变推力轴线无人机的建模与机敏性分析

建立了与普通无人机相区别的变推力轴线无人机的全量教学模型.通过理论分析可知,变推力轴线技术的引入可以改善无人机的机动性和敏捷性.设计了气动舵面控制和推力变向控制相结合的无人机纵向姿态混合控制器,并对非线性模型描述的无人机进行了控制仿真,结果验证了混合控制策略的优越性,也体现了变推力轴线无人机具有比普通无人机更好的机敏性.     

基于自适应控制的近空间高超声速飞行器研究进展

综述了高超声速飞行器数学建模与自适应控制技术。在概述典型数学模型基础上，着重概述了模型参考自适应控制、浸入-不变集非线性自适应控制、自适应动态面反步控制、自适应滑模控制、自适应模糊滑模控制和神经网络自适应控制等多种自适应控制技术在高超声速飞行器中的应用与研究。对高超声速飞行器自适应容错控制技术现状，自适应控制在高超声速飞行器飞行测试中的应用情况进行概述。总结了高超声速飞行器的当前研制项目和技术现状，重点展望了若干种鲁棒非线性自适应控制技术。与已有综述相区别，重点概述自适应控制在解决高超声速飞行器鲁棒、稳定、切换、协调等关键控制问题的研究进展。     

基于自适应AR模型的甲板运动预估技术

甲板运动对飞机安全着舰存在很大的影响,将甲板运动的未来信息引入飞机控制中可以降低这一影响,但是甲板运动的未来数据很难得到。为此,采用自适应AR模型对甲板运动进行预估。根据随时间不断增加的历史数据,设计了预估模型参数实时更新的自适应律,研究了一种基于自适应AR甲板运动实时预估算法。基于MATLAB,利用确定性甲板运动模型和随机模型分别作为甲板运动的数据源,验证了算法的可行性。仿真结果表明,基于自适应AR模型的预估算法对于甲板运动的预估误差很小,预估响应较快。     

基于视觉引导的无人直升机着舰技术研究

以无人直升机为被控对象,根据实际着舰流程研究了视觉引导系统的软硬件架构。在硬件上通过在摄像头加装云台,避免了无人机因姿态改变造成视野中目标图像的丢失,提高了位姿解算的精度。提出一种以红外灯设计的合作目标图案为着舰目标的视觉引导着舰系统,能够在不同光线强度、复杂周边环境下成功识别合作目标,具有良好的抗噪能力。研究设计了一套图像处理与位姿解算的引导系统,通过实验验证姿态参数的误差在2°以内,位置参数的误差小于2cm,能够满足着舰的精度要求;每帧图像的处理速度在30ms左右,具有良好的实时性。     

基于动态逆-PID的高超声速飞行器巡航姿态控制

以某型高超声速飞行器为研究对象,针对巡航状态下气动参数不确定的姿态控制问题,提出了一种结合非线性动态逆控制与PID控制的姿态控制方法。首先,对高超声速飞行器非线性模型进行精确反馈线性化,得到了飞行器纵向姿态仿射非线性方程;接着,为速率变化快慢不同的迎角和俯仰角速率分别设计了动态逆控制律以抵消对象的非线性特性;然后,在动态逆控制的基础上,采用工程上易于实现的PID控制补偿由于未精确建模带来的系统逆误差,实现了迎角对指令信号的有效跟踪;最后,进行了数值仿真验证。结果表明,所设计的高超声速飞行器动态逆-PID姿态控制器具有良好的跟踪性能和鲁棒性能。     

非线性信息融合估计理论

研究非线性信息的最优融合估计理论,提出了非线性信息的统一决策模型和统一量测模型。基于信息投影权矩阵概念,将多传感量测信息统一映射到被估计量的决策空间,从而统一了线性信息和非线性信息的最优融合估计问题。提出并证明了非线性信息最优融合估计的封闭解析表达式,并给出了两种迭代型非线性最优估计算法。     

基于联合滤波器的高精度卫星定姿系统设计

设计了由陀螺、GPS姿态敏感器、红外地平仪和太阳敏感器构成的太阳同步极轨卫星姿态确定系统。提出联邦滤波器结构和算法,推导了各子系统的量测方程和姿态确定系统的误差状态方程。为规避对量测值进行非相关处理,采用减小GPS姿态敏感器输出的姿态滤波值作为系统滤波器量测值的频率的方法。仿真结果表明,采用联邦滤波器对多敏感器卫星姿态确定系统进行信息融合,具有计算量小、精度高、可靠性好等优点。     

直升机着舰引导与控制研究进展

随着现代海战向立体化、多层化发展,舰载直升机以其垂直起降、定点悬停等优势成为未来海战武器装备的重要组成部分,而着舰引导与控制是舰载直升机的关键技术。本文对直升机着舰引导技术与着舰控制技术的研究进展进行概述,着重概述和分析了着舰引导技术中的雷达、卫星、视觉、光电引导技术。其次对舰载直升机着舰的环境影响因素、综合流程以及应用现状进行概述分析,最后对舰载直升机着舰技术进行了展望。     

基于D3QN的无人机编队控制技术

针对无人机编队中控制器设计需要基于模型信息，以及无人机智能化程度低等问题，采用深度强化学习解决编队控制问题。针对编队控制问题设计对应强化学习要素，并设计基于深度强化学习对偶双重深度Q网络（D3QN）算法的编队控制器，同时提出一种优先选择策略与多层动作库结合的方法，加快算法收敛速度并使僚机最终能够保持到期望距离。通过仿真将设计的控制器与PID控制器、Backstepping控制器对比，验证D3QN控制器的有效性。仿真结果表明：该控制器可应用于无人机编队，提高僚机智能化程度，自主学习保持到期望距离，且控制器设计无需模型精确信息，为无人机编队智能化控制提供了依据与参考。