基于神经网络算法的弹丸阻力系数辨识

为了解决传统辨识方法在应用于弹丸气动参数辨识时所存在的建模误差问题,基于极大似然准则,采用神经网络-牛顿法,对无控旋转弹丸的飞行状态数据进行处理,提取出其零升阻力系数。仿真结果表明,该算法具有较高的辨识精度和可靠性。基于实测数据,采用该算法和应用已成熟的扩展卡尔曼滤波算法进行辨识。结果表明,神经网络算法的前期辨识精度较高,但中期误差较大,而扩展卡尔曼滤波的前期精度较差,故可结合二者的优点有效地解决工程实际问题。     

阵风干扰下平台漂移误差系数辨识研究

飞行器竖立在发射阵地时,会受到阵风的干扰产生振动,从而影响惯性平台的标定精度。为了更好发辨识阵风干扰下的平台漂移误差系数,根据弹体结构力学原理选用了达文波特（Davenport）阵风模型计算出了飞行器在一定风速下的最大振幅,并将振动理想化为欠阻尼振动进行建模。将这个振动加入平台漂移误差建模的过程中。通过建立起平台欧拉角变化率与漂移角速率建立描述平台漂移的状态空间方程,将误差系数看作状态变量,利用扩展卡尔曼滤波算法进行辨识。辨识效果图显示参数收敛速度快且趋于稳定,在加入随机噪声的情况下计算3组数据,得出稳定、可信的结果。     

水下航行体水动参数的仿真辨识

首先写出描述纵平面运动的非线性微分方程,并用小扰动线性方程证明系统参数可辨识性。然后根据选定的量测方案建立观测方程,并按极大似然原理导出非线性动力学系统的参数辨识算法。最后用仿真观测数据辨识出七个水动参数。研究结果表明用水下航行体的初始响应能辨识其水动参数。     

基于卡尔曼滤波最大似然参数估计的气动参数辨识

飞行器气动参数一般通过理论计算或风洞试验数据来获取,由于受诸多因素限制而难以获得精确值;为了提高飞行器动力学模型的精确度,将卡尔曼滤波融合于最大似然参数估计中,利用最大似然函数渐进一致性、估计的无偏性、良好的收敛特性的特点,对各实际工作点的气动参数进行辨识,并详细叙述了进行气动系数辨识的基本步骤。     

基于卡尔曼滤波的锂离子电池模型参数辨识

为了提高锂离子电池仿真模型精度,提出了基于改进的粒子群优化卡尔曼滤波（IPSO-KF）算法辨识电池模型参数。依据卡尔曼滤波算法,根据电池电压、电流,估计电池二阶RC模型参数。利用改进的粒子群算法优化卡尔曼滤波中的协方差矩阵,提高模型参数的辨识精度,建立精确的电池模型。     

基于遗传-最大似然方法高速旋转弹丸阻力系数辨识

为了进一步提高高速旋转弹丸气动参数辨识技术的精度,为射表编制、弹箭飞行控制技术等提供更加可靠的基础数据,对参数的可辨识性问题进行了理论上的定量分析,利用遗传-最大似然方法,通过弹丸空中自由飞行的速度数据对零升阻力系数进行了辨识。通过仿真实验对算法的精确性和可靠性进行了充分的验证。用该算法对实际飞行数据进行了处理,得到了较为精确的弹丸零阻系数,并应用于工程实际问题,分析了仿真实验和实际实验的数据。结果表明,该算法具有较高的数据辨识精度并能有效地解决实际工程问题。     

参数辨识法与卡尔曼滤波法精对准实验研究

为了比较静基座下参数辨识法精对准和卡尔曼滤波法精对准的对准精度,利用导航计算机采集惯性测量组件输出的比力和角增量信号,分别采用参数辨识法和卡尔曼滤波法完成精对准,台架实验结果表明,在粗对准方法相同、精对准时间相等的情况下,卡尔曼滤波法比参数辨识法能够获得更好的对准精度.参数辨识法精对准具有算法简单、运算量小等优点,但是其对准精度不高,适合在要求计算量小但对精度要求不高的条件下使用.卡尔曼滤波法具有较高的对准精度,但是要求系统的模型准确,适合在基座静止、失准角为小角度的条件下使用.     

反坦克导弹气动参数辨识的最大似然法

应用最大似然法对反坦克导弹气动参数进行辩识，建立用最大似然法辨识某反坦克导弹气动参数的基本方程；用仿真数据进行气动参数辨识，以验证数学模型及辨识方法应用的正确性；然后，对实测飞行试验数据进行气动参数辨识并对辨识结果进行分析、比较。     

基于粒子群-牛顿算法的弹丸阻力系数辨识

针对传统牛顿迭代法在辨识弹丸气动参数时需要精确估计参数初值的问题,提出了基于粒子群初值选取的牛顿迭代优化算法辨识弹丸的零升阻力系数.采用弹丸的六自由度模型作为系统模型,以最大似然准则作为辨识判据,结合粒子群算法的群体搜索性以及牛顿迭代法的局部细致搜索性,对辨识判据进行了优化,并且根据灵敏度计算分析了参数的可辨识性.通过仿真和实际数据辨识对算法的精确性和可靠性进行了验证.仿真和实际辨识结果表明,该方法能有效地辨识旋转弹丸零升阻力系数,可为进一步提高射表精度、节省用弹量提供参考价值.     

雷达组网的精确极大似然误差配准算法

针对最小二乘法和卡尔曼滤波方法在雷达网系统中的误差配准问题,提出一种雷达组网的精确极大似然误差配准算法。采用基于圆极投影的极大似然配准算法,利用各雷达站的几何关系,通过极大似然混合高斯一牛顿迭代方法估计出雷达网的系统误差,并进行仿真。仿真结果证明：该配准方法具有良好的一致性,可以用于多雷达组网的误差配准。     

跨介质UAV水面滑跳转向特性建模与仿真

跨介质无人驾驶飞行器(UAV)飞行处于近水面,无法采用常规UAV的气动舵面提供转向力,导致转向困难,机动性较差.基于空气动力学、经典势流理论和二元平面滑行理论,提出了UAV水面滑跳转向方法,建立了跨介质UAV滑跳转向飞行动力学模型,并进行了仿真计算,重点研究了跨介质UAV滑跳转向特性及其影响因素,给出了抑制UAV横滚的解决措施.仿真结果表明,跨介质UAV入水角和固定舵角在滑跳转向过程中对自身姿态及其弹道形态均有较大影响.该结果可以为跨介质UAV提供方案总体设计、弹道规划、可靠性设计和控制系统设计理论依据和计算方法.     

水下超空泡航行器巡航段稳定控制

为研究水下超空泡航行器巡航段稳定控制,保证弹道的可靠性,提出了对超空泡航行器的纵平面、水平面和横滚进行稳定控制.从超空泡航行器流体动力产生的机理出发,提出了一种适应于稳定控制的流体动力布局,建立了航行器空间运动模型,采用空化器首舵对航行器巡航段进行控制,利用极限操舵的控制模式降低了三通道之间的耦合.针对超空泡航行器稳定控制进行了系统动态特性仿真.仿真结果表明弹道航向稳定、深度偏差小、横滚振荡幅度可控;航行器运动参数可迅速达到期望值,过滤过程和稳定性满足系统要求,鲁棒性强.     

人工神经网络改进的AHRS/GPS紧耦合滤波算法

以陆用AHRS/GPS紧耦合系统为研究对象,建立了基于伪距-伪距率-航向角的组合观测数学模型,采用RBF网络辅助的EKF导航滤波器,逼近组合系统的非线性特性,实现自适应的导航参数解算.仿真结果表明:方法可快速、准确地逼近系统非线性模型,估算的姿态角误差均方差较标准EKF减小了约5.9%～22.8%.在传感器精度有限的情况下,所获得的导航精度和动态性能均有提高.     

基于自适应EKF的平台漂移误差模型参数仿真研究

基于惯性平台漂移误差模型是一个复杂的非线性系统，文中引用自适应EKF算法对惯性平台漂移误差模型进行了分析研究，对模型中的某些重要误差参数进行了计算机仿真，并对仿真结果进行了分析。分析表明：该算法寸以很好地实现对平台漂移误差模型参数的辨识。     

基于气动参数辨识的飞控系统传感器故障估计

气动参数的不确定性使得飞行器表现出明显的模型时变特点,此类系统的故障诊断问题是一个难点。以无人机纵向运动为研究对象,提出一种基于气动参数辨识和迭代学习的传感器故障估计方案。将增广容积卡尔曼滤波（ACKF）算法用于气动参数估计,实现飞机模型的在线辨识。故障一旦发生,将辨识得到的气动参数用于局部包络建模,并利用迭代学习算法构造传感器故障估计器。此外,为提高故障的迭代收敛速度,提出一种基于扩张状态观测器(ESO)思想的迭代学习算法。故障仿真实验表明了所提方法的可行性和有效性。     

基于TLC的高超声速飞行器自抗扰姿态控制

针对高超声速飞行器控制指令受噪声干扰、气动参数不精确、各通道强耦合以及舵面偏角有限等特点,设计了基于轨迹线性化（TLC）的自抗扰姿态控制器。针对姿态角指令信号受噪声干扰、姿态回路受加速度限制的特点,应用最速二阶跟踪微分器对姿态指令进行预处理;应用轨迹线性化方法分别对姿态角回路、角速率回路设计解耦控制器;为了提高控制器的鲁棒性,在角速率回路以综合干扰为扩张状态设计扩张状态观测器（ESO）,并对综合干扰进行补偿。仿真结果表明,该方法可以有效滤除指令信号中噪声、减小舵面偏角,并提高控制系统的鲁棒性。     

双模制导航弹静稳定性数值分析

采用二阶Roe格式求解三维N-S方程,根据航弹雷诺数较高、计算网格不规则的特点,选用Spalart-Allmaras代数模型。首先,对卫星制导航弹绕流流场进行大量数值模拟,与风洞吹风试验数据对比,验证了数值方法的有效性。在此基础上对双模制导航弹在不同的攻角和不同来流速度以及不同舵偏角下的绕流流动进行数值模拟,对航弹的升阻特性、纵向静稳定性进行了详细分析,获取的气动参数分布规律对此类双模制导航弹气动布局设计具有一定的参考价值。     

无人艇非线性航迹鲁棒自适应跟踪控制

针对欠驱动水面无人艇（USV）的非线性航迹跟踪控制问题,提出一种基于单调3次埃尔米特样条插值（CHSI）和神经网络的鲁棒自适应控制方法。采用CHSI方法对航路点进行拟合,得到光滑的非线性期望航迹,解决了传统线性航迹容易使USV出现的摇摆、曲折问题;引入Serret-Frenet坐标系,并构建了自适应视线制导律,提高了收敛速度且减少了振荡;考虑USV模型的不确定性和环境干扰力影响,设计了简捷的鲁棒自适应神经网络控制器。稳定性分析结果证明了控制系统的收敛性;仿真实例验证了所提出的控制方法能够有效地改善USV航迹跟踪控制的精度和品质,并具有学习参数少、运算负载小的特点。     

欠驱动水面无人艇鲁棒自适应位置跟踪控制

为解决考虑参数不确定的欠驱动水面无人艇(USV)在恒定海流干扰下水平面位置跟踪问题,提出一种欠驱动USV神经网络自适应位置跟踪控制策略。基于反步法设计了一种非线性控制器,采用动态面方法获取虚拟变量的导数,减小了虚拟变量直接求导的复杂性;针对欠驱动USV参数不确定问题,运用神经网络自适应方法对USV系统不确定函数进行逼近,克服了欠驱动USV参数不确定难题;设计一种指数收敛海流观测器,有效地估计了恒定海流速度。通过李雅普诺夫稳定性理论证明了该闭环控制系统的稳定性;同时仿真验证了该控制策略的有效性和鲁棒性。     

基于姿态反馈实现过载跟踪的飞行器控制方法

针对依靠气动力提供控制力和控制力矩的飞行器,在构建俯仰-偏航通道非线性数学模型的基础上,提出一种兼顾机动能力和姿态稳定性能的飞行器控制系统设计方法。基于飞行器过载与姿态的等效转换,将制导律计算的过载指令转化为姿态角指令,进而通过以姿态角反馈为主、过载补偿为辅的控制系统设计实现对过载指令的精确跟踪。通过频域相对稳定性分析,验证该方法的稳定性;通过飞行器6自由度仿真,验证该方法在各项随机误差下既能够实现制导对过载的跟踪要求,又达到对飞行器姿态进行鲁棒稳定控制的目的。研究结果表明,该方法简单可靠,具有良好的动态特性和很强的鲁棒性,已得到工程应用验证。