动态战场环境中无人机航迹规划方法研究

采用距离变换方法对动态战场环境中无人机航迹规划问题进行研究.改进了距离变换扩散过程的计算方法,使其能够以更快的速度对大范围复杂环境进行处理.针对战场环境中航迹规划的特点,在考虑航程代价的基础上,提出了基于代价的距离变换方法,将敌方威胁等因素的影响作为风险代价集成到距离变换过程中.通过对威胁值进行设置,规划时可以根据任务态势在航程代价和风险代价间实现协调以满足不同的战术要求.仿真结果表明该方法是一种有效的航迹规划方法.     

无人机通信链路抗干扰手段探析

论文系统阐述了在未来电磁环境下,无人机通信链路面临的各种干扰。针对干扰从遥测遥控和导航定位两方面进行了技术层面的分析,给出了一种较新的自适应阵—扩频抗干扰系统,同时分析了利用中国自主研发的北斗卫星系统进行导航的重要意义,文章最后给出了多种较为具体可行的抗干扰措施。     

浅析高空长航时无人机的气动研究问题

叙述了高空长航时无人机的现状和作用,讨论了它的主要气动特征,评述了可行的分析、设计技术。认为XFOIL技术具备了处理边界层转捩、分离、分离泡的能力,可望在我国高空长航时无人机的气动设计中发挥一定作用。     

基于特征模型的某型无人机智能PID控制器

无人机的飞行特性在很大程度上取决于其飞行控制律。本文以无人机的姿态控制回路为研究对象,分析了表征该无人机姿态控制特性的特征状态信息。利用特征建模的方法,设计一种基于控制对象特征模型的无人机姿态回路仿人智能P ID控制器,并进行了仿真试验。结果表明,该控制器具有较好的抗干扰和自适应能力,结构简单,针对性强,易于实现。     

某无人机气动估算与风洞试验

基于气动估算和风洞试验相结合的方法,研究某型无人机的气动特性.通过不同V形尾翼纵向力矩对比试验,发现尾翼上反角对纵向力矩特性影响较大,并分析了纵向力矩曲线上翘的原因.进行飞机部件及全机气动性能对比试验,给出V形尾翼无人机气动估算方法,找出计算与试验结果产生差别的原因,通过调整尾翼安装角,优化了无人机的气动特性.同时风洞试验也证明所采用的气动估算方法是可信的,可用于此类布局无人机的气动计算.     

钝前缘三角翼无人机气动特性研究

三角翼布局因其优良的气动特性在军用飞机和无人机上获得了广泛应用.为了研究钝前缘三角翼无人机的气动特性,首先采用求解雷诺平均N-S方程的方法对NASA钝前缘三角翼标模进行对比计算,以验证计算方法的可靠度;然后对无人机四个升降舵偏角的气动力和流场特性进行分析研究.结果表明:三角翼无人机在升力系数较小时具有较高的升阻比,当迎角小于1 5°时,钝前缘三角翼前缘气流附体、吸力较高,翼面的横向流动不明显,使飞机的升阻比提高;当迎角大于15°后,涡流特征起主导作用,使得飞机在直到40°迎角范围内没有出现大面积气流分离,具有良好的俯仰稳定性,升降舵效率较高.钝前缘三角翼气动布局在翼展受限、翼载较小的条件下具有一定的气动特性优势.     

针对定向通信类目标的无人机搜索策略研究

目标搜索策略的研究可分为两大类:一类是航路规划层面的航路搜索策略;另一类是导引头层面的导引头搜索策略.在航路规划层面进行定向通信类目标的搜索策略研究,提出了改进的螺旋搜索航路.与目前大多数文献不同的是,在搜索航路规划时考虑了通信类目标的特点,并且在搜索航路规划的基础上,基于虚拟目标理论进一步完成了搜索制导律的设计,以使无人机按照设计的航路飞行,并在航路存在误差时保证导引头指向理论轨迹上的虚拟目标,从而提高目标截获概率.最后基于质点模型验证了搜索制导律的可行性,表明提出的搜索航路及制导律具有一定的理论价值与工程参考价值.     

无人机通信信道的统计模型

讨论了一种无人机通信信道的统计模型,分析了无人机通信信道的组成,给出了冲激响应模型,然后将信道按照无人机的实际飞行划分成为3个主要的状态,即途中飞行状态、任务区域盘旋状态和起飞/降落状态,根据部分理论计算和参考文献分析了每个状态下信道的参数,最后给出了无人机在不同飞行状态下误码率性能的仿真结果。对于当前没有较完备的无人机通信系统实测数据时,进行无人机通信信道的统计模型建立和仿真等方面的研究具有重要意义。     

多投递下带时间窗的卡车与无人机协同配送问题

无人机因其碳排放少、灵活性高、成本低等优势被越来越多地用于物流配送。考虑到无人机单投递情况下负载利用不足和卡车在客户点等待客户时间窗开启过程的时间损失,针对带时间窗的卡车与无人机协同配送问题进行优化,提出一种多投递下带时间窗的卡车与无人机协同配送(VRPDTW-MD)问题。提出了基于VRPDTW-MD特点的遗传算法对其求解,算法中,设计了多种交汇节点变异算子、交汇节点修复算子和服务节点交叉算子,用于调整卡车与无人机相互之间的交会点以及访问点。通过不同类型与规模算例求解验证了问题和算法的有效性,分析了不同卡车与无人机协同配送模式对运营成本的影响,为“卡车+无人机”模式的配送路径规划提供决策依据。     

基于迁移学习的无人机对地面目标识别研究

无人机对地面目标的识别精度受到数据集少和目标小的影响。传统深度学习需要大量有标注的数据集,限制了在具有小样本下的无人机对地面目标识别领域的应用。将迁移学习的方法用于卷积神经网络VGG16,并修改VGG16网络最后的3个连接层;同时利用单样本数据增强法将UC Merced数据集扩大到原来的8倍,对其进行验证和对比分析。实验结果表明,基于迁移学习的VGG16网络对地面目标识别的准确度可达97.62%,相较于未使用迁移学习的VGG16网络模型,整体提高了23.53%。并且在相同训练参数的设置下,模型比SqueezeNet、AlexNet、Inceptionv3、MobileNet-v2以及EfficientNetb0模型验证精度提高了3.63%～17.38%,收敛速度最快,可基本满足对地面目标的识别。