一种飞船返回舱落点选优算法的设计与实现

设计一种选优算法。算法依据概率论,以寻找落点最密集区域为思路,从已知众多飞船返回舱落点数据中计算产生一个“优秀”落点,即尽可能接近返回舱的实际着陆点。     

基于星体边缘和轨道投影的光学自主导航算法

针对光学导航中存在的通过星体（球体）图像部分边缘点拟合椭圆参数计算轨道参数产生中间误差的问题,提出利用边缘点映射轨道参数的直接投影模型,避免拟合椭圆参数的方法。在小孔成像模型基础上,建立了边缘点与轨道参数的直接投影数学模型,对其映射过程进行了理论推导,利用列文伯格-马夸尔特迭代算法进行求解轨道参数。用实际探测器以及镜头参数进行数值仿真验证,结果表明：该方法在相同边缘点的条件下,轨道精度可以达到5‰。与传统方法相比,这种方法避免了椭圆的拟合过程,减少了引入中间误差过程。     

考虑输入饱和的固定翼无人机自适应增益滑模控制

针对复杂环境下的固定翼无人机飞行控制问题，考虑输入饱和以及复杂外界干扰的影响，提出一种基于自适应滑模控制方法的固定翼无人机飞行控制策略。首先，对固定翼无人机模型进行介绍，将模型分为姿态子系统和速度子系统；其次，针对姿态子系统和速度子系统的特点以及控制需求，分别采用自适应多变量螺旋滑模和自适应快速超螺旋滑模设计姿态控制器和速度控制器，该策略无需设计干扰观测器对外界干扰进行估计，仍然可以实现固定翼无人机对姿态参考指令和速度参考指令的有限时间精确跟踪，并基于Lyapunov的稳定性分析方法证明了闭环系统的稳定性。最后，对本文所提出的控制策略进行了仿真验证，结果表明该控制策略具有良好的控制性能。     

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。