深度确定性策略梯度算法用于无人飞行器控制

对深度确定性策略梯度算法训练智能体学习小型无人飞行器的飞行控制策略进行了探索研究。以多数据帧的速度、位置和姿态角等信息作为智能体的观察状态,舵摆角和发动机推力指令作为智能体的输出动作,飞行器的非线性模型和飞行环境作为智能体的学习环境。智能体在与环境交互过程中除了获得包含误差信息的密集惩罚外,也有达成一定目标的稀疏奖励,该设计有效提高了飞行数据的样本多样性,增强了智能体的学习效率。最后智能体实现了从位置、速度和姿态角等信息到控制量的端到端飞行控制,并进行了变航迹点、模型参数拉偏、注入扰动和故障条件下的飞行控制仿真,结果表明智能体除了能有效完成训练任务外,还能应对多种训练时未学习的飞行任务,具有优秀的泛化能力和鲁棒性,该方法具有一定的研究价值和工程参考价值。     

存在时延及丢包的网络化飞行器鲁棒故障检测

考虑同时存在未知时延及随机丢包的飞行器网络环境,研究了飞行器网络控制系统的鲁棒故障检测问题。将未知时延及随机丢包的影响转变为未知扰动输入,建立飞行器网络控制系统的统一数学模型,同时考虑残差对故障的灵敏性和对未知扰动的鲁棒性,利用模型参考的思想,将故障检测问题分解为最优残差模型设计及鲁棒跟踪问题两部分,利用多目标优化方法给出最优残差模型的求解条件,并以线性矩阵不等式的方式给出鲁棒跟踪问题的存在条件,数值仿真表明,所提方法能有效抑制时延及丢包的影响,并能快速有效地检测出更小故障,验证了方法的有效性和优越性。     

运载火箭风场高精度拟合方法

针对运载火箭风场传统拟合方法精度低的问题，提出一种基于最少参数神经网络的高精度拟合方法。该方法将运载火箭飞行高度作为网络输入，将风场的速度和朝向作为网络输出，在满足精度要求下使用最少的网络层数和神经元个数完成风场拟合，并给出了隐层节点数的下界公式。和传统的最小二乘多项式拟合及其分段形式相比，最少参数神经网络只使用一套框架即可完成风速和风向的拟合，并提高了拟合精度。大量仿真结果充分说明了所提出方法的有效性、简洁性和鲁棒性。     

飞行器集群协同控制技术分析与展望

系统分析和展望了飞行器集群协同控制技术，对先进的集群飞行器和协同控制技术进行了总结和对比，并提出了当前该领域面临的5个主要科学问题。在此基础上提出了飞行器集群自主控制体系架构以及射前任务规划、在线态势感知、协同制导控制等8项飞行器集群协同核心关键技术。其中，对每项技术进行了简要概括，阐述了它们之间的关系和对于飞行器集群协同控制的作用。最后，从理论研究、技术突破到工程应用方面，对该领域未来发展做出了展望。