助推滑翔变体飞行器弹道方案多目标近似优化

针对助推滑翔变体飞行器弹道方案最优变形求解难、多设计指标相互矛盾等问题,开展助推滑翔变体飞行器弹道方案多目标设计优化研究。首先构建了助推滑翔变体飞行器全程弹道方案优化框架,通过内外层分别优化控制参数及弹道方案参数,并建立了以起飞质量最小、射程最大为优化目标的弹道方案多目标优化模型。在弹道建模中,基于牛顿迭代法建立助推段弹道模型,基于伪谱法建立最优变体再入滑翔段弹道模型。此外,提出了基于差分进化的多目标近似约束优化方法(MACO-DE),实现助推滑翔变体飞行器弹道方案优化。对比初始方案,在射程不变情况下,起飞质量至多降低3.81%,在起飞质量不变情况下,射程至多提升6.62%,从而验证了全程弹道模型的合理性与MACO-DE方法的有效性。     

基于立体视觉的无人机位姿测量方法

现有的无人机位姿视觉测量方法大多基于诸如关键点等几何尺寸在图像和模型间的对应关系完成位姿计算；然而，在复杂情况下易出现关键点图像坐标定位失效的问题，而针对特定机型的算法设计泛化性不佳。针对这一问题，本文提出了一种基于立体视觉的固定翼无人机位姿测量方法，通过立体视觉重建目标无人机三维点云，基于无人机组件三维点云拟合鲁棒地完成位姿测量。首先，使用一种二维、三维数据结合的方式，利用卷积神经网络完成组件的分割。其次，分别利用机翼和机身点云拟合无人机坐标系的z轴和x轴，进而完成目标无人机位姿的计算。整个计算过程无需已知具体机型或尺寸。经试验验证，本文方法在10m的范围内达到了1.57°和0.07m的位姿测量精度，具有较高的精度和鲁棒性。