关于卫星姿态确定非线性滤波算法的研究

本文探讨了利用方位矢量和陀螺速率观测信息确定卫星姿态的问题。该问题实际上是一个非线性/非高斯状态滤波问题,因此,经典的基于EKF和UKF算法的姿态滤波器有可能失败,尤其是当初始状态的先验估计不可能精确得知的情况下。近来,粒子滤波理论已经开始应用于姿态确定问题,但是,这类算法往往需要大量的“粒子”,这对有限计算能力来说是一个沉重的负担。为此,本文尝试利用双重滤波方法,在每个序贯估计过程中,将有陀螺姿态确定问题暂时分解为1个四元数估计问题和1个陀螺常漂参数估计问题。本文提出了2个双重滤波器,包括1个姿态确定双重粒子滤波器和1个姿态确定的混合型滤波器。这两者都采用一个相同的四元数粒子滤波器,但在粒子重采样和平滑处理方面,不同于近来提出的类似滤波器。至于陀螺常漂估计,双重粒子滤波器发展了一个辅助粒子滤波器,而混合滤波器中则发展了一个参数UKF滤波器。通过与经典的姿态确定滤波器的仿真比较,证实了本文新提的2个算法的有效性和优越性。
     

基于预警卫星系统的临近空间飞行器跟踪简

 系统地研究了如何对临近空间飞行器进行有效实时跟踪的问题,并提出了一种基于约束总体最小二乘与自适应交互式多模型（CTLS-AIMM）滤波相结合的实时跟踪滤波算法。首先考虑到临近空间飞行器的特点,选择使用红外预警卫星系统探测目标飞行器,并使用约束总体最小二乘算法（CTLS）对目标进行粗定位;然后在粗定位信息基础上,使用自适应交互式多模型滤波算法（AIMM）对目标飞行器进行实时跟踪。在AIMM中,根据临近空间飞行器机动特性,合理选择目标模型集,并使用迭代最小二乘算法对模型参数进行自适应调整。通过仿真,验证了该跟踪滤波算法的可行性。     

基于支持向量机的航路空域内对流天气避让预测

随着全球空中交通的快速发展,航班延误问题越来越严重.对流天气是造成航班延误的主要原因之一,已经影响到民航行业的可持续发展,成为一个社会问题.如果能够提前预测与天气有关的航班是否改航,那么空中交通活动的参与者就可以协调调度,极大减少航班延误.本文提出了天气避让预测模型(Weather avoidance predicti...     

高超声速机动目标拦截多约束解析捕获区

为快速评估远程拦截末段有效作战态势，在拦截器视场和饱和加速度约束下，构建了机动形式方向任意且有界的高超声速目标拦截解析捕获区。为适配该类目标拦截场景，首先引入了渐近收敛的抗干扰末制导律以进行捕获区分析。其次通过构建复合李雅普诺夫函数，并将非线性规划技术用于不等式分析，最终推导了由修正的初始接近速度、初始视线法向相对速度和拦截器初始速度前置角三者的解析捕获条件构成的多约束捕获区以及制导增益允许取值范围。理论证明了在增益设置满足所给范围情况下，拦截器从该捕获区内任意初始状态点出发，均能有效拦截任意有界机动目标且保证制导加速度不超过允许上限以及视场约束全程满足，并满足终端脱靶量小于允许阈值且接近速度小于容许碰撞速度。对比仿真验证了所得结论的正确性，并分析了捕获区影响因素和变化规律，可为增大初始阵位可控裕度提供参考。     

拦截大气层内机动目标的深度强化学习制导律

针对大气层内高速机动目标的拦截问题，提出了一种基于双延迟深度确定性策略梯度(TD3)算法的深度强化学习制导律，它直接将交战状态信息映射为拦截弹的指令加速度，是一种端到端、无模型的制导策略。首先，将攻防双方的交战运动学模型描述为适用于深度强化学习算法的马尔科夫决策过程，之后通过合理地设计算法训练所需的交战场景、动作空间、状态空间和网络结构，并引入奖励函数整形和状态随机初始化，构建了完整的深度强化学习制导算法。仿真结果表明：与比例导引和增强比例导引两种方案相比，深度强化学习制导策略在脱靶量更小的同时能够降低对中制导精度的要求；具有良好的鲁棒性和泛化能力，并且计算负担较小,具备在弹载计算机上运行的条件。     

拦截机动目标的信赖域策略优化制导算法

针对临近空间高超声速飞行器的高速性、机动性等特性，为提高制导算法针对不同初始状态、不同机动性目标的准确性、鲁棒性及智能性，提出一种基于信赖域策略优化（TRPO）算法的深度强化学习制导算法。基于TRPO算法的制导算法由2个策略（动作）网络、1个评价网络共同组成，将临近空间目标与拦截弹相对运动系统状态以端对端的方式直接映射为制导指令。在算法训练过程中合理选取连续动作空间、状态空间、并通过权衡能量消耗、相对距离等因素构建奖励函数加快其收敛速度，最终依据训练的智能体模型针对不同任务场景进行拦截测试。仿真结果表明：与传统比例导引律（PN）及改进比例导引律（IPN）相比，本文算法针对学习场景及未知场景均具有更小的脱靶量、更稳定的拦截效果、鲁棒性，并能够在多种配置计算机上广泛应用。     

机动发射弹道导弹集群诸元快速规划

针对机动发射条件下弹道导弹集群的飞行诸元快速规划问题，将神经网络预测与最小二乘优化相结合，提出了一种弹道导弹发射诸元快速规划方法。首先分析了弹道导弹助推段飞行策略并选取适当的发射诸元，以发落点信息为输入，设计双隐藏层诸元预测网络，通过弹道仿真获取弹道数据建立数据集完成网络训练，利用该网络可以得到发射诸元迭代初值。在此基础上，为了消除数据集中样本数据不平衡对发射诸元规划精度的影响，以落点射程、横程、高程偏差最小为指标函数，结合最小二乘优化方法进行迭代获得发射诸元精确解。最后在典型发射场景下，进行了弹道导弹集群机动快速发射仿真验证。结果表明，该方法相较于传统方法可显著提高计算速度与精度，且在给定的大范围机动条件下，能够满足弹道导弹集群对远距离、多目标的快速精确打击。     

变质心固定翼无人机动力学分析与抗扰控制

变质心无人机具有气动效率更高、隐身性能更好、机翼结构更加简单等优点。提出了时滞更小、结构更加简单的单滑块变质心无人机布局方案，分析了滑块参数对变质心无人机动力学特性的影响，在此基础上给出了滑块的理想安装位置，并研究了变质心无人机布局方案控制效率随速度的变化情况。针对变质心无人机强耦合、强非线性的特点，基于粒子群算法(PSO)设计了自抗扰控制器(ADRC)，其中扩张状态观测器估计出包含耦合和参数摄动的总和扰动项，并基于此进行动态补偿。仿真结果验证了所设计控制器的有效性和鲁棒性。