基于注意力机制的高超声速飞行器LSTM智能轨迹预测

临近空间高超声速飞行器具有非惯性轨迹形式和大范围、强机动的突防能力,对目标飞行轨迹的准确预测能够为反导拦截系统有效拦截提供有力技术支持。针对高超声速飞行器的滑翔式和跳跃式飞行轨迹预测问题,提出一种基于注意力机制的Seq2Seq轨迹预测模型,利用LSTM网络设计编码器和解码器,同时利用注意力机制提取的信息进行解码预测。该网络以目标轨迹的位置、速度、弹道倾角和攻角六维特征序列作为输入网络,网络输出为未来一段时间内的连续轨迹序列,利用弹道仿真模型获得的目标飞行器轨迹数据作为训练集对网络进行训练与优化。实验结果表明,该网络能够对高超声速飞行器的多种飞行轨迹进行有效的轨迹预测,预测误差小,能够为反导拦截系统提供有利参考。     

基于Mogrifier-BiGRU的飞行器轨迹预测

针对当前飞行器轨迹预测准确性低的问题,引入双向传播机制和Mogrifier数据耦合模块,改进传统门控循环单元网络,提出基于Mogrifier-BiGRU的飞行器轨迹预测算法,加强网络对历史数据的学习与记忆,使得输入信息与隐藏层数据的充分耦合,提高预测准确度。仿真结果表明,所提方法对飞行器轨迹预测的准确度可达到96.26%,满足我方作战指挥人员对战场态势趋势准确预测的实际需求。     

基于卷积神经网络与长短期记忆神经网络的弹丸轨迹预测

针对弹丸非线性轨迹预测问题,提出一种基于卷积神经网络(CNN)与长短期记忆(LSTM)神经网络的混合轨迹预测模型。通过建立6自由度弹丸运动模型,并使用4阶龙格库塔法外弹道仿真,得到大量轨迹数据样本;提出CNN-LSTM神经网络的混合轨迹预测模型,并利用滑动窗口法和差分法构造输入输出的轨迹数据对,将预测问题转化为有监督的学习问题;将所提模型与LSTM神经网络模型、门控循环单元(GRU)神经网络模型和反向传播(BP)神经网络模型在同一数据集下进行仿真实验。研究结果表明,CNN-LSTM神经网络模型预测3 s后的平均累积预测误差在x轴方向约为14.83 m,y轴方向约为20.77 m,z轴方向约为0.75 m,且轨迹预测精度优于单一模型,为弹丸轨迹预测研究提供了一定的参考。     

智能驾驶车辆轨迹预测方法综述

针对目前车辆轨迹预测难点,对车辆轨迹预测方法的分类和研究现状进行综述。根据模型实现预测时域 的不同,将现有算法分为短时域和长时域的车辆轨迹预测方法;介绍短时域的基于物理模型和传统机器学习预测方 法的基本概念及研究现状,总结对比长时域的基于深度学习、神经网络和基于车辆驾驶行为意图识别的预测方法。 分析结果表明：长时域方法能够解决车辆轨迹预测难点问题,保证智能车辆高效、安全驾驶。     

基于视频的装甲车和飞机检测跟踪及轨迹预测算法

针对当前视频目标跟踪算法跟踪多目标容易跟丢的问题,以视频中的装甲车、飞机为研究对象,研究一种改进跟踪学习检测(TLD)的视频多目标检测跟踪算法.对于跟丢的目标,利用Kalman滤波算法的预测功能跟踪视频中典型目标的轨迹,并采用Kalman滤波算法跟踪的轨迹来弥补TLD算法丢失的部分,从而获得视频中典型目标的完整轨迹,以...     

多约束光学雷达轨迹规划技术

为进一步提高光学雷达的跟踪能力,需要研究其轨迹规划技术。充分考虑各种强约束条件,建立了轨迹规划模型。设计了一种P阵与FISHER信息量相结合的目标函数,采用伪线性卡尔曼滤波进行轨迹规划。仿真结果表明,沿规划的航迹飞行,不但能够满足光学雷达被动跟踪的各种约束条件,而且跟踪速度快,估计精度高。这也验证了轨迹规划技术的有效性,为实战中光学雷达的合理应用奠定基础。     

基于序列模式的多步攻击挖掘算法的研究

为解决多源、异构网络告警融合中蕴含的多步攻击难以被发现的问题,提出一种基于频繁告警序列模式的挖掘模型.利用动态时间窗口对报警数据进行划分,将IDS、防火墙报警数据转化为报警序列;根据报警序列的相似度构造攻击序列集,从而利用两条攻击序列的属性信息判断同一个攻击场景的攻击前后步骤的关联性.实验结果证明:在不需要制定复杂关联规则和储备先验知识的基础上,该模型能自动地向用户提供最小支持度范围,提高关联算法的准确性,为成功发现多步攻击.     

基于Volterra级数的自适应水声信号预测方法研究

背景噪声和混响干扰是声纳目标探测中的主要干扰源,如何有效地减小它们对声纳工作特性的影响一直是水声信号处理关注的焦点.利用Volterra级数理论,建立水声信号的非线性动力学模型,通过对水声信号的局部预测,实现对背景噪声的降噪和混响干扰的抑制.结合二阶Volterra自适应滤波器和基于奇异值分解的自适应滤波算法,分别采用直接法和迭代法完成了对水声信号的一步及多步预测.仿真结果表明,基于Volterra级数模型的水声信号迭代预测方法比直接法不仅具有更好的预测性能,而且还可以实现多步预测.     

基于机动单元库的TSO-GRU-Ada机动轨迹预测

机动轨迹预测是自主空战中的一个重要组成部分。针对无人战斗机机动轨迹预测精度低且时耗过长的问题,提出一种基于机动单元库的自适应集成三角优化门控循环神经网络预测方法。建立无人战斗机3自由度模型,解决轨迹数据来源问题;通过4种轨迹特征,将轨迹分为平面机动、空间左转弯机动和空间右转弯机动三类,构建21种基本机动单元;介绍门控循环神经网络,为避免网络梯度优化陷入局部最优,引入三角搜索优化算法更新网络内部权值和偏置。为提高预测精度,采用自适应增强算法构建强预测器;通过实验选取预测器最优参数,在不同机动单元情况下进行预测,预测精度较高且均能满足时耗要求;为检验在机动轨迹上的预测性能,从空战训练测量仪中选取一段轨迹,与5种不同预测模型进行对比。研究结果表明,所提模型的预测精度最佳。     

基于模型预测控制的无人驾驶履带车辆轨迹跟踪方法研究

无人驾驶履带车辆的轨迹跟踪面临着系统不确定性和外界干扰等难以克服的不利因素。针对这一问题,通过研究履带车辆的滑动转向特性,建立了基于瞬时转向中心的履带车辆运动学模型。同时,针对参考路径是离散路点序列的特点,提出了一种基于3次Bezier曲线的参考路径自适应拟合方法,在实现路径平滑基础上提供道路的曲率信息。考虑到模型不确定性和外界干扰对轨迹跟踪精度的影响,设计了基于模型预测控制的轨迹跟踪控制器,并引入反馈校正,系统地处理无人驾驶履带车辆建模误差、环境约束以及执行机构约束。实车试验结果表明,该方法可以有效地抑制系统不确性和外界干扰的影响,实现无人驾驶履带车辆高精度的轨迹跟踪控制。     

基于增强上下文信息长短期记忆网络的弹道轨迹预测

根据己方观测数据进行弹道轨迹预测是现代陆军实施精准打击的重要一环。针对现有弹道轨迹预测方法存在精度不足且实时性不强的问题,提出一种新的增强上下文信息长短期记忆(CE-LSTM)网络轨迹预测模型,进行弹道轨迹的长期精准预测。在LSTM网络可逼近任意非线性函数且具备长期记忆能力的基础上,构建隐藏层输出混合单元提取短时上下文信息,进一步逼近弹体运动状态;通过建立不同条件下的弹道轨迹的数据集,训练得到具备最优超参数的CE-LSTM网络。实验结果表明,与弹道微分方程组的数值积分解法以及高斯混合模型相比,CE-LSTM网络在预测的精度上优于其他2种方法,预测速度提高了3～10倍,且具备较强的泛化能力。     

基于卷积神经网络的无人作战飞机飞行轨迹实时预测

飞行轨迹预测是空战技术的一部分,预测方结合轨迹预测结果可以选择出更有预见性的机动。为快速、准确地获得无人作战飞机在未来时刻的位置,提出了基于卷积神经网络的飞行轨迹预测方法。原始动力学模型不能正确仿真滚转角有偏差的筋斗机动,采取限制角速度的方式对该模型进行改进;使用改进后的模型在不同条件下进行飞行仿真,得到大量轨迹样本;训练并测试具有不同层数和卷积核数的网络,从中找出预测误差最小的网络;对比卷积神经网络与长短时记忆网络、循环神经网络、全连接网络的运算速度和误差,结果表明：卷积神经网络预测方法在没有增加运算用时情况下,0.25 s后的平均预测误差在x轴方向约为4.2 m,y轴方向约为8.0 m,z轴方向约为19.5 m,且误差均小于其他3种方法。     

基于滑动参数实时估计的履带车辆运行轨迹预测方法研究

要实现履带车辆的无人驾驶,在轨迹规划阶段需要准确预测其未来一段时间内的运动轨迹,然而履带与地面之间的滑动使车辆运动轨迹的准确预测变得非常困难。通过研究转向过程中履带接地段的运动,建立基于瞬时转向中心的履带车辆运动学模型。针对车辆的相对位姿是滑动参数的泛函,雅可比矩阵难以求解的问题,通过对泛函微分方程线性化,推导了雅可比矩阵的解析解。根据车辆相对位置计算值和测量值的差值,运用Levenberg-Marquardt算法迭代求解滑动参数,并结合给定控制序列预测未来一段时间内车辆的运动轨迹。该方法不需要提前知道土壤参数,并且能够实时估计滑动参数,以适应路面变化。实车试验结果表明,与传统轨迹预测方法相比,利用该方法预测车辆轨迹时,车辆位置偏差减少30%以上。     

基于EMD和LSTM的火箭炮电气系统状态预测

为对火箭炮电气系统状态进行预测,提出一种基于EMD-LSTM的火箭炮电气系统状态数据预测方法.针对火箭炮电气系统状态数据的变化特点,将经验模态分解(empirical mode decomposition,EMD)良好的滤波特性和长短期记忆网络(long short term memory network,LSTM)优异的数据预测能力相结合,并进行预测分析实验.实验结果表明:该方法预测的数据与原始数据之间的均方根误差值较小,且优于直接对原始数据进行预测的结果,能为火箭炮电气系统故障预测提供可靠的数据.     

基于BAS-BP 神经网络的多应力加速寿命试验预测方法

为解决多应力条件下加速寿命试验中建立复合加速模型困难、模型参数难以求解以及建模过程中通常忽 略应力间耦合作用的问题,根据天牛须搜索建立改进的BP 神经网络模型。使用多应力加速寿命试验中收集的4 组 应力水平的失效数据对BAS-BP 神经网络模型进行训练,对第5 组应力水平下的可靠度与失效时间进行预测。利用 平均相对误差、拟合优度2 个参数对模型的预测结果进行评价,并与BP 神经网络的预测结果进行对比。结果表明, BAS-BP 神经网络具有更好的准确性及鲁棒性。     

基于高斯伪谱法的二级助推战术火箭多阶段轨迹优化

针对二级助推战术火箭在多种约束下的高精度轨迹优化问题,提出了一种基于高斯伪谱法（GPM）的多阶段轨迹优化方法。针对二级发动机的工作特点,将全弹道划分为发射段、爬升段、续航段和制导攻击段4个阶段。为了提高禁飞区或敌方火力覆盖区附近的优化轨迹精确度,引入准接触点概念,将全弹道进一步进行阶段细分,并以连接点确保相邻阶段的顺利连接。利用GPM将轨迹规划问题转化为非线性规划问题进行求解。为了进一步提高计算效率、降低初值设置的难度,设计了基于初值生成器的迭代策略,实现了二级助推战术火箭多阶段轨迹优化。充分考虑飞行器各阶段飞行特点和约束,通过数值算例表明了该方法的优点。仿真结果表明,所提优化方法求解效率高,能够得到可行的最佳轨迹。     

基于头峰的多步分解反应过程热失控特征参数计算方法研究

目前微通道反应器在含能材料合成领域广泛应用,极大提高了合成过程的安全性,但是仍然需要关注物料的热稳定性。绝热条件下最大反应速率到达时间（TMR_ad）与TMR_ad为24 h所对应的引发温度（T_D24）是两个表征危险化学品及含能材料热分解危险性的重要特征参数,这两个参数的传统计算方法为单步N级法和数值计算法,存在分析过程费时费力的缺点。为此,根据差示扫描量热仪动态升温测试曲线,提出了基于头峰（即多峰曲线分峰后的第一个峰）的热分解失控特征参数计算方法,采用穷举法比较了该方法与模型计算法的T_D24偏差,进行了数值模拟验证,并基于文献实验计算了1,8-二硝基蒽醌、改性硝基胍（M-NQ）、1,5-二硝基蒽醌和3,4-二硝基呋咱基氧化呋咱（DNTF）4种物质的热失控特征参数。数值模拟结果表明,对于两步和三步连续反应,T_D24的最大偏差百分比分别为2.88%和6.9%,最大偏差为6.41 ℃;对于三步连续反应,T_D24最大偏差为5.39 ℃。结果表明,4种含能材料的T_D24计算偏差分别为-4.55,0.71,3.16 ℃和-0.84 ℃,与模型计算法得到的T_D24相比,偏差百分比的绝对值均小于2%。并且证实了T_D24计算方法的有效性,计算T_D24时偏差较小,计算简便,能够较为准确地获得其热分解失控特征参数。     

基于序列梯度-修复算法的再入飞行器轨迹优化

为研究序列梯度-修复算法在升力式再入飞行器轨迹优化中的应用,给出了控制量约束、过程约束的转化过程,同时结合再入飞行器的强非线性,引入了状态积分,改进了序列梯度-修复算法的更新方法,对改进的算法在升力式再入飞行器拟平滑轨迹优化中的实用性进行了比较分析.仿真结果表明：给出的约束处理方法合理有效;改进的序列梯度-修复算法较原始算法在收敛速度和优化效果上有明显提升,能在更短的时间内获得一条满足约束的升力式再入飞行器拟平滑轨迹,在飞行器轨迹优化中具有较强的应用和发展潜力.     

基于热响应特性的高速飞行器多约束轨迹优化

在高速飞行器轨迹设计中,以驻点热流和总加热量为表征的传统热约束形式未能真实反映飞行器的动态热响应过程,存在约束表征不合理和过约束的缺陷。针对该问题,在传统飞行力学研究范畴的基础上,通过热环境近似拟合和热响应方程形式变换,建立包含热响应模型的高速飞行器增广动力学模型。对增广动力学模型进行热响应特性测试,结果表明在满足多约束条件下,采用跳跃飞行模式相较于平衡飞行模式可显著降低高速飞行器的内壁温度。最后使用自适应Radau伪谱法对多约束条件下的内壁温度优化问题进行研究。结果表明,相较于最佳升阻比攻角平衡飞行方案,优化设计得到的跳跃轨迹可将内壁温度降低78.4 K（降低13.97%）,优化效果明显,实现预期目标。     

变机动高超声速滑翔目标的轨迹序列预测算法

针对变机动临近空间高超声速滑翔目标轨迹难以准确预测的问题,提出一种基于ARIMA-UKF的轨迹预测算法.首先,在目标机动变化情况下通过无迹Kalman滤波(Unscented Kalman Filter,UKF)算法实现对目标的跟踪估计,为轨迹预测提供基础数据;其次,通过对数据进行平稳性分析、模型辨识、参数估计和模型诊...