满足多约束的主动段能量管理制导方法

高超音速飞行器运载任务需要满足多项约束条件,针对耗尽关机型固体运载火箭需要在主动段进行能量管理.基于控制推力和速度之间夹角来实现主动段能量管理的思路,综合交变姿态控制能量管理(AEM,Alternate Attitude Control Energy Management)和一般能量管理(GEM,General Energy Management),提出了样条能量管理(SEM,Spline Energy Management)制导方法,并针对分离前定轴飞行约束条件进行了修正.以三级运载火箭为例,通过AEM,GEM和SEM对比,验证了样条能量管理制导方法的可行性.     

无人机复杂环境中跟踪运动目标的实时航路规划

在复杂地形环境中,无人机在跟踪运动目标时,现有的航路规划方法在实时性和可行性上存在一定缺陷.提出了一种新的滚动窗口启发方向计算方法,使其能够跟踪运动目标,同时在滚动窗口内采用流函数法进行避障.根据无人机约束,滚动窗口为三角形,并设计了基于行为的伸缩功能.在流函数中,利用水势能方法克服了陷阱地形并进行了航路平滑.仿真结果表明:这种混合算法对于复杂地形条件下跟踪运动目标的航路规划,能够减小规划算法的时间和空间复杂度,使规划出的航路适于无人机飞行.     

集成式随动装置目标引导信息动态校准方法研究

光电对抗系统在机动状态下搜索和跟踪目标时,必须用位置陀螺代替码盘来确定目标方位角。但是,由于搜索轴陀螺存在漂移和累积误差,导致跟踪转台按照引导信息调转到位后目标无法进入跟踪视场,而且陀螺的漂移和累积误差是随时间和温度非线性变化的,很难直接进行修正。为了解决这个问题,提出了一种对引导信息进行间接动态校准的方法。     

空间移动小目标的检测算法

空间序列图像中移动小目标检测与轨迹提取是空间目标监视、跟踪及编目的关键技术之一.为了及时有效地处理星载可见光相机输出的多维海量数据,提出了一种基于四邻域二值量化方法和改进概率Hough变换的目标检测及轨迹提取算法.相较于美国空间目标在轨检测(MTI,moving target indicator)算法,改进算法虚警噪声点及候选路径数目明显减少,计算复杂度降低,运行效率提高.实验结果表明,算法可有效检测序列图像中快速移动的弱小目标并提取其直线运动轨迹.     

基于空间映射的视觉注意力分配预测模型

为预测飞行员视觉注意力分配,在SEEV(Salient Effort Expectancy Value)模型和多因素模型的基础上引入注意控制空间和资源分配空间的概念.前者描述了影响注意力分配因素,而后者则反应了兴趣区域所获得的注意资源.并通过空间映射建立注意力分配的预测模型,应用模糊层次分析的方法对模型进行结算.为验证预测模型效度,采用16名被试在飞行模拟器上开展基于异常信息恢复的工效学实验,通过眼动追踪装置记录注视点分布作为注意力分配指标.被试需要根据实验条件对主飞行显示器仿真界面中的目标信息状态进行监视,并通过驾驶杆的指定操作对异常信息进行响应.实验结果表明,注意力分配预测模型的理论结果与工效实验中注视点分布的实验结果显著相关且吻合较好,验证了预测模型的可用性.     

基于迹向控制量的编队星群相位控制

为了得到控制量与控制时机对相位改变的直观公式,基于Hill方程以及迹向控制的约束条件,定性分析共面绕飞编队中控制量、控制时机与编队卫星相位之间的关系,分析结果表明:当需要改变的相位角小于90°时,可实现最省燃料的控制;当需要改变的相位角大于90°时,可进行趋于最小控制量的控制;当在相对运动椭圆上下点实施控制时,相位无变化.     

多机械臂的分布式自适应迭代学习控制

针对拓扑结构为无向连通的多机械臂系统,提出了一种自适应与迭代学习相结合的分布式控制协议来实现整个系统对给定期望参考轨迹的一致性跟踪.通过引入一个适当的自适应迭代学习参数,所提自适应迭代学习控制协议能够克服机械臂系统中的干扰和模型不确定性,并且每个机械臂的自适应迭代学习控制(AILC)律仅需要利用其与邻居机械臂的相对交互信息.进一步,在只有一部分机械臂具有期望参考轨迹信息的前提下,该控制协议可以实现整个系统对期望参考轨迹的跟踪,同时能够保证轨迹跟踪误差与控制输入的有界性.此外,利用李亚普诺夫分析方法证实了所得结论的正确性,并且通过一个实例验证了所提自适应迭代学习控制协议的有效性.