基于多目标遗传算法的异构无人机协同察打

针对多架异构无人机在未知环境下协同执行搜索打击任务。考虑无人机和目标资源问题,采用了一种组建联盟方式来完成打击任务,建立了组建联盟的多目标优化模型,并提出了一种并行带精英策略非支配排序的遗传算法(NSGA-Ⅱ)求解模型。通过具体的仿真验证了模型的合理性,分析了不同情况下的算法运行速度,并与传统方法进行对比,证明了并行NSGA-Ⅱ具有很强的实时性,且提高了任务的完成效率。     

改进神经网络动态逆着舰控制方法

针对舰载机着舰过程中存在建模误差和舰艉流干扰问题,本文提出一种基于改进神经网络的动态逆控制方法,用以提高着舰控制器的精度和速度。通过在动态逆控制中引入神经网络,对模型误差进行动态补偿,以满足控制器对精度的要求。对神经网络进行改进,引入自适应学习率,提高了网络的收敛速度。仿真结果表明:改进的神经网络动态逆方法对建模误差有较好的抑制作用,收敛速度大大提高,稳态误差趋于零;对舰艉气流有很好的抑制作用,有效维持舰载机着舰姿态和速度,保证舰载机安全着舰。     

高超声速飞行器快速平滑自适应二阶滑模控制

为解决高超声速飞行器在爬升的过程中存在严重匹配/非匹配不确定性的问题,提出了一种新型的自适应超螺旋滑模控制方法以抑制爬升段存在的匹配不确定性,并将该方法与滑模微分器相结合,以解决爬升段存在的非匹配不确定性.首先用滑模微分器估计反馈线性化模型中速度和高度的各阶导数,以缩小反馈线性化模型与原模型的差距;其次在传统超螺旋滑模的基础上,加入线性项以提高收敛速度;将积分项中不连续的符号函数连续化,保证控制输入的平滑性,更大程度削弱抖振;针对未知上界复合干扰,设计了一种自适应参数可增大可减小的自适应律,保证参数既不过大估计,又可放宽初值的选取,保证收敛速度. 仿真结果表明:改进后的控制方法可实现状态量在有限时间内跟踪上指令信号,完成控制要求;且相较于传统超螺旋滑模控制算法,改进的控制方法控制输入更加平滑,收敛速度更快,从而验证了该方法的有效性以及先进性.     

高超声速飞行器弹性自适应控制方法

针对参数不确定情况下高超声速飞行器的控制问题,提出了一种弹性自适应控制方法。给出了高超声速纵向动力学模型,并对其进行反馈线性化处理,分析了参数不确定对线性化处理后的模型的影响。在此基础之上分两步进行了弹性自适应控制律的设计,基于自适应Backstepping控制方法设计了标称控制器,对所构造的李雅普诺夫函数进行分析,得到了最终控制器并证明了系统稳定性。最后与标准Backstepping控制方法进行了对比仿真实验,结果表明所提控制方法对参数不确定具有更好的适应能力。     

基于EEMD分解和多分类支持向量机的飞行器舵面系统故障诊断

为监测无人机舵面系统的工作状态,提出一种集合经验模态分解和后验概率下多分类支持向量机相结合的诊断方法。该方法将飞机方向舵的正常状态、松浮状态、损伤状态、卡死状态以及反向状态等5种典型工况下的输出信号作为研究对象,首先将采集到的信号进行集合模态经验分解,得到一系列成分简单的固有模态函数,然后分别计算各阶分量的能量值并以此构成信号特征矢量,最后以此作为输入信息建立基于后验概率的多分类支持向量机,进而判定飞机舵面系统的故障类型。仿真实验结果表明,该方法可以有效地应用于舵面系统的故障诊断。     

改进遗传算法在舰载机着舰队列排序中的应用

在舰载机着舰过程中,着舰指挥官需要根据飞机的飞行状态和外部条件等因素对舰载机着舰进行实时的调度,确定安全高效的着舰次序。针对舰载机群着舰排序问题,不仅考虑多种因素对着舰排序的影响,而且考虑舰载机着舰失败对着舰排序的影响,提出以减少延迟时间和延误成本为目标的优化数学模型。针对传统遗传算法的不足,提出改进遗传算法,并利用改进遗传算法对模型进行求解。通过仿真实验发现优化后的着舰顺序能够有效地减少延迟时间和延误成本,从而提高甲板利用率。