虚拟阵列测向性能分析

针对相干信号源测向以及模糊的实际问题,提出一种基于任意形状平面阵列的测向方法。经计算机仿真,证明该方法的有效性。     

基于遗传算法的空空导弹消耗规律神经网络预测方法

针对弹药预测问题,介绍了基于遗传算法的BP神经网络的相关原理及理论,研究了基于遗传算法的空空导弹消耗量BP神经网络预测方法,弥补了传统的BP神经网络法在弹药预测方面存在许多缺点,采用遗传算法求得影响弹药消耗各因素的权值及阈值,具有较高的准确性;同时,优化过程是对神经网络算法的权值及阈值进行优化,由适应度函数计算出染色体的适应度值,再经过选择、交叉及复制等操作,得到适应度最高的个体。对历次空战空空导弹消耗量数据进行归一化处理,将处理结果带入传统BP测,得到预测结果并对比分析,预测结果显示了遗传算法优化的有效性,避免了传统BP算法局部性强的缺点,预测结果较优化前较大提升,验证了改进算法的有效性和先进性。     

一种改进的航天器时变模态参数递推辨识方法

针对基于预测器的递推子空间辨识(RPBSID)方法在估计系统的状态变量时计算量较大的问题,提出一种改进的RPBSID方法并应用于航天器的时变模态参数辨识。与原算法相比,改进后的方法在求解状态量时不需要逐个时刻构建相应的Hankel矩阵,而是利用仿射投影算法(APA)实现状态量的递推估计,从而减少了辨识过程中的数据量。在此基础上,利用该状态变量递推得到时变系统的状态空间模型和模态参数。在数值仿真中,建立带有大型挠性附件的卫星动力学模型,分别考虑系统模态参数线性变化、突变和周期改变的情况,利用改进的RPBSID方法对结构的时变频率和阻尼比等参数进行了辨识。理论分析和数值仿真的结果表明这种改进的方法不仅能够有效地辨识系统的时变模态参数,而且与原方法相比具有更高的计算效率。     

ICP算法在地磁辅助导航中的应用

利用地磁信息进行辅助导航是组合导航技术研究的新方向。文中对地磁辅助导航的原理和发展现状进行了介绍,并在分析地磁特征的基础上,研究了利用地磁异常特征进行ICP匹配定位的方法。根据应用环境,对ICP算法进行了以下改进:首先,受模拟退火法的启发,提出采用扇形扫描法搜索最优匹配,推动ICP算法向全局最优迭代;其次,结合RANSAC法,有效地剔除了地磁测量中的野值点,提高了算法的鲁棒性。仿真结果证实了改进算法的良好性能。     

一种新型卫星携气瓶推力器喷气时长计算方法

卫星自主编队保持通常采用开环控制模式,需要星载计算机(AOCC)根据推进系统的工作状态实时计算喷气时长。由于AOCC计算能力有限,在携气瓶推力器仿真测试过程中采用的速度增量关机方式不适用于在轨喷气时长的计算。为减小AOCC运算量,提高控制精度,开展了携气瓶推力器的动力学建模仿真,进行了寿命期间的性能分析。针对该时变推力模型,设计了AOCC喷气时长计算方法。通过推力的状态传递和推力预测,构造了以喷气时长为变量的代数方程,并将该方法应用到一组多次喷气情况下的喷气时长计算。仿真结果显示:与以往基于单点测量的推力器喷气时长的计算方法相比,采用该方法计算的喷气时长更接近理论值,能够有效提高卫星自主编队保持的控制精度。     

基于反馈线性化的高速无人机自适应控制系统设计

高速无人机是典型的复杂非线性、参数不确定性系统,且各控制通道之间存在强耦合作用,这对飞行控制系统设计提出了严峻挑战。针对其非线性特性和耦合特性,采用精确反馈线性化理论将无人机动力学模型解耦为3个独立的子系统,即滚转、俯仰和偏航通道;应用模型参考自适应控制方法分别设计每个通道的姿态控制器。研究表明,上述线性化方法能够实现三通道解耦,所设计控制系统满足飞行控制性能要求,且对气动参数摄动和外部干扰具有较强的鲁棒性。     

一种多级全固体运载火箭上升段自主制导方法

针对多子级全固体运载火箭在终端多约束下的耗尽关机制导问题,设计了一种基于“助推-滑行-助推”飞行模式的真空段自主制导方法。根据轨道动量矩守恒定律,推导出一种同时具有速度和位置矢量约束的定点制导算法(PA)。在PA理论基础上,建立了满足能量匹配的滑行轨道非线性方程组并降阶至一维迭代求解,解决了多级固定总冲约束的两点边值问题。蒙特卡洛仿真结果表明：该算法对固体运载火箭模型的参数偏差和不确定性具有强鲁棒性,并对多终端轨道任务(不同轨道高度和不同载荷质量)具有较强的自适应能力,因此该算法具有重要的理论意义和工程应用价值。     

拦截大气层内机动目标的自适应积分滑模制导律

针对大气层内机动目标拦截的末制导问题,提出了一种自适应积分滑模制导律。基于抑制弹目视线旋转的原则,设计了一种视线转率收敛速率可调的跟踪剖面,选取跟踪误差与其积分为状态变量,采用状态有限时间收敛的积分滑模面与快速趋近律推导得到了积分滑模制导律。为了处理未知的目标机动项,提出了一种自适应算法,对目标机动项上界的平方进行估计,构成了自适应积分滑模制导律,并证明了其有限时间收敛的特性,给出了各状态变量的收敛域。最后,将制导律转换成适用于大气层内拦截的形式。仿真结果表明,所提制导律能够精确拦截机动目标,剖面跟踪误差收敛速度快,过载分布均匀,能量消耗少,并具有良好的噪声特性,易于工程实现。     

对失控翻滚目标逼近的神经网络自适应滑模控制

针对失控航天器在空间中自由翻滚的情况,研究追踪器对失控翻滚目标逼近的位置和姿态六自由度耦合控制问题。建立追踪器与目标器相对运动的姿轨一体化动力学模型,设计追踪器逼近过程的标称轨迹和标称姿态。综合考虑系统不确定性和外部干扰,设计无抖振的神经网络自适应滑模控制器。将滑模控制与神经网络逼近相结合,采用径向基函数(RBF)神经网络对系统未知部分进行自适应逼近。由Lyapunov方法导出神经网络自适应律,通过自适应权重的调节保证整个闭环系统的稳定性。数值模拟实例说明了所设计的标称轨迹和标称姿态的合理性,同时验证了神经网络自适应滑模控制器的有效性。     

基于神经网络的机动飞行器自适应控制方法

针对机动飞行器强耦合性、快时变性以及高不确定性的问题,建立了六自由度刚体运动数学模型,按照时间尺度将姿态运动模型分为快变子系统和慢变子系统并分别设计动态逆控制律。然后给出了神经网络自适应控制器的设计方法,对神经网络的逆误差补偿原理、输入的选择、权值矩阵更新规则进行分析。通过算例进行六自由度仿真,证明本文方法的跟踪精度较高。