高超声速滑翔目标自适应跟踪方法

针对机动模式复杂多变的高超声速滑翔目标跟踪问题，提出了一种机动频率自适应跟踪方法。采用介于常速度和常加速度模型之间的Singer模型来表征目标气动力加速度的变化，从而建立跟踪系统的状态方程。根据地基雷达量测量获得系统的量测方程，鉴于距离和角度信息的量级相差较大将其由球形量测量转换为位置量测量。为了适应高超声速滑翔目标灵活多样的机动模式，基于正交性原理和无迹卡尔曼滤波算法实现了Singer模型中机动频率参数的自适应。利用滤波信息计算得到能够反映状态模型误差大小的调整因子，用于放大Singer模型中的机动频率，进而调整状态方程的过程噪声以降低模型误差。通过对2种典型机动轨迹的跟踪仿真，并与交互式多模型等方法进行比较，结果表明所提方法的跟踪精度高、计算量小，能够较好地适应阶跃机动和连续幅值变化的机动。     

平台摇摆对卡尔曼滤波跟踪精度的影响

通过建立目标相对运动坐标系和目标相对运动观测模型,研究了在平台摇摆影响下,跟踪系统观测到的目标运动状态的变化。在分析捷联垂直基准补偿原理的基础上建立了捷联垂直基准平台摇摆角补偿模型,建立的模型结合捷联垂直基准系统的测量能力对其补偿算法进行了理论推导,使模型适用于实际捷联垂直基准系统。通过建立模型以及仿真研究了平台摇摆作用下卡尔曼滤波跟踪精度的变化,指出了摆造成卡尔曼滤波跟踪精度降低甚至离散的主要原因在于模型误差增大。设计仿真实验验证了结论的正确性,为进一步改进跟踪手段提供了理论参考。     

基于变量集结预测控制的四旋翼无人机控制器设计

针对四旋翼无人机路径跟踪问题，设计了一种基于变量集结预测控制的控制器。首先以四旋翼无人机状态空间模型为基础建立预测模型；接着设计控制器时采用分段集结的策略把控制量集结成三段优化序列以减少优化计算量，并降低优化保守性，为了进一步加强系统稳定性，控制器引入终端代价函数和终端约束；最后用四旋翼无人机的动力学模型作为被控对象进行仿真验证，结果表明：该控制器能使四旋翼无人机在三轴方向均能实现一个良好的路径跟踪效果。与传统方法相比，这种基于变量集结的预测控制策略能够减小在线优化量，更适合四旋翼无人机飞控芯片的应用。     

A cost driven predictive maintenance policy for structural airframe maintenance

Airframe maintenance is traditionally performed at scheduled maintenance stops.The decision to repair a fuselage panel is based on a fixed crack size threshold,which allows to ensure the aircraft safety until the next scheduled maintenance stop.With progress in sensor technology and data processing techniques,structural health monitoring (SHM) systems are increasingly being considered in the aviation industry.SHM systems track the aircraft health state continuously,lead ing to the possibility of planning maintenance based on an actual state of aircraft rather than on a fixed schedule.This paper builds upon a model-based prognostics framework that the authors developed in their previous work,which couples the Extended Kalman filter (EKF) with a first order perturbation (FOP) method.By using the information given by this prognostics method,a novel cost driven predictive maintenance (CDPM) policy is proposed,which ensures the aircraft safety while minimizing the maintenance cost.The proposed policy is formally derived based on the trade-off between probabilities of occurrence of scheduled and unscheduled maintenance.A numerical case study simulating the maintenance process of an entire fleet of aircrafts is imple mented.Under the condition of assuring the same safety level,the CDPM is compared in terms of cost with two other maintenance policies:scheduled maintenance and threshold based SHM maintenance.The comparison results show CDPM could lead to significant cost savings.     

复杂电磁环境下无线接收机电磁兼容快速测试技术应用CSCD

复杂射频电磁环境下,无线接收机作为主要的敏感设备,其电磁兼容性直接影响着整个武器装备的电磁兼容特性. 本文针对GJB 151B中对于接收机非线性测试方法的局限性,引入了一种利用自动双频测试系统对接收机干扰响应的快速测试方法;并搭建了实验室半实物仿真测试平台,检测了某接收机在（ 4-6 ） GHz组合频率干扰下的所有非线性的干扰响应通道. 测试结果对于评估接收机及其所在系统的外部电磁环境适应性具有重要参考价值.     

非线性能量阱对飞轮振动抑制效果的实验研究

利用薄片金属梁作为非线性刚度元件，构建一种非线性能量阱。为了验证非线性能量阱对飞轮振动特性的抑制效果，搭建地面飞轮测试系统。分别采用力锤敲击和飞轮以恒定转速运行的方法施加不同载荷，对安装非线性能量阱前后测试系统各典型位置的振动响应进行对比研究。利用实测数据，采用傅里叶变换方法将动态响应信息分别在时间域和频率域内展开。研究表明：力锤敲击产生的冲击载荷和飞轮以恒定转速运行产生的稳态载荷均可以激发非线性能量阱定向能量传输；受非线性能量阱的影响，柔性支架设备安装面和飞轮安装面振动响应得到有效抑制。但是，由于非线性能量阱阻尼和吸振子质量较小，不同程度削弱了其振动抑制效果。     

基于ANFIS的智能导航自适应滤波算法研究

智能导弹等智能化飞行器在快速跨域、高速机动飞行时,由于传感器切换、外形改变等因素,会对组合导航信息融合系统引入随机非Gauss噪声等影响,离线优化的参数往往不能满足滤波器精度的需求。自适应网络模糊推理系统ANFIS是一种将人工神经网络和模糊推理技术相结合而成,符合人类认知特点的决策方法,它可以对导航数据进行学习,实现智能决策、实时修改滤波器内部参数,对滤波器进行优化。仿真结果表明,基于ANFIS优化的智能导航自适应滤波算法可以有效减少噪声和干扰带来的影响,提高导航精度。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点，借助深度学习在多参数寻优上的优势，提出了一种基于卷积神经网络的模型预测控制算法，满足航天工程低硬件需求，实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态，然后将控制过程中状态量用于3层3核卷积神经网络的训练，训练完成后，用该卷积神经网络代替模型预测对组合航天器进行控制，从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数，相比传统模型预测算法所需硬件计算时间降低约5倍，在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制，控制精度在10 -4 量级。     

Real-time object tracking via least squares transformation in spatial and Fourier domains for unmanned aerial vehicles

This paper addresses the problem of real-time object tracking for unmanned aerial vehicles. We consider the task of object tracking as a classification problem. Training a good classifier always needs a huge number of samples, which is always time-consuming and not suitable for realtime applications. In this paper, we transform the large-scale least-squares problem in the spatial domain to a series of small-scale least-squares problems with constraints in the Fourier domain using the correlation filter technique. Then, this problem is efficiently solved by two stages. In the first stage, a fast method based on recursive least squares is used to solve the correlation filter problem without constraints in the Fourier domain. In the second stage, a weight matrix is constructed to prune the solution attained in the first stage to approach the constraints in the spatial domain. Then, the pruned classifier is used for tracking. To evaluate proposed tracker's performance, comprehensive experiments are conducted on challenging aerial sequences in the UAV123 dataset. Experimental results demonstrate that proposed approach achieves a state-ofthe-art tracking performance in aerial sequences and operates at a mean speed of beyond 40 frames/s. For further analysis of proposed tracker's robustness, extensive experiments are also performed on recent benchmarks OTB50, OTB100, and VOT2016.     

基于UKF的实时弹道解算参数稳健设计

在基于UKF(Unscented Kalman Filter,无迹卡尔曼滤波)的实时弹道解算应用中,外部环境不稳定的影响以及观测过程中野值的存在,使得基于经验参数设置的滤波易于发散.因此,需要针对指定型号调节和设置滤波器参数的取值,使其克服上述现象.针对这一问题,提出了基于理论弹道先验的参数稳健设计方法,对滤波器参数最优值进行预测.从滤波器的架构出发,梳理出影响滤波器性能的相关参数,结合稳健设计思想,外设计部分基于理论弹道先验信息,通过模拟弹道特征点构造弹道观测模型;而内设计部份,构造模型的测元数据进行正交试验,判断参数的显著性,获取相应的最优参数取值,从而为实时解算弹道的参数设置提供指导.实际数据试验结果表明,该方法可显著提高滤波器的实算稳健性和收敛性能.