基于相关滤波和轨迹预测的视频卫星动态目标跟踪算法

为解决卫星视频中有遮挡或相似目标情况下目标跟踪的问题,提出了一种改进的相关滤波算法,在跟踪框架中加入了干扰判别模块和基于神经网络的轨迹预测模型。通过比较平均峰值相关能量指标值与自适应阈值来判别跟踪器是否受到干扰。双向长短期记忆网络以目标历史轨迹编码为输入来完成轨迹预测,结合相关滤波输出结果和网络预测结果来确定目标的位置。实验表明,所提出算法的精度提升了2.10%,在有遮挡或相似目标等情况下仍具有较好的跟踪性能。     

基于粒子群优化LSTM的股票预测模型

为了提高股票时间序列预测精度,增强预测模型结构参数可解释性,提出一种基于自适应粒子群优化（PSO）的长短期记忆（LSTM）股票价格预测模型（PSO-LSTM）,该模型在LSTM模型的基础上进行改进和优化,因此擅长处理具有长期依赖关系的、复杂的非线性问题。通过自适应学习策略的PSO算法对LSTM模型的关键参数进行寻优,使股票数据特征与网络拓扑结构相匹配,提高股票价格预测精度。实验分别以沪市、深市、港股股票数据构建了PSO-LSTM模型,并对该模型的预测结果与其他预测模型进行比较分析。结果表明,基于自适应PSO的LSTM股票价格预测模型不但提高了预测准确度,而且具有普遍适用性。      

基于Jerk输入估计的MCS模型及非线性跟踪算法

针对强机动目标跟踪问题,基于当前统计(CS,Current Statistical)模型、改进输入估计 (MIE,Modified Input Estimation)和无迹强跟踪滤波器,提出了一种新的自适应目标跟踪算法.该算法引入Jerk输入估计改进了当前统计模型的状态方程和机动加速度方差调整方法,利用改进的无迹强跟踪滤波器实现了状态协方差、状态噪声协方差和机动频率的联合自适应.在没有加速度先验知识的情况下,能够实时准确跟踪目标连续强机动、匀加速机动和匀速运动状态.仿真实验表明:相比CS模型无迹滤波算法、CS模型无迹强跟踪算法和交互多模型算法,该算法在对目标强机动的适应性、跟踪精度和对突变状态跟踪的收敛性方面都有更好的性能.     

基于STF和加权改进的群目标跟踪算法

为了进一步提高群目标交互多模型跟踪算法的估计性能,提出一种改进的群跟踪算法.首先,通过采用模型转换概率的自适应算法,优化模型与目标运动模式的实时匹配.并通过引入强跟踪滤波（STF,Strong Tracking Filter）中的渐消因子,提高机动阶段时的群质心的状态估计精度.其次,分别利用概率加权法和标量加权法完成群质心状态和扩展状态的融合估计.最后在变分贝叶斯滤波的基础上,建立完整的跟踪算法流程.仿真实验结果表明,该方法不仅能够提高群质心状态和扩展状态的估计精度,还能有效降低机动阶段时的峰值误差.     

自适应空间机动目标跟踪算法

在空间目标跟踪问题中,目标机动导致的模型不匹配问题会导致滤波算法出现滞后现象。为了对空间机动目标进行快速跟踪,在平方根容积卡尔曼滤波〖（Square rootCubatureKalmanFilter,SCKF）的基础上,引入强跟踪滤波（StrongTrackingFilter,STF）的思想,推导得到了次优渐消因子在SCKF中的等价描述。并通过建立以矩匹配方法为基础的自适应机制,设计了兼顾滤波精确性和鲁棒性的自适应强跟踪平方根容积卡尔曼滤波（AdaptiveStrongTrackingSquare rootCubatureKalmanFilter,AST SCKF）算法。仿真结果表明,在目标机动前,AST-SCKF算法和SCKF算法的位置收敛精度相差不足1%;在目标机动后,AST-SCKF算法的位置和速度的收敛精度相对SCKF算法分别提高了95.19%和30.50%,同时,其收敛速度相对SCKF算法分别提高了57.20%和24.68%。     

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。      

基于IFA-ELM的航空发动机自适应PID控制新方法

针对大涵道比涡扇发动机强非线性、变参数的特点,提出了一种基于优化极端学习机(ELM)对发动机参数进行预测的自适应PID控制方法.为提高ELM的预测精度和实时性,采用适用于多峰值寻优的改进萤火虫算法(IFA)优化ELM网络参数,形成优化的ELM训练方法IFA-ELM.该算法在保证预测精度的前提下,有效简化了网络规模,并提高了其泛化能力.利用该算法建立发动机风扇转速预测模型,基于该模型,采用梯度下降法在线调整PID参数,提升发动机动态性能.数字仿真验证表明,与常规PID控制相比,基于IFA-ELM的自适应PID法调节时间减少了0.2~1.4s,超调量降低了0.2%~1.5%,验证了该控制方法的有效性.      

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。      

自适应关联波门机动群目标跟踪算法

为解决中心群跟踪（CGT）算法中由于群机动造成的量测丢失、估计误差增大的问题,提出了一种基于自适应关联波门的机动群目标跟踪算法。首先,将CGT算法与交互式多模型（IMM）算法结合,并利用最新量测信息对IMM算法中的转移概率矩阵进行实时修正。其次,设计了一种用于整体机动和分离机动的自适应关联波门,根据机动时刻模型的新息协方差对其进行自适应调整,确保量测点迹进入波门。仿真结果表明,所提算法一方面减小了传统固定转移概率矩阵带来的估计误差,将优势模型的平均概率由0.58增加到了0.7;另一方面,设计的自适应关联波门有效解决了目标机动带来的有效量测减少的问题,相比于传统波门,目标失跟率减少了30%,具备工程实用性。      

非合作机动目标交会的相对位置控制

研究目标航天器存在机动的情况下追踪航天器与目标航天器的交会问题.只利用两航天器之间的相对位置测量信息,考虑目标机动、外部干扰以及状态耦合,提出一种改进的特征压缩方式并建立相应的解耦特征模型,基于该特征模型设计解耦的自适应控制方法实现追踪航天器与机动目标航天器的交会.仿真结果验证了算法的有效性,并表明其优于传统的PD控制方法.     

基于解析解的小范围高频率机动飞行器制导律设计

针对机动飞行器的小范围高频率侧向机动飞行问题,结合飞行器的运动学和动力学方程,通过解析方法给出了机动幅值和飞行器最大可用过载下的最大机动频率,同时利用粒子群优化方法进行了制导律最优频率的优化。基于解析规划算法给出了正弦机动制导律的解析形式以实现飞行器在侧向方向的机动导引飞行。仿真结果表明：解析算法能够精确得出制导律频率,而粒子群优化方法的精度也能很好的满足要求,误差在5%以内。正弦机动制导律在大速度下可以较好的完成任务目标;在小速度下,幅值误差会有小幅度的增加。     

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SVM和EKF的高超声速滑翔飞行器轨迹预报

高超声速滑翔飞行器（HGV）拦截问题中，轨迹预报是成功拦截的重要基础。针对HGV机动能力强、轨迹多变的特点，提出了一种基于支持向量机（SVM）和扩展卡尔曼滤波（EKF）的轨迹预报方法。在HGV的滑翔段机动模式分析的基础上，将HGV的机动运动分解为纵向运动模式和侧向运动模式，进而对运动模式的特征参数予以标定，形成SVM的训练集。建立地基单雷达轨迹跟踪模型，采用EKF对HGV滑翔段轨迹进行稳定跟踪并实现对运动模式特征参数的估计。基于SVM，建立了HGV运动识别框架，实现了对HGV滑翔段轨迹的预报。对平衡滑翔和跳跃机动2种典型机动模式进行数学仿真验证，结果表明，所提方法可以提高对该类目标的轨迹预报精度。      

飞行逆动力学的应用

考察了求解输入类飞行逆动力学问题的微分-迭代与积分-迭代算法; 探讨了利用逆动力学确定过失速机动操纵效能要求问题,这构成了进一步提出过失速机动飞机设计简化判据的数值基础; 利用逆动力学设计机动发生模块进行飞控系统的最外环控制,以便跟踪期望的复杂机动轨迹.飞机最速反向示例及其它数值仿真结果表明设计思想与算法是可行的.     

高超末段机动突防/精确打击弹道建模与优化

针对高超声速飞行器再入末段机动突防、精确打击问题,从最优控制角度出发,提出了一种考虑拦截弹动力学特性的最优机动突防弹道优化方法,获得了高超声速飞行器的最大机动能力。该方法将拦截弹运动模型引入突防弹道优化的模型中,通过施加约束限制拦截弹按照比例导引律飞行。根据飞行任务和交战双方的弹道特点分段,结合各段的任务和特性,分别提出了突防性能指标和精确打击性能指标等,并通过加权函数将各个独立、矛盾的性能指标统一,建立了多对象、多段、多约束机动突防弹道优化模型,采用Radau多段伪谱法（MRPM）进行求解。针对该问题求解的初值敏感、可行域窄等问题,提出了一系列弹道优化策略,提高了收敛速度和求解精度,最终获得了最优机动弹道,并通过协态映射原理对其最优性进行了验证。结果表明,该方法能充分发挥高超声速飞行器的机动能力,获得满足落点精度要求的突防弹道,相对已有方法,将脱靶量提高了1~2个量级。灵敏度分析表明,该弹道对拦截弹的发射时间不敏感。      

一种用于SGCMG奇异规避的CVP轨迹规划

采用单框架控制力矩陀螺(SGCMG)作为执行机构的小型敏捷卫星在姿态机动过程中存在着奇异问题.本文从SGCMG姿态控制系统整体出发，将奇异问题转化为状态约束的动态控制问题，基于控制变量参数化(CVP)方法，设计了一种用于SGCMG奇异规避的轨迹规划.该算法在实现小型敏捷卫星大角度姿态机动过程无奇异的基础上，将SGCMG框架角转速的最优轨迹通过CVP方法进行分段线性规划.这种规划策略对框架伺服系统的算法设计无复杂要求，仅需要简单的加减速控制，从而节约了星上资源.在轨迹规划实现过程中，考虑了工程实际中的约束条件，可以按照姿态机动任务要求规划出一条综合考虑能量资源和目标精度的最优轨迹.仿真结果表明：该算法实现了姿态参数轨迹和星体角速度轨迹的平缓变化，目标误差在1×10-3量级，星体在机动过程中运行稳定，SGCMG不会出现奇异现象.     

敏捷卫星快速姿态机动方法研究

针对敏捷卫星的三轴大角度机动控制要求,给出了一种基于轨迹规划的敏捷卫星姿态机动方法．根据目标姿态和当前姿态,按照欧拉轴-角方式,沿特征主轴设计了最小路径的机动轨迹,并采用四个单框架控制力矩陀螺（SGCMG）组成的“金字塔”构型的控制力矩陀螺群（CMGs）进行了大角度机动控制的数学仿真,验证了方法的可行性．     

卫星姿态大角度机动的轨迹规划和模型预测与反演控制

空间科学观测、态势感知、对地遥感、操控服务等应用对卫星提出了高精度、高稳定度、平稳柔顺大角度姿态机动的需求。采用欧拉角形式,对时变、非线性卫星姿态动力学系统进行了分析与建模,将每一个测控周期视为一个姿态机动过程。基于动力学系统受控运动的规律,在每一个姿态跟踪机动过程中,预测姿态偏差,通过卫星姿态演化的反演得到控制指令。以三角函数为基础,设计了一种卫星姿态大角度机动的运动轨迹规划方法。本文所述的轨迹规划及控制方法具有轨迹跟踪精度高、稳定性好,跟踪和机动过程平稳柔顺的特点。数学仿真验证了该方法的可行性和有效性。 关键词：轨迹规划; 模型预测与反演控制; 卫星姿态; 大角度机动