基于hp自适应伪谱法的飞行器多阶段轨迹优化

为解决助推-滑翔飞行器的多阶段多约束轨迹优化问题,在考虑速度约束、轨迹阶段切换点约束与轨迹末端参数约束的条件下,建立了助推-滑翔飞行器纵向运动模型与多阶段轨迹优化模型。采用基于hp自适应伪谱法的Legendre-Gauss-Radau离散点,将该最优控制问题转换为多阶段非线性规划问题,求解得到最大飞行距离轨迹。为解决多阶段轨迹优化算法难以确定位置自由的阶段切换点的问题,基于动态规划的思想,设计了新的多阶段轨迹优化策略。改进后的优化策略在得到了多阶段全局近似最优解结果的同时,减少了原优化算法的计算量。仿真结果表明,改进的hp自适应伪谱法能有效解决多阶段助推-滑翔飞行器轨迹优化问题,优化结果优于最大升阻比滑翔飞行轨迹。      

形形色色的高超声速武器（二）：助推滑翔飞行器

正高超声速助推滑翔飞行器利用助推火箭达到高超声速或从近地轨道离轨再入大气层,在无动力条件下,仅依赖气动力进行滑翔飞行。高超声速助推滑翔飞行器是在一定初速下,依靠气动升力和离心力,克服自身重力,在大气层内做远距机动滑翔的飞行器。其显著特点是利用助推火箭达到高超声速或从近地轨道离轨再入大气层,在无动力条件下,仅依赖气动力进行     

有翼飞行器最大横向航程的最优三维再入机动轨道

在平衡滑翔假设条件下，使用一组无量纲的运动方程，取满足最大过载和热流峰值约束条件的最大升阻比E=2，计算了有翼飞行器最大横向航程的最优再入机动轨道．     

滑翔式飞行器高空自适应跟踪制导控制方法

针对具有较大机动能力的滑翔式高超声速飞行器在复杂高空环境再入的问题,提出了一种基于LQR （线性二次调节器）的多状态自适应跟踪制导方法.该方法基于飞行器量纲一化的再入运动模型,考虑滑翔式飞行器各特征参数和飞行约束设计出基本安全飞行走廊,用拟合法将标准弹道综合成航程-高度-速度-航迹角函数.然后设计了基于LQR的多状态跟踪制导律,并采用多项式拟合法实现全弹道制导律的增益调度函数;形成了一套完整的滑翔式飞行器再入过程基于标准轨道的多状态LQR制导方案设计.并通过仿真计算,验证了该制导方法,表明该方法是有效、高精度的飞行器高空自适应跟踪制导方法.      

高超声速无动力滑翔三维轨迹规划方法

轨迹规划是进行高超声速滑翔飞行器任务设计以及提高制导方法适应性的有效途径. 定义了目标平面坐标系,并将该坐标系作为参考坐标系推导了归一化能态方程. 该方程具有定积分区间的优点,并可用状态直接表征横程和纵程. 基于该方程提出了纵向轨迹规划方法和侧向轨迹规划方法,并考虑轨迹横向曲率,提出了结合纵向轨迹规划方法和侧向轨迹规划方法的三维轨迹规划方法. 仿真计算结果表明该方法可快速、精确地完成高超声速滑翔飞行器的滑翔轨迹规划.      

基于局部模型的再入滑翔类飞行器轨迹在线调整算法设计

针对再入滑翔类飞行器滑翔过程各种复杂条件不确定以及任务不确定问题，将轨迹离线优化与在线调整相结合，提出了一种基于局部模型的轨迹在线调整算法。该算法利用离线Radau伪谱函数表征飞行轨迹，构建轨迹局部模型，并通过轨迹约束空间离散化形成局部模型集；在线运行过程中，引入模糊聚类思想，设计了一种基于模糊隶属度的局部模型子集构建与更新方法，根据实时飞行状态以及任务约束构建与更新局部模型子集，并采用加权融合方法实现轨迹在线生成。最后，通过仿真分析验证了算法的轨迹生成与在线调整性能。     

基于在线模型辨识的飞行器多约束复合制导技术

针对飞行器再入制导问题,该文引入控制变量参数化、积分问题转换和在线模型辨识等技术,提出一种跨周期迭代的可行轨迹预测校正算法,并结合标称轨迹跟踪算法形成一套多约束复合制导方案。利用一种复合高度-速度(height velocity,HV)飞行走廊,将再入轨迹规划问题简化为单调函数寻根问题。为提高射程预测计算效率,引入Gauss-Legendre求积公式,将积分问题转化为函数计算问题。采用递推最小二乘估计方法,收集历史预测信息,实现模型在线辨识功能,并采用跨周期Newton-Raphson方法完成高度权重系数的在线修正。在标称轨迹跟踪器设计的基础上,开展飞行器数值仿真试验,结果表明:基于在线模型辨识的复合制导方法具有显著的速度优势,且具有优异的自主性和自适应能力。     

高超声速再入滑翔飞行器的模糊变结构控制

针对高超声速再入滑翔飞行器的再入姿态控制,设计了模糊变结构姿态控制器.根据控制系统的任务,建立了面向控制的模型.将模糊控制与滑模变结构控制的思想相融合,研究了模糊滑模变结构控制器的设计方法.通过在稳定的误差相平面内构造稳定的滑模面,模糊控制器根据误差状态与滑模面的相对位置输出控制信号,使得系统的轨迹能趋近稳定的滑模面,从而使得误差沿着滑模面收敛到原点.将模糊滑模变结构控制方法应用于高超声速滑翔洲际飞行器,给出了再入滑翔姿态控制器的设计方案,分别对攻角、侧滑角和倾侧角设计了独立的模糊变结构控制器,提出了分段线性控制分配方法.在Matlab中进行了整个控制系统的仿真测试,验证了该方法的可行性.     

高超飞行器平滑再入倾侧角优化设计

针对高超声速飞行器准平衡滑翔再入问题,根据再入约束特点,分别把初始段和准平滑段的过程约束转化成为倾侧角约束,并对其交接班问题进行了讨论;在倾侧角约束范围内,设计了倾侧角文件,降低了问题的维数,提高了寻优速度;分别以最大纵程与最小总气动加热为性能指标利用罚函数处理,终端约束,将再入约束问题转化为无约束问题;采用遗传算法寻猜测值、模式搜索法求精确解的方式,提高了寻优精度。仿真结果显示,利用本文设计的倾侧角文件规划出的轨迹,能够很好的满足再入过程中的各项约束,且再入轨迹平稳,可为再入轨迹和覆盖区的研究提供参考借鉴。     

基于虚拟目标导引的再入飞行器禁飞区规避制导方法研究

针对飞行器再入过程中面临的禁飞区规避问题,提出了一种基于虚拟目标导引的规避制导方法.该制导方法在对飞行器机动转弯能力分析的基础上,结合Dubins曲线路径规划方法与比例导引方法实时跟踪虚拟目标,实现飞行器对禁飞区的规避制导.为修正规避引起的误差、满足再入终端约束,通过建立基于能量的运动模型,结合平衡滑翔条件,进行航程及高度的解析预测-校正控制.仿真结果表明,该制导方法能够有效实现飞行器的禁飞区规避,且满足再入过程与终端约束,具有较强的适应性及鲁棒性.     

基于车辆对道路不满意度的微观换道决策

自动驾驶汽车有着极大的应用潜力且高速公路环境下车辆变换车道是常见的行为。为进一步分析高速公路中自动驾驶汽车的微观换道决策,本文定义道路不满意度来表示车辆对行驶道路的不满意程度并将车辆换道意图的产生按本车是否达到目标车速而分为两类,当本车达到目标车速时为第一类,换道意图产生源于本车与前车间距的减小和本车相对于前车速度的增加。当本车未达到目标车速时为第二类,换道意图产生源于本车与前车间距的减小和本车达到目标车速时相对于前车移动距离的增大。针对不同类换道意图的产生机制,结合模糊推理设计道路不满意度算法。换道决策利用当前行驶车道和邻近车道的道路不满意度大小、安全跟车距离、换道安全距离来综合决定换道意图的发生。最后在MATLAB环境下搭建自动驾驶环境并仿真换道决策模型,结果显示本文相比其它换道决策,本文不仅考虑换道安全而且也考虑了目标车道和本车道的跟车安全,更具有实际意义。同时本文的模糊换道决策能兼顾安全性和智能性且适用于依目标车速定速巡航、为达到目标车速而加减速等多种复杂工况下的换道情况。     

基于K均值聚类分析的车辆横向稳定性判定方法

针对既有车辆失稳判定方法存在的不足,开展了车辆横向稳定性关于模式识别的研究,提出了一种基于K均值聚类分析的车辆横向稳定性判别方法.利用CarSim建立整车动力学模型,采用K均值聚类算法对车辆行驶状态数据进行离线聚类分析,得到离线聚类质心及其危险等级.搭建CarSim与Simulink联合仿真平台,计算车辆实时行驶数据点与离线聚类质心之间的欧氏距离,设计了车辆横向稳定性判定指标,对车辆行驶稳定性进行了在线识别.该判定方法充分利用车辆离线数据和实时数据,对车辆行驶状态数据进行数据挖掘.仿真结果表明,该判定方法能够准确实时量化车辆的行驶稳定性,为控制系统的介入时机与程度提供判据.     

基于驾驶员类型分析的智能车辆交叉口行为决策

提出一种基于车辆行为交互的两阶段智能车辆交叉口行为决策方法.第一阶段通过基于模糊逻辑的驾驶员激进程度判别模型,判断交叉口其他车辆的驾驶员类型;第二阶段通过驾驶员激进程度与碰撞到达时间（TTC）进行行为决策.使用Prescan和Matlab/Simulink进行交叉口联合仿真.结果表明,该方法可以使智能车辆安全有效通过有其他车辆通行的交叉路口.      

基于状态估计的无人车前轮转角与横摆稳定协调控制

针对无人车轨迹跟踪问题,提出了一种基于状态估计的无人车前轮转角和横摆稳定协调控制策略.建立了车辆轨迹跟踪模型,利用模型预测控制算法设计了轨迹跟踪控制器,得到实时跟踪参考轨迹所需的前轮转角.根据车辆模型设计了一种基于未知输入观测器的前轮转角估计方法,并将估计结果作为前轮转角跟踪控制的输入量.基于非奇异终端滑模控制设计了前轮转角跟踪方法,通过转向电机扭矩来控制车辆转向以实现轨迹跟踪.同时,设计了车辆横摆稳定控制器,通过控制横摆角速度跟踪误差确保车辆横摆稳定.建立了CarSim-Simulink联合仿真模型并进行仿真实测试.结果表明,未知输入观测器具有较好的前轮转角估计效果,从而为车辆协调控制提供可靠信息源,协调控制策略能够在保证车辆横摆稳定性的同时完成车辆轨迹跟踪.      

无人艇航迹跟踪控制系统设计与验证

针对复杂湖面环境干扰下的无人艇自主航行控制问题,设计了一种有效的无人艇航迹跟踪控制系统。该系统从航迹跟踪控制算法、数据融合处理、上位机监控三个部分展开设计。在算法设计层面,将航迹跟踪控制问题分为外环和内环两部分,外环部分提出了一种自适应视线(Line of sight,LOS）制导算法,以求解目标航向角作为航向控制器的输入;内环部分设计了无模型自适应PID航向控制器,以实现无人艇稳定的航行。在数据处理层面,采用卡尔曼滤波算法对传感器信息进行融合,实现了对无人艇位置和姿态信息的准确估计。在监控层面,设计了一种可视化上位机软件,实时监测无人艇航行状态,保证航行安全。最后,利用实艇进行湖测实验,验证了该控制系统的有效性,结果表明该系统具备在内湖执行任务的能力以及应对复杂环境干扰的能力。     

全轮转向多轴车辆性能分析及侧翻前馈预警研究

为研究多轴车辆的稳定性和安全性,建立了线性2自由度全轮转向车辆模型,并根据阿克曼原理计算了车辆的转向比例系数.基于准静态侧倾理论估计车辆的横向载荷转移率,利用拉普拉斯变换求解横摆角速度增益,进而提出了一种侧翻前馈预警算法.通过理论值与仿真值对比,发现所提出的算法可对车辆的侧倾状态进行有效的前馈预测,并且应用该算法还可计算出车辆转向时的极限车速和极限转角.研究对于车辆侧倾状态估计和侧翻控制预警具有重要的借鉴意义.     

基于SegNet的非结构道路可行驶区域语义分割

为了增强自动驾驶车辆对非结构化道路中可行驶区域的场景理解能力,基于SegNet深度学习网络结构,提出了一种针对非结构道路的可行驶区域语义分割方法。在传统的卷积神经网络基础上,构建编码-解码深度卷积神经网络,用于自动习得图片中非结构化道路的特征,通过在数据集上进行训练和学习,得到图像语义分割模型,可直接用该模型预测非结构道路中的可行驶区域,实现自动驾驶车辆在非结构道路中行驶时的环境感知。实验结果表明,研究方法分割效果和精确度提升明显,Dice相似度和Jaccard相似系数均可达80%以上。     

插电式混合动力汽车能量管理策略研究现状和发展趋势

目前国内外学者对插电式混合动力汽车能量管理策略进行了较为广泛和深入的研究,取得了良好的节能减排效果,为进一步提升其性能,有必要对插电式混合动力汽车能量管理策略的研究现状进行总结并对其发展趋势进行分析。首先对插电式混合动力汽车动力源能量流分配方法进行了归纳和分析,指出了当前插电式混合动力汽车能量管理策略两个亟待解决的问题:未考虑发动机冷却液温度和三元催化器温度等温度因素对油耗和排放影响;当前插电式混合动力汽车能量管理策略是以行驶功率需求作为输入,忽略了驾驶室制冷/供暖功率需求。最后提出了计及发动机冷却液温度和三元催化器温度等温度因素的能量管理策略和计及驾驶室制冷/供暖功率需求的能量管理策略两个未来研究方向。     

基于转向响应特性的智能车辆轨迹跟踪双闭环控制

智能车辆轨迹跟踪的准确性与鲁棒性是车辆运动控制性能的重要表征,基于路径预瞄信息的跟踪控制研究使车辆性能显著提升. 然而,车辆转向系统响应不足给车辆实时准确的基于预瞄信息跟踪参考轨迹带来挑战. 针对此问题,实时引入转向系统状态建立双闭环轨迹跟踪控制结构,保证智能车辆轨迹跟踪控制算法对转向系统响应不足的鲁棒性. 具体结构外环基于预瞄信息使用模型预测控制求解最优转向角,内环基于转向状态误差使用PID方法设计反馈控制律以补偿转向响应不足. 双闭环结构耦合控制输入保证了车辆鲁棒最优跟踪控制. 最后通过Carsim与Simulink联合仿真,验证了该双闭环控制结构的有效性.      

面向无人驾驶碾压机的容错控制方法研究

无人驾驶碾压机高精度路径跟踪控制依赖于传感器对车体信息的准确测量,但在恶劣的高原大坝环境下,定位传感器极易出现信号突变、信号丢失现象,对系统的安全性与稳定性构成极大威胁。针对无人驾驶碾压机在恶劣工况下传感器的短时定位失效问题,提出了基于自学习模型的信号代偿容错控制方法。根据无人驾驶碾压机运行过程中转向系统漂移特性,构造了带流量损耗参数的线性转向模型,提出了模型参数在线学习算法,用于学习系统的流量损耗特性。以串联抗扰控制器作为车辆控制基础,实现定位短时失效场景下的容错控制。实车验证结果表明：车辆能够在传感器失效后的40 s内继续进行高精度碾压作业,与无代偿和模型无自学习代偿2种情况对比,分别延长了近18.7倍和2.7倍的运行时间,极大地提高了系统的安全性与作业效率。