基于神经网络的导弹制导控制一体化反演设计

针对制导控制一体化(IGC)模型中的不确定性难以进行估计补偿的问题,提出了基于神经网络的IGC反演设计方法。首先,根据弹目相对运动关系以及导弹自动驾驶仪模型建立了三维空间中的IGC模型。其次,针对由目标机动引起的模型不确定性,提出应用高阶滑模微分器(SMD)对导弹导引头获得的弹目相对运动信息进行微分,从而估计出目标加速度的方法,然后考虑导弹自身由于参数摄动以及未建模动态引起的模型不确定性,应用SMD和神经网络模型进行在线逼近补偿,基于反演控制理论设计了带有SMD和神经网络模型的IGC算法,应用李雅普诺夫稳定性理论对所设计的控制算法进行了稳定性证明。最后,进行了导弹六自由度仿真,验证了所设计控制算法的有效性。     

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.     

基于跟踪微分器的高超声速飞行器Backstepping控制

针对存在模型参数不确定和外部干扰的高超声速飞行器（HFV）跟踪控制问题,提出一种基于Backstepping方法的抗饱和非线性控制器。将飞行器纵向动力学模型分为速度子系统和航迹倾角子系统,然后针对每个子系统单独设计控制器。设计跟踪微分器获得信号的一阶导数,用以估计系统中的不确定干扰项和避免"微分项膨胀"问题。控制器设计过程考虑了控制量发生饱和的情况。基于Lyapunov理论证明了闭环系统信号的稳定性。与传统高超声速飞行器Backstepping方法相比,所设计的控制器采用待跟踪状态与理想控制指令之间的实际误差作为反馈量,放宽了对系统干扰项的限制,提高了控制器对控制增益变化的适应性,进而提高了闭环系统的跟踪控制性能。对比仿真结果验证了所设计方法的有效性。     

基于内模原理的复杂挠性卫星姿态控制研究

首先对具有运动挠性附件的航天器的姿态动力学模型进行了简要讨论和分析,证明了对于受步进扰动的复杂挠性卫星系统,采用输出反馈PD控制仅能得到一致有界稳定的结论。为了获得闭环系统的渐近稳定性能,进一步构造了具有内模补偿的PD控制系统,并且根据Lyapunov理论给出了严格证明。基于美国GOES 8号静止轨道气象卫星公布的动力学参数,对PD控制及含有内模补偿的PD控制两类控制器进行了仿真对比,以校验所设计控制系统的有效性。最后,进行了总结并提出进一步的研究设想。     

基于LQR的弹道跟踪制导律设计

针对防空导弹弹道跟踪问题,基于线性二次型调节器（ LQR）理论设计了2种弹道跟踪制导律。首先,以时间为自变量,对导弹质点运动模型线性化,得到第一种线性化模型;接着,为提高模型精度和允许扰动范围,以导弹X坐标为自变量对导弹质点运动模型线性化,得到第二种线性化模型;然后,针对2种线性化模型,利用LQR理论分别设计跟踪制导律,并给出制导指令计算公式和制导流程;最后,在一定外界干扰作用下,将所设计2种跟踪制导律应用于导弹质点运动仿真,并从抑制随机风干扰、消除初始偏差等方面对2种制导律进行比较。结果表明,2种制导律都能实现弹道精确跟踪,且基于第2种线性化模型设计的跟踪制导律各项性能均优于第1种跟踪制导律,说明基于导弹X坐标线性化的模型精确度较高,适用于弹道跟踪制导律的设计。     

小天体软着陆中的地面特征区域提取与跟踪算法

考虑到自主导航过程中的特征区域检测与跟踪问题,提出了一种新的跟踪算法。该算法是基于DIMES框架。首先,对在软着陆过程中拍摄的行星表面图像进行亮度均衡化,对处理后的图像进行二值化;然后,对二值化特征区域进行模板匹配找出高度相关位置点;最后,根据特征区域之间的几何关系确定特征区域的搜索范围,再分别提取这些相关点所代表区域的特征向量,并且与模板的特征向量进行相似性分析从而找到相似性最大的位置点。通过两组小行星表面图片进行分析验证得到了较好的效果。     

利用VLBI技术进行深空航天器跟踪的仿真分析

差分VLBI(D-VLBI)技术常用于测量航天器相对于参考射电源的角位置,用其跟踪深空航天器可取得足够高的精度。针对深空探测任务中D-VLBI技术的特性,提供了观测时间间隔的设置参考,通过仿真分析,研究了航天器和参考射电源之间的角距离、传播路径上的介质差异等因素及其对观测精度的影响,为后续深空航天器飞行任务的设计提供技术支持。