基于基本飞行模型的ADS-B航迹修正研究

为有效提高飞机的监视精度,获取准确的飞行航迹,针对ADS-B监视过程中的航迹异常问题,提出了基于基本飞行模型的ADS-B航运修正方法.该方法充分利用ADS-B丰富的飞行数据信息,建立了飞行计算模型和航迹识别模型,最终结合真实数据通过程序仿真验证了该方法的可行性.实验结果表明,该方法能准确、快速修正平飞、转弯、爬升过程中的航迹信息,可以有效提高航迹监视的实时性.     

无人机爬升航迹优化设计研究

为改进无人机的飞行性能，应用可变误差多面体法求解了在垂直平面内的最经济和最快爬升轨迹。计算结果表明，经优化后的爬升航迹可以节省燃油，延长无人机的续航时间和有效任务时间，具有较好的性能收益。     

飞机航路爬升航迹的计算分析

精确的航迹预测能力是空中交通管制软件的开发基础。对飞机航路爬升的飞行轨迹进行了二维模拟,并绘制出了飞机航路爬升时的飞行轨迹曲线和其他分析曲线。用航迹角来代替性能计算中常用的爬升率概念,对飞机爬升各项参数的变化及其影响因素进行了研究。     

基于CNN-LSTM-attention模型航迹预测研究

以航迹预测方法作为切入点,重庆-广州航路航空器记录的ADS-B数据作为研究内容,提出了一种融合注意力机制的长时序航迹预测方法(CNN-LSTM-attention)。研究运用一维卷积神经网络对航迹数据多维特征进行提取,并将经纬度、高度、速度、航向等的多维特征向量构造成时序形式作为LSTM网络输入,通过赋予LSTM网络隐含层的权重占比并区别不同时序点隐藏层信息对未来航迹预测的影响程度来达到优化预测模型的作用。构建好的CNN-LSTM-attention模型采用Adam优化算法进行训练,LSTM和CNN-LSTM作为实验对比模型,将决定系数R²作为模型评价标准来衡量航迹预测模型的准确性。实验结果表明加入注意力机制的神经网络预测模型CNN+LSTM+attention(卷积神经网络-长短期记忆网络-注意力机制)的方法相较于其他两种,其预测精确性更高。     

一种凸多边形区域的无人机覆盖航迹规划算法

 覆盖航迹规划技术对于提高无人机的侦察能力和目标搜索能力具有重要的意义。首先从能量、路程、时间角度,理论上证明了转弯过程比直线平飞过程的效率低。其次给出了凸多边形跨度和宽度的定义,并把凸多边形区域的覆盖航迹规划问题转化为求凸多边形宽度的问题。最后证明了凸多边形区域的宽度只可能出现于“点边式”跨度之中,并给出了一种高效的“点边式”宽度算法。无人机只需要沿着宽度出现时的支撑平线方向飞行,即可以取得最少的转弯次数。通过仿真分析,证明了所提出的算法能够有效解决无人机在凸多边形区域中的覆盖航迹规划问题。     

高空长航时无人机航迹优化研究

主要探讨了高空长航时无人机的最省油的爬升-巡航航迹。采用改进了的遗传算法,求解了无人机从起飞到达目标区的最优航迹,并与传统的飞行方式作了比较。结果表明,采用改进了的遗传算法得到的航迹可以有效地减少无人机的耗油量,具有明显的经济、军事意义。     

一种改进的快速扩展随机树航迹规划算法

针对现有航迹规划算法缺乏同时具备快速性和最优性的问题,本文提出了一种新的无人机航迹规划算法,在快速扩展随机树算法基础上,引入一个方向参数,并采用Dijkstra算法对改进算法产生的冗余节点进行处理,得到了一条优化的航迹。最后采用K航迹法进行航迹平滑处理,使得规划的航迹成为无人机的可飞航路。仿真结果表明,该算法能够在有效提高航迹产生速度的同时,可以得到近似最优的航迹。     

一种航路4D航迹预测的方法

4D航迹预测是空管自动化系统中的一项核心技术,能够提高空域的利用率和安全性。为了在航路上快速准确的预测航空器的飞行轨迹,提出一种预测航路4D航迹的方法。首先利用Supermap制作航路网络,然后根据航空器的性能参数,推测各时间点的航空器位置,从而得到航路上航空器的飞行航迹,并通过实例进行了说明,为航迹预测提供一定参考。     

基于改进GPC的无人直升机动态路径规划

针对小型无人直升机航迹受到风场扰动和导航系统定位误差影响下的航迹最优规划问题,建立了风扰动和导航误差影响下的飞行航迹线性模型。基于混合整数规划思想,采用粒子滤波改进广义模型预测控制算法实时规划航迹,降低了导航定位误差造成的航迹估计偏差,提高了航迹估计精度。仿真结果表明,该算法能够生成三维可行航迹并躲避障碍物,且规划时间和无人机能耗较传统方法显著减少。     

基于信息一致性的无人机紧密编队集结控制

提出了基于信息一致性的分段式无人机紧密编队集结控制策略,将集结过程分为3步:参考集结点选取和目标集结点分配、形成松散编队以及形成紧密编队。首先,以线切入预定航线的方式计算参考集结点,按照松散编队队形展开生成目标集结点,并利用基于三维距离空间的优化选择算法,将目标集结点快速、准确地分配给每架无人机。然后,使用速度一致性实现向目标集结点定点集结和向松散编队伴航集结,通过非精确的航迹控制快速形成松散编队,提高编队集结的效率。接下来,启动速度、姿态一致性来实现编队最终的精确航迹控制,并逐步压缩编队队形进入紧密编队,避免发生碰撞,完成从松散编队到紧密编队的平稳过渡,同时准确地跟踪预定航线。使用协同修正方法抑制了测量误差、协同误差和通信延迟,提高了紧密编队的稳定性和控制精度。最后,基于MATLAB平台环境对所提三维集结控制策略进行了仿真,验证了其合理性与有效性。     

基于时空特征融合的舰船航迹预测方法

针对海上舰船日益增多、海情日益复杂的严峻形势,改进舰船航迹预测方法,实现对海域态势的有效管控成为亟待解决的问题。结合舰船航迹获取简单、数量较大的显著优势,提出利用舰船航迹数据驱动的基于时空特征融合的舰船航迹预测方法。首先,联合卷积神经网络(CNN)和长短时记忆网络(LSTM)构造时空特征融合网络,充分提取舰船航迹的时空特征;然后,利用海量 AIS(Automatic Identification System)数据进行网络训练;最后,利用网络输出的航速和航向对舰船航迹进行预测。仿真结果表明,提出的网络具有准确的舰船航迹预测能力,能够适应舰船机动运动场景。与传统预测方法相比,该方法能够使预测 MSE减少 0.2~1.4,预测性能大大提高。     

基于航迹分割的航空器噪声预测模型

根据航空器的航迹来预测其影响区域的噪声情况,基于航迹的几何特性,将航迹分成直线段航迹和曲线段航迹两个基本航迹元素;确定了直线段和曲线段的各自影响范围之后,分别计算各航迹段对它们影响区域的噪声值贡献情况;统计了各个航迹段对监测点的噪声影响之后,综合得出整个航迹段对监测点的噪声影响,从而建立了航空器航迹噪声预测的模型。将该模型计算的结果分别和软件模拟数据、实际监测数据进行对比分析,发现该模型在航迹段内对监测点噪声均值的预测较为准确,监测点噪声峰值预测结果更接近实测数据。     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。     

无人机自动控制仿真系统研究与实现

航迹控制回路是无人机自动控制飞行中的重要环节,它涉及无人机的姿态、航向和飞行状态等重要参数的变化。根据飞行控制的基本控制律实现了无人机在复杂航迹条件下的安全飞行控制,模拟出无人机在自动控制下的航迹、盘旋和着陆等的飞行任务。采用面向对象方法设计了基于堆栈的通用化的航线管理类。并分析了无人机在手动操作切换到自动控制方式时寻找航迹点飞行中可能出现的问题,提出了相应的解决方案。     

基于Bi-LSTM 的无人机轨迹预测模型及仿真

传统轨迹预测模型存在模型简化较大、考虑因素较少等问题。结合飞行轨迹连续性、时序性、交互性 的特点,提出基于双向长短期记忆(Bi-LSTM)神经网络的轨迹预测模型,将入侵者的位置、姿态和两机的相对 信息同时作为轨迹预测模型的输入,更加符合真实轨迹变化规律;对建立的基于 Bi-LSTM 的轨迹预测模型采 用综合考虑动量和速度的自适应调整学习步长的学习算法进行训练;并与基于 Elman神经网络的轨迹预测模 型进行仿真对比分析。结果表明:与基于 Elman神经网络的轨迹预测模型相比,所提模型在不同方向预测200 个点的平均绝对误差不超过4m,三维预测效果更优,可以较为准确地进行轨迹预测。     

无人机航迹规划算法

无人机是现代战场实施侦察、打击的有力武器,它的发展备受关注。无人机航迹规划源于机器人运动规划,它是无人机应用研究的核心内容,对提高无人机系统在复杂战场的作战能力起着关键作用。无人机战场环境日益复杂,在强拒止、强电磁环境下,航迹规划对自主性和智能化有更高的要求,传统单一约束的算法已不能满足现今的战场需求。文章系统梳理了 5类无人机航迹规划算法中的几种常用算法及其改进算法,归纳了这些算法的原理、优缺点及适用条件,指出现阶段存在的问题与无人机航迹规划算法面临的挑战。综述表明,航迹规划算法必然向着智能化发展,自主识别和智能决策是改进、优化算法的关键。     

基于贯序正则极端学习机的时间序列预测及其应用

为实现对液压泵特征参数的在线预测,提出一种贯序正则极端学习机(SRELM),并研究了基于SRELM的预测方法.SRELM根据结构风险最小化原理实现网络训练,其网络权值可随新样本的逐次加入而递推求解,具有泛化能力强与训练速度快的优点,因此适于特征参数的在线预测.基于SRELM的预测方法利用特征参数训练SRELM模型,以逐...     

一种基于亚像素匹配的高精度视觉定位方法

大多数应用到无人机景象匹配导航中的匹配算法都只能满足像素级精度,且当无人机利用景象匹配定位时图像之间往往存在较大的视觉差异,这种情况下图像匹配精度低且性能会急剧下降。所以选用具有仿射不变特性的特征点进行匹配,结合高斯亚像素拟合原理及特征描述符简化方法,并采用渐进采样一致性(PROSAC)算法剔除误匹配点,最终实现亚像素级的景象匹配定位。实验结果表明,采用此方法可以大大提高图像匹配的精度,提高到0.05像素以内。     

交互式多模型算法中模型集选择的分析研究

分析研究了交互式多模型算法中的模型集的选择问题。首先,从理论上对模型集选择进行了分析,讨论了模型集中不匹配模型对轨迹预测性能的影响,并提出一种自适应(ACT)模型集;然后通过仿真试验,验证了模型集选择的理论分析,并证明了交互式多模型算法采用自适应(ACT)模型集的优越性。