舰载无人机滑行轨迹控制方法

舰载无人机是航母-舰载机系统的重要作战武器，实现舰载无人机在航母甲板上的自主滑行对于提高甲板作业效率具有重要意义。对舰载无人机滑行轨迹控制方法问题进行了研究。首先，描述甲板滑行任务的过程，在此基础上，建立滑行轨迹控制问题的数学模型，包括舰载无人机甲板滑行运动模型、滑行任务约束条件以及评价轨迹控制任务的性能指标。其次，考虑甲板环境和轨迹控制任务要求，基于模型预测控制思想，将在线滑行路径规划与轨迹控制结合，采用滚动优化方法计算出舰载无人机实际滑行轨迹，并且得到控制指令信号。最后，以“尼米兹”级航母为例，对不同停放位置舰载无人机起飞前的滑行轨迹进行仿真计算，结果表明了模型的合理性和算法的有效性。      

一种圆柱物料装填机器人残余振动抑制方法

为提高载具内的物料装填效率，提出了一种在载具内受限空间中使用的新型圆柱物料装填机器人，并通过优化关节轨迹，对机器人末端残余振动进行抑制。首先，给出物料装填机器人的总体设计方案和工作流程。然后，结合物料装填机器人的结构特点，应用拉格朗日方法建立封闭形式的刚柔耦合动力学模型，并应用模态分析方法得到机器人末端动态响应计算方法。最后，以物料装填机器人关节残余弹性势能最小为优化目标，使用最大最小蚂蚁系统，对机器人关节轨迹进行优化，并对优化结果进行仿真验证。仿真结果表明，优化后的关节轨迹，在满足快速装填要求的基础上，可以降低约34.4%的关节残余弹性势能和约37.6%的机器人末端振动振幅。      

高度-速度剖面内再入轨迹快速规划

提出一种升力式再入航天器进入稠密大气后的轨迹规划方法。在预先设定攻角剖面的前提下，利用路径约束(驻点热流、动压和过载)在高度-速度(H-V)剖面内直接获得轨迹下边界；利用终端约束确定以轨迹下边界为基准的高度增量，进而通过下边界与高度增量的加和形成满足要求的再入轨迹。其中，增量的形式选取为分段二次型函数，其大小可通过割线法快速获得。倾斜角大小可根据纵向动力学方程反解得到，其方向依据航向误差角走廊确定。通过对典型工况的仿真，结果表明所提方法能够快速规划出再入轨迹，且适应性好。     

教练机装备的体系化发展

军事飞行训练体系的建立是一个庞大的系统工程。尤其需要前瞻性的顶层设计，结合空军装备发展的实际情况，综合考虑未来的战斗力生成速度和质量以及成本，将训练需求转化为对训练装备的体系化发展要求，合理配置教练机型号并合理安排阶段性训练任务。     

粒子运动轨迹的图像处理及流场重构算法研究

为了高效获得颗粒的速度分布，提出一种针对单帧单曝光图像的图像处理方法和流场重构方法。图像处理过程包含去噪、锐化、自适应阈值分割、闭运算、去除小颗粒、骨架提取、速度提取、二义性判断、求切线等步骤和方法，对该处理过程的主要误差也进行了分析与修正。流场重构使用了基于RBF（Radial Basis Function）插值且采用迎风插值进行优化的算法，插值结果以速度云图及矢量图的形式展示，对该过程的主要误差也进行了分析与验证。最后的处理结果显示，针对单帧单曝光图像的图像处理方法和流场重构方法具有可行性。     

单推力航天器交会对接轨迹规划及跟踪控制

针对单推力航天器交会对接问题，提出一种轨迹规划及跟踪算法。首先，考虑到追踪航天器只沿本体X轴安装推力器，且推力方向固定，为了实现从起始位置转移至期望位置并满足姿态要求，基于三维螺旋线设计两阶段转移轨迹，根据初末位置以及末端速度方向要求，求解螺旋线参数。该螺旋线可以保证在初末速度方向固定情况下，曲率积分最小。其次，为了降低轨迹跟踪难度并减小初始时刻的位置跟踪控制力，需要将转移轨迹初始速度与追踪星X轴重合。传统螺旋线无法满足该约束条件。本文对传统螺旋线进行改进，提出一种旋转螺旋线轨迹设计方法。通过引入姿态旋转矩阵，将螺旋线在三维空间旋转，在不改变曲线形状的前提下满足初末位置及速度方向要求。然后，为了跟踪转移轨迹以及跟踪期望推力方向，提出基于CLF（Control Lyapunov Function）的滑模控制策略，当追踪星X轴与期望推力方向夹角较大时，采用CLF，保证最优性；当姿态误差收敛至滑模面附近时，切换为滑模控制，以提升系统鲁棒性。最后，通过仿真验证旋转螺旋线相比于传统螺旋线的优势。     

分析插值误差和斜率的轨迹优化网格细化方法

提出一种基于插值误差和斜率分析的轨迹优化自适应网格细化方法，包括节点插入算法和节点删除算法。节点插入算法分析各个离散节点的控制变量的插值误差。若插值误差较大，则在该节点周围增加节点细化网格；否则，不进行细化。节点删除算法分析各个离散节点处的控制变量斜率。若某个节点的左斜率和右斜率都为零，那么删除该节点；否则，保留该节点。采用三个典型的轨迹优化算例验证了所提出的方法的有效性和特色，并且与其它几种网格细化方法进行了对比。仿真结果表明，本文方法生成的网格规模较小，需要的网格迭代次数较少，能够快速、高精度求解非光滑轨迹优化问题。     

基于SVM和EKF的高超声速滑翔飞行器轨迹预报

高超声速滑翔飞行器（HGV）拦截问题中，轨迹预报是成功拦截的重要基础。针对HGV机动能力强、轨迹多变的特点，提出了一种基于支持向量机（SVM）和扩展卡尔曼滤波（EKF）的轨迹预报方法。在HGV的滑翔段机动模式分析的基础上，将HGV的机动运动分解为纵向运动模式和侧向运动模式，进而对运动模式的特征参数予以标定，形成SVM的训练集。建立地基单雷达轨迹跟踪模型，采用EKF对HGV滑翔段轨迹进行稳定跟踪并实现对运动模式特征参数的估计。基于SVM，建立了HGV运动识别框架，实现了对HGV滑翔段轨迹的预报。对平衡滑翔和跳跃机动2种典型机动模式进行数学仿真验证，结果表明，所提方法可以提高对该类目标的轨迹预报精度。