无人机自动撞网着舰轨迹自适应跟踪控制

针对舰载小型固定翼无人机的自动撞网着舰技术进行研究,基于无人机气动数据建立六自由度非线性数学模型。构建无人机撞网着舰引导与控制系统结构,设计了撞网着舰三维基准下滑轨迹,采用滤波引导方法设计纵向和侧向引导律。在无人机模型参数未知的情况下,采用模型参考自适应控制分别设计了升降舵、油门、副翼和方向舵控制通道的自适应控制律。舰载无人机非线性模型的数值仿真结果表明,自适应飞行控制方法下的无人机具有较精确的着舰轨迹跟踪性能。     

舰载飞机自适应模糊直接力着舰控制

考虑到舰载飞机精密着舰控制需求,针对舰载飞机着舰实际状态模型存在的强时变性、参数不确定性及复杂环境干扰,提出一种基于自适应模糊控制方法的舰载飞机着舰控制系统.调用襟翼通道控制权限,将所提方法应用于襟翼通道实现直接升力控制,并利用模糊系统逼近难以精确描述的舰载飞机六自由度非线性系统模型,实现着舰下滑道的精确跟踪,提高着舰...     

深度确定性策略梯度和预测相结合的无人机空战决策研究

针对无人机自主空战机动决策过程中遇到的敌方不确定性操纵问题，提出了一种目标机动指令预测和深度确定性策略梯度算法相结合的无人机空战自主机动决策方法。对空战双方的态势数据进行有效的融合和处理，搭建无人机六自由度模型和机动动作库，在空战中目标通过深度Q网络算法生成相应机动动作库指令，同时我方无人机通过概率神经网络给出目标机动的预测结果。提出了一种同时考虑了两机态势信息和敌机预测结果的深度确定性策略梯度强化学习方法，使得无人机能够根据当前空战态势选择合适的机动决策。仿真结果表明，该算法可以有效利用空战态势信息和目标机动预测信息，在保证收敛性的前提下提高无人机自主空战决策强化学习算法的有效性。     

基于强化学习的旋翼无人机智能追踪方法

针对旋翼无人机追踪场景中常用的PID控制方法与视觉伺服控制方法的不足,该文尝试将视觉伺服控制与强化学习结合,提出了一种基于强化学习的旋翼无人机智能追踪方法。首先使用基于图像的视觉伺服实现旋翼无人机的闭环控制,然后建立使用Sarsa学习算法调节伺服增益的强化学习模型,通过训练可以使得旋翼无人机自主选择视觉伺服增益。该文设计了旋翼无人机在实物场景与仿真场景下的运动目标追踪实验,实验结果论证了该方法相对于PID控制与基于图像的视觉伺服控制方法具有更好的追踪效果。     

视觉感知的无人机端到端目标跟踪控制技术

针对无人机机动目标跟踪的自主运动控制问题,提出连续型动作输出的无人机端到端主动目标跟踪控制方法. 设计基于视觉感知和深度强化学习策略的端到端决策控制模型,将无人机观察的连续帧视觉图像作为输入状态,输出无人机飞行动作的连续型控制量. 为了提高控制模型的泛化能力,改进基于任务分解和预训练的高效迁移学习策略. 仿真结果表明,该方法能够在多种机动目标跟踪任务中实现无人机姿态的自适应调整,使得无人机在空中能够稳定跟踪移动目标,显著提高了无人机跟踪控制器在未知环境下的泛化能力和训练效率.     

舰载直升机复杂舰面上的动力学分析

对舰载直升机着舰后的运动动力学进行了研究。首先针对海浪信号的随机不确定性,根据海浪波理论,提出了海浪信号的数学模型,然后利用海浪谱描述海浪的统计特性,运用MATLAB仿真平台仿真出不规则海浪并对其进行谱分析。最后基于拉格朗日方程,建立了着舰的机身动力学模型,对摇摆舰艇上的舰载机进行了动力学仿真并采用龙格库塔法对动力学模型进行实时解算。     

菲涅耳引导光线惯性补偿稳定规律研究

过于狭窄的着舰甲板、航母的海上运动以及舰尾气流场的扰动,使得舰载机的着舰任务困难重重.在众多着舰方式中,菲涅耳光学引导着舰是最可靠、最常用的着舰方式.该文系统的介绍了菲涅耳引导系统(FLOLS)的组成、引导机理和惯性稳定补偿原理.利用国外的实测参数,采用成型滤波器的方法获得了船体的运动形式,根据系统结构配置分别建立了引导光线模型和惯性稳定补偿模型,通过静态仿真研究验证了模型的正确性和惯性稳定补偿策略的稳定效果,通过动态仿真分析得到了基于惯性稳定补偿的引导光线的运动规律.本文的研究为菲涅耳助降引导系统的实际应用和系统的引导控制研究提供了依据.     

三旋翼无人机在运动甲板上的着舰控制研究

在无人机着舰最后阶段,舰船的甲板运动严重威胁着无人机的着舰安全,其中,沉浮和横摇运动威胁最大。为了使无人机能够安全着舰,研究了在运动甲板上着舰的控制策略,该控制策略可以有效减少甲板沉浮和横摇运动对安全着舰的影响。它通过测量舰船的横摇和沉浮运动,并根据测量的历史数据预测未来2~3 s内着舰时的状态,再配置以稳定的下降控制,使无人机实现安全着舰。另外,为了控制触舰时飞机与甲板之间的相对垂直速度,采用了2种速率控制方法进行了仿真比较。经过仿真分析验证,该控制策略下,2种下降控制方法都能使着舰时的性能指标符合要求。     

深度强化学习智能驾驶汽车增广决策模型

针对状态机决策模型不能有效处理冰雪环境下丰富的上下文信息和不确定因素影响等问题,构建了一种基于深度Q网络算法（DQN）的深度强化学习智能体。使用运动规划器对该智能体进行增广,将基于规则的决策规划模块和深度强化学习模型整合在一起,建立了DQN-planner模型,从而提高了强化学习智能体的收敛速度和驾驶能力。最后,基于CARLA模拟仿真平台对DQN模型和DQN-planner模型在低附着系数冰雪路面上的驾驶能力进行了对比实验,分别就训练过程和验证结果进行了分析。     

融合环境模型与深度强化学习的游戏算法

针对基于深度强化学习的游戏算法在训练Agent过程存在的训练速度慢的问题,提出一种新的融合了环境模型与深度强化学习的游戏算法.该算法考虑到Agent以前执行过相关任务的经验的重要性,并将这些任务经验转化为环境模型.首先Agent从环境模型中学习,待Agent从环境模型中学习后,然后再与环境交互.这样可以让Agent少犯错误,加快Agent的学习速度.为了验证算法有效性,在ALE游戏平台上选取两部游戏进行两种算法的仿真实验.实验结果表明新的算法在选取的两部游戏中都可以有效的提高Agent的训练速度.     

基于有效跟踪的平均渐进瞬时差分学习遗忘算法

智能体通过学习最优决策来解决其决策问题.激励学习方法是智能体通过与其所处的环境交互来改进它自身的行为.Markov决策过程(MDP)模型是求解激励学习问题的一般框架,瞬时差分TD(λ)是在MDP模型下与策略相关的学习值函数的一种算法.一般情况下,智能体必须记住其所有的值函数的值,当状态空间非常大时,这种记忆的量是大得惊人的.为了解决这个问题,给出了一种遗忘算法,这种算法把心理学的遗忘准则引入到了激励学习之中.利用遗忘算法,可以解决智能体在大状态空间中的激励学习问题.     

飞机在航母飞行甲板上着舰时的冲击轮载

据飞机在刚性地面降落的冲击轮载资料，计及航母在波浪中的运动及阻拦索的减速作用，利用动力学基本原理，考察航母在规则波中航时飞机着舰时的冲击轮载，计算结果表明，航母的运动对飞机冲击轮载的影响是明显的。     

Pass-ball trainning based on genetic reinforcement learning

0　ＩＮＴＲＯＤＵＣＴＩＯＮＥｓｔａｂｌｉｓｈｉｎｇａｉｎｄｅｐｅｎｄｅｎｃｅｒｏｂｏｔｗｈｏｌｅａｒｎｔｏｃａｒ ｒｙｏｕｔｔａｓｋｄｅｐｅｎｄｉｎｇｏｎｖｉｓｕａｌｉｎｆｏｒｍａｔｉｏｎｈａｓｂｅｃｏｍｅａｐｒｉｍａｒｉｌｙｃｈａｌｌｅｎｇｅｏｆａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ .Ｒｅｃｅｎｔｌｙ ,ａｓａｋｉｎｄｏｆｒｏｂｏｔｌｅａｒｎｉｎｇａｐｐｒｏａｃｈｔｈａｔｎｅｅｄｎｏｔｒａｎ ｓｃｅｎｄｅｎｔａｌｋｎｏｗｌｅｄｇｅａｎｄｈａｓｈｉｇｈｒｅｓｐｏｎｓｅａｎｄａｄａｐｔａ ｔｉｏ…     

虚拟样机技术在飞机地面载荷分析中的应用

为了准确分析飞机着陆过程中的飞机地面载荷,将虚拟样机技术应用到飞机动力学仿真分析中,基于ADAMS软件对飞机地面载荷进行分析计算.首先在ADAMS/Aircraft下建立全机仿真模型,然后利用全机仿真模型进行飞机地面载荷仿真计算,最后分析不同着陆参数和机身刚度特性对飞机地面载荷的影响,并通过实例计算可以看出相对于传统方法而言,虚拟样机技术在飞机地面载荷分析中的应用能提高飞机地面载荷计算的计算效率和准确性,也使得分析过程更加直观和方便.     

考虑运动加速度干扰的无人机姿态估计算法

为解决动态环境下无人机导航系统姿态估计易受传感器噪声和运动加速度干扰的难题,提出一种考虑运动加速度干扰的无人机姿态估计算法。首先,建立运动加速度估计模型,根据基于卡尔曼滤波的加速度误差模型和由外部传感器提供的速度信息实现对运动加速度的精确估计,利用运动加速度估计模型获得的运动加速度对加速度计的原始值进行修正,降低动态环境下运动加速度对姿态估计的干扰。随后,搭建基于互补滤波的姿态估计模型,利用磁力计信息和修正后加速度信息构建陀螺仪修正量,对陀螺仪原始值进行修正,设计互补滤波器滤除来自加速度计和磁力计的高频噪声和来自陀螺仪的低频噪声,避免传感器噪声信号对姿态估计的干扰。最后,利用无人机试飞过程中采集的传感器信息对该算法进行实验验证。实验结果表明,该算法可以精确估计无人机机动过程中所产生的运动加速度,有效减弱传感器噪声和运动加速度对姿态估计的干扰,该算法显著提高了无人机导航系统在动态环境下姿态估计的精度和抗干扰能力。     

基于混合遗传算法求解飞机定常状态

为保证对飞机定常状态准确求解,在分析了定常状态的基本特性和相应约束条件的基础上,提出了一种新的混合遗传算法.算法基于"学习潜能"的概念将遗传算法中的拉马克学习与鲍德温学习两种学习机制有机结合在一起,将局部搜索次数在群体中进行合理分配,使学习的优势得到充分发挥,使其不足得到有效抑制.本文算法不依赖于飞机动力学模型的具体形...     

Vision algorithms for fixed-wing unmanned aerial vehicle landing system

Autonomous landing has become a core technology of unmanned aerial vehicle (UAV) guidance, navigation and control system in recent years. As a novel autonomous landing approach, computer vision has been studied and applied in rotary-wing UAV landing successfully. This paper aims to fixed-wing UAV and focus on two problems: how to find runway only depending on airborne front-looking camera and how to align UAV with the designated landing runway. The paper can be divided into two parts to solve above two problems respectively. In the first part, the paper firstly presents an algorithm of region of interest (ROI) detection, which is based on spectral residual saliency map, and then an algorithm of feature vector extraction based on sparse coding and spatial pyramid matching (SPM) is proposed, finally, ROI including designated landing runway is recognized by a linear support vector machine. In the second part, the paper presents an approach of relative position and pose estimation between UAV and landing runway. Estimation algorithm firstly selects five feature points on the runway surface, and then establishes a new earth-fixed reference frame, finally uses orthogonal iteration to estimate landing parameters including three parameters of distance, height and offset, and three pose parameters of roll, yaw, pitch. The experimental results verify the effectiveness of the algorithms proposed in this paper.     

TECS｜H_∞控制在无人机纵向着舰中的应用研究

针对无人机纵向自动着舰,运用总能量控制（TECS）的思想建立了无人机纵向自动着舰系统,设计了H∞输出反馈控制器。为了实现对移动目标的跟踪,引入了一种新的着舰导引控制算法,通过对所设计的先锋无人机的纵向自动着舰导引系统仿真表明,通过升降舵和油门的协调控制,实现了速度和航迹的解耦控制,且该设计能满足着舰要求,能有效地抑制舰尾流干扰的影响,具有良好的鲁棒性能。