战场复杂电磁环境下的无人机作战应用探讨

通过对战场复杂电磁环境的研究,分析总结无人机系统在侦察作战全过程中可能受到各种电磁干扰,结合无人机系统抗干扰特性,提出应对战场复杂电磁环境的无人机系统作战运用方法,有效提高了无人机在战场中的作战效能和生存能力。     

军用无人机技术的发展现状及未来趋势

作为一种多用途、低费效比的航空武器装备,军用无人机日益受到世界各国军方的重视.本文分析了现役和即将服役军用无人机的技术水平及应用特点,并对军用无人机的发展趋势进行了展望.     

飞翼无人机结构布局分级优化研究

针对传统结构设计中依据经验对机翼构件布局设计容易导致结构刚度偏大、重量偏大的问题,采用分离设计变量的方法,分别对机翼构件的尺寸和位置变量,采用改进的可行性方向法和Hook-Jeeves方法进行优化,将尺寸非线性优化嵌入到无约束位置优化中,以结构的刚度、位移、扭转和强度为约束条件,对布局进行调整.采用多学科框架软件对整个优化过程进行集成,将机翼结构重量作为目标函数,分级对位置和尺寸优化,充分考虑耦合位置和尺寸变量间的相互影响关系,循环迭代,直至得到结构重量的最优值.采用方法对某型飞翼无人机的机翼结构进行优化,结果合理,具有一定的工程应用价值.     

涵道风扇无人机增稳控制律设计与仿真

针对小型涵道风扇无人机本体不稳定特性,设计增稳控制律并通过仿真进行了验证。利用软件CATIA建立三维模型,并制作出实体模型。对模型进行受力分析,建立涵道风扇无人机六自由度动力学模型。在所建模型基础上,设计增稳控制律,包括姿态控制律及轨迹控制律。建立非线性仿真模型,通过Matlab／Simulink仿真对所设计的控制律有效性进行了验证。仿真结果表明,所设计的控制律达到了增加涵道风扇无人机稳定性的目的。     

飞翼无人机机动飞行航迹优化和自生成方法

虚拟机动指令是飞翼无人机机动飞行的基础,是制导回路和控制回路必要的输入。为了生成合理虚拟机动指令,提出了优化基本航路—建立机动数据库—战场信息匹配输出的机动飞行航路生成方法。由于复杂的机动动作可由基本机动动作组合而成,本文以飞翼无人机基本机动飞行动作为优化研究对象,提出了以飞翼无人机控制量变化率为优化参数、航迹片段建立约束条件的无人机机动航路优化方法。其中,机动飞行控制量变化率体现了无人机控制能力的限制;航迹片段约束体现了航迹准确和操作柔和的要求,并对无人机的筋斗、滚桶、盘旋机动进行了优化计算,介绍了机动数据库建立的方法。最后,以机动目标跟踪和有人机追击为设定进行了仿真,结果显示所提方法有效。     

切换拓扑下无人机集群系统时变编队控制

针对多无人机(UAV)间通信拓扑可能发生变化的情况,研究了具有二阶积分特性的无人机集群系统的轨迹跟踪与时变编队控制问题。基于一致性方法设计了编队控制器,将编队控制问题转换成闭环系统的稳定性问题,引入了切换拓扑平均驻留时间的概念,并在此基础上利用线性矩阵不等式(LMI)方法,给出了控制器设计步骤。通过构造分段连续Lyapunov函数,证明了切换拓扑下无人机集群系统能够实现对指定轨迹的跟踪并且实现时变编队飞行。以三维空间运动的无人机集群系统为例进行了仿真验证,结果表明本文所提方法能够解决切换拓扑下无人机集群系统的轨迹跟踪与时变编队问题。     

基于降维STAP 的自适应单脉冲测角算法

将空域广义单脉冲测角算法扩展至空时二维,提出基于降维STAP的自适应单脉冲测角算法,通过实时自适应修正鉴角曲线来降低角误差,实现杂波环境下的目标角误差估计,并且计算复杂度较低,从而保证机载平台在强杂波环境下对目标的稳定跟踪.仿真结果验证了该方法的有效性与性能优势.     

复杂环境下多无人机轨迹姿态协同控制

考虑多无人机在实际飞行过程中的避障需求，在建立面向控制的四旋翼无人机轨迹姿态模型基础上，为克服传统多无人机为每架无人机规划轨迹的不足，研究了基于多无人机中心点的轨迹设计策略。进一步，考虑避障约束，基于半定规划进行迭代区域扩张完成了多无人机的安全飞行区域及队形设计。在此基础上，基于干扰补偿策略为每架无人机设计了协同控制器，最终确保了多无人机在多障碍环境下的安全飞行。     

运五B运输机改装的无人机成功试飞

1月5日,由航空工业石飞与北京天域航通科技有限公司联合研制的大型商用无人机——"鸿雁"在新疆某机场成功首飞,标志着运五B飞机改装无人机适航审定试点工作取得阶段性成果。该项目无人机最大起飞重量5.25吨,最大任务载荷重量1.5吨,业载能力目前居商业无人机首位,飞行高度可达4500米,巡航速度可达160千米/小时,最大航程1560公里,起飞与着陆距离不大于200米,可适应雪山、山地、沙漠、戈壁、草原、水上(更换轮胎、雪橇、浮筒、滑板等)等条件,能够出入其它飞机难以涉及的复杂区域、地形和简易机场,解决偏远和贫困地区以及交通不便山区的物资运输需求,具有起降距离短、载重量大、货仓容量大、安全性高、适用性强、性价比优等特点,具有较大的应用空间。     

基于小脑模型关节控制器的无人机集群快速终端滑模容错控制

针对受执行器故障和外界干扰影响的集群无人机（UAV）协同编队控制问题，提出了一种自适应快速非奇异积分滑模（FNISM）容错控制（FTC）方法。为使集群无人机在执行任务时具有良好的协同跟踪性能，通过对无人机实际飞行情况的分析，考虑了无人机编队飞行时的执行器故障和尾涡扰动等对跟踪性能的不利影响。采用小脑模型关节控制器神经网络（CMANN）来估计并消除外部干扰的影响，同时运用CMANN逼近补偿执行器故障。研究表明：所提出的容错控制方案可以保证无人机编队闭环系统在故障情况下的最终一致有界稳定，并且可以通过减小滑模设计参数提高收敛速度，通过增大虚拟和实际控制器参数提高控制精度。4架无人机的集群编队在该方法、基于径向基神经网络（RBFNN）的鲁棒动态面容错控制、比例微分（PD）滑模容错控制3种方法下的对比仿真结果表明该方法在无人机集群编队出现故障时具有更优异的协同控制性能。