基于高斯问题的近最优再入预测制导方法研究

再入过程中利用解算高斯问题建立落在地面固定目标的开普勒轨道,由于干扰力的存在,再入飞行器将偏离这条轨道,为此需要对再入飞行器进行速度修正。速度的修正方案有两种:一种是使修正后的轨道返回到事先装订到计算机上的标准轨道上,即标准轨道法;另一种是根据落点重新建立一条可落在固定目标的轨道,即预测制导法。文中利用牛顿迭代法对高斯问题进行优化,得到了可重新落在地面目标的最小速度修正量,得到了一种快速的近最优预测制导算法。仿真结果表明:此算法简单,运算速度快,需用过载小,且得到了较小的脱靶量。     

基于Unscented卡尔曼滤波器的近地卫星磁测自主导航

建立了近地卫星高精度轨道动力学模型和10×10阶地磁场模型,分别以地磁场矢量和强度幅值作为观测量,通过Unscented卡尔曼滤波实现自主导航。在采样周期10s,磁强计测量噪声100nT情况下仿真,仿真结果显示以地磁场矢量为观测量时卫星导航误差在卫星前进方向(切向)、轨道法向、卫星径向的分量分别为1km、0.9km、0.3km,而以地磁场强度幅值为观测量时误差分别为1.6km、1.3km、0.5km。     

火箭助推器对雷达观测的影响研究

针对运载火箭二级助推器及分离时产生的大的碎片对雷达观测可能造成的影响,阐述了雷达成像重叠轨道(ROIO)的概念,并就雷达处于火箭载荷轨道平面内的情况分析了ROIO的存在条件、确定方法和观测中火箭载荷轨道及其ROIO上所对应的位置相对于雷达的角度差.仿真结果表明,目标轨道的观测范围及雷达相对于该观测范围的距离决定了ROIO的确定.     

缓进磨削的磨削力——介绍缓进磨削技术之五

本文重点介绍缓进磨削中,磨削用量对磨削力的影响.影响磨削力的显著因素是磨削深度,其次是工作台进给速度和砂轮速度,冲洗压力影响极小.粗加工时可以选择大切深,以提高效率,在精加工时,为了保证精度,应取小的切深.     

多个空间高斯源信号情况下成组三维图像特征提取方法

针对功能磁共振成像数据中含有多个高斯信号源的盲源分离问题,介绍了一种成组典型相关分析方法(Group BSS-CCA)。这个方法的组分析框架参照了GIFT工具箱中的Group ICA算法,具体的典型相关分析方法应用的是Friman等人提出的BSS-CCA算法。以验证该方法的有效性为目的,设计了仿真实验;结果表明,该方法能较好识别出混合在人脑功能磁共振成像数据的2个空间高斯信号。Group BSS-CCA算法对研究人脑的功能磁共振成像数据具有较高的实用价值。     

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。     

单滑块与飞轮协同姿态控制卫星运动分析

为了明确单滑块变质心卫星的控制机理,建立了包含单滑块与3个飞轮在内的7自由度卫星姿态动力学模型。在此基础上,分析讨论了其运动特性以及动力学系统的特点,采用最小二乘方法反向求解出滑块运动对卫星姿态的影响,为控制器根据姿态机动指令计算滑块需求运动距离,提供了一种工程上可行的方法。最后对比变质心机构与飞轮的协同控制与单独采用飞轮控制两种控制方案的效果,突出了变质心机构与飞轮协同控制的优越性。仿真结果表明:单滑块变质心卫星在卫星姿态机动过程中能快速响应。本文为单滑块变质心卫星的工程实践,提供了一些理论参考。     

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。