无人机集群编队控制演示验证系统

为验证无人机集群编队控制算法在实际环境中的有效性,基于四旋翼无人机平台和双数据链、双地面站冗余设计,搭建了分布式控制的无人机集群编队控制演示验证系统。基于分层控制和封装的思想,将无人机控制系统分为执行层和决策层。执行层采用PIX自驾仪进行封装,只需修改自驾仪参数,不需针对不同无人机平台开发相应的控制策略,就能实现对异构集群的控制。需要验证不同的编队控制算法时,只需对决策层的控制算法进行修改即可,使系统具有较强的适应性和扩展性。演示验证系统采用双地面站和数据链,可实现在多种网络拓扑或通信失败情况下的无人机集群控制,具有较高的稳定性和安全性。应用领导-跟随协同编队控制算法,验证了本文演示验证系统的功能和性能。      

基于群体意志统一的无人机协同围捕策略

针对无人机(UAV)协同围捕问题,提出一种基于群体意志统一的围捕策略。受人类在协作任务中的认知机理启发,引入“群体意志”定义无人机的协作认知,并构建双回路认知模型,借助图卷积网络对围捕无人机获取的局部态势进行融合认知,有效减轻无人机系统的计算负载。依靠变分推断原理和生成式自动编码器对围捕无人机进行群体意志趋同学习,依据Apollonius圆实现协同围捕,使无人机集群涌现出更加智能化的围捕效果。通过对比仿真验证了所提策略的有效性和智能性。     

基于自编码网络的导弹攻击区实时计算方法

针对传统中远距空空导弹三线攻击区无法为飞行员提供丰富的战术决策信息,火控系统计算攻击区实时性差、精度低的问题,提出以攻击机为中心,考虑目标逃逸机动的新型导弹杀伤包线概念。分析经典战例中目标机规避导弹的常见机动方式,将攻击区抽象为导弹的七种杀伤包线,给出准确的计算方法并进行离线仿真。确定8种影响杀伤包线的运动参数,构建样本库。引入深度学习方法,建立降噪自编码网络（AE）模型,采用无监督学习提取样本初级特征,获取表征样本库非线性规律的高维特征量;建立深度网络模型,采用监督学习提取高维特征量中的高级特征并进行拟合。实验表明深度网络的拟合值与六自由度仿真结果以及导弹真实数据相比,误差可控制在15 m之内;网络在线解算只需0.04 s,能够满足实时性需求;新型杀伤包线为飞行员及时掌握敌我态势提供了有效的辅助信息,为机动决策提供理论依据。     

管制-飞行状态相依网络模型及特性分析

管制员和航空器是管制系统的关键所在,两者紧密关联、相互依存,分析其间的相互关系,能够加深对管制系统的理解,更好地维护其运行效率。为此,首先构建了一种由飞行状态网络和管制网络相耦合所组成的相依网络模型。其中,飞行状态网络由空中的航空器和彼此之间位置关系决定;管制网络由管制扇区及其之间的移交关系确定。然后根据管制员对航空器的调配难度确定依存边的权重。最后依据构建原则模拟生成人造网络,对该网络的节点度、点强和加权聚类系数以及网络效率和鲁棒性进行了分析。分析结果表明:所构建的相依网络模型能够反映管制员和航空器之间的相互关系,管制节点重要程度高于航空器节点。      

基于距离信息修正的自由段弹道预测法

雷达具有测距精度比测角精度高的特点,充分利用这种测量的不对称性,提出一种基于距离信息修正的自由段弹道预测法.该方法是在雷达观测的弹道导弹自由段运动数据的基础上,采用滑动窗口中点平滑法处理观测数据,再次利用距离信息对轨道根数进行动态微分修正,提高观测数据的利用率和弹道预测的精度.仿真试验表明,该方法明显优于基本椭圆弹道法,大大提高了弹道预测的精度.      

基于时频域增强和全变差的群目标信号分离

针对低分辨雷达获取的群目标信号的弱时频正交性以及难以分离的问题,在进行时频域增强处理的基础上,提出了一种基于全变差(TV)的群目标信号分离方法。在旋转目标模型的基础上,首先通过分析群目标信号的稀疏性,指出了进行时频域增强处理的必要性。然后利用群目标中各子目标对应的微动周期的差异性,通过双向延迟处理,对多次观测得到的群目标信号进行时频域增强处理。最后根据群目标信号能量区域的分布特性,利用局部TV融合和主分量分析相结合的方法,实现了群目标信号的高保真分离。仿真结果表明,在采样率较低的情况下,文中方法有效地解决了群目标信号中弱信号分量的分离及提取问题,其融合分辨效果明显优于基于TV范数的融合方法。      

基于宽窄带微多普勒信息的进动目标特征提取

微动特征是弹道目标识别的重要特征之一。针对锥体目标模型,提出了一种基于宽窄带相结合的混合体制雷达网的微动参数提取方法。首先,在详细分析锥体目标等效散射中心微多普勒变化规律的基础上,利用微多普勒和差比实现了不同体制雷达回波中散射中心的匹配关联。其次,构建宽窄带微多普勒信息联合方程组,提取出锥体目标的进动角、底面半径、锥体高度等参数,并进一步对目标参数估计精度随曲线参数提取误差变化的关系做了比较研究。最后,仿真结果表明,在曲线参数提取值存在一定误差时,目标参数估计精度仍然较高。      

输入受限的高超声速飞行器鲁棒反演控制

针对存在参数摄动的吸气式高超声速飞行器（AHV）弹性体模型,考虑执行机构幅值和速率受限问题,提出了一种基于辅助误差补偿策略的鲁棒反演控制方法。采用改进的辅助系统,保证了执行机构在幅值与速率同时达到饱和时闭环控制系统的稳定性和跟踪误差的有界性;采用有限时间收敛微分器（FD）,实现了对虚拟指令及其一阶导数的有效估计,并在此基础上,设计非线性干扰观测器（NDO）,对模型不确定项进行了平滑估计,进一步提高了控制精度。通过仿真,验证了所设计控制方法的有效性。     

基于熵理论的复杂装备费用测算模型

为了提高航空器、飞机等大型复杂装备的费用预测精度，根据相似信息优先原理和熵理论，将相似装备的选取看作是一个信息融合的过程，引入距离熵和灰关联熵，构建综合相似度指标来度量装备样本与待预测装备之间的相似程度，对不同样本进行赋权，建立加权最小二乘法对装备费用进行预测。针对装备样本数量小于参数数量的情形，通过构建装备参数对费用的驱动效应矩阵及计算相应熵权，选择熵权较大的参数作为测算模型的自变量。通过实例对比分析，表明基于熵理论的加权回归测算模型具有较高的预测精度和稳定性。      

自适应变异麻雀搜索优化算法

针对麻雀搜索算法前期易陷入局部极值点、后期寻优精度不高等问题，提出一种自适应变异麻雀搜索算法（AMSSA）。先通过猫映射混沌序列初始化种群，增强初始种群的随机性、遍历性，提高算法的全局搜索能力；再引入柯西变异和Tent混沌扰动，拓展局部搜索能力，使陷入局部极值点的个体跳出限制继续搜索；最后，提出探索者-跟随者数量自适应调整策略，利用各阶段探索者和跟随者数量的改变增强算法前期的全局搜索能力和后期的局部深度挖掘能力，提高算法的寻优精度。选取16个基准函数和Wilcoxon检验进行验证，实验结果表明：所提算法与其他算法相比，寻优精度、收敛速度和稳定性都取得较大提升。