复杂动态环境下无人飞行器动态避障近似最优轨迹规划

针对复杂动态环境下无人飞行器的动态障碍规避问题，基于合理假设建立了无人飞行器和动态障碍的运动学模型，并综合考虑无人飞行器飞行过程中的终端约束、控制输入约束、安全避障约束等，以能量最少为性能指标构建动态避障问题数学描述。之后，针对终端约束和控制输入约束，依据优化模型预测静态规划算法(OMPSP)生成初始轨迹；针对动态避障问题的不等式约束，引入松弛变量并结合滑模变结构控制方法设计松弛变量动力学，实现对一个、多个或同时多个动态障碍的安全规避；最后，依据有限时间微分动态规划(RHDDP)算法进行轨迹优化，获得满足上述各种约束并能规避动态障碍的近似最优轨迹。     

先进战斗机过失速机动大气数据融合估计方法

可控的过失速机动是先进战斗机超机动性能的重要标志，飞机飞行包线的扩大已超出传统的大气数据系统测量范围，可靠的迎角、侧滑角、总压、静压等飞行大气数据是制约先进战斗机过失速机动中飞行控制的关键因素。以中国推力矢量验证机为对象，基于过失速机动飞行试验的数据，开展大气参数估计与验证研究。结合过失速机动的时间与空间特性，研究了基于风速、地速、空速矢量和惯性姿态、导航参数的大气参数融合计算方法；针对过失速大迎角状态下飞机周围气流非定常、模型非线性导致的融合大气参数误差的复杂特性，进一步构建深度神经网络，对机动状态融合迎角、侧滑角的强非线性误差进行拟合。仿真和飞行试验表明：该方法可在大迎角飞行状态下实现主要大气参数的融合估计，过失速机动过程中融合迎角误差优于2.3°，融合得到的大气参数可为过失速大迎角机动飞行控制提供可靠的大气参数状态反馈。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

横航向驾驶员诱发振荡研究及地面模拟验证

本文建立了包括非线性环节在内的横航向驾驶员—操纵系统—飞机本体组合系统的数学模型,采用闭环控制原理,对JJ-7飞机横航向驾驶员诱发振荡PIO问题进行了研究,并详细地讨论了驾驶员参数及其各种操纵动作、操纵系统和飞机本体气动参数对横航向PIO的影响,探讨了横航向PIO产生的机理。文中以JJ-7飞机为例,采用时域法在整个飞行包线各点进行了检查,并用固基飞行模拟器进行模拟验证。其结果与理论计算结果相一致。     

三维极小脱靶量与极小能量综合最优控制律研究与仿真

根据空间平台拦截器与目标的相对运动方程,基于线性系统最优控制理论提出了一种综合三维极小脱靶量与极小能量的最优控制律。给出了最优推力大小与方向控制,以及最优过渡时间和关机时刻确定的模型。仿真结果表明:该最优控制律控制精度高,易于工程实现。     

频率及频率变化率的快速最大似然估计

信号参数估计是许多领域 (如雷达、通信、导航和声钠等 )都会遇到的共同问题。文中证明 ,牛顿法是实现频率 (η)和频率变化 (β)最大似然估值器的快速有效算法 ,并且详细分析了牛顿估值器的性能。研究证明 ,对于牛顿法 ,(η,β)是以三次方律收敛于真值 (η,β)的。模拟结果表明 ,当输出信噪比 ( SNR) o≥ 15 d B时 ,估计量的均方误差 ( MSE)达到Cramer- Rao界     

平板弯曲问题的误差估计和网格自适应研究

本文对承受横向载荷的复合板设计了一个自动的误差估计和网络加密过程，并通过实际算例验证了此过程的有效性，结果证明所设计的过程能达到较高的计算精度。     

空间调制概念在航向和下滑辐射场的应用

本文依据仪表着陆系统中空间调制的概念 ,介绍了航向、下滑天线为获得最大空间调制而进行的相位分配和下滑两对天线路径相差对近区辐射场的影响