基于轨迹映射的无人机拖曳式空中回收轨迹优化

针对无人机拖曳式空中回收过程中的轨迹优化问题，提出一种基于轨迹映射的无人机回收轨迹在线优化方法。首先，建立包括缆绳-浮标-无人机组合体的运动模型、机翼折叠模型在内的空中回收系统模型。随后，提出轨迹映射的思想，利用双向长短期记忆（BiLSTM）神经网络建立回收系统中回收指令和回收轨迹之间的精确映射关系。然后，利用轨迹映射网络实时预测不同指令下的回收轨迹，并根据计算的预测轨迹代价利用粒子群优化（PSO）算法优化得到最佳回收指令。最后，仿真结果表明：所提的轨迹映射网络具有较高的预测精度和计算速度，所提的方法可以优化出使无人机稳定快速回收的轨迹。     

基于深度学习的飞行器故障情况下可配平能力快速预示方法

针对飞行器在执行机构故障条件下配平能力受限的问题，本文提出了一种基于深度学习的故障情况下可配平能力快速预示方法。首先，建立飞行器气动力矩和执行机构故障模型，并给出飞行器旋转配平条件。其次，在不同执行机构故障情况下，采用基于二次规划的可配平能力求解方法，在迎角/侧滑角二维平面内进行遍历求解，得到当前故障情况下的可配平能力剖面，并采用8个特征点进行包络，同时为所提方法提供样本。再次，利用深度神经网络强大的拟合能力，从样本中提取故障和气动力矩信息作为网络输入，特征点的迎角和侧滑角的值作为网络输出，离线训练深度神经网络。利用训练好的深度神经网络根据当前故障信息实时计算可配平能力剖面。最后，通过仿真验证了所提方法的有效性和实时性。