基于遗传算法的最优导引律

该文利用遗传算法对线性二次型性能指标最优过程问题中权系数矩阵进行了优化,得到组合性能指标最优的导引律。推导出了一种适用于反坦克导弹击顶制导的最优的导引律,通过仿真计算论证了该导引律的有效性。     

平方根滤波在捷联寻的制导系统中的应用研究

针对滚转迫弹,设计了基于数字平台的捷联寻的制导系统.应用等效转动矢量法解算弹体坐标系和惯性坐标系之间的姿态转换矩阵,消除了不可交换误差;利用捷联寻的导引头给出的量测信息,设计了捷联寻的制导系统的H∞平方根滤波器,估计出弹目相对运动等信息,用于迫弹的最优比例制导,导引迫弹飞向目标;基于H∞滚转迫弹非线性气动力模型的仿真结果表明,所设计的基于平方根滤波的捷联寻的制导系统能有效地对付机动目标.     

平方根滤波在捷联寻的制导系统中的应用研究

针对滚转迫弹,设计了基于数字平台的捷联寻的制导系统.应用等效转动矢量法解算弹体坐标系和惯性坐标系之间的姿态转换矩阵,消除了不可交换误差;利用捷联寻的导引头给出的量测信息,设计了捷联寻的制导系统的H∞平方根滤波器,估计出弹目相对运动等信息,用于迫弹的最优比例制导,导引迫弹飞向目标;基于H∞滚转迫弹非线性气动力模型的仿真结果表明,所设计的基于平方根滤波的捷联寻的制导系统能有效地对付机动目标.     

基于单神经元的卫星制导炸弹次最优制导律设计

为了满足卫星制导炸弹大着地角的弹道要求,基于单神经元进行了次最优制导律设计。首先建立了卫星制导炸弹运动状态方程,根据导出的次最优制导律形式构造了神经元,在此基础上建立了自适应参数优化回路,得到优化参数。利用设计所得的制导律进行了卫星制导炸弹六自由度全弹道仿真。由仿真结果与使用比例导引律的计算结果的比较可知,该文方法使弹着角增加了60％,避免了最优制导律的复杂推导过程。通过该文方法可直接得到适用于工程和仿真计算的形式简单的次最优制导律。     

带碰撞角约束的最优多项式制导律

针对导弹对地面静止目标的打击问题,基于非线性导弹运动学模型提出了一种二维多项式制导律.该制导律不仅能保证导弹以期望的碰撞角命中目标,而且能使特定的价值函数最小化.此外,制导律作用下系统状态的解析解可以求解得到,从而实现了对制导系统状态的定量分析.数值仿真验证了所提制导律的有效性.      

一种新型H_∞变结构末导引律设计

为了实现异弹制导的全程鲁棒性,弥补变结构控制在滑模外不具有鲁棒性的不足,该文针对大机动目标,将有限时间区间全信息反馈H∞控制应用于滑模趋近运动段,用其解析解构造变结构趋近律,获得一种具有全程鲁棒性的H∞变结构导引律。分析了滑模运动的可达性和稳定性。仿真表明,与最优变结构导引和比例导引相比,该文设计的导引律制导精度更高,鲁棒性更强。     

基于脱靶量约束的捷联体制制导系统稳定域研究

针对导弹总体设计中捷联体制下合理选取制导系统隔离度指标的问题,提出了基于脱靶量约束的制导系统稳定域确定方法.首先分析了捷联相控阵雷达导引头隔离度寄生回路产生的原因,建立了含有隔离度寄生回路的比例导引制导系统模型;其次利用劳斯判据和伴随法确定了脱靶量约束下的制导系统稳定域,分析了制导参数对脱靶量约束下的制导系统稳定域的影响,并求得脱靶量约束下制导系统稳定边界的解析表达式和近似解;最后通过伴随法对确定的脱靶量约束下的制导系统稳定域进行仿真验证.研究结果表明,基于脱靶量约束下确定的制导系统稳定域满足脱靶量约束条件,可以用于指导导弹总体指标分配以及制导系统工程师对制导参数的选取.      

基于Terminal滑模的动能拦截器末制导律研究

针对大气层外动能拦截器的精确拦截问题,给出了一种基于Terminal滑模的鲁棒末制导律设计方法。在不考虑动能拦截器姿态运动的情况下,建立了动能拦截器纵向平面和侧向平面内的相对运动方程,并通过在末制导滑模中引入非线性项,去除了传统变结构制导律中的切换项,保证制导系统具有全局快速性。仿真结果表明Terminal滑模应用于动能拦截器精确末制导律设计中的有效性,较之传统的比例导引和变结构制导方法,能有效抑制视线的发散,对目标机动具有更强的鲁棒性,并具有更高的拦截精度。     

大着地角卫星制导炸弹最优制导律研究

为满足卫星制导炸弹大着地角的弹道要求,进行了最优制导律研究。根据卫星制导炸弹的特点,建立了弹目运动状态方程。分别基于极小值原理和通过求解黎卡提方程得到最优制导律,结果一致。对该最优制导律简化后获得了次最优制导律,适用于工程和仿真计算。利用次最优制导律进行了卫星制导炸弹六自由度全弹道仿真,与使用比例导引律的计算结果相比,着地角增加了60%。该制导律可以显著提高着地角和打击精度,能够满足卫星制导炸弹的弹道要求。     

三体对抗中的微分对策协同突防策略

在我方高价值飞行器或突防导弹面对敌方拦截器的拦截,采取逃逸机动并释放一枚拦截器的主动防御策略时,提出了离散的协同追踪-逃逸导引律。首先,采用线性二次微分对策的方法对双方飞行器任意阶动力学进行分析,对离散化后的二次型性能指标给出了最优解。该导引律从攻防双方博弈的角度考虑:突防导弹和防御器一方分别采取最优协同逃逸、追踪策略;拦截器一方采取相对应的最优追踪或躲避策略。导引律取决于拦截器和防御器、突防导弹和拦截器的零控脱靶量。其次,设置的仿真情形展示协同下的优势,与传统的一对一导引律相比,协同导引律能够极大的减小对防御器机动能力的需求。最后验证了该算法对的权值不确定性有良好的鲁棒性。     

攻击机动目标的最优导引规律

建立了导弹一目标攻击简化数学模型，提出一种随机最优导引规律；运用卡尔曼滤波理论，引进了机动目标加速度和量测系统的不确定性；通过数字仿真，分别和传统比例导引规律、扩展比例导引规律相比较，表明了该规律的最优性。     

基于线性二次型高斯（LQG）理论的最优制导规律

以线性二次型高斯（LQG）理论为基础，研究一种最小化末端脱靶量和拦截周期内控制能量消耗的具有可变有效导航比的LQG最优制导规律，分析了这种制导规律的有效导航比及其在战术导弹上的应用，应用伴随方法对这种制导规律进行制导性能仿真计算。结果表明：这种制导规律的控制精度高，机动过载要求小。     

拦截弹头的修正比例导引律

针对拦截战术弹道导弹这一特殊任务，首先分析了导引律设计面临的新问题和比例导引律的缺陷，在此基础上为了改善比例导引律，引入了目标机动加速度和导弹轴向加速度等信息，对比例导引律进行了修正，对导引律中各参数进行了优化。仿真结果表明修正比例导引律的过载分布合理，且形式简单，具有实用价值。     

模糊蚁群优化算法在交通导航系统中的应用

为了能处理交通导航系统中的模糊信息,并且能快速的综合多种信息求解最优导航路径,将模糊逻辑推理技术与改进的蚁群算法相结合提出了一种新的算法——模糊蚁群混合优化算法。实验表明,该算法不仅能够处理导航系统中的各种模糊信息,并且能利用改进的蚁群算法快速求解最优导航路径。     

一种基于落角约束的偏置比例导引律

为增大反坦克导弹的命中落角,提高毁伤效果,建立了击顶弹道末制导段的弹目相对运动模型,提出了一种基于落角约束的偏置比例导引律,并研究了落角约束对导引律法向过载的影响,通过设计盲区控制方案减小了命中点法向过载,最后基于导引弹道仿真与传统比例导引律以及两种其它类型的改进比例导引律进行了仿真比较. 仿真结果表明,该偏置比例导引律控制落角能力较强,同时具有较高的命中精度.      

基于消息互联的无人机平台协同导航方法

 协同导航作为无人机集群平台的新导航方式,可充分利用各无人机间的消息互联融合所有平台的量测信息获取整个系统的最优估计。针对分布式协同导航算法估计精度低的问题,提出3阶段的协同导航方法,利用绝对导航输出信息作为协同导航的初始值,将相对导航输出信息作为协同导航的量测信息,构建协同导航滤波器,将各平台解算出的结果反馈到各平台自身的绝对导航,进而获取到导航信息的全局最优估计。仿真结果表明：提出基于消息互联的协同无人机集群导航方法可有效估计各无人机的导航信息,相较于传统的导航定位系统以及协同导航方法,具有更高的抗干扰性和稳定性,更能适应不同的复杂环境。     

增量比例导引的研究

比例导引规律相比于直接追踪法,跟踪精度有所提高,但是在目标机动性加大的情况下,传统比例导引规律控制精度仍不理想,而且指令加速度过载大。为此,在本文中提出一种增量比例导引方法,即保留传统比例导引规律基本比例形式不变,对视线角速度施以一增量后再比例导引。将该方法运用于不同运动轨迹目标的跟踪,证明该方法制导准确度提高,寻的时间短,实施简单。     

支持垂直引导进近的多星座RAIM算法

为了充分利用未来的全球导航卫星系统(GNSS)中多星座多频点的卫星信号,使接收机自主完好性监测(RAIM)技术能够用于垂直引导进近(APV)飞行阶段,提出了一种基于双星故障假设的多星座RAIM算法。算法将全部可见卫星分为3组,分别计算定位解,对3个分组定位解加权平均作为最终的定位解,通过迭代寻找最优加权因子,使得在满足定位精度要求的前提下极大化算法的可用性。仿真结果表明:该算法能够以100%的可用性支持APV-Ⅰ飞行阶段,以高于99%的可用性支持APV-Ⅱ飞行阶段。     

向家坝库区风浪要素计算公式及变化规律

向家坝水库全面形成以后,蓄水至水电站正常运行水位380 m,库区干流航行条件得到本质改善;但随着库区水位与面积扩大,风大浪高现象渐显凸出,影响船舶安全航行。为了掌握库区的风浪要素的变化规律,评价风浪要素对船舶航行、停泊与作业的影响程度,通过国内外各水域的风浪要素计算方法及其计算理论研究分析,结合库区各典型断面的实测数据,拟合得到比较能真实反映向家坝库区库风浪要素变化规律的计算公式,并结合计算结果总结得到库区全年的风浪变化规律,为后期库区航道的建设管理及船型的开发设计提供了必要的基础资料。     

Deep Reinforcement Learning Based Mobile Robot Navigation:A Review

Navigation is a fundamental problem of mobile robots, for which Deep Reinforcement Learning(DRL)has received significant attention because of its strong representation and experience learning abilities. There is a growing trend of applying DRL to mobile robot navigation. In this paper, we review DRL methods and DRL-based navigation frameworks. Then we systematically compare and analyze the relationship and differences between four typical application scenarios: local obstacle avoidance, indoor navigation, multi-robot navigation, and social navigation. Next, we describe the development of DRL-based navigation. Last, we discuss the challenges and some possible solutions regarding DRL-based navigation.