基于非线性动态逆方法的TF/TA控制器设计

为了增强巡航导弹的低空突防能力，应用非线性动态逆原理设计了具有纵向和侧向解耦能力的TF／TA控制器。这种方法利用了反馈线性化理论，研究通过非线性反馈或动态补偿的方法，将非线性系统变换为线性系统(伪线性系统)，然后再按线性系统理论完成系统的各种控制目标设计。由于巡航导弹模型的复杂非线性，本文提出了一种简化方法。针对其各状态变量的时间响应特性不同，采取了分阶控制的方法，将TF／TA控制器分解为内环、中环和外环三层分别设计，这样大大简化了控制器设计的复杂性。最后以某巡航弹为例进行了全系统仿真，仿真结果表明，用非线性动态逆方法设计的TF／TA控制器具有良好的纵侧向解耦能力和快速响应能力。导弹能够准确地跟踪地形轮廓飞行，而且可以有效地绕过地形中的相对高处，并且系统对参数摄动具有一定的鲁棒性。     

基于深度Q网络的多智能体逃逸算法设计CSCD

当前多智能体追逃博弈问题通常在二维平面下展开研究,且逃逸方智能体运动不受约束,同时传统方法在缺乏准确模型时存在设计控制策略困难的问题。针对三维空间中逃逸方智能体运动受约束的情况,提出了一种基于深度Q网络(DQN)的多智能体逃逸算法。该算法采用分布式学习的方法,逃逸方智能体通过对环境的探索学习得到满足期望的逃逸策略。为提高学习效率,根据任务的难易程度将智能体策略学习划分为两个阶段,并设计了相应的奖励函数引导智能体探索满足期望的逃逸策略。仿真结果表明,该算法所得逃逸策略效果稳定,并且具有泛化能力,在改变一定的初始位置条件后,逃逸方智能体也可成功逃逸。     

一种基于三维到达角的无偏伪线性卡尔曼滤波

为了解决大场景下基于三维到达角的目标跟踪问题，提出了一种具有无偏性的伪线性卡尔曼滤波。首先，基于三维到达角信息对目标运动模型与量测模型进行建模；之后，对量测模型进行了伪线性化处理，得到了线性形式的目标量测模型。为了解决伪线性卡尔曼滤波存在的有偏性问题，提出了一种结合EKF（extend Kalman filter）的三维伪线性无偏卡尔曼滤波。仿真实验表明，该模型能够对非机动目标与机动目标有效跟踪，对于百公里级别的目标，当角测量误差从0.1°变化到0.5°，算法在仿真时间结束时均能将绝对位置误差降低至10 km以内，且算法的运行速度与EKF为同一个量级，同时兼顾了抗干扰能力、定位跟踪精度、运行效率的要求，能够为大场景下的目标跟踪提供有效方法。