由感知到动作决策一体化的类脑导航技术研究现状与未来发展

随着脑与神经科学以及人工智能技术的持续发展,昆虫和哺乳动物大脑导航机理启发下的感知/认知/路径规划/动作决策一体化类脑导航技术得到了较大发展,可以实现由原始感知信息输入到导航动作决策的直接输出,呈现出接近动物端到端面向目标导航的智能行为,具有提高密集型无人机集群导航鲁棒性、准确性、实时响应动作、自主智能性以及计算效率的潜力。阐述了昆虫和哺乳动物大脑导航机理及其互补对称关系,以及昆虫和哺乳动物大脑导航机理启发的端到端类脑导航技术内涵;论述了类脑导航技术研究进展,包括类脑环境感知、类脑空间认知、面向目标类脑导航;分析了类脑导航向智能化、神经形态系统以及群体导航发展的新趋势;最后讨论了类脑导航技术应用于无人机密集集群系统时存在的挑战。     

带有引诱角色的多飞行器协同最优制导方法

考虑我方高价值飞行器面临对方拦截器拦截时,发射两枚防御器对拦截器进行拦截的情形。针对对方拦截器采用扩展比例导引律,在4个飞行器均具有一阶线性动力学特性假设下,基于最优控制理论设计了能在拦截末端施加相对拦截角的显式协同制导律。显式协同制导律将高价值飞行器和两枚防御器三者的协同考虑在内,给出了三者最优控制输入的解析解。仿真结果表明,设计的制导律能使两防御器成功拦截敌方拦截器,且在拦截末端施加一个相对拦截角。通过与只考虑两防御器协同的隐式协同制导律进行比较,可发现显式的协同制导律在控制要求和能量消耗上,要优于隐式的协同制导律。此外,还验证了在不同发射条件下的协同制导律的稳定性。     

基于Kriging模型插值的孔位修正策略

飞机装配时的孔位精度直接影响其最终装配质量,而待制孔零件易发生变形和整体偏移,因此一般通过基准孔信息对待制孔位进行补偿。提出一种基于Kriging插值的孔位修正方法,通过基准孔建立孔位理论坐标与实际偏差值的Kriging模型,进而预测待制孔的孔位偏差,并给出每个位置的预测标准误差,以指导基准孔的增添和布置。最后通过有限元和数值实验分别验证了零件在极限变形和整体平移旋转情况下该方法的有效性,实现了孔位估计误差小于0.3 mm。     

基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点,随着无人机自主智能的不断提高,无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务,构建了典型的任务场景,基于深度确定性策略梯度网络（DDPG）算法,设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题,通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡,提高了算法的训练效率。仿真结果表明,训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务,任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值,人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。     

双后掠鸭翼气动特性的数值模拟

首先针对具有中等前缘后掠角梯形鸭翼的缺点提出双后掠鸭翼概念,然后分别对安装梯形鸭翼和双后掠鸭翼的近距耦合鸭式布局的气动性能进行数值模拟研究,分析影响双后掠鸭翼气动性能的流动机理。研究表明：在大迎角时,对于双后掠鸭翼,具有较大前缘后掠角的外翼段可以使鸭翼涡在涡核破裂后仍能形成稳定集中涡并保持较高的强度,增加鸭翼本身的失速迎角,并通过诱导作用改善机翼外翼段流场,进而提高全机大迎角性能,但在小迎角时会破坏鸭翼附着流或前缘气泡涡的发展,造成略微的升力损失。拥有较大失速迎角的双后掠鸭翼在小迎角时具有较大的可用偏度,可以增强布局的抬头控制能力。双后掠鸭翼在满足隐身约束的前提下,超声速阻力较小,具有较好的超声速性能。