航空器智能引导机动决策奖励重塑方法

针对使用深度强化学习进行航空器智能引导研究中存在的飞行轨迹质量差、训练效率低等问题,对应用于机动决策生成的奖励重塑方法进行了研究。首先,构建了航空器引导机动决策生成的深度强化学习模型;其次,从指令连续性和相对姿态两个角度设计了奖励重塑函数,并证明了使用重塑函数前后的策略一致性;最后,在不同类型目的地场景中进行了仿真实验。仿真结果表明,奖励重塑方法对航空器飞行轨迹质量和智能体训练效率有明显的提升。使用本方法快速训练的智能体,可以准确、高效地生成机动决策,引导航空器完成任务。     

自适应CS模型的强跟踪平方根容积卡尔曼滤波算法

对于目标跟踪过程中的强机动问题,基于当前统计(current statistical, CS)模型和改进的强跟踪平方根容积卡尔曼滤波器(square root cubature Kalman filter, SCKF),提出新的跟踪算法。在CS模型和改进输入估计算法的基础上,引入加加速度估计,使得状态过程噪声与状态协方差矩阵相联系,实现模型的自适应调整。从正交性原理出发,重新确定了渐消因子的引入位置,并提出了新的渐消因子计算形式,以克服传统渐消因子在雷达量测坐标系中的失效问题,从而构造强跟踪平方根容积卡尔曼滤波器。另外,构造强机动检测函数,利用SCKF的输出来调整自适应CS模型中的机动频率。仿真结果表明,相比基于CS模型的多重渐消因子强跟踪SCKF算法、改进CS模型的强跟踪SCKF(SCKF STF)算法和交互式多模型(interacting multiple model, IMM)SCKF算法,所提算法具有更佳的目标机动适应性和跟踪精度;相比于IMM SCKF算法,实时性有明显改善。     

基于新特征参数的再入滑翔飞行器机动模式智能辨识

再入滑翔飞行器的机动模式辨识问题是拦截方实现对其轨迹预测的关键。提出了一组与飞行器轨迹机动特点贴合的特征参数,根据构建的RGV 机动模式轨迹库,搭建了LSTM 深度学习神经网络,实现了对RGV机动模式的智能辨识。与传统模式辨识方法和其他典型特征参数的辨识网络进行对比,结果显示文中所提特征参数在LSTM 机动模式辨识网络训练中具有收敛速度快、辨识精度高和鲁棒性好的特点。     

基于动态输出反馈的挠性航天器主动振动抑制

针对航天器三轴同时姿态机动时挠性附件的振动抑制问题,提出了基于动态输出反馈控制的主动振动抑制方法。采用拉格朗日方法和四元数参数化建立了挠性航天器的非线性模型。利用航天器姿态控制问题固有的无源性,设计了1种仅利用姿态四元数而无需以角速度测量、挠性变形位移及速率测量作为反馈的动态控制规律,并采用压电作动器来抑制挠性结构的振动。基于Lyapunov方法证明了所设计的动态控制器保证了姿态的渐近稳定和模态的振动的衰减。仿真结果表明了所提出的控制方法的可行性和有效性。     

超机动飞行的非线性鲁棒自适应控制系统研究

针对飞机模型中存在气动参数不确定性以及外界干扰等影响因素,设计了一种超机动飞行的非线性鲁棒自适应控制系统。控制系统设计过程中,模型不确定性和外界干扰由RBF神经网络在线补偿,控制律及神经网络权值自适应律由反步法得到。解决了系统中控制增益矩阵未知,同时存在外界干扰情况下的鲁棒飞行控制系统设计,并证明了闭环系统所有信号有界,系统跟踪误差和神经网络权值估计误差指数收敛到有界紧集内。对所研究的飞行控制系统进行了过失速Herbst机动仿真,结果验证了该系统在过失速机动条件下具有良好的控制性能。     

目标监视绕飞导引方法研究

针对空间非合作目标近距离监视机动飞行,在给出视线坐标系中两航天器的相对运动数学模型的基础上,建立了跟踪飞行器的轴向轨控发动机模型,提出了直接以发动机产生向心力对目标进行绕飞的控制方法,并完全利用跟踪飞行器上光学相机所提供的观测信息,设计出一种在绕飞面控制视线转率为非零常值,同时在纵平面辅以比例导引的制导方法,使跟踪飞行器能在以目标为中心的近圆相对轨道上飞行.讨论了该方法下可实现绕飞的条件,给出了控制方法,通过数学仿真,验证了该方法的可行性.     

基于卡尔曼滤波的组网雷达系统目标跟踪分析

提出了一种快速卡尔曼滤波跟踪算法,用于组网雷达系统对机动目标的跟踪分析.该算法只需要组网雷达系统给数据处理中心提供每个接收机所测得的准确径向距离,然后根据推广卡尔曼滤波技术迭代估算出目标的位置.对机动目标的仿真结果表明,该算法不但大大减小了传统跟踪算法的运算复杂度而且具有优良的跟踪性能,尤其适用于近距离高速运动目标的准确跟踪.     

基于机动时间的平行序链顺序优化算法设计

平行序链的顺序优化问题一直是目前网络计划优化理论研究的焦点问题之一.从网络本身的规律性出发,对具有很大推广价值的四个平行序链的顺序优化问题进行研究,利用路长定理计算序链调整过程中新增路线的路长,并给出了可靠、有效的删减路长计算的方法,在此基础上,设计出了该问题的优化算法.实例表明,该算法简单易行,便于应用.     

一种新的常增益机动目标跟踪方法：α-β-γ-δ模型

针对目前机动目标跟踪的Jerk模型存在计算复杂度高的不足,同时受α-β-γ模型的启发,提出了一种基于Jerk模型的常增益跟踪算法:α-β-γ-δ模型,并根据时常系统的状态估计协方差在一定条件下将收敛到一个稳态值这一性质,从理论上推导出了上述新模型申α、β、γ和δ的计算公式.仿真结果表明,该算法的滤波精度比α-β-γ滤波算法高,且运算量远远小于Jerk模型算法.     

机动目标ISAR成像的相对运动补偿

非合作的机动多目标相对于雷达射线的姿态是时变的,而且目标间可能存在相对运动,给逆合成孔径雷达(ISAR)成像造成较大困难。针对此问题建立目标相对运动的模型,提出一种相对运动补偿的算法,在运动补偿的基础上对运动目标进行二次补偿,消除相对运动的影响。模拟和实测数据的处理结果说明,当相对运动目标和其它目标在距离上能分离时,该算法是可行的。