基于数字地形的机场终端区离场航迹预测

高效准确的航迹预测能够掌握飞机的运行轨迹,是空管自动化与智能化领域的关键要素,旨在提高空中交通的运行能力和可预测性。针对高原机场终端区内离场航空器运行,通过挖掘大量历史数据的特征关系,提出基于长短时记忆(Long Short-Term Memory, LSTM)神经网络的航迹预测模型。此外,考虑高原机场复杂的地形环境使得离场航空器安全运行条件更为严苛,引入支持向量回归(Support Vector Regression, SVR)算法建立数字地形模型,得到离场航迹上经纬度所对应地形高度的剖面图。采用拉萨贡嘎国际机场的真实离场航迹与地形数据进行实例验证,结合地形条件对所预测离场航迹的安全性进行评估。实验结果表明：基于LSTM神经网络建立的离场航迹预测模型具有较高的精度,且离场航空器能够实现满足最小超障余度的安全运行。     

基于PSO算法的无人机地磁匹配航迹规划方法研究

结合地磁匹配的自身特征,设计了无人机地磁匹配航迹规划的总体方案;以PSO算法为解决工具,给出了地磁匹配航迹规划的实现方法,构造了PSO算法进行地磁匹配航迹规划的适应度函数,为下一步的算法实现奠定基础。     

基于深度学习的辅助动力装置性能参数预测方法研究

针对传统机器学习的辅助动力装置(Auxiliary Power Unit, APU)性能参数预测方法不能充分利用参数数据间的时序性和非线性问题,提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)-长短期记忆(Long Short-Term Memory, LSTM)-注意力(Attention)的APU性能参数预测方法。首先,引入一维CNN,通过预处理的参数数据得到不同属性的抽象特征。然后,使用LSTM神经网络对这些特征进行记忆,并结合可以对特征状态赋予不同权重的Attention机制来实现参数预测。使用某型APU的参数数据预测未来不同步长的排气温度(Exhaust Gas Temperature, EGT)。实验结果表明,对于单步EGT的预测,CNN-LSTM-Attention模型在平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)指标上比CNN-LSTM、LSTM和简单循环神经网络(Simple Recurrent Neural Network, Simple RNN)模型分别降低了15.2%、32.5%、60.3%,在均方根误差(Root Mean Square Error, RMSE)指标上分别降低了7.3%、11.6%、32.9%。同时它在多步EGT的预测中具有较高的预测精度,证明了该方法的有效性,为短期APU性能变化趋势预测提供一定的参考。     

基于深度学习的非定常周期性流动预测方法

为了克服传统CFD计算需要耗费大量的计算时间与成本的缺陷,提出了一种基于深度学习的非定常周期性流场的预测框架,可以实时生成给定状态的高可信度的流场结果。将条件生成对抗网络与卷积神经网络相结合,改进条件生成对抗网络对生成样本的约束方法,建立了基于深度学习策略采用改进的回归生成对抗网络模型,并与常规的条件生成对抗网络模型的预测结果进行对比。研究表明,基于改进的回归生成对抗网络的深度学习策略能准确预测出指定时刻的流场变量,且总时长比CFD数值模拟减少至少1个量级。     

基于NESO的高超声速拦截弹解耦控制研究

针对高超声速拦截弹姿态控制问题,提出了基于非线性扩张状态观测器(NESO)的解耦控制方法.根据Tornambe的分散鲁棒控制理论,把耦合项和不确定性视为广义不确定项,构造基于NESO的估计和补偿信号并加入到闭环控制律中.理论推导证明了该方法可以保证闭环系统跟踪误差一致有界.在高超声速拦截弹模型上进行了仿真验证,并与传统的分通道反馈控制方法进行对比,结果表明所设计解耦控制方法得到了更好的控制效果,在较大程度上消除了通道耦合和不确定性的影响.     

基于组合跟踪的景象匹配分析评估方法

景象匹配飞行试验中,图像序列中存在的剧烈尺度变化及多种外界因素影响导致的几何变形等成像质量变化,增加了景象匹配全流程自动评估的难度.为了解决这个问题,提出1种基于组合跟踪的景象匹配图像全流程评估方法.首先,基于序列图关键帧选取原则,提出序列图关键帧匹配方法;然后将该方法与多种目标跟踪算法进行对比分析;再根据对比分析的结...     

基于频带相关性Deep Learning的无线通信干扰智能识别

近年来,随着无线通信技术在军事领域的发展及各类无线通信装备数量的增加,战场电磁环境变得越来越复杂,其要求通信系统具有更强的抗干扰能力,而智能干扰识别是抗干扰的前提.基于传统机器学习的各类干扰识别算法存在干扰前期特征提取繁杂、低干噪比(JNR)下识别正确识别率低的问题.本文针对上述问题,引入了并行多路多尺度卷积,通过增加...     

基于遗传算法的快速目标匹配方法

为解决在测量图像目标识别中因采用模板匹配方法而产生庞大计算量的问题,将遗传算法应用到测量图像模板匹配中。根据测量图像的特点,利用匹配产生的相关数据变化规律,对标准遗传算法进行改进,提出一种测量图像快速匹配方法,可消除标准遗传算法的大量无效搜索。实验结果表明,该方法比标准遗传算法速度快、精度高。     

基于负载惯量匹配的双电机同步控制方法

在交流伺服系统运动控制领域,针对双电机同步精确控制时由于两轴负载惯量相差较大、额定运行速度快、到位精度要求高等控制难点,提出了简单且有效的同步控制方法,并在试验中进行了验证。该方法包括对同步控制方式的设计和误差补偿算法2个部分。首先,设计使用基于虚拟主轴的主从控制方式,可实现惯量匹配的同步指令输出;在此基础上,从负载特性入手,提出了基于加权耦合的误差补偿方法,能实现快速稳定的同步误差补偿。仿真与试验结果表明,该方法能够满足伺服运动系统的定位精度和同步控制精度要求,同时在一定程度上提升了系统的平稳性和补偿响应速度,工程实现效果较好。     

基于深度强化学习的四足机器人后空翻动作生成方法

四足机器人灵巧运动技能的生成一直受到机器人研究者们的广泛关注,其中空中翻滚运动既能展现四足机器人运动的灵活性又具有一定的实用价值.近年来,深度强化学习方法为四足机器人的灵巧运动提供了新的实现思路,利用该方法得到的闭环神经网络控制器具有适应性强、稳定性高等特点.本文在绝影Lite机器人上使用基于模仿专家经验的深度强化学习方法,实现了仿真环境中四足机器人的后空翻动作学习,并进一步证明了设计的后空翻闭环神经网络控制器相比于开环传统位置控制器具有适应性更高的特点.     

基于深度学习的滑油监测方法研究

针对传统的数据特征提取方法难以提取航空发动机滑油监测数据有效特征的缺陷,提出了一种基于多尺度卷积神经网络(Multi-scales convolutional neural network,MSCNN)、长短期记忆(Long short-term memory,LSTM)神经网络和BP网络的单通道网络模型MSCNN-LSTM-BP。将多尺度学习融入CNN,MSCNN和LSTM以串行方式提取数据在空间维度和时间维度的二维特征。实验结果表明:3尺度的MSCNN-LSTM-BP对数据样本的分类准确率达到98.2%,单组电容数据采集测试时间仅为2.1986ms,综合分类率F1达到98.57%,总体性能优于CNN,LSTM和传统的多尺度特征提取方法。MSCNN-LSTM-BP满足航空发动机滑油监测对于实时性和准确性的要求,具有良好的适用性。     

基于深度强化学习的无人机栖落机动控制策略设计

无人机栖落机动飞行是一种无需跑道的降落方法,能够提升无人机在复杂环境下执行任务的适应能力。针对具有高非线性、多约束特性的无人机栖落机动过程,提出了一种基于模仿深度强化学习的控制策略设计方法。首先,建立了固定翼无人机栖落机动的纵向非线性动力学模型,并设计了无人机栖落机动的强化学习环境。其次,针对栖落机动状态动作空间大的特点,为了提高探索效率,通过模仿专家经验的方法对系统进行预训练。然后,以模仿学习得到的权重为基础,采用近端策略优化方法学习构建无人机栖落机动的神经网络控制器。最后,通过仿真验证了上述控制策略设计方法的有效性。     

基于蒙特卡洛法的反舰导弹末端机动突防效果研究

为了比较反舰导弹在不同的末端机动方式下,当有舰空导弹拦截时哪种突防效果更好,从工程应用的角度出发,考虑反舰导弹受多种因素(包括干扰、建模误差、海情、不确定性等)的影响,并同时考虑舰空导弹的前置角约束和死区约束,建立了反舰导弹与舰空导弹的对抗模型。其中,反舰导弹采用的是基于过载控制方法设计的全弹道仿真模型,舰空导弹则采用三阶简化模型。根据舰空导弹初始拦截位置的不同,设定不同的初始仿真条件,在计算机上进行多次打靶,应用蒙特卡洛法分别计算反舰导弹在不同机动方式下的突防概率。仿真结果表明,在有舰空导弹拦截的情况下,反舰导弹进行螺旋机动时,其突防效果最好,摆式机动次之,然后是纵向蛇行机动,最后是航向蛇行机动,而突防效果最差的则是反舰导弹不进行末端机动。     

复杂地形下基于三视约束的景象匹配方法

 景象匹配通过将飞行器实拍图像与机载的基准图像比较而进行导航。当飞行高度较低时,由地面大起伏引起的实时图几何变形会严重影响匹配性能,造成匹配精度下降甚至出现误匹配,这一问题严重制约了现有景象匹配系统的应用范围,比如无法应用于建筑林立的城镇地区和梯田、丘陵地带。本文首先推导了小视场内无几何变形的高空竖直透视投影模型;在此基础上,依据三视约束关系,把相邻两幅下视实时图像的特征赋给该透视模型所成的像,得到消除几何变形的特征模板,再和基准图进行匹配。因此,所提方法不仅能处理由飞行器姿态引起的实时图几何变形问题,而且适用于城镇等地面存在较大起伏的地形。理论分析和仿真实验表明,该算法取得了较好的结果,具有良好的环境适应能力,实用性较强。     

基于Hausdorff距离的反舰导弹目标选择方法

如何从舰艇编队中选择预定目标,是超视距反舰导弹亟待解决的一个问题。文章基于Hausdorff距离的部分匹配理论研究了这一问题。火控雷达探测到的编队信息和末制导雷达探测到的编队信息都用点集来描述,通过点集形状匹配获取这两个点集的对应点,从而实现对预定目标的选择。重点提出了一种新的部分匹配途径,能够自适应地逐个剔除引起形状不相似的外部点而同时保留两个形状的相似部分。仿真试验表明,相比以往基于编队相互位置关系的方法,论文所研究的预定目标选择方法具有更好的抗干扰能力。     

基于道路几何特征的地图匹配方法研究

从地图匹配技术的基本原理出发,比较了几种典型的点到线型地图匹配算法的优缺点以及适用范围。结合实际行车轨迹连续、特征明显的特点,提出了一种基于道路几何特征的地图匹配方法,并从候选路径确定、匹配路径确定和匹配点求取三方面对算法进行了详细说明。最后通过设计试验,验证了其可行性和准确性。经验证,采用此地图匹配方法可将惯性定位定向的定位精度提高到20m以内。