无人机纵向轨迹控制的设计与仿真

主要介绍一种无人机垂直剖面的飞行轨迹控制算法的设计和仿真验证。无人机在高度改变过程中,纵向采用轨迹控制的算法,通过控制垂直高度偏差和航迹倾角偏差使无人机沿着预定的轨迹飞行,且实现垂直高度偏差、航迹倾角偏差为零。算法中创新性地引入航迹倾角、地速与现时垂直速度的转换函数,进行给定法向过载的计算。纵向采用精确轨迹控制,自动油门采用渐变的油门杆控制实现速度保持,常用的轨迹控制算法为利用高度差与垂直速度进行比例控制,具有实际飞行航线与期望航线存在静差、超调较大的缺点。算法通过与自动油门算法相结合,可实现对无人机的纵向轨迹的自动控制,具有控制精度高、控制平稳等优点。     

基于泛化熵随机森林的雷达目标航迹起始方法

文章提出了一种基于泛化熵随机森林的雷达目标航迹起始方法,通过引入一种泛化熵可调参数,解决了传统随机森林算法对差异数据集泛化能力和适应性差且难以确定全局最优解的难题。首先利用雷达多周期回波数据构建随机森林算法决策模型,其次基于设计的泛化熵处理规则对实测数据进行分类处理得到所需测试样本,最后将测试样本输入完成模型训练的随机森林进行迭代寻优和自主决策以获取雷达目标的航迹起始结果。雷达实测数据验证表明,文章所提出的方法相比于传统随机森林方法具有更为优越的目标航迹起始性能。     

基于阻尼最小范数法的四轴转台逆运动学算法分析

由于三轴转台在仿真过程中会产生运动学奇异,因此无法模拟大角度全姿态的飞行运动。四轴转台通过在三轴转台的基础上增加一个冗余轴,利用冗余自由度的特点可以有效规避三轴转台的奇异性。针对四轴转台中冗余自由度的逆运动学求解,采用加权最小范数法构建了等式的约束优化条件,并通过引入阻尼因子增强了求解的鲁棒性。最后,为了降低由消除闭环迭代引起的误差,在算法中进一步引入了二次计算,从而最大程度地提高了框架角解算的准确性。通过仿真分析,所提出的方法可以进行四轴转台的框架角解算且角度变化平稳,满足仿真周期为1ms的测试需求,理论解算精度可以达到10^-11量级。     

空间光电跟踪系统闭环全物理仿真试验技术

为验证空间光电跟踪系统与卫星平台耦合作用下的跟踪性能,提出空间光电跟踪系统全物理仿真试验方法。利用三轴气浮台模拟卫星零重力下的自由转动,在地面实现了非合作目标闭环跟踪控制和空间动力学特性的综合模拟。采用基于整星姿态动力学的重力干扰力矩辨识方法,消除转动部件重力干扰对试验的影响,实现对系统跟踪脱靶量的精确评估。试验结果表明,空间光电跟踪系统针对非合作目标的跟踪脱靶量优于0.006°（3σ）,满足系统在轨应用需求。但在对高速目标跟踪过程中,跟踪脱靶量存在一定的相位滞后,控制方案需进一步优化。     

基于计划到达时刻的四维航迹规划

为了加速空管自动化与智能化技术的应用与实施,提出了水平航迹与高度/速度剖面分阶段设计的四维航迹规划方法。基于动态时间规整与层次聚类方法实现历史雷达航迹聚类分析,完成水平航迹设计。建立速度剖面规划模型,通过航迹生成器与速度调整器交互协作,精细化控制进场时间,以满足计划到达时间要求。以上海浦东国际机场PINOT进场航班为例实施验证,结果表明,四维航迹规划方法可有效实现航班的计划到达时间,从而减少航班延误,提高终端空域运行效率。     

最小二乘滤波在某型火控系统信息处理中的应用

为了提高某型火控系统的反应时间和射击精度,需要对采集到的目标运动参数进行滤波。为了使算法易于实现,采用了最小二乘滤波方法。基于对最小二乘滤波的分析处理,增加了修正序列,实现了接近自适应最小二乘滤波的功能,在滤波效果上能够完全满足系统要求。最后,对滤波效果进行了检测。     

基于工程教育专业认证背景下地方特色院校“金课”建设的研究与探索

"金课"作为一项新提出不久的概念,许多重点院校和地方特色院校已经着手打造了一部分精品课程,主要是一些开放性课程和文法类课程,原因是这一类课程思维发散,教学手段多样,可以运用现代化信息技术手段采取线上线下教学模式。但是教育部推出的"金课"建设不单单只是针对于这些类课程,对于工科专业的课程建设,也需要打造"金课",尤其是以工程教育专业认证的标准和理念打造地方特色院校"金课",是我们这些地方特色工科院校需要重点研究和探索的。本文的研究重点在于如何把工程教育专业认证的理念与课程建设有机融合体现工科"金课"的"四性"。     

倾转四旋翼飞行器垂直飞行状态气动特性

综合采用基于滑移网格技术的计算流体力学(CFD)方法与悬停状态气动干扰试验方法,对倾转四旋翼(QTR)飞行器垂直飞行状态的流场进行模拟与试验,研究飞行器垂直飞行状态气动特性以及部分参数对气动特性的影响.结果表明:倾转四旋翼飞行器在垂直飞行状态,前后旋翼之间干扰不明显,但旋翼与机翼的干扰明显;旋翼旋向对旋翼与机翼的干扰不...     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。