计及弹射滑车质量的某舰载无人机弹射动态响应分析

舰载无人机是未来海上作战的关键装备,其弹射动态性能严重影响起飞安全。弹射滑车与舰载机起落架弹射杆相连,在牵制杆突卸弹射滑跑过程中共同组成一个耦合动力学系统。目前,国内外尚缺乏对此耦合系统动力学特性的研究。以由某无人机改造的弹射型为研究对象,建立了包含弹射滑车质量的弹射动力学模型,并开展了拖拽弹射过程的动态响应分析,结果表明：弹射滑车的惯性力会沿着弹射杆传递到前起落架上,拖拽弹射过程中前起落架载荷波动幅度增大,前起落架撑杆、弹射杆以及前轮垂向载荷峰值分别增加了23.4%、21.6%和14.0%;前起落架缓冲器压缩量变化范围扩大了30.4%;前起落架纵向和垂向的载荷振荡频率分别从90.9 Hz和5.2 Hz降到26.3 Hz和4.4 Hz。     

Relevant experience learning: A deep reinforcement learning method for UAV autonomous motion planning in complex unknown environments

Unmanned Aerial Vehicles (UAVs) play a vital role in military warfare. In a variety of battlefield mission scenarios, UAVs are required to safely fly to designated locations without human intervention. Therefore, finding a suitable method to solve the UAV Autonomous Motion Planning (AMP) problem can improve the success rate of UAV missions to a certain extent. In recent years, many studies have used Deep Reinforcement Learning (DRL) methods to address the AMP problem and have achieved good results. From the perspective of sampling, this paper designs a sampling method with double-screening, combines it with the Deep Deterministic Policy Gradient (DDPG) algorithm, and proposes the Relevant Experience Learning-DDPG (REL-DDPG) algorithm. The REL-DDPG algorithm uses a Prioritized Experience Replay (PER) mechanism to break the correlation of continuous experiences in the experience pool, finds the experiences most similar to the current state to learn according to the theory in human education, and expands the influence of the learning process on action selection at the current state. All experiments are applied in a complex unknown simulation environment constructed based on the parameters of a real UAV. The training experiments show that REL-DDPG improves the convergence speed and the convergence result compared to the state-of-the-art DDPG algorithm, while the testing experiments show the applicability of the algorithm and investigate the performance under different parameter conditions.     

基于VxWorks的无人机模拟器设计与实现CSCD

无人机模拟器通过模拟与地面发控设备的电气接口及逻辑关系和无人机空中飞行全过程实现了对无人机的模拟,是一套用于飞行协同训练及地面发控设备检查的地面辅助设备。该设备采用基于CPCI总线结构、Vx Works操作系统的计算机,实现了串口通信、UDP网络通信、图形人机交互界面等功能。     

网络图中边集束优化问题

网络规模增大和复杂度提高造成的节点遮挡覆盖和边交叉阻塞等问题成为网络可视化研究的热点.针对网络中出现的视觉凌乱问题,以空间位置和群组关系为出发点,从网络中独立的边和群组两个层次,以边汇合的角度研究边集束技术,将网络中临近的边集聚成束以降低视觉复杂度,提出和改进了分段力导引算法(FDA)简化模型和群组边相容的网络图边集束模型.其中分段集束模型,提出以二次样条曲线表示网络边,通过样条控制点进行迭代汇聚的方法,实现了网络中边的集束;针对分段集束模型中部分连线过度弯曲问题,提出通过CNM聚类算法将网络进行群组划分,在群组结构的基础上对组内连线应用边相容原则,根据连线的匹配系数计算其集束程度的方法,网络图集束后曲线扭曲变形减少,曲线过渡更加平滑.选取国内航空网络作为案例,通过两种边集束模型进行网络图简化,分析结果表明,国内机场的群组结构具有地理属性的相近性,航空网络在整体上呈现出明显的十字脉络,东西走向和南北走向的航线分别汇聚集结成束,表现了航空网络建设在南北和东西方向的总体趋势.本集束简化算法适用性广,绘制的网络图具有良好的视觉效果和可读性.      

基于NUIO的无人机作动器故障检测

针对受未知气流干扰与随机噪声影响的无人机纵向系统进行作动器故障检测研究.在建立固定翼式无人机非线性系统纵向模型的基础上,设计了基于容积卡尔曼滤波(CKF)的非线性未知输入观测器(NUIO).通过构造未知输入观测器结构来解耦未知气流干扰对残差的影响,同时,CKF被算法用于求解观测器增益矩阵,实现了在未知气流干扰解耦情况下残差对随机噪声的鲁棒性.最后,利用残差χ2检验方法判断故障是否发生.仿真结果表明:此方法能有效解耦未知干扰对残差的影响,并快速、准确地检测出了无人机作动器故障.      

紊流风场下的无人机飞行状态卡尔曼滤波估计

为了模拟紊流风场下的无人机飞行状态响应,减小紊流风场对无人机飞行速度的影响,使用数值法建立了紊流风场有色噪声模型,生成了符合大气紊流相关特性的紊流风场并对其进行数值仿真。在此基础上,通过状态扩增处理将系统噪声白化,设计出一种基于有色噪声的无人机飞行速度卡尔曼滤波器,该滤波器解决了基本卡尔曼滤波仅适用于白噪声的情况。仿真结果表明,使用此滤波器可有效减小紊流风场对无人机飞行速度的影响,进而满足飞行速度控制输入的精度要求。     

某无人机光电平台隔振设计及试验分析

机载光电平台的稳定性和跟踪精度受振动扰动的影响十分敏感,为了提高平台任务载荷的成像品质,需要通过合理的隔振设计对光电平台的振动环境加以改善。文章以某无人机吊舱平台为背景,结合被动隔振理论及被动隔振系统的动力学模型,给出光电平台隔振设计的技术思想及具体的隔振方案,并通过振动试验对隔振设计的效果进行了检验。试验结果表明,隔振系统内部测点的加速度均方根与外部测点的相比减小了60%,说明了隔振设计的减振效力,进而验证了隔振方案的合理性,为更深入的机载隔振系统设计提供了参考依据。     

无人机飞行安全控制与安控器设计

针对无人机飞行安全问题,介绍了提高任务飞行安全的技术、方法和措施,提出了基于GPS卫星接收机,独立于飞控系统的无人机安控器设计思路。在研究安控策略的基础上,设计了无人机安控器,并结合某型无人机进行了安控仿真试验,结果表明安控器有效、方案可行。     

自适应引导长度的无人机航迹跟踪方法

为保证无人机安全稳定的飞行,实现高精度的航迹跟踪,基于引导点的非线性制导算法,提出了一种引导长度自适应的航迹跟踪方法。首先建立无人机运动学模型,依此对非线性的制导算法进行理论分析与试验验证,建立无人机飞行速度与引导长度之间的关系。之后引出引导长度自适应的航迹跟踪方法,详细讨论方法的具体实现过程。最后通过各种情况下的仿真对比试验,验证所提出方法的有效性。仿真结果表明,所提出的方法能较精确地跟踪各种复杂航迹,同时在较大的初始偏差和航路点临时切换的情况下能稳定、快速地收敛到期望航迹,更好地满足各种实际飞行任务的需求。     

低雷诺数小型折叠无人机翼型优化设计

实现了一种可用于低雷诺数小型折叠无人机翼型优化设计的方法。采用Ferguson曲线对翼型进行参数化描述,并引入折叠状态下截面的几何关系作为附加约束,使用遗传算法和序列二次规划相结合作为寻优算法,对翼型升阻比和折叠空间允许的最大弦长进行优化。在isight平台上集成xFoil和matlab实现了这一优化流程。实例表明了方法的有效性,优化结果可以作为此类无人机翼型设计的参考。