考虑非理想噪声干扰的直升机飞行动力学模型辨识方法

利用MATLAB/SIMULINK平台搭建了直升机仿真实验系统，并以UH-60直升机为对象实现了考虑非理想噪声干扰的仿真飞行实验。建立了非理想噪声数学模型并基于增广最小二乘法设计 了一套同时考虑模型参数和噪声参数的综合辨识算法，在此基础上，利用仿真实验数据实现了UH-60直升机纵向飞行动力学模型的辨识与验证。最后，通过与普通最小二乘法的对比验证了本文方法的优越性。      

倾转四旋翼飞行器直升机模式操纵策略研究

由于倾转四旋翼飞行器具有特殊的构型,针对直升机模式下的操纵策略,建立了样机的非线性飞行动力学模型并结合试验数据进行了验证,提出了适用于直升机模式的四种操纵方式,对比了不同操纵方式相应的配平值、操纵功效及操纵耦合,随后确定了一组相对合理的操纵方式,解决了倾转四旋翼飞行器在直升机模式下操纵冗余的问题。分析了重心位置对所确定操纵方式的配平特性和操纵功效的影响。结果表明:纵横向通道下总距差动引起的操纵功效比周期变距联动大得多;偏航通道下周期变距差动引起的操纵功效大于总距差动,横向周期变距差动引起的交叉耦合小于纵向周期变距差动;正常重心位置所得到的配平量和交叉耦合最小。      

基于深度强化学习的智能空战决策与仿真

飞行器空战智能决策是当今世界各军事强国的研究热点。为解决近距空战博弈中无人机的机动决策问题，提出一种基于深度强化学习方法的无人机近距空战格斗自主决策模型。决策模型中，采取并改进了一种综合考虑攻击角度优势、速度优势、高度优势和距离优势的奖励函数，改进后的奖励函数避免了智能体被敌机诱导坠地的问题，同时可以有效引导智能体向最优解收敛。针对强化学习中随机采样带来的收敛速度慢的问题，设计了基于价值的经验池样本优先度排序方法，在保证算法收敛的前提下，显著加快了算法收敛速度。基于人机对抗仿真平台对决策模型进行验证，结果表明智能决策模型能够在近距空战过程中压制专家系统和驾驶员。     

基于深度强化学习的空战机动决策试验

空战智能决策将极大改变未来战争的形态与模式。深度强化学习决策机可以挖掘飞行器潜力，是实现空战智能决策的重要技术范式，但其工程实现鲜有报道。针对基于深度强化学习的双机近距空战机动智能决策的工程实现问题，开发了适于应用的深度神经网络在线机动决策模型，发展了通过飞行控制律跟踪航迹导引决策指令的机动控制方案，并进一步开展了软硬件实现工作与人机对抗飞行试验，实现了智能空战从虚拟仿真到真实飞行的迁移。研究结果表明基于本文发展的近距空战机动决策及控制方法，智能无人机在与人类“飞行员”的对抗中能够迅速做出有利于己方的动作决策，通过机动快速占据态势优势。研究结果显示了深度神经网络智能决策技术在空战决策中的潜在应用价值。