极地科考小型无人飞行器

针对小型无人飞行器在极地科考中的抗风扰动问题,通过神经网络改进卡尔曼滤波算法,提高小型无人飞行器对环境的适应性.基于小型无人飞行器自身状态信息与误差信息,在线调整系统的量测噪声和估计参数,提高信息融合精度;利用矢量域方法构建轨迹跟踪控制算法,基于目标航迹在线调整航向,提高小型无人飞行器在顺风、逆风、转弯的飞行品质和压航线精度.经过大量的仿真试验、实际飞行试验验证了方法的有效性,改进的卡尔曼滤波算法可以提供长时高精度信息,小型无人飞行器可以在野外6级风源扰动的情况下,实现稳定飞行,平均误差不超过10m.小型无人飞行器在南极实地科考中得到成功应用.     

基于HMDP的无人机三维路径规划

路径规划是UAV(Unmanned Aerial Vehicle)自主飞行的重要保障.初步建立了基于MDP(Markov Decision Processes)的全局路径规划模型,把UAV的路径规划看作是给定环境模型和奖惩原则的情况下,寻求最优策略的问题;为解决算法时空开销大、UAV航向改变频繁的缺点,提出一种基于状态聚类方法的HMDP(Hierarchical Markov Decision Processes)模型,并将其拓展到三维规划中.仿真实验证明:这种简单的规划模型可以有效解决UAV的三维全局路径规划问题,为其在实际飞行中的局部规划奠定了基础.     

基于速度矢量场的无人机实时动态航路规划

针对局域动态环境中无人机实时航路规划展开研究,提出了一种基于速度矢量场的二维动态实时航路规划方法。通过建立不同空间特征区域速度场模型,实现了速度场驱动下的无人机航路规划。文中采用虚拟目标点法解决了速度矢量场航路规划局部陷阱问题;采用探测步长法,实现了无人机机动约束的融合,解决了航路可飞性问题;在动态实时规划应用中,确立了环境信息更新方法,实现了对动态环境的描述。通过仿真验证,表明速度矢量场法能够根据动态环境信息及时规避威胁到达目标点,算法具有良好的完备性和实时性,适用于局域动态环境中的快速航迹规划。     

多机协同与多目标分配任务规划方法

多架飞机攻击多个目标区域是现代作战方式的重要特征,多机协同与多目标分配问题是提高团队作战效能的关键.针对该问题,综合考虑飞机能力差异、协同方式和任务环境的变化,提出多机协同目标分配的任务规划方法.建立了基于能力裕度评价的多机协同目标分配问题的数学模型.对多目标分配问题,通过约束飞机的能力裕度对分配方案进行筛选,保证在战场环境发生改变时任务兵力的完整性.仿真结果表明,采用这种方法得到的目标分配方案,适应任务目标突发性变化的能力更强.     

某型无人机着陆回收可行性研究

无人飞行器结构硬着陆或坠落时,碰撞过程有可能给飞行器结构带来损伤,影响飞行器重复使用.本文利用碰撞仿真技术,对无人飞行器硬着陆仿真方法进行了研究,分析了某型无人机硬着陆回收的可行性.建立了其着陆速度、着陆姿态角与过载的关系,该结果可用于该型无人机的修改设计及结构耐撞性能的评估.     

低压储能的升浮一体飞行器总体参数研究

升浮一体飞行器是一种综合了太阳能无人机和平流层飞艇特点的新型临近空间飞行器,是航空航天领域研究的热点,可再生燃料电池是升浮一体飞行器最有发展前景的储能装置。针对现有燃料电池中氢气和氧气存储方式的缺陷,充分利用升浮一体飞行器巨大的机身体积,提出了采用低压气囊储气的燃料电池方案,建立了升浮一体飞行器总体参数计算模型,提出常规燃料电池和气囊储气燃料电池的理论计算方法。研究了不同储气方式对升浮一体飞行器的能源系统以及飞行器总体参数的影响。研究表明,采用低压储气方法后,氢气的质量储气密度可提高至13.0%,燃料电池存储能量为1 489.7 kWh条件下,能量密度可达到1 000 Wh/kg以上,对减小升浮一体飞行器总重和外形尺寸、提高飞行器载荷能力有显著作用。     

面对称重复使用运载器尾部喷流风洞试验

研究面对称重复使用运载器尾部发动机的喷流干扰特性对于飞行器设计具有重要意义。在中国航天空气动力技术研究院的FD-12风洞中开展了亚/跨声速飞行条件下的喷流试验。试验使用常温压缩空气作为喷流介质模拟发动机的高温燃气,采用的相似参数包括：飞行器的几何外形尺寸、飞行器的飞行马赫数、发动机喷管的出口马赫数、发动机喷流与自由来流静压比。试验结果表明了发动机喷流对全飞行器气动特性和体襟翼铰链力矩的影响随来流马赫数、喷管、体襟翼偏角等因素的变化规律。     

吸气式高超声速飞行器鲁棒反演控制器设计

针对吸气式高超声速飞行器气动／推进／结构弹性耦合控制问题,提出了鲁棒反演控制器设计方法。采用反演和动态逆方法设计虚拟控制量和实际控制量,通过引入一阶低通滤波器来获取虚拟控制量的导数,解决了虚拟控制量求导复杂问题;为了增强控制器的鲁棒性,采用充分光滑投影算子对模型非匹配不确定项进行估计和补偿,同时避免了可能出现的参数漂移问题。仿真结果表明,该控制器对模型气动参数拟合误差、攻角和升降舵偏角摄动、气动弹性影响具有鲁棒性,对速度指令和高度指令具有很好的跟踪效果。     

电子战无人直升机抵近支援干扰仿真研究

随着雷达对抗技术的飞速发展,电子战无人直升机超低空突防实施抵近支援干扰呈现出特有的优越性。建立了无人直升机干扰雷达数学模型和抵近支援干扰时压制区计算模型,通过实例仿真分析,定量直观地得出电子战无人直升机抵近雷达时干扰效果和作战效能有相应提高的研究结论。     

Assessment of the impact of dimensionality reduction methods on information classes and classifiers for hyperspectral image classification by multiple classifier system

Identification of the appropriate combination of classifier and dimensionality reduction method has been a recurring task for various hyperspectral image classification scenarios. Image classification by multiple classifier system has been evolving as a promising method for enhancing accuracy and reliability of image classification. Because of the diversity in generalization capabilities of various dimensionality reduction methods, the classifier optimal to the problem and hence the accuracy of image classification varies considerably. The impact of including multiple dimensionality reduction methods in the MCS architecture for the supervised classification of a hyperspectral image for land cover classification has been assessed in this study. Multi-source airborne hyperspectral images acquired over five different sites covering a range of land cover categories have been classified by a multiple classifier system and compared against the classification results obtained from support vector machines (SVM). The MCS offers acceptable classification results across the images or sites when there are multiple dimensionality reduction methods in addition to different classifiers. Apart from offering acceptable classification results, the MCS indicates about 5% increase in the overall accuracy when compared to the SVM classifier across the hyperspectral images and sites. Results indicate the presence of dimensionality reduction method specific empirical preferences by land cover categories for certain classifiers thereby demanding the design of MCS to support adaptive selection of classifiers and dimensionality reduction methods for hyperspectral image classification.