基于控制变量估计的高超声速再入滑翔目标轨迹预测算法

以高超声速再入滑翔目标为研究对象,在对目标机动控制变量进行建模分析的基础上提出了一种轨迹预测算法。首先,基于动力学建模构建了目标跟踪模型,利用气动参数对目标状态向量进行扩维并推导了对应的运动模型。其次,构造了适用于轨迹预测的目标机动控制变量,在不同机动模式下分析了控制变量的变化规律,基于控制变量设计了对应运动方程以及轨迹预测模型。最后,仿真生成了两条轨迹并对所提算法进行了仿真验证,分析了算法性能。仿真结果表明所提轨迹预测算法能够取得较好的预测效果。     

基于控制参数估计的再入滑翔目标智能轨迹预测算法

再入滑翔目标的轨迹预测是一项困难且具有意义的技术, 现有利用简单函数拟合控制参数进行轨迹预测的方法, 拟合精度不高且对数据的关联性不强。针对该问题, 本文结合长短期时序网络提出了基于控制参数估计的智能轨迹预测算法。首先, 通过设计快速轨迹生成算法, 结合攻角走廊模型快速生成大量机动轨迹, 构建数据集。然后, 建立了包含末点修正网络、控制参数修正网络及预测网络的智能轨迹预测框架, 利用数据集对关键控制参数的变化规律进行学习。最后, 结合目标运动模型积分外推实现轨迹的准确预测。仿真结果表明, 所设计的预测算法在不同机动模式下的预测平均误差不超过1.4 km, 最大误差不超过2.5 km, 能够实现轨迹的快速预测, 且对大气扰动造成的模型不确定性具有一定的鲁棒性。     

基于自适应滤波的高超声速滑翔目标三维跟踪算法

针对临近空间高超声速滑翔飞行器机动模式复杂,单一运动学模型难以完成三维跟踪的问题,提出一种三维跟踪方法.将飞行器机动弹道分为纵向和横向弹道,根据飞行器机动特性,在纵向上将加速度建模为零均值的二阶时间自相关随机过程,在横向上采用Singer模型和匀加速模型进行交互多模型(interactive multiple mode...     

高超声速飞行器轨迹跟踪控制仿真研究

针对高超声速飞行器纵向模型的快时变、强耦合和高度非线性的特点,在考虑模型不确定性的情况下,采用李导数的方法对某型高超声速飞行器进行输入输出的精确线性化。基于线性化后的模型,提出一种非线性动态逆控制的方法,并对其稳定性进行分析,实现对该型高超声速飞行器的轨迹跟踪控制。并利用Matlab搭建仿真平台,仿真结果显示仿真平台的正确性和控制算法的有效性。     

高超声速伸缩式变形飞行器再入轨迹快速优化

针对高超声速变形飞行器再入轨迹优化问题,研究了一种基于改进高斯伪谱法(Gauss pseudospectral method,GPM)的快速优化方法.首先,针对一种采用伸缩式机翼的高超声速变形飞行器,建立了将展长变形量扩展成为控制变量的再入轨迹优化模型.其次,采用GPM将轨迹优化问题转化为非线性规划(nonlinear...     

高超声速飞行器再入段的动力学建模与仿真

高超声速飞行器的动力学建模对于进行控制系统的设计和仿真来说是非常重要的.与传统的飞行器相比,由于其飞行的速度和高度跨度大、变化快,高超声速飞行器的飞行动力学特性相当复杂.为了研究高超声速飞行器的一些本质的动力学特性,选择再入段进行分析,建立了再入段的高超声速动力学模型.利用风洞实验数据,建立了空气动力学数据库,并且对模型进行了不确定性分析.在模型的基础上,讨论了高超声速飞行器再入段的控制系统的设计方法.最后,在MATLAB/SIMULNK中进行了控制系统仿真,仿真结果表明在60公里到着陆点控制系统能够很好地控制动力学模型跟踪制导指令.     

基于升阻比变化规律的再入高超声速滑翔飞行器轨迹预测算法

针对高超声速滑翔飞行器再入拉起后升阻比呈近线性增长的特点,提出一种基于升阻比变化规律的轨迹预测算法。首先对目标运动方程进行分析,发现轨迹预测算法的关键在于能否预测升阻比的大小;然后通过对目标进攻轨迹的仿真得到了升阻比呈近线性增长的规律,给出了升阻比变化函数的形式及拟合方式,并在此基础上设计了轨迹预测算法,最后通过仿真验证了算法的有效性。该算法对反助推-滑翔无动力跳跃飞行器指挥决策问题的研究具有重要意义。     

基于干扰估计的高超声速飞行器鲁棒控制方法

针对高超声速飞行器高度与速度跟踪所面临的参数不确定与外界干扰问题,提出基于干扰估计的鲁棒控制律设计方法。首先建立含参数不确定与外界干扰的高超声速飞行器模型;而后基于动态逆思想,将动力学模型进行线性化,并将由参数不确定与外界干扰对系统造成的总效果看作系统总干扰,从而引入线性扩张状态观测器实现对系统状态及总干扰的估计;最后考虑总干扰作用,提出具有鲁棒性能的动态逆控制律与滑模控制律。通过与传统控制律进行对比仿真,结果表明所设计的两种鲁棒控制器只需在原有方法基础上进行简单改进,即可较大程度提高对系统参数不确定与外界干扰的鲁棒性,具有良好的跟踪性能。     

高超声速飞行器再入过程改进气动系数模型

针对高超声速飞行器再入过程气动系数模型和参数辨识问题,基于公开的气动系数数据,综合考虑攻角和马赫数两个主要因素,分析了气动系数与二者的函数关系,建立了高超声速飞行器的改进升力系数和阻力系数模型,采用非线性最小二乘法进行模型参数辨识,得到参数辨识结果。将已知的气动数据与改进气动系数模型计算值进行对比,升力系数和阻力系数的相对误差平均值均小于5.10%,表明所建立的改进气动系数模型具有较高的精度,可以用于高超声速飞行器再入轨迹优化和仿真。     

高超声速滑翔飞行器动态逆解耦跟踪控制方法研究

针对临近空间高超声速滑翔飞行器再入段俯仰偏航以及滚动三通道运动存在非线性耦合严重的情况,建立了高超声速滑翔飞行器的多变量强耦合非线性时变倾斜转弯控制模型,提出了一种将过载控制转化为所需迎角侧滑角及滚转角误差的三通道联合跟踪控制方法,根据高超声速滑翔飞行器制导回路快速性的动态性能要求,设计了一种基于非线性动态逆及状态反馈的解耦综合控制器,闭环仿真结果表明该方法能够实现三通道运动解耦控制和制导指令跟踪,满足系统动态性能的要求。     

A hypersonic target coherent integration detection algorithm based on Doppler feedback

The traversal search of multi-dimensional parameter during the process of hypersonic target echo signal coherent integration, leads to the problem of large amounts of calculation and poor real-time performance. In view of these problems, a modified polynomial Radon-polynomial Fourier transform(MPRPFT)hypersonic target coherent integration detection algorithm based on Doppler feedback is proposed in this paper. Firstly, the Doppler estimation value of the target is obtained by using the target po...     

Progress in reentry trajectory planning for hypersonic vehicle

The reentry trajectory planning for hypersonic vehicles is critical and challenging in the presence of numerous nonlinear equations of motion and path constraints, as well as guaranteed satisfaction of accuracy in meeting all the specified boundary conditions. In the last ten years, many researchers have investigated various strategies to generate a feasible or optimal constrained reentry trajectory for hypersonic vehicles. This paper briefly reviews the new research efforts to promote the capability of reentry trajectory planning. The progress of the onboard reentry trajectory planning, reentry trajectory optimization, and landing footprint is summarized. The main challenges of reentry trajectory planning for hypersonic vehicles are analyzed, focusing on the rapid reentry trajectory optimization, complex geographic constraints, and coop- erative strategies.     

Tracking control for air-breathing hypersonic cruise vehicle based on tangent linearization approach

This paper is focused on developing a tracking controller for a hypersonic cruise vehicle using tangent linearization approach. The design of flight control systems for air-breathing hypersonic vehicles is a highly challenging task due to the unique characteristics of the vehicle dynamics. Motivated by recent results on tangent linearization control, the tracking control problem for the hypersonic cruise vehicle is reduced to that of a feedback stabilizing controller design for a linear time-varying system which can be accomplished by a standard design method of frozen-time control. Through a proper model transformation, it can be proven that the tracking error of the designed closed-loop system decays exponentially. Simulation studies are conducted for trimmed cruise conditions of 110 000 ft and Mach 15 where the responses of the vehicle to step changes in altitude and velocity are evaluated. The effectiveness of the controller is demonstrated by simulation results.     

基于H∞鲁棒动态逆的飞行器轨迹跟踪方法

利用非线性动态逆方法的精确线性化功能,结合H_∞控制理论,提出了一种阻力加速度能量标准轨迹的跟踪方法。通过动态逆将非线性的高超声速飞行器系统等效为线性对象,继而考虑非结构不确定性及参数不确定性,采用H_∞控制理论设计外回路鲁棒控制器,实现了标准轨迹的精确跟踪,同时给出了闭环系统的鲁棒稳定性证明。仿真结果验证了该方法的有效性。     

基于LSTM的弹道导弹主动段轨迹预报

弹道导弹主动段长周期轨迹预报能够为导弹防御系统提供早期预警信息。传统的轨迹预报方法大多集中在导弹的自由段与再入段,通过解析法、数值积分法或函数逼近法推断未来时刻目标的状态。由于弹道导弹在主动段会受到多个未知作用力的影响,其轨迹预报相比自由段与再入段更具挑战性。为此,本文提出了一种基于长短时记忆(long short-term memeory, LSTM)网络的弹道导弹主动段轨迹预报方法。首先,根据导弹主动段动力学模型与弹道参数典型取值生成用于网络训练的大规模轨迹样本;其次,设计了基于深度LSTM网络的弹道导弹主动段轨迹递归预报方法;最后,与基于数值积分法、多项式拟合及反向传播神经网络的轨迹预报方法的实验对比,表明了所提方法在主动段轨迹预报上的优越性。     

基于AGIMM的临近空间机动目标跟踪滤波算法

由于临近空间高超声速目标的机动形式复杂,单一模型很难满足高精度跟踪的需要。因此需要使用基于多种模型进行交叉耦合的交互式多模型算法,这种算法特点与临近空间目标高速、高机动特性相适应。提出了一种自适应网格交互多模型跟踪算法用于临近空间高超声速机动目标的跟踪问题。所提方法能够处理自适应时变模型集合,随时调整当前时刻使用的模型数量,相比于固定结构交互式多模型算法极大减少了计算量,计算效率和跟踪精度更高,数值仿真结果验证了所提算法的有效性。     

基于多域网络的红外目标跟踪算法

随着红外探测器性能的不断提升, 红外目标跟踪在智能安防等领域的应用越来越广泛。然而红外图像分辨率较低, 依赖其进行目标跟踪仍然是一个制约相关应用发展的难题。针对红外图像分辨率低的特点, 以多域网络为模型算法框架, 结合目标运动过程中的尺寸变化特点, 提出了一种基于多域网络的红外目标跟踪算法。为了评估算法性能, 分别在VOT-TIR2016数据库和AMCOM红外数据上进行了实验。实验结果表明, 目标尺度预测机制能够显著提高算法的跟踪精度。