无人机视觉引导对接过程中的协同目标检测

无人机空中自主回收是未来的发展趋势,对空中载具的自动识别是实现视觉引导回收的关键技术之一。目前对于空中关联目标检测的研究局限于单个目标个体,没有充分利用关联目标之间的信息。本文针对空中高动态对接中的关联目标检测问题,提出了一种母机与挂载对接物体的单阶段快速协同目标检测算法,包括相关类别并行独立分支目标检测、相关类别掩模增强检测以及相关类别的特征一致性约束,这些模块能够共同提升检测表现。实验表明,在测试集中该算法相比于YOLOv4能够提升4.3%的平均精度,相比YOLOv3-Tiny能够提升31.6%的平均精度。同时,该算法已应用在MBZIRC2020的高动态空中对接项目上,实现机载图像在线实时处理,团队借此斩获冠军。     

基于最优误差动力学的时间角度控制制导律

针对带有攻击时间和终端攻击角度约束的导弹制导问题,设计了一种基于最优误差动力学的时间角度控制制导律,并给出了明确的性能指标。推导广义最优角度控制制导律作用下的剩余飞行时间估算表达式,在广义最优角度控制制导律的基础上增加攻击时间误差反馈项,将攻击时间误差看做跟踪误差,设计的制导律使跟踪误差以最优模式在有限时间内收敛到零,最终实现攻击时间和终端攻击角度的共同控制。对不同参数下的情况进行仿真,验证了所提制导律的有效性。     

一种深度强化学习制导控制一体化算法

研究了一种基于深度强化学习理论的制导控制一体化算法。不同于传统的制导控制一体化算法和制导控制回路分开设计的方法,基于深度强化学习理论的制导控制一体化算法利用深度学习强化算法生成一个智能体,智能体根据导弹的观测量生成舵偏角控制指令准确拦截目标。首先将制导控制问题转化为一个马尔可夫决策过程,然后提出了一个权衡制导精度、能量损耗和飞行时间的奖励函数,将制导控制问题转化到强化学习问题的框架中。最后采用深度确定性策略梯度算法,求解提出的强化学习问题,训练得到制导控制智能体,智能体根据导弹观测量生成舵偏角指令。通过进行大量的数值模拟,验证了提出的制导控制一体化算法的有效性和鲁棒性。     

大跨域条件下的自适应滚转稳定容错控制方法

制导弹药在执行大跨域飞行任务时,其滚转扰动系数随速度、高度和攻角高频大幅值非线性变化,对制导弹药滚转通道稳定性造成了恶劣的影响。此外,时间滞后与控制失效等执行机构动力学特性进一步增加了滚转通道稳定性的控制难度。针对上述问题,设计了一种强鲁棒性的自适应滚转稳定容错控制方法。首先,在考虑执行机构失效动力学特性条件下建立了制导弹药滚转通道的数学模型,将系统不确定性和扰动项视为外部扰动,设计一种基于自适应滑模控制理论的强鲁棒滚转稳定控制方法,以补偿非线性变化项及执行机构失效。在此基础上,进一步考虑了执行机构动力学滞后特性,利用反步法设计了一种考虑执行机构动力学的控制方法,以补偿执行机构动力学滞后特性,提高弹体的响应速度。仿真结果表明所设计控制方法对气动扰动有较强鲁棒性以及在故障处理方面的优势。     

基于模型拼接技术的四旋翼无人机全飞行包线建模

四旋翼无人机在军事和民用领域都有广泛的应用前景。然而，四旋翼无人机具有机载传感器准确性低与可靠性差、不同飞行条件下动力学模型差异大等特点。本文以四旋翼无人机为研究对象，系统地开展了飞行路径重构、频率域系统辨识、全飞行包线建模的相关研究工作。针对机载低成本传感器存在显著常值偏差与量测噪声统计学特性未知的缺点，采用基于EKF的飞行路径重构技术对在飞行试验中无人机的机体空速进行重构；针对不同飞行速度下四旋翼无人机动力学模型差异大的特点，采用频域法辨识得到不同飞行条件下的本体动力学模型；针对四旋翼无人机大跨域的高精度控制需求，利用模型拼接技术，系统性地提出了全飞行包线建模方案，经过验证，所提出模型拼接技术是准确可靠的。     

考虑驾驶仪动态性能的指令滤波反演制导律

针对攻击机动目标的制导问题,设计了一种考虑自动驾驶仪性能、输入项约束的指令滤波反演制导律。首先,基于三维空间内弹目相对运动模型,采用反演递推方式设计制导律。针对传统反演控制存在的"微分膨胀"问题,引入指令滤波器对虚拟量进行过滤计算。考虑硬件计算能力的约束,引入自动驾驶仪二阶动力学模型减少控制过程延迟,并利用饱和函数和低通滤波器对输入项进行约束。此外,针对机动目标设计了一种扩张状态观测器来获取其加速度。通过Lyapunov理论证明了所设计闭环制导系统的稳定性。通过仿真实验验证了该制导律相有效性及优越性。     

非对称机动能力多无人机智能协同攻防对抗

协同攻防对抗是未来军用无人机的重要作战场景。针对不同机动能力无人机群体间的攻防对抗问题，建立了多无人机协同攻防演化模型，基于多智能体强化学习理论，研究了多无人机协同攻防的自主决策方法，提出了基于执行-评判（Actor-Critic）算法的集中式评判和分布式执行的算法结构，保证算法稳定收敛的同时，提升执行效率。无人机的评判模块使用全局信息评价决策优劣引导策略学习，而执行时只需要依赖局部感知信息进行自主决策，提高了多机攻防对抗的效能。仿真结果表明，所提的多无人机强化学习方法具备较强的自进化属性，赋予了无人机一定智能，即稳定的自主学习能力，通过不断演化，能自主学习提升协同对抗的决策效能。     

基于虚拟视角约束的机动目标拦截制导方法

为使导弹能够以一定的末端攻击角度对机动目标进行拦截，提出了一种带有终端虚拟视角约束以及终端视线角约束的机动目标拦截制导方法。基于速度系各运动矢量之间的变换关系，建立了虚拟相对运动坐标系下的非线性模型，并将线性模型中多项式制导的思想创新性地引入到非线性模型中，通过末端虚拟视角约束以及末端视线角约束对关于弹目距离的多项式虚拟控制量进行求解，并根据虚拟矢量与运动矢量之间的变换关系得到速度系下的加速度指令表达式。针对不同制导系数、不同末端攻击角度及不同类型的机动目标等条件进行了仿真验证，同时与弹道成型制导律进行了仿真对比。仿真结果表明，所提出的制导律可以使导弹以期望的攻击角度拦截机动目标，末端虚拟视角收敛为零，避免了末端指令饱和现象。