不依赖于卫星的无人系统视觉/激光雷达感知与自主导航技术

智能化的无人系统在现代社会中起着重要作用,而对环境信息的准确感知以及自身位置的精准估计是无人系统智能、高效执行任务的核心基础,视觉与激光雷达传感器是无人系统常用的感知与导航传感器.近年来,随着应用场景的拓展,无卫星信号、无光等恶劣环境对无人系统的感知与自主导航技术提出了新的挑战.针对上述环境,对无人系统中视觉/激光雷达...     

美国高轨天基态势感知技术发展与启示

太空是国家新边疆,太空活动是国家意志和战略意图的重要体现,是国家利益拓展的重要保障,太空安全已成为国家安全的重要组成部分.经略太空感知先行,空间态势感知是指获取和认知空间态势信息,包括空间 目标监视和空间环境监测,是进一步开展空间操控和空间对抗的基础.本文首先梳理了美国空间态势感知领域相关条令的发展历程,介绍了美国高轨...     

基于非定常气动力辨识技术的气动弹性数值模拟

选择离散型输入输出差分模型,运用最小二乘方法进行非定常气动力建模,并将辨识得到的降阶模型用于气动弹性的数值模拟。1个马赫数下的颤振临界点的计算仅需调用一次非定常流场求解器。计算精度保持与非定常欧拉方程计算方法相当的同时计算效率提高了1~2个量级。计算了跨声速具有S型颤振边界的气动弹性标准算例－Isogaiwing和三维气动弹性标模算例AGARD445.6,辨识模型计算边界与非定常Euler方程计算结果吻合。证明非定常气动力辨识技术可以提供高效的高精度的气动弹性分析。     

多尺度自适应直接信息采样与重构

现有的直接信息采样(Analog-to-Information Conversion,AIC)方法在压缩感知框架下,将采集和压缩过程融合,但并未充分考虑不同稀疏成分在信号重构当中的地位。针对该不足之处,提出一种多尺度自适应直接信息采样与重构算法。该算法充分考虑小波变换后的高频信号和低频信号在重构中的不同地位,实现速率自适应的直接信息采样。同时,给出变速率采样下的信号重构策略,以解决常规重构算法在速率自适应采样时失效的问题。仿真结果表明,多尺度自适应AIC系统可以获得比传统AIC系统更好的AFSNR性能。     

一种无人机自主避障与目标追踪方法

针对无人机自主避障与目标追踪问题，以深度Q网络(DQN)算法为基础，提出一种多经验池深度Q网络(MP DQN)算法，使无人机避障与追踪的成功率和算法的收敛性得到优化。更进一步，赋予无人机环境感知能力，并在奖励函数中设计了方向奖惩函数，提升了无人机对环境的泛化能力以及算法的整体性能。仿真结果表明，相较于DQN和双重DQN(DDQN)算法，MP DQN算法具有更快的收敛速度、更短的追踪路径和更强的环境适应性。     

内埋武器机弹分离相容性及流动控制试验研究

随着新一代先进有人或无人战斗机对高机动、超远程打击和隐身等性能提出要求，武器内埋式装载已成为必备选择。当内埋武器的质量-惯性载荷比非定常空气动力载荷大时，有效的武器分离通常不是问题；然而，当内埋武器的质量-惯性载荷比非定常空气动力载荷小时，可能导致内埋武器机弹分离过程出现俯仰角过大、急速滚转等不相容现象。本文针对内埋武器机弹分离相容性及流动控制方法开展非定常风洞投放试验探索研究，通过在武器舱前缘布置锯齿和矩形扰流板等被动流动控制装置，采用非定常风洞投放试验方法并结合高速纹影流动显示技术，研究了有无流动装置对内埋武器机弹分离相容性的影响，并提出细长旋成体布局式的内埋武器机弹分离相容性的判据表达式。研究发现，布置在内埋武器舱前缘的锯齿和平顶扰流板能在气流扇形膨胀区域内产生扰流激波，该扰流激波所产生的高压作用在导弹头部能起到减小抬头俯仰力矩的效果，对机弹分离俯仰方向运动产生较大影响，但对导弹垂直位移的影响并不大。前缘锯齿扰流板对机弹分离相容性的控制效果比平顶扰流板要好。     

基于布尔感知模型的N段有向覆盖与 K重全向覆盖

针对无线传感器网络节点的布尔感知模型，在满足覆盖要求的条件下，文章对N段有向感知中邻近段之间等概率跳变或以恒定角速度ω扫描2种情况，分别给出传感器节点工作在有向感知模型下的分段数Ⅳ与全向模型下的覆盖重数K之间的关系表达式。之后，进一步对节点以恒定角速度∞扫描，考虑时间积累的条件下，给出了时间m、分段数N与覆盖重数K的表达式。通过以上研究，可以将有向感知模型的覆盖问题转化为求取全向感知模型下的覆盖重数问题。     

条件生成对抗网络的翼型反设计方法

针对变体飞行器实时控制翼型形状的需求，提出了基于深度学习的翼型反设计方法，利用多层感知机搭建了由生成器与判别器组成的条件生成对抗网络。生成器从带有随机噪声的气动参数中提取内在特征，习得特征到翼型的映射关系；判别器则将生成器产生的翼型或真实翼型与前述气动参数混合作为输入，输出该翼型为符合指定气动条件的真实翼型的概率。为了优化网络模型，研究并分析了噪声尺寸、超参数及网络结构对模型收敛性能的影响。训练好的网络模型即可根据给定的期望气动参数，快速生成配套的翼型。测试结果表明预测翼型与真实翼型的均方根误差的平均值为0.17%,耗时仅为23 ms,大大提高了设计精度与效率；并且在有噪声干扰情况下依旧保持良好的设计性能，增强了翼型设计模型的鲁棒性。研究成果可以应用于变体飞行器自适应在线最优气动构型控制。     

基于卡尔曼滤波的翼型表面压力实时重构方法

为实现基于稀疏数据的翼型表面压力实时重构，提出了一种基于压缩感知与卡尔曼滤波器的数据融合方法，该方法主要包括线下建立数据库和线上实时感知两部分。首先，在线下通过粒子图像测速技术、压敏漆、计算流体力学等方法对翼型表面压力进行全场采样，并采用本征正交分解对所测得的全场压力数据进行降维，建立含有主导相干流动结构的模态数据库以及各模态时间系数之间的状态转换关系。其次，在线上基于压缩感知，利用离散压力传感器所测量数据与压力场主导模态，通过求解L₁范数下的最优化问题，对各主导模态的时间系数进行初步求解。最后，将线下所得各模态时间系数之间的状态转换关系放入卡尔曼滤波器，作为其系统模型进行预测；将线上所求得各模态时间系数放入卡尔曼滤波器，作为其观测值进行校正。以CFD模拟翼型压力作为验证数据，对该方法的性能进行评估，结果显示：该方法与仅采用压缩感知进行重构对比，升力重构误差从18.15%减小至6.39%。