多UCAV协同目标分配算法研究

针对多无人作战飞机(unmanned combat aerial vehicle, UCAV)协同目标分配问题,提出了一种基于离散粒子群算法的多UCAV协同目标分配方法。根据多UCAV协同目标分配问题的特点,建立了粒子与实际问题间的映射,设计了新的粒子群位置和速度更新公式,并且对标准粒子群算法作了改进。充分利用粒子群优化算法的全局搜索能力,有效地解决多约束条件下多UCAV协同目标分配问题。仿真结果表明,离散粒子群算法能够稳定快速地找到较优分配方案,并且算法简单、灵活。     

基于威胁等效和改进PSO算法的UCAV实时航路规划方法

为解决无人战斗机（unmanned combat aerial vehicle, UCAV）实时航路规划问题,通过对各种威胁等效为雷达威胁,威胁分级和每级分层次的处理方法,得到每个威胁的击毁和击伤作用距离。建立UCAV简易的二维模型,利用其飞行姿态与雷达散射截面积(radar cross section, RCS)之间的关系,得出以探测概率为基础的威胁代价函数。最后运用自适应Meta Lamarckian学习策略的粒子群优化(particle swarm optimization, PSO)算法对方法进行实时性仿真测试,结果表明此方法的有效性。     

基于双体结构的无人测绘艇航向控制

无人艇在海洋测绘中的应用越来越广泛,而航向稳定性是实现其自主航行的重要基础。设计了一种双体结构的无人测绘艇,用于搭载测量设备并实现测绘功能。为了实现无人艇的航向控制,将RBF(radial basis function)神经网络与PID(proportion integration differentiation)算法相结合,利用RBF神经网络的自学习能力实现对PID控制器参数的整定。在仿真过程中,将RBF-PID自适应模型、单一PID模型以及作为对照组引入的BP-PID自适应模型分别仿真,并在同一时刻加入随机扰动,观察系统响应效果。结果表明,基于RBF-PID算法的无人艇航向控制器的超调量为零、稳态时间最短,同时能够及时有效地纠正随机扰动的影响,保障无人测绘艇的航向稳定性。     

无人系统的自主性评价方法

未来不管在军事领域还是民用领域,用于陆、海、空、天的无人系统将发挥巨大作用.要实现无人系统的自主作业能力,对自主性进行评价非常关键.针对无人系统的自主性评价问题,本文首先对自主性基本概念、自主性评价的意义进行论述,然后对现有评价方法进行综述和分析,旨在基于关键技术和技术成熟度两个方面的分析,采用一种普适性的评价模型"蛛网模型"对自主性进行评价.这种模型通过确定不同类型无人系统评价模型中纬线和经线的数量/数值,可综合处理经线的互耦合、高维度、多样性等因素,对无人系统自主性评价有一定参考意义.     

再度挑战“挑战者深渊”

距离上一次,也是人类唯一一次对＂地球最低点＂——＂挑战者深渊＂的载人探险,时间已经过去50多年了。而今天,新型的载人深潜器将再度挑战这个深渊。     

基于差分GPS的局部区域无人车路径跟踪算法

为确保无人车在弯曲度变化较大的路径上运行的平稳性及速度变化的连续性,基于差分GPS定位导航系统,综合考虑前视距离、速度和弯曲度之间的关系,提出了一种改进的Pure Pursuit算法。首先,通过差分GPS对局部区域内的路径信息进行采集,基于NMEA协议对GPS接收机输出数据进行坐标转换;其次,结合车辆运动学自行车模型与Pure Pursuit改进算法进行路径跟踪。试验结果表明,无人车以30 km/h的最高车速与5 km/h的最低车速跟踪既定路径时,最大横向跟踪偏差相比既有算法降低55. 4%,平均横向跟踪误差相比既有算法降低23. 98%,达到了较好的跟踪效果。     

欠驱动水下航行器编队协同控制

针对复杂海况中欠驱动无人水下航行器（UUV）的水平面上编队问题,结合路径跟踪控制和一致性算法构建编队运动控制策略.将编队任务分为两步:1）对于每个UUV个体设计路径跟踪控制器,完成对各自期望路径的跟踪;2）对于多个UUV之间设计一致性协同算法,完成UUV编队的协同运动;编队控制器设计考虑了外界海流干扰及UUV模型参数不确定性等因素.针对海流干扰设计干扰观测器,利用自适应技术对参数不确定性进行在线估计,最后通过仿真验证了所设计编队控制策略的有效性.     

基于LPV模型逆的无人直升机中低速巡航控制

为了提高无人直升机闭环控制系统的动态带宽,从非线性标称模型中通过动态线性化得到变化参数为前进比的线性参数变化模型,以此构造模型逆控制器。这种控制器综合方法分为姿态和速度共内外两层结构,并且可以有效地实现各级动态指标。通过借用非线性标称模型构建的闭环系统仿真表明:这种控制器综合方法在无人直升机从悬停到低中速前飞的动态范围中有令人满意的控制效果。     

基于径向基函数神经网络的无人直升机吊装系统滑模减摆控制

针对存在非线性、强耦合、外部未知有界干扰和建模不确定性的平面运动下无人直升机吊装系统,研究了一种基于径向基函数神经网络(radial basis function neural networks,RBFNNs)和干扰观测器的无人直升机吊装系统滑模减摆控制方法。首先将系统模型转换成仿射非线性形式,利用RBFNNs逼近系统不确定性,设计干扰观测器估计神经网络逼近误差与外界未知有界干扰的复合值。然后基于RBFNNs和干扰观测器设计了滑模减摆控制器,并用Lyapunov方法证明闭环系统稳定性;最后通过仿真验证了所设计控制器的有效性。     

无人动力翼伞双环积分滑模控制器设计与仿真

无人动力翼伞系统具有非线性和较强耦合性的特点,飞行状态难以控制.为了对无人动力翼伞进行更好的控制,首先,建立了无人动力翼伞6-DOF数学模型.其次,以此模型为基础,针对无人动力翼伞三轴角速度和角度的控制设计了一种双环积分滑模控制器,并针对其三轴惯性位移的控制设计了一种滑模控制器.最后,通过MATLAB软件将比例-积分-微分(proportional-integral-derivative,PID)控制器与双环积分滑模控制器进行仿真对比分析.结果表明,建立的双环积分滑模控制器相较于工程中常用的PID控制器具有更快的响应速度以及更小的超调量,能够更好满足对无人动力翼伞飞行状态的控制需求.