基于深度学习的图像匹配方法综述

图像匹配是飞行器视觉导航中的一项关键技术。基于深度学习的图像匹配方法在近几年快速发展,其特征提取网络比传统方法具有明显优势与广阔的应用前景。基于深度学习的图像匹配方法可以按照网络结构的不同分为单环节网络模型匹配方法和端到端网络模型匹配方法。首先对单环节网络模型中的特征检测模型、描述符学习模型、相似度度量模型和误差剔除模型逐一进行了深度调研及分析,然后对端到端匹配网络模型中的单网络结构方法和多网络结构组合方法进行了针对性的综述,并对经典的端到端匹配网络模型算法进行了介绍和分析。最后,结合目前基于深度学习的图像匹配方法存在的问题,指出未来可能的发展趋势和方向,为后续研究者在深度学习图像匹配的研究提供一定参考。     

基于全驱系统方法的制导控制一体化设计

针对滑行转弯导弹拦截高机动目标的制导控制系统设计问题,提出了一种基于全驱系统和反步法相结合的制导控制一体化设计方案。首先,考虑目标的机动特性,建立了二阶严格反馈的制导控制一体化非线性模型,消除了中间过程量,简化了建模和计算过程。其次,设计降阶状态观测器,对包含目标未知机动、系统未建模部分、气动参数等扰动进行估计,并在控制器中进行前馈补偿。随后,基于高阶全驱系统方法,结合反步控制方法,设计具有拦截角度约束的制导控制一体化方案,使用极点配置方法,得到闭环系统控制系数矩阵,满足期望的系统性能。引入Lyapunov函数,证明闭环系统稳定性。最后,通过不同场景和对比仿真试验,证明了所设计的制导控制一体化方案的有效性、优越性和鲁棒性。     

基于强化学习的航空器机场智能静态路径规划

随着人工智能迅速发展以及“智慧机场”的提出,研究人工智能在机场如何有效地辅助机场管制人员,驾驶员指挥航空器在地面滑行具有重要意义。本文提出一种基于强化学习的滑行路径规划方法,构建航空器机场地面强化学习移动模型,并以海口美兰机场为案例采用 Python 内置工具包 Tkinter 进行场面仿真;在此基础上,考虑机场航空器滑行规则,采用 Off-Policy 中 Q-Learning 算法求解贝尔曼方程,实现航空器在 Model-based 环境中进行静态路径规划。结果表明：本文所提方法能够实现停机位到跑道出口智能静态路径规划     

基于小波包分析与多核学习的滚动轴承故障诊断

为了更准确地诊断滚动轴承故障,提出了一种基于小波包分析与多核学习的滚动轴承故障诊断方法.该方法首先对振动信号进行3层小波包分解,将振动信号分解为不同频带的信号,提取各频带的相对能量特征,构建特征向量;然后采用多核学习算法从训练样本集中学习核函数与分类器;最后使用训练出的分类器识别滚动轴承故障类型.为了验证方法的有效性,进行了滚动轴承故障诊断实验,实验结果表明该方法的故障诊断准确率达到98.25%,与传统的基于小波包与支持向量机的滚动轴承故障诊断方法相比,其故障诊断准确率更高,同时由于避免了核函数的选择问题,该方法更便于实际应用.      

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.      

基于跟踪微分器的高超声速飞行器Backstepping控制

针对存在模型参数不确定和外部干扰的高超声速飞行器（HFV）跟踪控制问题,提出一种基于Backstepping方法的抗饱和非线性控制器。将飞行器纵向动力学模型分为速度子系统和航迹倾角子系统,然后针对每个子系统单独设计控制器。设计跟踪微分器获得信号的一阶导数,用以估计系统中的不确定干扰项和避免"微分项膨胀"问题。控制器设计过程考虑了控制量发生饱和的情况。基于Lyapunov理论证明了闭环系统信号的稳定性。与传统高超声速飞行器Backstepping方法相比,所设计的控制器采用待跟踪状态与理想控制指令之间的实际误差作为反馈量,放宽了对系统干扰项的限制,提高了控制器对控制增益变化的适应性,进而提高了闭环系统的跟踪控制性能。对比仿真结果验证了所设计方法的有效性。     

制导炸弹滚转通道自抗扰控制设计方法研究

针对航空制导炸弹的滚转通道,提出了利用自抗扰控制进行滚动控制设计的新方法.通过降阶扩张观测器对系统的扰动实时估计并实时补偿,使被控制对象被“线性化”成“积分串联型”系统,针对该系统仅仅需要PD控制.仿真结果表明,该控制器比PID具有较强抗干扰能力及较高的控制品质.     

旋转变压器输出信号自动标定

旋转变压器输出以角位置正余弦为包络的调幅信号,一般通过检波与解调获取角位置及角速度信息.检波后信号往往存在直流偏置、幅值不等和相位偏移,对其进行标定是实现高精度解调的前提.针对检波后信号的标定问题,提出了一种离线自动标定方法.设计状态观测器,对检波后两路信号的幅值及直流偏置进行估计;构造二元二次目标函数,利用梯度估计法,获取相位偏移.理论分析表明,与仅采用梯度估计法相比,此方法避免了目标函数多解问题.实验结果表明,此方法参数选择容易,具有较高的精度,是完全可行的.      

无人机飞行控制系统的自抗扰姿态稳定控制

将自抗扰控制应用于无人机飞行控制系统。论述自抗扰控制的方法原理,并运用该技术设计控制律。首先利用跟踪微分器安排过渡过程,以达到快速、准确跟踪给定信号的目的。然后通过扩张状态观测器实时估计出系统的不确定干扰,并以反馈量的形式引入控制输入,从而起到实时补偿系统扰动的作用,实现姿态稳定控制。数值仿真结果表明,该方法抗干扰能力强,具有控制品质好、精度高、算法简单等特点。