多操纵面飞机稳定非线性控制分配

针对多操纵面飞机具有冗余操纵面的特点,考虑操纵面的位置约束,对多操纵面飞机设计一个由上层控制律和动态控制分配律组成的非线性控制器,应用李雅普诺夫稳定性理论和LaSalle不变集定理分别证明了上层控制子系统、动态控制分配子系统和整个闭环系统的渐近稳定性。对某多操纵面飞机的仿真结果验证了方法的有效性。     

多无人机协同覆盖路径规划

多无人机协同覆盖路径规划(CPP)由于其并行性和容错能力,对于提高无人机完成侦察、监视、搜索等任务的效率具有重要意义。提出了一种基于无人机任务性能评价和任务区域划分的多无人机协同CPP算法。定量分析了无人机执行覆盖任务的能力,根据无人机及携带成像传感器的性能给出了计算无人机任务性能指数的数学公式;提出了一种基于任务性能和子区域宽度的任务区域划分算法,使无人机的总转弯次数达到最少。仿真结果表明,所提出的CPP算法能够规划出全局最优的多无人机协同覆盖路径。     

基于混合法和多打靶法的有限推力航天器协同交会优化

有限推力航天器的协同交会问题是一个高维非线性的最优控制问题,传统求解方法难以收敛到最优解或者时间花费巨大。采用混合法和多打靶法构造了有限推力航天器双主动交会的数学模型,讨论了其实现最优控制的必要条件,求解了反平方力场中的最优控制数值解。推进剂总消耗最少和有限推进剂约束下的最短时间交会2种不同的算例表明,这种方法可极大地提高收敛性,快速有效地求解有限推力航天器的协同交会问题。     

ALGORITHMS FOR TRACKING MANEUVERING TARGET WITH PHASED ARRAY RADAR

Ｓｉｎｃｅｐｈａｓｅｄａｒａｙｒａｄａｒｃａｎａｌｏｃａｔｅｔｈｅｒａｄａｒｒｅｓｏｕｒｃｅｓｆｌｅｘｉｂｌｙ,ｉｔｈａｓｔｈｅｐｏｔｅｎｔｉａｌｔｏｆｕｒｔｈｅｒｉｍｐｒｏｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｒａｃｋｉｎｇｍａｎｅｕｖｅｒｉｎｇｔ...     

多自主翼伞系统建模及其集结控制

当前对翼伞系统的研究主要集中在单个翼伞,但实际空投中一般需要使用多个翼伞,才能完成大量物资、装备的空投补给任务,而多个翼伞同时空投时,将会出现翼伞需要集结、相互间需要避免碰撞等在单翼伞空投时不存在的问题。现有的单翼伞系统已能通过GPS/惯导系统及其他板载传感器实现自主飞行,针对多个自主翼伞的空投任务设计算法,以控制下降翼伞之间的相互运动,实现多翼伞系统的集结和避碰。首先以质点模型为起点,通过引入新的独立变量,并将翼伞运动转换至风固定坐标系,使得单个翼伞质点模型降维为非线性降阶模型,进而得到多自主翼伞模型,在此基础上提出了一种集结控制算法,利用每个翼伞自身的状态信息和相邻翼伞的状态信息,采用势场法使得多翼伞实现集结并避免碰撞,最后一致地降落至地面。仿真结果表明多个自主翼伞实现了集结,减小了翼伞的着陆散布,降低了翼伞之间的碰撞风险,验证了该方法的有效性,可以为进一步研究多自主翼伞协同控制提供理论参考。     

基于ST-SRCKF的超高速强机动目标跟踪算法

针对超高速强机动目标运动模型难以准确建立且观测数据易出现不良量测而导致滤波发散的问题,提出一种适用于超高速强机动目标的跟踪算法。该算法根据正交性原理推导了一种新的强跟踪平方根容积卡尔曼滤波（ST-SRCKF）结构,并引入多重渐消因子,渐消因子求解方法和作用位置均不同于已有的ST-SRCKF。根据新息的统计学特性,即新息协方差矩阵的迹服从卡方分布,建立了一种改进的CS-Jerk模型,该模型对目标机动的描述更准确,它与改进ST-SRCKF算法的结合实现了对超高速强机动目标的高精度跟踪。仿真结果表明,改进算法对超高速强机动目标的跟踪性能更佳。      

单次任务中主动清除多块碎片的仿真分析

针对国内外空间活动产生的碎片,文章采用多脉冲推力作用下的轨道机动仿真方法,在主要考虑总速度增量为2 km/s的约束条件下,计算碎片清除所需要的速度增量、任务时间以及清除个数。仿真结果表明,单次任务可以清除12块分布比较集中的碎片。研究结果可为我国今后空间碎片清扫任务的设计提供参考依据。     

基于非正交码的波束形成网络幅相测试方法

针对目前数字波束形成网络幅相一致性测试系统中扩频码受限于正交码的问题,提出了一种基于非正交码的数字波束形成网络幅相测试方法。基于非正交码的幅相测试精度受多址干扰影响,提出了使用解相关算法提高幅相测试精度的方法,该方法以噪声略有增加为代价消除了多址干扰。理论分析给出了幅相测试的理论下界,并分析了系统误差、通道间耦合对幅相测试精度的影响。仿真结果显示,当采用非正交码时,测试设备不使用解相关算法无法达到预设的精度要求;使用解相关算法后,基于非正交码的幅相测试可以达到理论下界,在带内信噪比为10dB条件下,幅相测试精度为±01dB/1°,可以满足实际系统需求。     

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

考虑互耦和激励误差时智能天线波束形成

在考虑阵元间耦合和激励误差的情况下,讨论DS/CDMA(Direct Sequence/Code Division Multiple Access)系统中,智能天线的波束形成结果,并与理想情况进行比较.通过仿真数据结果可以看出,对于阵元间距为半波长的线阵,即使存在阵元间耦合和激励误差,智能天线产生的主瓣也可以对准目标,但其对其它多址信号的抗干扰能力有所下降,其中互耦的影响较大,表明要充分保持DS/CDMA系统的抗干扰能力需要计及互耦效应.