基于Jerk输入估计的MCS模型及非线性跟踪算法

针对强机动目标跟踪问题,基于当前统计(CS,Current Statistical)模型、改进输入估计 (MIE,Modified Input Estimation)和无迹强跟踪滤波器,提出了一种新的自适应目标跟踪算法.该算法引入Jerk输入估计改进了当前统计模型的状态方程和机动加速度方差调整方法,利用改进的无迹强跟踪滤波器实现了状态协方差、状态噪声协方差和机动频率的联合自适应.在没有加速度先验知识的情况下,能够实时准确跟踪目标连续强机动、匀加速机动和匀速运动状态.仿真实验表明:相比CS模型无迹滤波算法、CS模型无迹强跟踪算法和交互多模型算法,该算法在对目标强机动的适应性、跟踪精度和对突变状态跟踪的收敛性方面都有更好的性能.     

基于STF和加权改进的群目标跟踪算法

为了进一步提高群目标交互多模型跟踪算法的估计性能,提出一种改进的群跟踪算法.首先,通过采用模型转换概率的自适应算法,优化模型与目标运动模式的实时匹配.并通过引入强跟踪滤波（STF,Strong Tracking Filter）中的渐消因子,提高机动阶段时的群质心的状态估计精度.其次,分别利用概率加权法和标量加权法完成群质心状态和扩展状态的融合估计.最后在变分贝叶斯滤波的基础上,建立完整的跟踪算法流程.仿真实验结果表明,该方法不仅能够提高群质心状态和扩展状态的估计精度,还能有效降低机动阶段时的峰值误差.     

基于相关滤波和轨迹预测的视频卫星动态目标跟踪算法

为解决卫星视频中有遮挡或相似目标情况下目标跟踪的问题,提出了一种改进的相关滤波算法,在跟踪框架中加入了干扰判别模块和基于神经网络的轨迹预测模型。通过比较平均峰值相关能量指标值与自适应阈值来判别跟踪器是否受到干扰。双向长短期记忆网络以目标历史轨迹编码为输入来完成轨迹预测,结合相关滤波输出结果和网络预测结果来确定目标的位置。实验表明,所提出算法的精度提升了2.10%,在有遮挡或相似目标等情况下仍具有较好的跟踪性能。     

基于逆动力学的机动轨迹跟踪器设计算法

针对机动轨迹动力学非线性非仿射特性,建立了基于质心逆动力学的开环指令和基于非线性动态逆原理进行反馈补偿的混合逆控制方法,设计了机动轨迹跟踪控制器;并以常规机动如"S"形转弯、过失速机动如Herbst转弯等多种战术动作为例进行仿真,结果表明机动轨迹跟踪器设计算法能够胜任常规和过失速机动跟踪的需要,实时性强,延迟合理,跟踪精度高.      

实时建模的自适应跟踪卡尔曼滤波器

本文提出了一种新的机动目标自适应跟踪卡尔曼滤波器。其基本思想是:通过统计方法录取加速度数据,实时建立其AR模型,通过前、后项预测作机动指令估计。由于选择了新的机动加速度量,从而得出线性的状态方程,由机动指令的实时估计得到机动目标自适应跟踪卡尔曼滤波器。 在PC—8000开发系统上的数字仿真结果表明其在各种机动情况下都具有较高的距离、速度和加速度估计精度。     

基于随机模型近似的再入目标自适应跟踪算法

针对再入目标跟踪问题,基于加速度动力学模型和随机模型近似思想,提出了分段匀Jerk自适应模型及跟踪算法.该算法引入Jerk动力学模型和Jerk分段均匀假设,给出了机动加速度的递推模型;根据随机模型近似思想提出了新的过程噪声定义方法并给出了分段匀Jerk模型和过程噪声的自适应方法;结合状态扩展方法和分离差分滤波算法实现了再入目标的实时自适应跟踪.仿真实验表明,相比基于分段匀加速模型的跟踪算法,该算法在保证了再入目标稳态跟踪精度的同时,对目标突变状态具有较强的跟踪能力.      

无人机定向天线自跟踪系统研究

为了满足无人机(UAV)远距离通信的需要,设计研制了以无人机位置信息为引导的地面定向天线自跟踪系统。基于实时获取定向天线载车位置、速度、方位和俯仰角等信息,实现了定向天线在运动中对目标进行自动跟踪的能力,提高了系统的机动性和隐蔽性。针对目前利用2点位置来计算目标角的方法存在需要通过相对位置才能确定实际目标角的不足,提出了一种不需要考虑2点相对位置就能直接计算出目标角的计算方法,为工程应用带来了方便。针对定向天线地面载车在机动时GPS信号容易受干扰,从而造成跟踪目标丢失,以及因无人机位置信息更新频率较低而造成的跟踪系统运动抖动、跟踪误差较大等问题,提出了一种基于速度对位置进行预测平滑的控制策略,有效解决了以上问题,并显著提高了跟踪精度。设计研制了定向天线自跟踪系统的软硬件,并进行了测试,结果表明:研制的定向天线具有机动跟踪能力和较高的跟踪精度,能满足无人机对定向天线自跟踪的需要。      

一种非线性航迹自适应跟踪控制方法

针对小型无人飞行器航迹跟踪精度和飞行品质问题,提出了一种基于非线性航迹的自适应跟踪控制方法.应用五阶B样条拟合航点,构建非线性期望航迹;建立基于非线性期望航迹Serret-Frenet坐标系下的位置和运动航向误差方程;根据误差方程设计渐近稳定收敛的自适应运动航向控制律.并应用此方法进行了外场飞行实验,实验结果表明自适应航迹跟踪控制方法有效且能保证航迹跟踪精度.     

盘旋跟踪地面目标小型无人机控制系统设计

针对一种大展弦比、V形尾翼常规布局小型无人机盘旋跟踪地面目标飞行的飞行控制策略进行了研究.采用了一种单轴光电探测系统修正视场纵向误差,无人机航向控制修正视场横向误差的控制方法.设计了一种自适应PID(Proportion Integration Differention)控制器,并通过对无人机六自由度非线性运动模型的建模分析,进行了控制律的仿真验证,并将算法融合在盘旋跟踪飞行实验中.仿真及实际飞行实验结果表明:该控制系统在突风等大扰动的影响下获得了良好的动态性能指标,并有效地抑制了飞机姿态通道对视轴通道的耦合影响,满足了飞行任务的需求.     

无人机自动空中加油精确对接控制

针对无人机自动空中加油对接段的精确控制问题,提出了无人机自动空中加油的控制方案和策略,并在分析加油机尾涡干扰和加油锥套自由摆动及其对受油机影响的基础上,设计了适用于自动空中加油精确对接控制的受油机参考轨迹发生器和轨迹跟踪控制器.轨迹跟踪控制器采用线性二次型调节器方法,并充分考虑了加油过程中各种干扰的影响.仿真结果表明,该导引控制方法具有良好的快速性和抗干扰能力,可以满足空中加油的任务要求.      

执行器故障下无人机-无人车异构编队控制

针对存在执行器故障的无人机-无人车异构系统,研究了编队跟踪容错控制问题。首先,异构系统采用有向图的拓扑结构,且并非所有无人机/车都能接收到参考信号,故在充分考虑无人机/车运动学模型存在较大差异的前提下,设计了一种针对两类系统都通用的分布式信号估计器来获取参考信号的信息。然后,基于参考信号估计值,利用鲁棒自适应控制理论,提出了形式统一的分布式容错控制协议。该协议无需获取精准故障信息,就能有效地补偿故障对异构系统性能的影响,确保异构系统在故障情况下仍能按照预先设定的编队构型跟踪上外界参考信号。最后,通过仿真试验验证了所提算法的有效性。     

基于修正似然滤波的无人机编队相对导航方法

针对无人机编队相对导航系统中视觉导航传感器量测数据存在随机时延问题,提出一种能够处理多步随机延迟量测的修正似然容积卡尔曼滤波（ML-CKF）算法。用多个伯努利随机变量对量测模型进行修正以描述随机延迟;通过边缘化延迟变量来计算滤波的似然函数以从延迟量测中提取准确的信息;采用三阶球面-径向容积准则计算高斯加权积分以解决系统的非线性。滤波中的加权因子根据接收量测的特性进行调整,因此,所提修正似然滤波具有自适应卡尔曼滤波属性。利用罗德里格斯参数表示姿态误差,设计了基于修正似然容积卡尔曼滤波的相对导航滤波器。仿真结果表明：所提算法可以准确地估计出长机和僚机之间的相对位置、速度和姿态,且估计精度高于容积卡尔曼滤波和传统随机时延滤波。     

面向机动目标跟踪的无人机横侧向制导规律

现有的standoff跟踪制导方法在进行机动目标跟踪时不能同时满足响应速度和稳态精度的要求.对用于航路跟踪的参考点制导法（RPG,Reference Point Guidance）进行改进,推导了无人机（UAV,Unmanned Aerial Vehicle）在跟踪机动目标时的横侧向制导规律.采用二阶非线性微分方程对UAV和目标相对距离的调节过程进行建模,在此基础上分析了改进后RPG的渐近稳定性.仿真结果表明,相比Lyapunov向量场（LVFG,Lyapunov Vector Field Guidance）和模型预测控制（MPC,Model-based Predictive Control）的制导方法,改进RPG的跟踪误差和时间乘以误差绝对值积分（ITAE,Integrated Time Absolute Error）指标均优于LVFG和MPC.因此,所提制导规律能够对机动目标的运动进行有效补偿,并具有更快的响应速度、更高的稳态精度和较好的实时性.      

基于小波滤波的无人旋翼机高度信息融合

针对小型无人旋翼机自主飞行时高度测量信息不稳定、易受干扰的问题,提出采用基于滤波数据的自适应高度信息融合方法来提高无人旋翼机高度测量信息的精度和可信度.通过基于小波提升算法的小波分解重构方法,消除原始测量数据中的高频噪声;根据全球定位系统的测量精度受搜到卫星数目波动影响的现象,提出利用自适应卡尔曼滤波的方法实现高度信息融合.通过自主悬停和三维航迹跟踪飞行试验验证该方法的可行性和有效性.     

异构多无人机协同目标跟踪分散化最优控制

针对主被动传感器协同目标跟踪需要,考虑到可扩展性、异构性和动态可重构性等特点,建立了适于不同测量类型和不同测量维数的异构多传感器分散化信息融合算法.以极大化信息融合所得到的信息熵及无人机(UAV,Unmanned Aerial Vehicles)观测信息质量为效能函数,建立了异构多UAV协同目标跟踪的分散化最优控制代价函数以及通信、防撞和控制等约束模型.实现了多UAV协同目标跟踪的分散化模型预测控制,并分析了通讯噪声等因素对分散化信息融合和协同控制的影响.