带攻角约束的高超声速飞行器自适应反步控制器设计

针对带攻角(AOA)约束的高超声速飞行器控制问题,提出一种基于非对称时变障碍函数的非线性自适应反步控制方法。首先,将飞行器模型化为严反馈形式,以反步法为基础进行控制器设计。然后通过光滑饱和函数对名义攻角指令信号进行限幅,并保证限幅信号的可导性,限幅产生的误差通过设计辅助系统进行补偿。进而使用障碍函数对攻角指令跟踪误差进行非对称时变约束。针对不确定性和干扰,设计新型自适应律对集中干扰上界进行估计并补偿。最终通过Lyapunov理论证明了闭环系统状态量一致最终有界并且攻角始终满足时变约束。仿真结果表明,本文方法能够在满足攻角约束基础上保证良好跟踪性能。     

多航天器协同探测效能影响参数不确定性分析

为解决传统基于蒙特卡洛仿真的探测效能不确定性分析评价方法中时间效率低,参数关系映射单一的问题,提出一种基于神经网络的不确定性分析方法,利用人工神经网络在拟合回归分析上的非线性特性,设计了能够替代复杂系统的神经网络结构,能够通过少量仿真计算结果作为训练样本实现模型的收敛并能有效反映被替代系统的原有特性。选择以一个多航天器的天文观测任务作为典型用例,建立了仿真分析模型,并与蒙特卡洛仿真方法结果进行了对比,验证了此方法的准确性和计算效率。     

W波段UAV MISAR实时成像运动补偿方法

建立了实时成像正侧视合成孔径雷达(SAR)运动误差模型,采用了一种基于惯导和相位梯度自聚焦(PGA)运动误差估计的中心波束平面运动补偿算法。该算法对回波包络和相位进行分开补偿,利用惯导数据把带有运动误差的回波包络拉直,再利用相位梯度自聚焦算法对回波进行相位误差估计并补偿。针对实时成像的时间少、运算量大、运算资源受限等特点,该算法取消了距离徙动校正的步骤,将运动误差矢量在斜距平面投影并完成包络校正和相位误差估计。该方法运算量小,同时能满足分辨率要求。仿真结果表明:该方法能够得到质量较高的SAR图像。     

发射脉冲载波泄漏抑制研究与实现

对发射端采用双平衡正交调制器产生线性调频造成载波泄漏的原因进行了详细分析,提出了采用直接数字合成(DDS)技术产生发射端线性调频信号的实现方法,从而很好地解决了载波泄漏的问题,并给出了试验结果。     

红外光电系统TOD与MRTD测试方法的比较研究

对比了MRTD(最小可分辨温差)和TOD(三角形方向辨别)法在测试图样、观察任务、测试规程、结果处理、判断准则上的不同。通过对采样作用、动态响应、客观测量3个方面的分析,得出了TOD法在测试性能上的优势,引用国外相关单位的试验结果,说明了TOD测试的适用性。     

网络虚拟现实系统综述

虚拟现实是发展迅速的技术,有很大的应用潜力。网络虚拟现实已引起越来越多的关注。本文概述了目前典型的网络虚拟现实系统以及设计和实现网络虚拟现实系统的关键技术。最后指出,网络虚拟现实作为一个具有吸引力又富于挑战的领域,仍有许多有待研究和突破的问题。     

卫星导航定位方程的病态条件

定位精度因子(PDOP)上限取值是导航星座设计及其性能评价的基本依据。本文系统地论述卫星导航定位方程及其精度评定算法以及线性方程病态条件,通过实测和仿真数值试验结果对比分析,详细论证PDOP与卫星导航定位方程病态条件的关系,进而确定PDOP上限取值,以满足实际工程应用需求。     

倾转四旋翼飞行器垂直飞行状态气动特性

综合采用基于滑移网格技术的计算流体力学(CFD)方法与悬停状态气动干扰试验方法,对倾转四旋翼(QTR)飞行器垂直飞行状态的流场进行模拟与试验,研究飞行器垂直飞行状态气动特性以及部分参数对气动特性的影响.结果表明:倾转四旋翼飞行器在垂直飞行状态,前后旋翼之间干扰不明显,但旋翼与机翼的干扰明显;旋翼旋向对旋翼与机翼的干扰不...     

智能天地一体化网络的卫星跟踪测控技术综述

随着卫星互联网和我国航天测控技术的不断进步,航天测控网络朝着智能化、一体化的方向发展,在自主测控、资源分配等方面进展良好。因此,建立智能天地一体化的航天测控网是我国航天未来发展的重要目标。针对智能航天测控网中的跟踪测轨、遥测和遥控三个方面,分别介绍了相关原理与技术。同时,结合CCSDS提出的空间数据链路标准协议详细介绍了TM、TC、AOS、Proximity-1以及USLP标准,分析了不同标准所使用的技术与实际应用。本文从数据链路层和物理层的角度介绍了智能航天测控系统的工作原理及技术要求,为我国智能天地一体化卫星测控通信网的研究提供参考并予以展望。     

惯性推算误差抑制的神经网络自学习模型设计与验证

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。