多模型GGIW-GLMB算法跟踪机动群目标

针对多个机动群目标跟踪问题,提出了一种多模型伽马高斯逆威夏特-广义标签多贝努利（MM-GGIW-GLMB）算法。采用多模型算法对群目标进行运动建模,利用最适高斯（BFG）近似在预测阶段对多模型进行融合,减小了多模型算法的运算量,为进一步提高算法在目标机动阶段的跟踪性能,引入强跟踪滤波器（STF）对BFG算法得到的预测状态协方差进行修正。利用最优次模式分配（OSPA）距离及其一倍标准差和航迹标签正确率衡量算法对机动群目标的跟踪性能。仿真结果表明,本文算法能够提升对机动群目标的跟踪精度和稳定性。      

基于ST-SRCKF的超高速强机动目标跟踪算法

针对超高速强机动目标运动模型难以准确建立且观测数据易出现不良量测而导致滤波发散的问题,提出一种适用于超高速强机动目标的跟踪算法。该算法根据正交性原理推导了一种新的强跟踪平方根容积卡尔曼滤波（ST-SRCKF）结构,并引入多重渐消因子,渐消因子求解方法和作用位置均不同于已有的ST-SRCKF。根据新息的统计学特性,即新息协方差矩阵的迹服从卡方分布,建立了一种改进的CS-Jerk模型,该模型对目标机动的描述更准确,它与改进ST-SRCKF算法的结合实现了对超高速强机动目标的高精度跟踪。仿真结果表明,改进算法对超高速强机动目标的跟踪性能更佳。      

基于AVSIMM算法的高超声速再入滑翔目标跟踪

针对跟踪高超声速目标的交互式多模型（IMM）算法中存在模型数量过多,模型之间竞争导致滤波精度降低的问题,在自适应网格交互式多模型（AGIMM）算法的基础上,提出了一种自适应变结构交互式多模型（AVSIMM）算法跟踪高超声速再入滑翔目标。根据高超声速无动力再入滑翔目标当前机动状态的角速度参数,在自适应调整当前时刻模型集中参数的同时,针对AGIMM算法运动学模型的单一性,设计了具有多种跟踪滤波运动学模型的AVSIMM算法,通过模型集参数与算法结构的双重自适应调整实现了对目标高精度的跟踪。仿真结果表明,与AGIMM算法相比,所设计的AVSIMM算法不仅对结构和参数都具有更强的自适应性,同时提高了高超目标的跟踪精度和跟踪效率。      

一种考虑GPS信号中断的导航滤波算法

针对无人机惯性（INS）/GPS组合导航系统,考虑导航过程中存在的GPS数据中断的问题,设计了一种改进的滤波算法。首先建立了无人机导航运动学模型,再将传统的扩展卡尔曼滤波（EKF）技术和强跟踪滤波结合,利用模糊理论中的隶属度函数设计了一种模糊强跟踪扩展卡尔曼滤波（STEKF）算法。仿真结果表明,所设计的改进算法能够快速适应GPS信号突变,即当GPS信号从故障状态恢复到正常状态时,改进算法相较普通EKF算法能更快速地收敛到稳定状态,重新完成对飞行状态的估计。同时相较普通EKF和强跟踪扩展卡尔曼滤波算法,改进算法具有更高的滤波精度。      

飞行器栖落机动的轨迹跟踪控制及吸引域优化计算

针对固定翼飞行器栖落机动的纵向运动，研究了栖落机动轨迹跟踪控制设计与吸引域优化计算方法。首先，根据栖落动力学模型和栖落过程中各个状态量的约束，用广义伪谱法生成标称轨迹，以此为基础设计了分段线性轨迹跟踪控制律。然后，在平方和（SOS）算法的基础上计算出栖落轨迹的吸引域，以保证吸引域内的飞行器能最终栖落在目标区域。最后，进一步改进吸引域的迭代优化计算方法以扩大吸引域范围。仿真结果验证了栖落机动轨迹跟踪控制律的有效性，并表明运用所设计的吸引域优化计算方法可以获得更大的吸引域。      

无人机高机动抗扰轨迹跟踪控制方法

针对传统的四旋翼控制方法在高机动飞行时控制效果不佳,难以跟踪机动性较强的轨迹且控制精度较低的问题,设计了基于增量非线性动态逆控制(INDI)方法和微分平坦前馈的轨迹跟踪控制器,不仅提高了高机动轨迹的跟踪精度,也增强了抗扰能力。由于角加速度无法直接获得,该方法对其非常敏感,设计了多种角加速度估计方法进行对比,通过飞行试验选择了效果最佳的互补滤波方法。试验结果证明:设计的基于互补滤波的前馈INDI方法可以控制飞行器快速、准确地跟踪高机动轨迹,且具有较强的抗扰能力。      

基于增益调度与光滑切换的倾转旋翼机最优控制

针对倾转旋翼机转换机动中变动力学特性导致的复杂控制问题，提出基于增益调度（GS）的线性二次最优控制与光滑切换控制结合的综合体系结构，用以实现转换机动过程中的全局最优控制。该控制综合方法，在保证性能指标要求最小的同时，对操纵机构的负荷较低。首先，建立了倾转旋翼机高置信度飞行动力学模型，并应用混合操纵克服操纵冗余问题。其次，设计了基于增益调度的线性二次最优多环控制器，并采用光滑切换控制策略综合2套控制器，实现动态倾转过程的姿态平滑过渡。最后，进行以倾转走廊中间路径为期望轨迹的全模式自主飞行仿真。仿真结果表明:控制系统在转换机动过程中体现出强鲁棒性和较优的系统性能。      

基于IMU与UKF的船舶升沉运动信息测量方法

为获取实时、精确的船舶升沉运动信息，根据船舶升沉运动模型和频谱分析方法，建立描述惯性测量单元（IMU）的加速度测量信息与船舶升沉运动状态量关系的解析模型。基于无迹卡尔曼滤波（UKF）算法非线性滤波的特点，进行升沉运动滤波解算。通过仿真分析证明了所提方法在船舶升沉运动测量中的有效性。利用三自由度平台升沉运动测量实验验证，结果表明，同一模型下，相比于扩展卡尔曼滤波（EKF）算法的解算结果，所提方法具有更快的收敛速度和更高的测量精度；对船舶升沉位移的估计精度达到最大升沉幅值的5%，可以得到精确、无时延的船舶升沉运动信息。      

基于双向电机驱动的四旋翼机动飞行控制

四旋翼飞行器（QUAV）的位置、姿态运动控制效果决定了其机动性。为了克服四旋翼系统欠驱动的缺陷，基于四元数表达对一种双向电机驱动的四旋翼进行了动力学建模，包括双向推力作用情况下的全向运动过程分析，并提出了一种姿态与位置控制器及控制分配矩阵设计方法。面向四旋翼的x-z平面模型，设定合理的参数和限制，使用最优规划方法提出了适用于新型四旋翼翻转、竖直等机动飞行轨迹的生成方法，其中推力与转矩都是实现时间最短的最优方案。搭建了包括电子调速器、电机、桨叶、机架等部件在内的详细的仿真试验环境。仿真试验的结果验证了双向电机驱动的四旋翼相比于传统四旋翼，能有效提高姿态跟踪与位置跟踪的精度，提升了飞行器的机动性。      

航空液压泵磨损状况预测

磨损是航空液压泵典型的渐进性故障之一,因磨损量难以测量,对磨损状况进行准确的预测比较困难.针对上述问题,提出了基于多尺度数据的支持向量机预测方法,该方法将支持向量机用于时间序列预测的基本理论和数据多尺度分解、相空间重构方法结合,能更有效地挖掘时间序列的内在联系及变化规律.采用回油流量作为反映航空液压泵磨损状况的敏感信号,将其分解为趋势项和随机项,采用多尺度支持向量机作等维信息一步预测和多步预测,利用网格方法对预测模型参数寻优.对比传统支持向量机算法分析其预测精度,结果表明:多尺度支持向量机模型预测精度更高,适于中长期预测.      

基于非线性模型预测的绳系系统系绳摆振控制

针对绳系系统离轨稳定控制问题,开展了系绳和绳端卫星构成的绳系系统在拖拽离轨过程中系绳摆动稳定控制方法研究。在考虑拖拽离轨过程中约束下,首先建立了包含绳端卫星的姿态运动的模型,并建立了绳系系统的离轨动力学方程和便于控制器设计的简化动力学方程。其次根据模型预测原理以最优化方法设计参考轨迹,最后以模型预测控制方法为基础设计了稳定系绳摆动的非线性模型预测控制方法。使用MATLAB软件平台仿真,验证了所设计的参考轨迹能完成目标和模型预测控制器有好的跟踪能力。      

基于预测校正法的低升阻比飞船再入轨迹设计

对低升阻比飞船高速再入地球大气层的轨迹规划问题,提出了基于数值预测校正NPC(Numeric Predictor-Corrector)法的预测制导方法,并用时间替代能量作为自变量从而规避奇异问题;由飞船再入的3自由度运动方程推导纵向平面内的运动方程,并使用预测-校正方法获得倾侧角数值;同时通过设计横向漏斗确定倾侧角的符号,最终得到当前需要的倾侧角.仿真结果表明,该方法能根据不同的再入条件得出对应的再入轨迹和倾侧角变化规律,其动压、热流率、过载也符合再入要求.     

舰载无人机滑行轨迹控制方法

舰载无人机是航母-舰载机系统的重要作战武器，实现舰载无人机在航母甲板上的自主滑行对于提高甲板作业效率具有重要意义。对舰载无人机滑行轨迹控制方法问题进行了研究。首先，描述甲板滑行任务的过程，在此基础上，建立滑行轨迹控制问题的数学模型，包括舰载无人机甲板滑行运动模型、滑行任务约束条件以及评价轨迹控制任务的性能指标。其次，考虑甲板环境和轨迹控制任务要求，基于模型预测控制思想，将在线滑行路径规划与轨迹控制结合，采用滚动优化方法计算出舰载无人机实际滑行轨迹，并且得到控制指令信号。最后，以“尼米兹”级航母为例，对不同停放位置舰载无人机起飞前的滑行轨迹进行仿真计算，结果表明了模型的合理性和算法的有效性。      

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

近距空战训练中的智能虚拟对手决策与导引方法

针对近距空战训练中智能虚拟对手攻防博弈的自主决策与占位导引问题，提出了基于动态贝叶斯网络(DBN)和约束梯度法的智能虚拟对手决策和导引一体化方法。结合空间占位态势、火控攻击区和机动动作识别结果等信息，建立近距空战决策动态贝叶斯网络模型，实现根据战场动态环境变化的占位导引指标决策。针对在线识别的各类目标机动动作，建立轨迹预测模型，实现目标轨迹的实时预测。根据占位导引指标和目标预测轨迹，考虑飞行性能约束，采用约束梯度法计算智能虚拟对手的优化占位导引量。实现了近距空战智能虚拟对手空间占位决策与导引量计算的无缝结合。近距空战仿真实验结果表明:所提方法能够实现智能虚拟对手的合理化自主决策和占位导引，克服了传统方法实现机动动作方式固化的问题，具备较好的实时性和优化性。      

基于在线约束限制的飞行器预测校正制导

针对传统预测校正算法在再入过程中弹道性能与约束无法保障等问题,提出了一种基于倾侧角参数化的离线弹道优化与在线预测校正相结合的再入制导方法。基于平衡滑翔条件对过程约束进行分析,并证明了倾侧角剖面对射程的单调性。离线部分通过控制量参数化(CVP)方法构建控制模型,并使用序列二次规划(SQP)方法对弹道进行优化,从而大幅度提高弹道性能。在线部分利用Gauss-Newton法实时对弹道进行迭代求解,得出满足终端约束的倾侧角剖面,引导飞行器平稳、精确地飞向末端能量段并满足射程约束,Gauss-Newton法求解弹道具有收敛速度快、精度高的特点。针对高升阻比飞行器导致平衡滑翔条件难以成立以及飞行过程中的强干扰使约束超出的问题,提出了一种约束限制方法,对再入时的过程约束进行了有效的保障。仿真结果表明,本文方法对投放偏差、飞行器参数与大气模型等不确定因素具有良好的鲁棒性,对弹道性能的保障具有工程应用价值。     

一种基于曼哈顿距离的帧间加权预测算法

合并模式通过共享邻域块的运动矢量（MV）来节省编码运动信息比特数,有效提升了编码器率失真性能。然而,当前合并模式中的运动补偿预测（MCP）不够准确。为此,分析了合并模式中的预测残差分布特点,并提出了一种基于曼哈顿距离的加权预测算法作为合并模式的附加候选项。首先,采用邻域合并候选项的运动矢量进行运动补偿预测得到多个预测块;然后,根据候选块位置与像素点的曼哈顿距离对获得的多个预测块进行加权平均得到附加候选项;最后,通过率失真优化（RDO）从附加候选项和原有候选项中选择出最佳的合并模式。实验结果显示:在联合探索测试模型JEM 7.0平台上,所提算法在不同的编码器配置下均获得了率失真性能的提升,其中低延迟P帧下达到了平均1.34%的比特率节省。      

CMGs驱动空间机械臂的自适应终端滑模控制

摘要： 针对V构型控制力矩陀螺（CMGs）驱动的空间机械臂的轨迹跟踪控制问题,研究一种自适应非奇异终端滑模（ANTSM）控制方法.利用基于Kane方程的递推组集算法建立了系统的动力学模型.以跟踪误差为变量,构造非奇异滑动面,以保证跟踪误差在滑动面上有限时间收敛.针对系统质量特性参数与关节处干扰力矩的不确定性,设计自适应控制器用以调节控制增益.该控制方法无需不确定性的上界,且闭环系统具有最终一致有界性.仿真结果表明,该控制器可使系统准确跟踪期望轨迹,并对质量特性参数不确定性和关节干扰力矩具有良好的鲁棒性.