基于RBF神经网络观测器飞控系统故障诊断

为了解决非线性系统采用解析方法进行故障诊断困难的问题,利用神经网络可逼近任意连续有界非线性函数的能力,提出了一种基于RBF神经网络观测器的故障检测与诊断方法,并详细论述了该故障诊断方法的构造原理。以含有非线性项的飞行控制系统的作动器模型为例,仅作动器的输入输出可测量,通过构造RBF神经网络观测器来拟合作动器系统模型,逼近其在正常情况下的输出。最后在飞控系统的闭环控制环境下,对作动器的三种典型故障进行了计算机仿真诊断,结果表明故障诊断方法是有效的。     

基于有向图的BIT级联虚警分析

机内测试(BIT)是一种提高系统测试性和诊断能力的重要技术,然而系统部件之间及部件内部存在的关联耦合关系往往导致BIT虚警;采用基于有向图的方法对BIT进行虚警分析,在系统级联图中对一种耦合关系提出同胚的概念,并给出了优化方法,给出BIT虚警分析步骤,分析报故部件的故障可信度和虚警可信度;仿真算例表明该方法可有效地应用于BIT虚警的分析。     

基于无迹卡尔曼滤波的迎角/侧滑角估计方法

迎角和侧滑角是飞控系统的重要参数。针对迎角和侧滑角不能够精确测量(尤其在大机动情况下)的问题,研究了一种综合惯导系统数据和飞机的非线性动力学方程,利用无迹卡尔曼滤波来估计飞机的迎角和侧滑角的方法,实现了依靠算法代替传感器获得飞行参数,克服了对硬件(迎角、侧滑角传感器)的依赖性。该方法对系统数学模型的准确性有着较高的要求。仿真验证表明,该方法结构简单。且具有估计精度高、实时性好、抗干扰能力强的特点。     

基于变异的Bayesian优化算法

将变异算子与Bayesian优化算法相结合，提出了一种基于变异的Bayesian优化算法。在算法中设计了一个种群多样性函数，通过此函数引入变异算子，目的是利用变异算子的邻域搜索能力，保持种群多样性，将贝叶斯概率模型提取的全局信息与变异算子的局部信息联系起来，避免陷入局部最优。仿真研究表明基于变异的Bayesian优化算法的寻优能力比Bayesian优化算法更强。     

基于L1自适应控制的四旋翼无人机姿态控制

针对四旋翼无人机模型中存在非线性因素和不确定干扰的姿态控制问题,采用基于投影算子的L1自适应控制方法进行四旋翼无人机姿态控制律设计。首先根据四旋翼无人机运动原理建立多入多出的非线性姿态运动模型,然后针对模型中存在的陀螺力矩干扰、质量分布不均引起的力矩干扰、环境干扰和自身非线性影响,设计L1自适应控制器,分析了系统的鲁棒性能。仿真结果表明了控制系统在满足良好动态性能的同时能够保证良好的鲁棒性。     

基于神经网络改进算法的飞控系统故障诊断

应用神经网络技术对复杂的飞行控制系统进行故障诊断对提高飞机的可靠性和容错能力具有重要意义。为了提高网络的学习效率和稳定性,该文提出一种改进的径向基神经网络学习算法,使用混合共轭梯度优化算法对网络参数进行调整。利用神经网络对某型飞机的飞行控制系统进行故障诊断,仿真结果表明该神经网络具有较强的故障识别能力。     

基于Tiny-YOLOV3的无人机地面目标跟踪算法设计

为了提高四旋翼无人机对地面目标跟踪的稳定性和跟踪精度,提出了一种结合Tiny-YOLOV3和卡尔曼滤波的跟踪算法;首先分析了Tiny-YOLOV3的原理和网络结构,并基于Tiny-YOLOV3的目标检测结果,结合无人机状态和目标的几何关系建立了目标跟踪系统的数学模型;接着对目标相对运动关系进行分析,建立目标的运动学模型,考虑到目标检测结果受干扰影响较大,应用卡尔曼滤波器实现对目标轨迹的滤波和预测,进而提升目标跟踪的精度;最后根据经过卡尔曼滤波后的目标轨迹信息设计无人机控制律,在轨迹控制的同时引入对无人机偏航角的控制,从而实现无人机对目标的稳定跟踪;仿真结果表明无人机对目标的位置跟踪精度在0.5 m以内,速度跟踪误差在0.2 m/s以内,偏航角跟踪误差在3°以内,跟踪效果良好,从而论证了所提算法的有效性。     

基于一致性的多无人机编队算法研究

多无人机协同编队是无人机技术发展的重要方向,相比于单架无人机,编队协同能够增大搜索面积,提高无人机执行任务的效率;为了提高编队控制算法的控制效果和执行效率,以一致性理论为基础,针对无人机的特点和实际飞行情况,设计了改进的一致性编队控制算法,对一致性变量的边界问题进行平滑设计以及限幅处理,设计了σ-范数来调整合适的控制量,通过分段规划获得最佳的轨迹控制效果,并在控制协议中加入对目标点控制,同时对控制算法中的参数进行优化设计,从而实现无人机一致性的稳定控制;最后根据无人机领航—跟随的控制逻辑设计了一致性编队算法,实现了不同紧密编队队形任务;仿真结果表明了经过改进的一致性编队控制算法的有效性。     

无人机视觉SLAM环境感知发展研究

无人机在进行搜索救援等高级任务的时候,往往需要确定自己的位置和环境信息;仿照于人类通过视觉感知环境信息,视觉SLAM是计算机视觉领域里面通过视觉传感器感知环境的信息并快速跟踪自身的位置和建立环境地图的一种前沿技术;文章首先阐述了 VSLAM的重要组成部分:前端处理(特征点法和直接法)、数据关联、后端优化算法(滤波方法和优化方法)和建图;然后总结了一些在无人机上成功应用的典型VSLAM算法,以及在VSLAM发展的30多年的时间里涌现出许多出色的方案和研究机构;接着论述了当前用于无人机VSLAM发展的几个重点问题,多无人机协同的C—SLAM、深度学习和语义分割在SLAM中的应用、以视觉惯导为代表的多传感器融合SLAM;最后,对VSLAM方法进行总结,给出了未来的发展方向,希望对后续研究提供指导和帮助.     

液态CO2相变破岩振动信号能量分布特征

针对液态CO_2相变破岩,设计振动信号监测试验,基于小波包变换分析振动信号能量分布规律。结果表明:液态CO2相变破岩振动信号主振频带与振动信号方向及传播距离相关性较小,基本位于0~4 Hz子频带,但主振频率对应能量分布百分比随着传播距离增加逐渐降低。随传播距离的增加,垂向振动信号高频段能量百分比逐渐增加,低频段能量百分比逐渐降低,且在中高频附近出现与主振频带对应能量百分比逐渐接近的"子中心"频带。同一测点不同方向频率能量分布百分比在0~100 Hz频带存在一定差异,但在其他频域内基本一致。