束赋形,相较于传统的机械跟踪方式,具有设备质量小、成本低、机动性灵活性强和跟踪速度快等优势.仿真和实际测试结果表明,采用DOA估计和波束成形算法的智能天线能够在保证高增益的同时,实时准确地估计出有用信号和多径信号的来波信号方向,并正确完成波束指向,具有很高的工程应用价值.     

基于形态自适应网络的无人机目标跟踪方法

针对无人机影像目标跟踪过程中常出现的目标方向变化、目标遮挡变化、样本多样性不足等问题,提出了一种基于形态自适应网络的无人机航空影像目标跟踪算法。首先使用基于数据驱动的方法对数据集进行扩增,添加了遮挡样本和多旋转角度样本,提高样本多样性;提出的形态自适应网络模型通过旋转不变约束改进深度置信网络,提取强表征能力的深度特征,使得模型能够自动适应目标形态变化,利用深度特征变换算法获取待检测目标的预定位区域,采用基于Q学习算法的搜索机制对目标进行自适应精准定位,使用深度森林分类器提取跟踪目标的类别信息,得到高精度的目标跟踪结果。在多个数据集上进行了对比实验,实验结果表明该算法能够达到较高的跟踪精度,可以适应目标旋转、目标遮挡等形态变化情况,具有较好的准确性和鲁棒性。     

固定翼无人机编队集结控制算法研究

针对固定翼无人机协同作战时的编队集结问题，提出了一种新的路径规划和位置分配方法，并设计了包括航迹跟踪、高度保持和速度控制在内的自动驾驶仪。该路径规划算法通过矩阵迭代得到一组较优的目标点分配方案，满足总航程较小和同时到达约束。根据得到的各无人机飞向目标点的航迹，算出无人机编队集结的代价矩阵。在每架无人机确定了应飞航路后，开始沿航路飞向目标点，在此过程中，纵向采用高度保持自动驾驶仪，横向采用航迹跟踪自动驾驶仪，控制无人机按规定航迹飞行。速度调节自动驾驶仪可根据速度指令调节油门大小加减速，跟踪上目标速度，进而实现编队集结。仿真结果验证了所提出的编队集结控制方法的有效性和可行性。     

基于Leader-Follower编队的无人机协同跟踪地面目标制导律设计

对地面目标的自动跟踪是无人机在任务应用阶段需要解决的重要问题之一,多无人机协同跟踪能够提高对目标运动状态的估计精度并降低目标丢失的概率,因而具有重要研究意义。本文提出了一种基于Leader-Follower编队的无人机协同跟踪制导方法,解决了传统Standoff跟踪模式对地面目标的速度范围限制问题。首先,通过控制无人机的航向不断趋近于地面目标牵连跟踪圆切线方向的方法设计了Leader无人机自动跟踪地面目标的制导律并完成了稳定性证明;其次,通过控制Follower无人机的速度和航向角逐渐趋近于Leader无人机速度和航向的协同跟踪策略,分别设计了Follower无人机自动跟踪Leader无人机的制导律和编队相位协同制导律并完成了稳定性证明;最后,分别针对静止目标、匀速直线运动目标和变速运动目标的跟踪问题进行了仿真验证,结果表明所提出的制导方法能够实现对不同运动状态地面目标的自动协同跟踪,并且跟踪性能优于基于李雅普诺夫向量法的制导方法。     

无人机航迹跟踪抗侧风制导算法

无人机作为航空飞行器的一种,具有诸多应用价值,精确的航迹跟踪是其完成飞行任务的必要条件。在无人机飞行控制系统的制导外回路,实现一种具有抗风性能的横向非线性制导算法(NLG),基于航迹参考点实时测算无人机侧向加速度,并根据无人机力学方程得到滚转角指令,实现无人机的航迹跟踪。该制导算法只需确定合适的距离参数L,即可实现较为精确地制导,加入反馈环节以得到改进的闭环非线性制导算法。在侧风条件下进行仿真分析,结果表明:改进后的非线性制导算法是正确的,其具有良好的抗风性能。     

一种地理围栏内无人机航迹跟踪方法

针对UTM体制中无人机在地理围栏内的飞行监视问题,提出一种约束状态相关模态转换混合估计算法(CSDTHE)。采用随机线性混杂系统模型对无人机运动状态进行建模,利用CV、CT和CA三种模态描述无人机的飞行状态,以构建地理围栏内无人机运行的通用模态转换模型框架。利用飞行模态改变点(FMCP)定义相关模态转换参数,设计模态转换条件,生成模态转换概率矩阵,从而建立与状态相关的模态转换模型。运用约束卡尔曼滤波(CKF)方法对直线阶段和转弯阶段的无人机运动速度分别施加等式约束,并通过仿真实验验证了CSDTHE算法对无人机跟踪的有效性。     

基于改进RRT算法的无人机航路规划与跟踪方法研究

为了使航路规划算法在三维动态环境下能够快速规划出较优可行航路,基于快速扩展随机树算法(RRT),对规划航路点进行了无人机飞行动力学约束,并且设计了局部航路动态优化策略。针对传统的航路跟踪控制律跟踪较为曲折的航线时跟踪误差较大的问题,通过将规划算法得出的姿态指令引入姿态控制回路的方式,提高了航路跟踪控制算法的快速性与准确性。在此基础上,搭建了无人机验证平台,利用该验证平台完成了无人机自主避障飞行试验,对算法的有效性进行了验证,并对算法性能进行了评估。