空-空导弹全向攻击随机最优制导律

本文从全向攻击的基本思想出发,用最优控制理论和卡尔曼滤波理论推导出能使空-空导弹进行全向攻击的随机最优制导律。该制导律包含目标加速度反馈,能对付机动目标;当目标作非机动飞行时,最优制导律是变比例系数的比例制导。计算机仿真结果表明:最优制导需用过载、终端脱靶量均小于比例制导,特别是当导弹从目标前方攻击时,其制导精度大大优于比例制导。     

粗差拟准检定法在星载GPS低轨卫星定轨中的应用

利用自适应卡尔曼滤波进行星载GPS低轨卫星定轨时,必须解决量测方程中经常存在的粗差问题．在分析以往方法的优缺点后,用拟准检定法来探测和修正量测方程中存在的粗差．该法的优点是辨识粗差准确率高,能同时定位多个粗差．另外,为了克服星载GPS低轨卫星定轨的滤波器可能出现的数值不稳定性及发散现象,还采用了UD分解算法及Sage自适应滤波器．最后用一个CHAMP卫星的模拟算例验证本方法的可行性和有效性．     

太阳电池瞬态非线性温度场的精细算法

利用精细时程积分法和状态空间转移法，提出了计算空间飞行器太阳电池阵瞬态非线性温度场的非线性补偿法，它能够计算太阳电池阵在轨飞行时的温度场，具有收敛性好、稳定性好、计算精度逼近精确解、可以取较大的时间步长等特点。     

空间碎片防护结构设计优化理论方法研究

航天器空间碎片防护结构设计优化在国际上属前沿课题，防护结构设计优化理论方法是其关键技术之一。在防护优化理论模型及其优化算法研究方面取得了突破性进展，建立了综合各类典型防护结构构型的统一的防护优化数学模型，提出了解决防护优化问题的几种算法：混合遗传算法，改进的差异演化算法和混合差异演化算法。最后采用航天器防护优化算例对防护优化理论方法进行了测试考核，优化结果表明了本文工作的可行性和有效性。     

无界域上不定二次规划的一个算法

本文给出了无界域上不定二次规划一个算法。该算法将不定规划转化为一系列凸二次规划，并证明了算法的收敛性。     

无人机航路规划技术研究进展

无人机航路规划问题本质是多约束条件下,多目标函数求极值的优化问题.规划出满足任务要求、导航、安全性等约束的较优航路,对提高无人机的武器系统性能有重要意义.通过对无人机航路规划的研究,对无人机航路规划问题进行了概括和总结,阐述了无人机航路规划的框架结构以及静态全局规划和动态局部规划方法的研究现状.分析了近年来常用的几种规划算法,着重分析了启发式算法以及遗传算法.在此基础上,对今后的研究方向进行了展望.     

基于最优控制的落角约束攻击设计

针对导弹落角控制和精度控制的矛盾,运用飞行力学原理和最优控制理论,以落地速度倾角作为终端约束,以脱靶量、最小能量为性能指标,给出了一种适用于攻击地面目标的最优导引律。设计了导弹三通道的PID控制器,最后进行了导弹的6DOF仿真研究,仿真验证了设计方法的有效性。     

基于自适应模拟退火遗传算法的月球软着陆轨道优化

 将自适应遗传算法与模拟退火算法相结合，形成一种自适应模拟退火遗传算法。该算法不但具备了自适应遗传算法的强大全局搜索能力，也拥有模拟退火算法的强大局部搜索能力。针对月球软着陆轨道优化的特点，利用一种新的参数化方法将轨道优化问题转换为非线性规划问题，并应用提出的自适应模拟退火遗传算法进行优化。数值结果表明：该算法的收敛速度快，优化精度高，且避免了初值敏感、病态梯度和局部收敛等问题，能够搜索到全局最优轨道。     

基于支持向量机的组合分类方法及应用

为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法——AdaBoost-SVM。该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明,所提AdaBoost-SVM方法较好地解决了现有的Ada-Boost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类。     

训练空域动态规划问题数值模拟仿真算法研究

训练空域的动态规划对于提高空域利用率,提高部队训练效率,缓解军民用空矛盾具有重要意义。本文将空域的动态规划问题进行分阶段处理,通过寻求各个阶段的最优方案来使得总的占用时间最短。针对各个阶段的动态规划问题,在分析问题复杂性的基础上,构建了空域规划模型,提出了遗传-离散粒子群算法,通过融合遗传算法中的交叉与变异思想来改善DPSO算法摆脱局部最优解的能力,提高算法的收敛速度和精度。同时为保证种群的多样性,设计了可保证个体可行性的自适应交叉算子和变异算子。最后利用甘特图来表示整个空域规划过程。将改进后的遗传-粒子群算法用于算例,并与遗传算法比较,结果表明该算法获得的结果更优且收敛速度更快。