基于LMI的模糊增益调参控制器的设计

利用线性矩阵不等式(LMI)技术将增益调参的控制律设计转化为相应的LMI凸优化问题,结合 模糊控制和H_∞方法,给出了一种基于LMI的模糊参数化的飞控系统增益调参控制器的 设计方法,该方法解决了传统增益调参设计中以经验设计的弊病,并保证了系统的全局 稳定性及鲁棒性能要求.将该方法应用于某型飞机模型上,仿真结果表明该设计方法简便有 效,且控制器鲁棒性较好.     

实时仿真中的数据重构与误差分析

动态系统实时仿真中的数据重构现象，以及数据重构所产生的动态误差在本文中作了分析和讨论。实例说明了补偿这种误差的方法。     

基于角色切换策略的多无人机协同区域搜索

针对存在随机分布目标的区域快速搜索问题开展研究，考虑无人机有限通信能力和探测信息的实时回传需求，提出了一种基于角色切换策略的多无人机协同区域搜索方法。首先，考虑各无人机平台的历史搜索信息和协同搜索收益，基于概率传感器模型构建了多无人机协同区域搜索求解框架；其次，基于4项无人机节点重要性的评价指标，采用改进逼近理想解排序法（TOPSIS）完成无人机节点重要性评估，通过无人机角色动态切换实现了区域搜索过程中协同搜索收益与网络连通性的平衡；最后，考虑机间防撞、通信保持、无人机运动学等约束条件，利用分布式滚动时域优化方法完成各无人机在线运动规划，实现多无人机协同区域搜索。仿真结果表明了所提方法的可行性和有效性。      

自适应评判神经网络在微分对策中的应用

采用由3个神经网络组成的自适应评判神经网络结构求解微分对策的2点边值问题,其中2个 为控制神经网络,分别实现对微分对策系统中双边控制器的优化,一个为协 态神经网络,用于对2点边值问题中的协态变量进行求解,协态网络的输出对控制网络进行 校正,训练以后的2个控制网络作为双边的反馈控制器在线应用.并将神经网络结果与采用 Chebyshev技术的微分对策数字解进行了对比.追逃微分对策仿真结果表明了该方法的有效 性,并且对初始条件和测量噪声具有较强的鲁棒性.      

混合Petri网及其可达性分析

混合系统是由相互作用的离散事件动态系统和连续变量动态系统构成的复杂系统。文中建立的混合Ｐｅｔｒｉ网能够描述、分析生离散事件,以及离散事件或连续演变的并发问题,该网可以覆盖离散Ｐｅｔｒｉ网和赋时Ｐｅｔｒｉ网,从而使离散事件系统、实时离散事件和混合系统理论研究统一到同一理论框架中,此外还给出计算混合系统可达状态集的算法。     

多无人机协同搜索区域分割与覆盖

多无人机覆盖搜索是无人机的一项主要任务,将搜索区域进行分割后,每个子区域内成为单机覆盖搜索问题,大大降低了任务难度.对无人机的平行搜索策略进行了详细的分析,针对平行搜索策略给出了搜索起始点、转弯关键点、搜索终点的判断依据,使得区域覆盖率达到100%.分析了最小转弯半径对搜索路径的影响.根据无人机初始位置和搜索面积对任意凸多边形搜索区域进行分割.针对无人机搜索的特点,以转弯次数作为主要依据对分割结果进行评估.对不同情况下无人机从初始位置到搜索起始点的路径进行了研究.最后通过仿真验证了方法的实用性.      

空战中协同干扰、探测、攻击任务分配

针对空战中协同干扰任务分配问题,根据己方飞机的干扰功率、干扰工作频段、干扰样式,敌方飞机雷达的工作功率、工作频段、抗干扰样式,建立了干扰功率优势、干扰频率优势、干扰样式优势;再考虑己方飞机的干扰作战能力以及敌我双方的空战能力指数建立了总的干扰优势,建立了协同干扰任务分配模型.根据干扰后敌方飞机的距离性能以及敌我双方的空战态势,对己方飞机对敌方飞机的探测能力、攻击能力进行了研究,建立了多机协同探测加攻击任务分配模型.采用遗传算法对建立的任务模型问题进行优化求解.仿真结果表明,这些模型能够有效地完成协同干扰、探测加攻击任务分配.      

多导弹分布式协同制导与控制方法

针对多枚导弹三维空间协同攻击机动目标要求,提出了一种多导弹分布式协同制导与控制方法.基于网络同步原理设计了一种多导弹三维位置同步算法,将目标视作领弹,与攻击导弹组成“领弹-从弹”的拓扑结构,实现了导弹对目标的协同攻击引导.同步算法给出了惯性坐标系导弹3个方向速度的指令,基于坐标变换将其转化为自动驾驶仪可以跟踪的速度及弹道倾角指令.基于切换控制方法设计了导弹自动驾驶仪,实现了多导弹协同制导与控制的闭环仿真.仿真结果验证了该方法的有效性.      

超视距空战中多机协同制导方法

对空空导弹制导权交接的任务分配问题,根据己方飞机与制导权需交接的导弹的态势建立了对导弹的态势优势模型;根据己方飞机对该导弹攻击目标的态势建立了对目标的探测能力模型;根据敌方飞机对己方飞机的态势建立了己方飞机受到的威胁度模型;根据敌我双方飞机的空战能力建立了空战效能优势模型.在这4种模型的基础上建立了己方飞机对导弹的总的制导优势模型.在总的制导优势的基础上建立了协同制导任务分配模型,并采用遗传算法对协同制导任务分配问题进行优化求解.仿真结果表明,该方法能够实时地计算制导优势和进行任务分配,有效地完成多机协同制导.     

异构多无人机协同目标跟踪分散化最优控制

针对主被动传感器协同目标跟踪需要,考虑到可扩展性、异构性和动态可重构性等特点,建立了适于不同测量类型和不同测量维数的异构多传感器分散化信息融合算法.以极大化信息融合所得到的信息熵及无人机(UAV,Unmanned Aerial Vehicles)观测信息质量为效能函数,建立了异构多UAV协同目标跟踪的分散化最优控制代价函数以及通信、防撞和控制等约束模型.实现了多UAV协同目标跟踪的分散化模型预测控制,并分析了通讯噪声等因素对分散化信息融合和协同控制的影响.