基于GWO-BP神经网络的攻击区解算方法

为解决运用传统BP神经网络求解空空导弹攻击区时误差较大的问题,提出了一种基于灰狼优化算法的BP神经网络攻击区求解算法(GWO-BP)。首先分析了影响空空导弹攻击区的主要因素,确定了BP神经网络的初始输入值;然后运用灰狼算法对网络的初始权值和阈值进行优化;最后运用优化后的权值和阈值搭建BP神经网络,并输入训练集对网络进行训练。仿真结果表明,相比未经优化的传统算法,GWO-BP算法求解误差更小,提高了攻击区解算的准确性。     

基于激光跟踪仪的多立方镜姿态标定方法

提出了使用激光跟踪仪测量系统对立方镜姿态进行测量的方法。首先,根据反射原理及平面镜光学成像原理对立方镜法线进行测量,然后建立立方镜的角度坐标系,并标定多个立方镜坐标系间的转换矩阵。通过单个立方镜姿态测量及2个立方镜间坐标系转换矩阵标定的实验,验证了方法的可行性。实验结果表明,最大标定误差优于5″,满足测量精度的要求。     

未知环境下无人机集群协同区域搜索算法

针对无人机集群在无先验信息的未知环境中协同搜索的问题,提出了一种以覆盖率为实时搜索奖励的无人机集群协同区域搜索算法。首先建立覆盖分布地图（CDM）来描述任务环境,并采用Hadamard积实现CDM的快速更新,继而基于CDM计算覆盖率来定量描述实时搜索效果。将无人机集群视为一个控制系统,基于分布式模型预测控制理论建立系统的预测模型,并将预测周期内最大覆盖率增量设为奖励函数,采用差分进化算法进行求解,得到最优解作为系统的最优输入。仿真结果表明,所提算法能够对区域进行覆盖搜索,在出现突发情况时,覆盖率远高于平行搜索方法。      

无人机集群编队控制演示验证系统

为验证无人机集群编队控制算法在实际环境中的有效性,基于四旋翼无人机平台和双数据链、双地面站冗余设计,搭建了分布式控制的无人机集群编队控制演示验证系统。基于分层控制和封装的思想,将无人机控制系统分为执行层和决策层。执行层采用PIX自驾仪进行封装,只需修改自驾仪参数,不需针对不同无人机平台开发相应的控制策略,就能实现对异构集群的控制。需要验证不同的编队控制算法时,只需对决策层的控制算法进行修改即可,使系统具有较强的适应性和扩展性。演示验证系统采用双地面站和数据链,可实现在多种网络拓扑或通信失败情况下的无人机集群控制,具有较高的稳定性和安全性。应用领导-跟随协同编队控制算法,验证了本文演示验证系统的功能和性能。