无人直升机自主着舰的航线生成与跟踪控制

为实现无人直升机自主返航着舰,根据无人直升机与舰船的位置信息,设计了一种无人直升机自主生成返航航线的方法,并将生成的参考航线离散成路径点,每个路径点都包含了无人机直升机着舰返航要求达到的位置和速度信息。采用视线引导的方法设计了无人直升机制导律,内回路采用基于显模型跟踪与PID相结合的方法,实现了无人直升机对轨迹与速度的跟踪控制。数值仿真表明所设计的系统具有良好的性能。     

基于神经网络的舰载无人直升机着舰控制研究

介绍了基于神经网络的无人直升机轨迹跟踪控制系统的设计方法。针对无人直升机着舰回收的特殊要求,设计了直升机着舰轨迹,采用动态逆方法设计了直升机自动着舰控制系统,通过自适应神经网络,对动态逆误差进行了补偿,利用Matlab仿真工具箱,对无人直升机自主着舰的全过程进行仿真验证,仿真结果显示,系统符合设计要求。     

基于改进SSD网络的着舰标志识别方法

鉴于深度学习在图像识别领域的重大进展,在无人直升机自主着舰的应用背景下,针对较为复杂的着舰环境和着舰标志设计,采用单级多区域检测(SSD)网络对着舰标志进行识别.针对SSD网络对小目标识别率低的缺点,基于深度残差网络和特征金字塔网络结构对SSD网络进行了改进,使用ResNet101代替VGG-16网络,并利用特征金字塔...     

直升机着舰甲板指挥模拟训练系统的设计

直升机着舰时,需由甲板指挥员实施引导,协助飞行员将直升机安全降落在载舰的指定区域内。甲板指挥员对飞机状态的判断和指挥,将直接影响直升机着舰的安全,为此开发研制了直升机着舰甲板指挥模拟训练系统。基于3DSMAX三维建模和动画技术,以甲板指挥员的视角虚拟直升机着舰的指挥场景,模拟直升机着舰的动态过程。采用Author-ware交互控制技术,通过键盘控制,实现了甲板指挥员指挥直升机着舰的模拟指挥控制,并对指挥效果进行评判。应用表明,系统运行稳定,模拟训练效果良好。     

无人机在运动舰船上着舰视觉导引技术研究

为实现舰载无人机在做六自由度运动的航母上全天候着舰,提出了舰船运动模型下基于红外合作目标的无人机着舰视觉引导方法。首先设计了一种新型的合作目标;采用形态学算法提取合作目标,根据其位置特点进行物像点匹配,并采用N点算法求解机舰相对位姿;分析了舰船运动简化模型,并基于此模型提出了一种利用卡尔曼滤波提高导航精度的新方法,最后在VegaPrime中对该导航方法进行了仿真验证,仿真结果表明,该方法能够满足无人机着舰要求。     

无人直升机着舰甲板运动预估与补偿方法

无人直升机担负着越来越重要的作战使命,而甲板运动是影响其着舰安全的重要因素,对着舰甲板运动进行精确预估与补偿是亟待解决的难题。为此,基于自适应AR模型与最优预见控制方法,提出了一种甲板运动预估与补偿方法。基于AR模型设计甲板运动预估器时,引入时变因子设计了自适应模型参数更新律优化模型性能,强调数据的实时性,仿真结果表明,该方法在一定程度上提高了甲板运动预估的准确性,且计算相对简单;将甲板运动预估器产生的预估信号作为可预见的未来信息引入预见控制器,并基于最优控制理论对着舰甲板运动进行补偿,较好地改善了甲板运动补偿系统相位延迟问题,并在一定程度上提高了甲板运动跟踪精度,进而提高无人直升机着舰成功率。     

直升机和无人机通信中继试飞技术研究

随着战场环境和作战任务日益复杂,单机型作战会有一定的局限性,为实现直升机和无人机混合编队作战,需开展直升机和无人机协同试验技术研究,以提供理论基础和试验数据支撑。以直升机与无人机协同作战任务为牵引,以验证直升机与无人机Ⅱ级协同能力为目标,构建直升机和无人机中继通信试飞剖面,自顶向下对试飞剖面进行任务分解和试验点分解,分析中继通信试验过程中的关键技术问题,最后选取典型试验场景对直升机和无人机中继通信进行试飞验证。直升机和地面指挥所通过无人机中继实现了信息交换,通信中继功能性能满足作战使用要求。完成了直升机和无人机Ⅱ级协同试飞演示验证,对后续Ⅲ级协同试飞具有指导和借鉴作用。     

基于Creator/Vega Prime的无人机着舰仿真验证系统设计

针对无人机着舰关键技术仿真验证的迫切需求,设计并实现了基于Creator/Vega Prime的无人机着舰仿真验证系统。首先分析了系统应当具备的功能和结构组成,以此进行了实现方案流程设计。然后讨论了如何利用Creator/Vega Prime技术设计三维着舰场景,进而重点研究了飞行数字仿真和图像导航两项关键技术的仿真验证方法。最终基于智能可控飞行器的硬件平台实现了所提出的着舰仿真验证系统。实践证明,该系统具备多样化任务模拟、操纵手训练和关键技术验证三项功能。     

无人直升机多天线超远程直播系统研究

本研究基于800级电动无人直升机,通过搭载多向天线及先进的信号发射装置,经过调试、组装,最终实现无人直升机的远程直播功能。提高了无人直升机飞行可视距离,并且可以实时回传无人机拍摄的视频画面,为无人直升机作业的指挥工作的便捷性提供保障。     

无人直升机大屏幕多通道视景飞行仿真技术

为了更好地演示无人直升机飞行控制的仿真效果,开发了无人直升机飞行控制多通道视景仿真平台,该平台使用3个通道在弧形大屏幕上演示仿真效果。软件部分使用Visual C++6.0编程,利用Creator软件建立无人直升机三维模型和飞行场景,采用Vega软件实现动画显示效果。硬件部分由3台计算机、3台投影仪和2个控制杆组成,实现多通道视景仿真数据的传输及同步,以及三通道视锥配置,并实现三通道渲染场景的无缝拼接。通过无人直升机在此平台上的飞行仿真证明,该多通道视景仿真系统比传统视景系统的显示效果更为突出。     

微小型无人驾驶直升机建模与仿真分析

首先建立了微小型无人直升机较完整的动力学模型,然后利用参考文献提出的无人驾驶直升机自适应控制器,借助RealFlight模拟飞行软件对动力学模型和自适应控制算法进行了仿真。仿真结果表明,本文所建立的动力学模型与实际直升机的特性基本相符;自适应控制算法较好地控制了无人直升机的运动状态,表明该控制算法完全可以满足无人直升机控制的需要。     

DI/QFT控制器在四旋翼无人直升机飞行控制中的应用

首先建立了四旋翼无人机的非线性数学模型.然后针对该无人机数学模型的不确定性和非线性,采用动态逆(DI)和定量反馈理论(QFT)相结合的方法设计了该无人机姿态回路的鲁棒控制器.应用动态逆方法处理对象的非线性,将系统等效为一个解耦但存在不确定性的线性对象.鉴于动态逆控制在气动参数摄动的情况下不能满足控制要求的事实,设计了QFT控制器,QFT控制器能克服对象的参数不确定性,保障系统的鲁棒性.仿真结果表明,在气动数据变化±20%的范围内,DI/QFT控制器实现了对姿态角的精确控制.     

基于LTCC技术的毫米波键合金丝的分析与优化设计

金丝互连是实现毫米波多芯片组件的关键技术,金丝跨距和焊盘尺寸对其毫米波特性有重大影响.论文采用商业软件对LTCC互连金丝的传输特性进行建模分析,利用5阶低通滤波器模型对金丝传输结构进行改进,一方面最大化了金丝跨距和焊盘尺寸,减小了公差的影响,减轻了对工艺的要求,提高了成品率;另一方面提高了低通特性的截至频率,改善了毫米波频段传输性能,满足工程设计需要.设计中采用软件仿真结果作为训练样本得到神经网络模型,利用遗传算法对改进结构参数进行优化,缩短了设计时间.     

无人机视觉导航算法

为保证无人机着陆精度和安全性,提出了一种无人机自主着陆视觉导航位姿解算方法。首先对机载相机进行标定,获取相机参数;然后综合考虑地标形状和尺寸、地标角点几何分布和角点数量对位姿估计精度的影响,设计了T型着陆地标形状和尺寸参数,将地标轮廓提取和角点检测算法相结合,得到几何分布好、数量适中的8个角点用于位姿解算,保证了位姿解算精度;为减少LK （Lucas-Kanade）光流法稳定跟踪地标的处理时间,直接将提取的这8个角点作为LK光流法检测和跟踪的输入,保证了算法实时性;最后利用三维空间到二维像平面投影关系对飞行位姿参数进行实时解算。实验结果表明:算法具有较高估计精度,算法平均周期为76.756 ms （约13帧/s）,在速度较低的着陆阶段基本满足自主着陆视觉导航的实时性要求。     

基于自适应逆的无人直升机指令控制器设计

使用动态逆和在线神经网络相结合的方法设计了无人直升机的指令控制器。该方法用无人机的似线性模型的动态逆使系统反馈线性化，然后用一神经网络在线消除逆误差的影响。由于在线神经网络的自适应作用，消除了无人机未建模动态和不确定性的影响。仿真结果表明所设计的控制器具有较好的性能。     

使用World Wind Java技术的无人直升机地面站

为了实现无人直升机地面监控站的三维可视化、三维监控和导航功能,提出一种使用World Wind Java技术嵌入无人直升机地面监控站的方法。首先对无人直升机地面监控站的总框架设计和各个功能模块进行了说明,然后对World Wind Java二次开发技术进行了详细说明,重点分析了如何利用World Wind Java开发套件实现无人直升机地面监控站的三维数据管理、图层访问及控制、航迹显示和规划。最后用实例证明该地面监控站应用程序的可行性,以及它具有的良好的可靠性、可移植性和可扩展性。     

一种轻量型YOLOv5交通标志识别方法

针对为提高交通标志识别精度使得神经网络层数过深从而导致实时性不佳的问题,提出了一种轻量型YOLOv5交通标志识别方法。首先采用遗传学习算法和K-means聚类确定适合交通标志识别的锚框,然后引入Stem模块和ShufflenetV2的基础单元网络来替换YOLOv5的主干网络。相比于YOLOv5模型,在中国交通标志检测数据集上,轻量型YOLOv5模型在保持识别精度为95.9%的同时,参数量减少了95.4%,实际内存空间减少了93.9%,在GPU和CPU上运行的速度分别提升了79.7%和75%,极大地提高了交通标志识别的实时性,更适合无人驾驶环境感知系统的部署。     

基于主被动结合的网络入侵检测系统的设计与实现

提出了一种新的基于主被动结合的网络入侵检测系统。详细论述了新的网络入侵检测系统的设计方案，关键技术的研究与实现。本系统所设计的关键技术模块有信息采集模块、蜜罐技术原理和部署模块以及黑板管理模块。该系统采用主动专家系统进行高效的入侵检测，结合蜜罐技术来收集网络中出现的各种攻击信息，运用人工智能的方法将这些攻击信息进行融合、训练，提取和更新攻击知识库，具有一定的自主学习功能和自适应性。     

YOLOv5与Deep-SORT联合优化的无人机多目标跟踪算法

针对无人机平台下小目标检测性能差、目标尺度变化较大、复杂背景干扰等导致跟踪失败的问题,该文提出一种联合优化检测器YOLOv5（You Only Look Once）和Deep-SORT（Simple Online and Realtime Tracking with a Deep Association Metric）的无人机多目标跟踪算法。该算法使用改进的CSPDarknet53（Cross Stage Paritial Darknet53）骨干网络重新构建检测器中的特征提取模块,同时通过自顶向下和自底向上的双向融合网络设计小目标检测层,采用无人机航拍数据集训练更新优化后的目标检测网络模型,解决小目标检测性能差问题;在跟踪模块中,提出结合时空注意力模块的残差网络作为特征提取网络,加强网络感知微小外观特征及抗干扰的能力,最后采用三元组损失函数加强神经网络区分类内差异的能力。实验结果表明,优化后的目标检测的平均检测精度相比于原始YOLOv5提升了11%,在UAVDT数据集上相较于原始跟踪算法准确率与精度分别提高了13.288%、3.968%,有效减少目标身份切换频次。