非均质壁面对液滴俘获能力的数值模拟研究

为研究不同非均质壁面对液滴的俘获能力,采用界面追踪法（FTM）结合广义滑移边界建立了接触角模型,对液滴在非均匀润湿的非均质壁面上的运动过程进行了数值模拟研究。液滴在倾斜壁面上受到重力作用由均匀润湿部分下滑至非均匀润湿部分,通过改变Bo数、Oh数、非均匀润湿程度研究了液滴在非均匀润湿区域的运动规律。研究表明:Bo数越大,液滴运动受壁面阻力影响越小,液滴下滑的速度越快,液滴越难以被俘获;Oh数越大,液滴运动受壁面阻力影响越小,液滴越难以被俘获;非均匀润湿程度越大,非均质壁面对液滴的阻力越大,液滴越易被俘获。      

有限时间收敛的阻力加速度跟踪进入制导律

摘要：针对地球或火星的大气层进入过程提出一种具有有限时间收敛性质的阻力加速度跟踪鲁棒制导律.将再入动力学方程抽象为一类带有不确定性及扰动的非线性系统,并针对该类系统提出一种基于滑模控制的有限时间鲁棒控制律.将所提出的理论方法应用于阻力加速度跟踪制导律的设计中,设计可使阻力加速度在有限时间内跟踪上标称值的制导律.仿真验证方法的有效性和先进性.     

空间目标快速轮廓特征提取与跟踪技术

为满足空间目标交会对接任务中高精度、快速的测量要求,提出了一种空间目标快速轮廓特征提取与跟踪技术。该算法首先从初始帧图像中分割定位目标所在局部区域,作为目标连续跟踪的初始值;其次基于初始帧目标局部区域完成对初始帧目标边缘特征的检测及细化处理;最后采用Hough变换完成对初始帧目标边缘的检测及细化后的局部图像轮廓直线的提取,分别选取目标轮廓四方向最优的直线参数作为最终目标轮廓直线获取的效果,并采用梯度最大法则实现两两求交获取的轮廓特征的优化提取。在目标逼近过程中,结合相邻帧图像间目标尺度动态变化的关联性,根据初始帧提取目标轮廓特征的先验信息,确定目标在第二帧图像中的轮廓位置,并依次根据上一帧图像的轮廓位置信息定位目标在当前帧所在的区域,通过局部处理实现序列图像轮廓区域特征的连续跟踪。该算法无需遍历整个图像,所需处理的目标区域大幅减小,能够有效克服由目标图像较多边缘干扰导致的轮廓提取效果差及处理速度慢的缺点,具有速度快、准确性强、稳定性高等优点。     

基于视觉注意机制的认知雷达数据关联算法

针对传统关联波门设计方法在应用于机动目标跟踪时容易引起失跟、以及概率数据关联算法不适于多交叉目标跟踪的问题,提出了一种基于人类视觉选择性注意机制和知觉客体的"特征整合"理论的认知雷达数据关联算法。算法以综合交互式多模型概率数据关联算法为基础,采取假设目标最大机动水平已知的"当前"统计模型和匀速运动模型作为模型集,通过实时交互使关联波门能够随目标机动动态调整,较好地兼顾了雷达计算耗时和跟踪成功率。在利用目标位置特征的基础上,进一步提取、整合目标运动特征,对关联波门交叉区域公共量测进行分类,使多交叉目标跟踪问题转化为多个单目标跟踪问题,优化了传统概率数据关联算法。仿真结果表明：与传统关联波门设计方法相比,算法跟踪失败率和计算耗时明显降低;而且在计算资源增加不大的情况下,杂波环境适应性也得到了显著增强。     

基于最优误差动力学的时间角度控制制导律

针对带有攻击时间和终端攻击角度约束的导弹制导问题,设计了一种基于最优误差动力学的时间角度控制制导律,并给出了明确的性能指标。推导广义最优角度控制制导律作用下的剩余飞行时间估算表达式,在广义最优角度控制制导律的基础上增加攻击时间误差反馈项,将攻击时间误差看做跟踪误差,设计的制导律使跟踪误差以最优模式在有限时间内收敛到零,最终实现攻击时间和终端攻击角度的共同控制。对不同参数下的情况进行仿真,验证了所提制导律的有效性。     

临近空间高超声速跳跃滑翔式目标自适应跟踪模型

针对临近空间高超声速跳跃式滑翔目标跟踪问题,在将加速度建模为具有正弦波（SW）自相关随机过程的基础上,提出一种自适应非零均值正弦波相关（ANM-SW）模型。其核心是对正弦波相关模型进行均值补偿构建ANM-SW模型,并推导了模型状态方程;为深入分析均值补偿的作用,分别从时域和频域的角度探讨了自适应非零均值模型的物理本质;此外,为进一步说明模型的适应性问题,结合Kalman滤波推导了SW及ANM-SW模型状态更新的系统动态误差,验证了ANM-SW模型在机动适应方面的优越性;最终仿真表明与SW模型相比,ANM-SW模型在跟踪精度及机动适应能力方面具有一定的优势性。     

基于边缘信息的灰度目标跟踪算法

提出了一种基于边缘信息的跟踪算法,其可以实现对剧烈变化的灰度目标的精确跟踪.首先,利用基于双同心圆窗口算子的非线性边缘检测算法得到高质量的边缘信息;其次,为了解决单一边缘特征空间不能充分表征目标的难题,提出了一种通过组合边缘图像构建特征空间的方法,以便为目标建模提供充分信息;再次,在构建的特征空间中使用核估计方法对目标进行建模;在目标定位阶段,利用Kalman滤波器对目标进行预估后,再由Mean Shift算法在预估位置邻近区域实现目标定位;最后,提出了一种基于形态学的动态模型更新策略,使得算法不仅可以获得精确的目标区域,还可以实现对目标尺寸和形状变化的自适应.实验结果表明,本算法不仅可以有效跟踪剧烈变化的灰度目标,而且跟踪窗口可以实现对目标尺寸和形状的自适应.      

Adaptive accurate tracking control of HFVs in the presence of dead-zone and hysteresis input nonlinearities

A novel accurate tracking controller is developed for the longitudinal dynamics of Hypersonic Flight Vehicles (HFVs) in the presence of large model uncertainties, external disturbances and actuator nonlinearities. Distinct from the state-of-the-art, besides being continuity, no restrictive conditions have been imposed on the HFVs dynamics. The system uncertainties are skillfully handled by being seen as bounded “disturbance terms”. In addition, by means of back-stepping adaptive technique, the accurate tracking (i.e. tracking errors converge to zero as time approaches infinity) rather than bounded tracking (i.e. tracking errors converge to residual sets) has been achieved. What’s more, the accurate tracking problems for HFVs subject to actuator dead-zone and hysteresis are discussed, respectively. Then, all signals of closed-loop system are verified to be Semi-Global Uniformly Ultimate Boundness (SGUUB). Finally, the efficacy and superiority of the developed control strategy are confirmed by simulation results.