软管式自主空中加油飞行控制系统与仿真研究

基于参考观测器的全状态反馈控制方法设计了受油机飞行控制系统,建立了软管式自主空中加油仿真系统,并进行了仿真验证。根据生成的受油机参考跟踪、对接轨迹,通过输出跟踪观测器在线估算前馈控制信号和参考状态量,设计全状态反馈控制器精确跟踪参考状态,解决了受油插头难以近距离跟踪加油锥套并实现精确对接的问题。以某型UCAV为例,设计了基于全状态反馈控制的自主空中加油仿真系统并进行了数字仿真。仿真结果表明,在四种强度阵风干扰下,设计的空中加油仿真系统能实现精确的双机加油设备跟踪与对接,具有良好的动态性能与鲁棒性能。     

多特征融合的尺度自适应相关滤波跟踪算法

针对传统的核相关滤波跟踪算法特征表达不足且不能解决尺度变化导致的跟踪失败问题,提出了一种多特征融合的尺度自适应相关滤波跟踪算法。首先,在位置预测阶段,利用Hue和梯度方向直方图两种特征和各自的位置滤波器作用得到的输出响应值,自适应分配权重实现目标位置的预测。其次,在尺度预测阶段,通过在目标位置采集多尺度图像,组成样本独立训练尺度滤波器,并根据样本的尺度滤波响应值,对目标的尺度进行估计,使跟踪算法能够适应目标的尺度变化。最后利用两帧图像间的差异性,自适应调整学习率,进行位置滤波器的更新。实验结果表明,改进算法相较于传统的核相关滤波跟踪算法,在跟踪成功率和跟踪精度上分别提高了25%和13%。当目标尺度变化较大时,改进算法仍能稳定跟踪。     

无人机自动空中加油飞行控制技术

无人机在现代战争中扮演重要角色,广泛用于侦察、监视战区环境等任务,留空时间需求日益增长,为了增加航时而不返回基地加油,亟需开展无人机自动空中加油技术的研究,根据空中加油的特点,深入研究了空中加油自动飞行控制系统方案,提出了受油机分阶段姿态和位置控制策略,设计了满足自动空中加油控制要求、面向工程的多模态、高精度、高抗扰飞行控制律,并用粒子群算法进行了参数优化。此外利用Matlab/Simulink搭建仿真平台对空中加油阶段受油机扰动运动进行了仿真验证。仿真结果表明,该多模态控制律可以满足自动空中加油的任务要求,控制精度较高,受油机的抗干扰能力较强。     

异类传感器系统目标快速定位方法

在异类传感器系统中,快速、准确地定位技术对于数据的关联、目标的跟踪至关重要。为解决异类传感器系统中目标定位问题,提出了快速目标定位法。该方法首先将不完整的测量补充为完整测量,然后用精度加权法实现多测量之间的融合得到目标的位置估计,为提高估计的精度,最后采用扩展加权最小二乘法进行目标位置的二次估计。仿真实验结果表明,提出的目标定位方法是一种快速、有效的目标定位方法,定位误差的方差接近Cramer-Rao下界。     

一种基于数据融合的机动目标跟踪预测算法

在机动目标的运动跟踪中,为了减小搜索区域,需要对下一时刻目标位置进行预测。本文以医疗康复领域中基于视频的运动分析为背景,针对二维平面中静止背景的运动目标提出一种基于数据融合的预测跟踪方法。首先采用多项式拟合算法和基于“当前”模型的改进卡尔曼滤波算法分莉对运动目标进行位置预铡,然后采用数据融合的方法得到最终的预测结果．最后用计算机仿真和实验对所提出的预测算法进行了验证,结果表明本文算法与多项式拟合和卡尔曼滤波算法相比,预测误差更小,跟踪精度更高。     

基于深度学习的复杂背景雷达图像多目标检测#br#

针对传统雷达图像目标检测方法在海杂波及多种干扰物组成的复杂背景下目标分类识别率低、虚警率高的问题,提出将当前热点研究的深度学习方法引入到雷达图像目标检测。首先分析了目前先进的YOLOv3检测算法优点及应用到雷达图像领域的局限,并构建了海杂波环境下有干扰物的舰船目标检测数据集,数据集包含了不同背景、分辨率、目标物位置关系等条件,能够较完备地满足实际任务需要。针对该数据集包含目标稀疏、目标尺寸小的特点,首先利用K means算法计算适合该数据集的锚点坐标;其次在YOLOv3的基础上提出改进多尺度特征融合预测算法,融合了多层特征信息并加入空间金字塔池化。通过大量对比实验,在该数据集上,所提方法相比原YOLOv3检测精度提高了6.07%。     

一种位-姿交替控制的机器人路径跟踪方法

建立了非完整移动机器人的离散化运动学模型。根据机器人位姿定位问题的描述,设计了基于人工驾驶思想的路径跟踪模糊控制器。针对机器人相对于位姿目标点的方向误差和姿态误差之间的耦合矛盾,提出一种位-姿交替控制的路径跟踪方法。当存在较大位置误差时进行位置控制以实现快速跟踪,当位置误差较小时进行姿态控制,两者根据误差的大小交替进行。仿真结果表明了该模糊控制器的有效性和对路径跟踪的快速性。     

基于YOLO框架的无锚框SAR图像舰船目标检测

面向合成孔径雷达(synthetic aperture radar, SAR)多目标检测应用, 提出了一种基于YOLO (you only look once) 框架的无锚框SAR图像舰船目标检测方法。该方法针对YOLOv3锚框需要预先设定且无法完美契合的弊端, 通过采用无锚框方法更好适应所检测目标的大小, 便于多尺度目标使用。在此基础上, 给CSPDarknet53网络增加了注意力机制作为特征提取网络, 然后经过能够增大感受野的改进特征金字塔网络(feature pyramid network, FPN)后, 把特征图传给无锚框检测头, 有效提升了目标类别和位置的预测精度。实验证明, 所提算法在公开SAR舰船数据集上平均精度比YOLOv3提高3.8%，达到了94.8%, 虚警率降低4.8%。     

具有L2性能的视觉伺服控制器设计

对于基于图像的具有手眼或固定摄像机模式的视觉伺服,考虑视觉控制系统不确定因素对图像特征所产生的影响,提出了基于L2性能准则(γ-耗散)的方法来处理视觉伺服系统的抗干扰问题及控制器设计问题,给出了系统全局稳定的充要条件,设计了视觉伺服控制器,基于图像误差实现了定位控制;利用初始及期望深度估计值提出了深度自适应估计律,给出了深度变化过程,使得摄像机能够在有干扰存在的条件下达到其期望位置.     

视频监视中的运动目标跟踪算法

提出了一种新的运动目标跟踪算法。通过预测运动目标下一时刻的位置以及缩小目标搜索范围来提高跟踪速度。该算法使用运动目标加速度运动位移方程预测下一时刻目标可能出现的位置,使用预测位置误差方程估计运动目标搜索范围,并使用IIR滤波器对目标运动速度、加速度等参数自适应地修正。实验证明,该算法即使当运动目标做加速运动时,也可准确地预测运动目标的位置,缩小目标搜索范围,进而提高目标跟踪速度。     

变质量分布硬式加油管建模与反演自适应控制

硬式加油技术适合给大型飞机加油,能与软式加油形成功能互补。研制硬式加油技术,需要解决伸缩管动力学建模与控制问题。在加油机定直平飞的前提下,建立了考虑伸缩管质量分布变化与气动参数不确定性的动力学模型。将不确定性视为复合扰动,采用反馈线性化实现标称系统的解耦,并分别为俯仰与滚转子系统设计了非线性干扰观测器与反演自适应控制器。仿真结果表明,复合控制器在多种不确定性条件下能达到一致的控制效果,控制性能优于常规增稳控制系统。     

基于YOLOv5的舰船目标及关键部位检测算法

为进一步提升对可见光图像中水面舰船目标的检测识别成功率,提出一种基于YOLOv5的舰船目标识别算法。使用基于随机池化方法的空间金字塔池化网络,运用双向特征金字塔网络进行多尺度特征融合,采用指数线性单元函数作为激活函数加快网络训练收敛速度,提升算法鲁棒性,从而实现了对水面舰船目标和舰船关键部位的快速准确识别。通过在舰船目标及其关键部位数据集上实验验证,对比多个经典目标检测方法,在识别准确率上均有不同程度提升,对比原YOLOv5s模型,平均精度均值提升3.03%,速度提升2 FPS,模型保持了YOLOv5轻量化的特点,在应用部署上有良好前景。     

卫星/伪卫星/惯性组合着舰导引算法

针对舰载机安全着舰对高精度、高可靠性着舰导引系统的迫切需求,研究了卫星/伪卫星/惯性组合着舰导引技术,基于几何精度因子(geometric dilution of precision, GDOP)计算提出了伪卫星在舰船上的布设方案,并设计了其导航电文结构。研究了卫星/伪卫星/惯性组合着舰导引算法,利用卫星及伪卫星的双差分载波相位信息,采用改进的模糊度最小二乘去相关平差(least squares ambiguity decorrelation adjustment,LAMBDA)迭代算法解算其双差分整周模糊度,并基于舰载机运动模型建立滤波方程解算出舰机相对运动信息,再与惯导数据进行信息融合得到高精度的导引信息。仿真结果表明,提出的卫星/伪卫星/惯性着舰导引技术横向定位误差在0.3m以内,纵向定位误差在0.1m以内,高度定位误差在0.3m以内,可以满足舰载机着舰的要求,与卫星/惯性组合导引相比,该组合方式大大提高了垂直方向的定位精度,这对于确保安全着舰极为重要。并且,提出的着舰导引技术不仅精度高,而且工作连续可靠、抗干扰能力强,对保障舰载机着舰安全有重要的意义。     

基于改进稀疏KELM的在线非平稳动态系统状态预测方法

本文针对基于核的增量超限学习机(kernel based incremental extreme learning machine，KB-IELM)对非平稳动态系统的时变状态跟踪能力不足的问题，提出一种新型的状态预测方法。通过融合遗忘因子和自适应时变正则化因子构建新的目标函数。通过最小化字典的快速留一交叉验证(fast leave-one-out cross-validation, FLOO-CV)误差，选择具有预定规模的关键节点以构成字典。通过融合遗忘因子，为字典中各关键节点按时间顺序分配不同权重。基于FLOO-CV原则，使用天牛须搜索(beetle antennae search，BAS)算法为不同的非线性区域赋予不同的正则化参数。通过矩阵初等变换和分块求逆，实现核权重向量的在线递推更新。将模型应用于非平稳Mackey-Glass混沌时间序列预测和某型飞机发动机的状态预测。所提算法相比于最新的非平稳在线序列核超限学习机(non-stationary online sequential kernel extreme learning machine，NOS-KELM)和融合自适应正则化因子的在线稀疏核超限学习机(online sparse kernel extreme learning machine with adaptive regulation factor, OSKELM-ARF)两种方法，其训练精度分别提升了66.67%、50.72%、预测精度提升了67.02%、56.34%，最大预测误差减少了67.27%、51.09%，平均相对误差率分别减少了67.18%、59.62%。实验证明所提算法有效提升了在线预测的精度。     

基于改进稀疏KELM的在线非平稳动态系统状态预测方法

本文针对基于核的增量超限学习机(kernel based incremental extreme learning machine,KB-IELM)对非平稳动态系统的时变状态跟踪能力不足的问题,提出一种新型的状态预测方法。通过融合遗忘因子和自适应时变正则化因子构建新的目标函数。通过最小化字典的快速留一交叉验证(fast leave-one-out cross-validation, FLOO-CV)误差,选择具有预定规模的关键节点以构成字典。通过融合遗忘因子,为字典中各关键节点按时间顺序分配不同权重。基于FLOO-CV原则,使用天牛须搜索(beetle antennae search,BAS)算法为不同的非线性区域赋予不同的正则化参数。通过矩阵初等变换和分块求逆,实现核权重向量的在线递推更新。将模型应用于非平稳Mackey-Glass混沌时间序列预测和某型飞机发动机的状态预测。所提算法相比于最新的非平稳在线序列核超限学习机(non-stationary online sequential kernel extreme learning machine,NOS-KELM)和融合自适应正则化因子的在线稀疏核超限学习机(online sparse kernel extreme learning machine with adaptive regulation factor, OSKELM-ARF)两种方法,其训练精度分别提升了66.67%、50.72%、预测精度提升了67.02%、56.34%,最大预测误差减少了67.27%、51.09%,平均相对误差率分别减少了67.18%、59.62%。实验证明所提算法有效提升了在线预测的精度。     

High-precision Positioning and Deformation Monitoring Analysis of BD/GPS Based on Improved Kalman Filter Fusion

The real time kinematic of global positioning system(GPS-RTK) provides precise positioning for bridge deformation monitoring and monitoring bridge health status. In order to solve the problem that the satellite signal is vulnerable to the influence of the positioning environment when monitoring bridges in the valleys and urban buildings~([1]), and the problem that Kalman fusion algorithm is difficult to detect the divergence caused by interruption or wrong data~([2]). This paper proposes an improved Kalman filter fusion position method based on the BD/GPS fusion positioning. This improved algorithm introduces the environmental information. The confidence level is calculated with membership function by defining the confidence region of sensor, so as to the fusion weight coefficient is determined. This paper analyzes the performance of BD/GPS positioning in bridge monitoring through comparing the traditional fusion method with the improved fusion method. Experiments show that the improved algorithm eliminates the problem of error divergence; the average number of visible satellites in BD/GPS fusion positioning is increased by 7 compared with that of GPS single system positioning,the GDOP value is reduced by 21.83%, and the positioning error is reduced by 2.51 cm. The feasibility of all-weather monitoring in the mountains, buildings and other areas is verified, and millimeter accuracy is provided, which greatly improves the performance of bridge deformation monitoring.     

飞行器动力学信息辅助MEMS惯导系统

使用微机械电子(micro electro mechanical systems, MEMS)惯导系统(inertial navigation system,INS)的飞行器由于其MEMS惯性器件测量精度低,致使导航误差快速发散。针对该问题,提出了一种利用飞行器动力学(aircraft dynamics, AD)信息辅助MEMS惯导解算的方法。〖JP2〗它基于AD建立的飞行器运动模型和运动误差模型,利用实时解算的飞行器运动状态构建卡尔曼滤波器对MEMS惯导误差进行估计和修正。在此基础上,进一步考虑了INS/全球定位系统(global positioning system,GPS)组合导航时该方法的改进算法,提出了一种利用GPS定位信息和预测滤波器对飞行器动力学模型误差估计的方法。最后的半实物仿真实验结果表明,飞行器动力学信息辅助滤波器可以有效地减小系统误差,提高 MEMS惯导系统输出精度。     

用门控循环单元实时预测空战飞行轨迹

为了提高飞机飞行轨迹预测准确率、确保轨迹预测实时性,提出使用门控循环单元(gated recurrent unit, GRU)预测轨迹。对不同条件下的不同机动动作进行飞行仿真,得到大量轨迹样本。设计具有不同层数和神经元个数的网络,用得到的样本对其进行训练。选出在测试集上误差最小的网络结构。对比GRU网络、循环神经网络和反向传播网络的相对误差和预测用时。引入坐标变换矩阵,使轨迹预测不受航向和坐标系影响。对比3种方法在一段频繁变化的轨迹上的绝对误差。结果表明,所提方法的平均绝对误差在x轴上约为18 m,在y轴上约为11 m,在z轴上约为22 m,显著小于另外两种方法,且平均预测用时约为2.4 ms,满足实时性要求。