一种面向空天飞机再入的智能自适应复合控制方法

针对空天飞机再入横、侧向通道的姿态控制问题，设计了一种智能神经网络自适应复合控制方法，基于误差反馈学习准则在线更新神经网络权重以补偿全量姿态控制律输出的姿态控制指令。同时，面向再入过程横侧通道的强耦合问题，引入了耦合控制系数，以降低横、侧通道间的控制干扰。此外，提出了一种自适应链式控制分配律，在控制信号中引入正交优化多正弦激励，基于递推最小二乘方法对气动参数进行在线辨识，进而实时更新链式分配策略。最后，对空天飞机再入横侧向通道的神经网络自适应复合控制方法进行数学仿真校验，验证了该方法的有效性和鲁棒性。     

动态跳波束策略中的自适应波束功率分配算法

摘要：多波束卫星发射机的成本很高，同时地面小区的通信需求和通信优先级一直处在动态变化中。通过研究一种动态波束跳跃策略，实现在卫星资源受限和较少发射机数量约束下的广域覆盖和按需服务。区别于传统的分簇波束跳变思想，为了提高卫星系统的频谱效率，考虑在整个频率带宽上应用全局波束跳变。因此考虑在共信道干扰背景下，提出一种新型服务质量指标来衡量波束跳变结果。在卫星资源有限的情况下，各波束提供的通信容量不能满足地面小区的业务请求，基于粒子群算法选择的波束跳动图案，提出了一种自适应波束功率分配算法。该算法通过优先级加权，最小化波束业务容量需求差值，进而提高服务质量水平。最后，通过仿真验证了所提算法的性能优越性。     

Beam resource scheduling for a VHF-MIMO radar network in low-angle tracking

The low-angle tracking in multipath interference is a challenging problem for the Very High Frequency (VHF) radar. The colocated Multi-Input Multi-Output (MIMO) technique can remedy such a defect. In this paper, a Joint Beam-Target Assignment and Power Allocation (JBTAPA) strategy is proposed for the VHF-MIMO radar network tracking low-angle targets. The core of the JBTAPA strategy is to improve the worst tracking accuracy among multiple targets by assigning appropriate beams to targets and allocating the power resource in each beam using the feedback information in the tracking cycle. Taking into account the transmit multipath and receive multipath, we derive the Cramér-Rao Lower Bound (CRLB) on angle estimate, which is then incorporated in the Predicted Conditional CRLB (PC-CRLB). A more accurate and consistent lower bound is provided as the optimization metric since the PC-CRLB is based on the most recently realized measurements. A two-stage-based technique is proposed to solve the JBTAPA problem, which is originally NP-hard. Simulation results verify the effectiveness and efficiency of the proposed method. The results also imply that the target reflectivity plays one of the important roles in resource allocation.     

非死锁合同网协议驱动的多机分布式时序任务分配

针对多无人机协同任务分配的时序约束问题，提出了基于非死锁合同网协议(DF CNP)的分布式时序任务分配方法，从理论上避免任务死锁，提升分配结果最优性。定义了局部信息条件下时序任务死锁判据，通过检测时序任务图环路状态与顶点可达性，判定分配方案的全局死锁状态，保证分配结果的可行性。定制了最近邻-深度优先混合搜索算法，在合同网排序过程中优先选择最近邻任务，并结合死锁判据递归回溯，在分布式架构下并行生成满足死锁约束的任务排序方案，提升分配结果的最优性。仿真对比结果表明：相比于非死锁遗传算法(TB GA)，DF CNP在求解效率方面具有显著优势；与耦合约束一致性束算法(CBBA TCC)相比，DF CNP结果最优性明显提升。