运载火箭动力系统故障下制导控制技术研究进展

动力系统故障是导致运载火箭发射任务失败的最常见原因,从动力系统故障建模、自主制导和容错控制方面,系统地阐述了动力系统故障下运载火箭制导控制技术的研究进展,为发展新型制导控制算法提供了思路。建立了推力下降故障和执行机构故障的数学建模,并对比了国内外先进运载火箭的制导控制性能;总结了动力系统故障下自主制导所涉及的轨迹优化和制导算法;在被动、主动容错控制框架内,回顾了典型的故障诊断、控制重构、容错控制和震动抑制方法;同时,概述了人工智能技术在自主制导和容错控制方面的应用;结合“会学习”的运载火箭概念,讨论了人工智能技术在促进运载火箭自主化和智能化方面的发展趋势,对未来智慧火箭的制导控制技术进行了展望。     

末制导雷达虚警概率检验方法

针对只有10^-8～10^-9量级的末制导雷达虚警概率难以检验的问题,研究虚警概率与发现概率、虚警时间的关系,论证了将虚警概率转化为虚警时间的检验方法,利用定时截尾统计检验理论,研究了不同鉴别比、不同试验时间、不同接收故障数时研制方与使用方的风险,提出了新型末制导雷达虚警概率的检验方法,解决了该项指标检验的难题。     

风切变规避导引系统的设计及适航取证研究

首次提出了国内商用飞机风切变规避导引系统的适航取证方法.分析了风切变规避导引系统的设计要求;介绍了风切变规避系统适用的适航条例;针对一般性的风切变规避导引系统,划分为逻辑与功能模块;针对模块化的风切变规避导引系统,建立通用验证指标,设计适航验证试验,以表明系统的符合性.     

运载火箭轨迹预测制导方法研究

针对运载火箭入轨多约束需求,提出一种将迭代制导与数值积分相结合的轨迹预测制导方法,该方法计算量较小、适合箭上实时计算,能够同时满足终端姿态约束和轨道参数约束要求。探讨提高轨迹预测制导算法收敛性和实时性的工程实现方法,并分别给出解决方案;通过数学仿真算例验证了该方法的性能,结果分析表明该算法具有较高的制导精度,在增加终端姿态约束而其它条件不变的情况下,算法很好地满足了各项终端指标要求,同时增加的推进剂消耗在可接受范围内。     

基于模糊神经网络的导弹最优寻的末制导律

提出了一种适用于一类末制导段采用推力矢量控制的新型导弹的模糊神经网络最优寻的末制导律.在制导律设计时不仅要求导弹能量最省,脱靶量最小,同时考虑了推力矢量控制的非线性特点,并且为改善该神经网络系统的学习效果,在学习算法中还引入模糊学习规则.数字仿真表明所提出的模糊神经网络制导律对于机动目标具有较好的攻击能力.     

导弹中制导末段的最优搜索

研究超视距导弹中制导末段利用导弹的剩余动力,自动搜索活动目标,使目标捕捉概率达到最大的最优搜索问题.给出了活动目标的位置概率分布;提出了基于活动目标位置概率分布的导弹搜索航线的规划方法;拟订了搜索系统的组成方案并对系统进行了设计;对该系统进行了仿真,验证它的活动目标的捕捉概率.     

民机驾驶舱场面引导功能分析与人机界面设计

未来空域密度日趋增大,需要先进的场面移动目标引导和控制系统技术来提高机场运行效率,降低事故率。文章瞄准航空系统组块升级机场场面运行下的民机驾驶舱场面引导功能,首先描述机场场面运行的总体概念,对场面引导的数据交互和机载功能架构进行分析;然后基于所梳理的显示控制功能清单,设计场面引导的人机界面,完成从顶至下的民机驾驶舱场面引导功能的初步设计过程;最后经过CSUQ、QUIS、界面综合评价量表3 份问卷的评估及焦点小组讨论,证明该界面设计合理,具备实用性。     

多无人机协同打击制导控制技术研究进展

自杀式无人机具备长时巡航侦察和高速突防打击的特点,为充分发挥其集群进攻优势,突破复杂环境下的协同打击制导控制技术具有重要意义。由单机控制到集群动态协同、由单一约束到时空综合控制是探索时空约束下多机协同控制的基本思路。本文介绍了无人机集群进攻的应用背景,分析了多机协同打击系统发展现状;探究了攻击时间可控制导律、攻击角度可控制导律、时空约束下集群协同制导控制等关键技术;总结了当前无人机协同运用中的不足之处,并对下一步的研究方向进行了展望。本文研究的内容对于集群攻击作战运用及多机协同控制器的设计具有一定的参考意义。     

现代战机最佳导引算法研究

针对现代战机向目标空域的导引过程,建立了载机与目标相对运动的数学模型。基于最优控制的相关理论,以导引的准确性和控制的经济性为性能指标,建立了飞机导引控制算法。该导引算法既考虑了导引的角度误差又考虑了目标线角速度误差,通过对所得到的导引算法进行仿真验证,表明所得到的导引算法具有较强的适应性,能够满足飞机的导引要求。     

基于Matlab的无人机全过程飞行仿真

为了对小型无人机全过程飞行仿真进行研究,根据无人机飞行控制回路和制导回路,搭建了模块化的系统仿真结构,将Matlab/Simulink和Stateflow有机结合起来,建立了易于维护和扩展的仿真环境。利用仿真环境对无人机的控制规律和制导规律进行了仿真,结果表明了控制规律和制导规律的合理性,以及全过程仿真环境的实用性。