多高超声速飞行器静态协同再入制导方法

为实现多高超声速飞行器的协同再入，提出一种基于参考轨迹的静态协同再入制导方法。首先以实际轨迹长度代替大圆弧假设，研究了实际轨迹长度与总飞行时间的对应关系，提出采用公共轨迹长度作为协调变量的思路；然后设计了一种双层协同框架，其中协调层将轨迹长度作为协调参数进行协调匹配，执行层依据分配的协调参数完成再入飞行；最后针对协同再入的时间一致性要求，提出一种新的协同逻辑转换策略，将终端时间的一致性问题转化为到达截止时间的状态收敛问题。该方法在能量域内进行公共参考轨迹设计，之后通过时域信息提取在时域内完成公共参考轨迹跟踪，最终实现多成员的协同再入。分别在标称状态与模拟扰动环境对所提方法进行了数值仿真，结果表明，所提方法能够简明实现多飞行器的再入协同制导，具有较好的应用潜力。     

弹道导弹中段飞行调姿规划技术

目前弹道导弹组合中制导飞行段存在多种调姿时序要求。为了协调各种要求,提出了一种弹道导弹中段飞行调姿规划方法。首先,采用四元数姿态控制方法推导了最小时间和给定时间条件下的姿态角速度指令以及程序四元数,求出四元数姿态控制偏差量作为最优调姿时序规划的基础;然后,确定了中制导各阶段的时序约束条件,建立了优化中段飞行调姿时序的规划模型;最后,采用随机方向搜索法对仿真算例进行了优化计算。仿真结果表明,调姿规划模型可以实现中段飞行姿态时序的协调。     

基于图像骨架和贪婪算法的无人机航路规划

针对无人机在执行低空突防任务时最大生存概率以及自身飞行约束的要求,对传统的人工势场法进行改进,提出基于图像骨架和贪婪算法的航路规划方法.对可飞区域提取图像骨架生成赋权图,采用Dijkstra方法搜索最小代价路径实现航路初规划;提出了曲率可控的贪婪算法对初规划结果进行优化,使最终的路径同时满足最小转弯半径和最短航程的要求.仿真结果表明该方法是一种有效的航路规划方法.     

基于神经网络的不确定性空间机器人自适应控制方法研究

提出了一种针对自由漂浮状态的空间机器人模型不确定性的神经网络自适应控制 方法。通过RBF神经网络逼近模型的非线性函数和不确定性上界,无需预先估计系统的不 确 定性程度和外部干扰,提出的自适应控制律保证了权值的有界性,解决了神经网络权值的UU B（Unknown Upper Bound）问题,即未知上界有界问题,完成了笛卡尔空间内空间机器人轨 迹规划任务。证明了所提出的控制方法的稳定性,仿真结果表明控制方法避免了对空间 机器人动力学模型的参数线性化要求降低了计算量,能够满足实际任务中的实时性要求。
     

基于任务规划的有限推力燃料最优交会

给出了空间交会冲量机动任务规划及基于该任务规划的有限推力燃料最优交会算法。首先,以双冲量空间交会作为问题的初步模型,采用Battin-Vaughan算法对追踪器初始位置和飞行时间的组合进行遍历计算,通过分析特征速度等值线图,进行空间交会的任务规划,为有限推力燃料最优交会提供重要的初值条件。基于任务规划分析,建立了有限推力燃料最优交会的最优控制模型,根据庞特里亚金极值原理将最优控制问题转化为两点边值问题,采用共轭梯度算法进行数值求解。在变轨时间固定、连续变推力的情况下,以总冲最小、满足终端位置和速度约束为指标,对推力大小和方向进行优化。通过数值仿真,得到了一些重要的结论,为工程应用提供了一定参考价值。     

我国宇航元器件保证信息系统的构建及运行

重点调研国外典型宇航企业集团有关EEE元器件信息系统的应用背景、信息范畴和组织架构等方面的内容,对系统特点进行了横向对比和分析,并在总结其成功运作的经验基础上,针对我国宇航元器件标准体系和产品体系建设的实际情况,提出信息系统建设规划和构建运行建议.     

带机械臂的月面巡视探测器的路径规划方法研究

针对巡视探测器路径规划和机械臂路径规划的不同和两者需要依次执行的连接需求,文章将月面巡视探测器的路径规划过程分为三个阶段：巡视探测器的路径规划、机械臂的路径规划、器臂动态联合的路径规划,针对不同的规划分别提出了不同的规划方法,并进行了仿真验证。研究结果表明,巡视探测器的整个路径规划是一个复杂的运算规划过程,在非结构化月面环境下,基于月面三维数字高程图采用改进的启发式搜索（A＊）算法,可以比较高效地完成巡视探测器的路径规划;在采用蒙特卡罗法建立机械臂可达工作空间的基础上,可以比较简单、准确地获取机械臂的规划路径;巡视探测器整个就位探测过程的实现需要两种规划的动态联合。     

美国未来30年《军机投资计划》解读

2010年2月,美国国防部首次向国会提交了2011-2040财年的《军机投资计划》。它对美国空军、海军和海军陆战队未来30年的固定翼飞机发展做出了详细规划,包含了各类飞机的投入预算、采购数量及其作战能力形成的时间节点等内容,对了解美军未来机队、机种和机型等方面的发展有较高参考价值。