基于卡尔曼滤波的AR模型无人自主空中加油预测制导策略

为了改善无人机自主空中加油(AAR)“捕获”阶段中受油机对锥套的“被动跟随”状况,对此阶段实施预测制导方案,即利用自回归(Auto Regressive, AR)模型预测锥套飘摆的未来位置作为受油机导航点,并依据卡尔曼(Kalman)滤波原理对模型进行参数估计。通过加油仿真试验现象对提出方案的实时性能进行定量分析,并提出4种提高实时性的优化措施。仿真结果表明,所提出算法具有极高的预测精度,改善后的方案满足空中加油场景的实时性要求,能够使加油对接成功率显著提高,对无人机自主空中加油技术的实现具有重要意义。     

用于卫星制导弹药落点预测的卡尔曼滤波算法

为即时地准确地预测弹丸落点,文中建立了基于质心弹道模型的卡尔曼滤波状态方程,利用衰减记忆法扩展卡尔曼滤波递推算法估计方程中的未知参数和风偏因素,并利用其估计参数外推出外弹道落点。利用某型号迫弹卫星虚拟导引装置的测量数据进行验算,其未知系数迅速收敛至真值,同时实现了对风偏的准确拟合。研究发现其卡尔曼滤波算法对弹丸落点预测具有精度高、运算速度快等优点,适宜于工程应用。     

用于卫星制导弹药落点预测的卡尔曼滤波算法

为即时的准确的预测弹丸落点,文中建立了基于质心弹道模型的卡尔曼滤波状态方程,利用衰减记忆法扩展卡尔曼滤波递推算法估计方程中的未知参数和风偏因素,并利用其估计参数外推出外弹道落点。利用某型号迫弹卫星虚拟导引装置的测量数据进行验算,其未知系数迅速收敛至真值,同时实现了对风偏的准确拟合。研究发现其卡尔曼滤波算法对弹丸落点预测具有精度高、运算速度快等优点,适宜于工程应用。     

基于ARMA时间序列模型的国防费预测

国防费预测是指对未来国防费的客观支出过程及其变动趋势的分析和测算。在判别国防费时间序列平稳 性的基础上,利用ADF 单位根方法检验时间序列的单整阶数,借助Eviews 统计软件构建我国国防费自回归AR 模 型和移动平均MA 模型,对我军未来5 a 的国防费进行预测分析。结果表明：该方法是可行的,能准确预测中短期 我军国防费水平,客观正确反映我国国防费增长规律。     

基于L1动态逆的自主空中加油对接控制

为实现无人受油机与加油机的自主安全对接,提出基于L1自适应动态逆的无人机自主空中加油对接跟踪控制方法.根据时标分离的原则,将无人受油机的姿态控制分为快、慢回路,采用动态逆方法设计姿态回路控制器,设计L1自适应系统补偿外界气流干扰和系统模型误差,并采用自主空中加油对接段仿真系统对所设计控制系统进行验证.仿真结果表明:该对接跟踪控制系统具有很高的抗干扰能力和鲁棒性,能满足自主空中加油的控制精度要求.     

无人机载制导炸弹的发展综述

近年来无人机武器化备受各国关注,无论从无人机察打一体化和低附带毁伤的军事需求,还是效费比的制约,都在促使无人机载制导炸弹快速发展。未来无人机载制导炸弹向小型化、通用化、网络化及智能化等方向发展,以适应信息化条件下的现代战争。阐述了发展无人机载制导炸弹的必要性,介绍了目前国内外发展的现状,并对未来的发展趋势和主要关键技术进行了概括性分析与研究。     

基于滑模的空中加油受油机会合制导与控制

为实现空中加油过程中受油机与加油机自主会合,建立满足会合要求的滑模控制面,设计相应制导律.根据受油机与加油机相对位置与速度得出受油机前向加速度指令.基于六自由度受油机动力学模型,采用时标分离将受油机的角运动系统分为快慢回路,采用动态逆方法分别进行系统设计和设计满足追踪会合要求的速度控制律,并以无人机自主跟踪加油机实现会合为例进行仿真.结果表明:该系统能引导受油机实现与加油机的会合,具有良好的动态性能.     

基于遗传算法的空中加油区域配置模型

对存在敌威胁时的空中加油任务,提出一种基于遗传算法的区域配置方法.其通过建立空中加油区域优化配置模型,将不同的代价通过转换而统一在适应度函数中.先就战场环境参数得出加油可行区域,然后将可行区域拓展为搜索区域,再针对搜索区域设计编码和代价函数,并把配置方案的不同代价统一到适应度函数中,最后运用遗传算法进行全局搜索,以求得最优化配置.     

应用AR模型的IMU误差系数漂移预测研究

将影响IMU误差系数漂移并难于分离的多种因素综合为一种因素，假定IMU误差系数的漂移由一特定系统所引起，从而采用时间序列建模方法进行IMU误差系数漂移的预测。该方法具有消除各因素具体分析中的不确定性并减少其工作员的优点。文中描述了其原理，对某惯组的33个误差系数进行了时间序列建模与预测并得到有效的结果。最后还阐述了存在的问题及其解决方法。     

极点配置多模型预测函数控制在制导炸弹控制系统中的应用

针对非线性系统,结合多模型预测控制和极点配置预测函数控制,提出了极点配置多模型预测函数控制方法,并将这种方法应用到制导炸弹控制系统中去。仿真结果表明,当被控对象参数变化时,这种方法具有较强的自适应能力,比常规的控制方法具有更好的控制效果。     

基于滚动随机预测控制的逼近制导律设计

针对具有有界干扰的随机离散系统,通过构造闭合随机预测代价函数,利用随机极小值原理,推导了一种迭代形式的有限时域滚动反馈预测控制律,通过连续逼近方法给出了连续形式预测控制律算法,将该连续形式的预测控制算法应用于导弹制导律设计中,为了避免边值及计算量问题,推导了一种逼近预测制导律.仿真结果表明,该制导律具有弹道预测的特点,与比例导引律及增广比例导引律相比较,弹道终段过载较小.     

基于 G-MPSP 算法的非线性制导律研究

针对带有末端多约束的非线性制导问题,运用通用模型预测静态规划（ G-MPSP）算法设计了一种快速求解连续时间系统具有终端落角约束的非线性最优制导律。该算法通过向后迭代求解小维数权矩阵微分方程对控制量进行更新,将动态优化问题转化为静态优化问题,计算效率得以提高。考虑目标以不同的方式机动,仿真结果表明,末端位移偏差小于1.0 m,末端角度约束偏差可控制在0.1°范围内,该制导律能够满足脱靶量和末端角度双重要求,法向过载在整个制导过程中变化平缓。     

随机预测控制及其在导弹制导中的应用

基于最优预测控制理论及局部最优预测控制理论,利用庞特里亚金随机极值原理研究了两类代价函数的随机预测控制问题,给出了"终时最优"及"一般形式"的随机预测控制算法.针对机动目标的拦截问题,考虑系统状态噪声和观测噪声等随机因素影响,分别推导了2种形式的随机预测制导律.通过对机动目标拦截的仿真,表明了"一般形式"预测制导律的有...     

基于支持向量机和卡尔曼滤波的机械零件剩余寿命预测模型研究

现有机械零件剩余寿命预测模型在建模过程中,无法同时采用已有数据库数据及被预测产品实时退化数据,为了弥补其不足,提出一种支持向量机（SVM）和非线性卡尔曼滤波相结合的机械零件剩余寿命预测模型。根据现有全寿命试验数据训练所得的SVM回归模型,建立非线性卡尔曼滤波状态更新方程,依据机械零件退化特征构造时间更新方程,设定初始剩余寿命值及其方差,通过逐步迭代计算各时刻剩余寿命估计值及一定置信水平的置信区间。该计算模型能够充分利用现有零件与同类零件全寿命试验数据和被预测零件的实时状态退化数据,实现剩余寿命预测。以某型号滚动轴承为例,验证了所提出剩余寿命预测模型的精度、稳定性及工程应用价值。     

基于CA模型的转换坐标卡尔曼滤波

文中根据雷达对空间中的匀加速运动目标的跟踪要求．在三维空间中采用了转换坐标卡尔曼滤波算法（CMKFA）,通过理论推导证明了当状态方程和测量方程满足一定条件时,转换坐标卡尔曼滤波算法是去偏转换测量值的线性无偏最小方差估计算法。在转换坐标卡尔曼滤波跟踪算法中．球坐标系下互相独立的观测噪声变换到直角坐标系下时将变成相关噪声,在解出此相关噪声的方差后即可按标准的卡尔曼滤波算法对目标进行跟踪．仿真结果显示．该算法收敛迅速,精度可以满足雷达对空间机动目标的跟踪要求。     

基于Kalman 滤波器的智能车模型过弯路径优化控制

以非线性两自由度两轮直立智能车模型作为系统被控对象,设计一种基于卡尔曼滤波算法的过弯路径优化控制算法.运用卡尔曼滤波算法估计车辆行驶状态,根据相似理论Buckingham Pi定理,应用两轮直立智能模型车进行试验.试验结果表明:所设计的过弯路径优化控制算法能实现智能车以较合理的路径过弯,有效地减少过弯时间并提高过弯时的稳定性,验证了设计算法的有效性.     

基于UKF弹体滚转姿态测量方法研究

利用磁阻传感器和GPS等器件的测量信息,建立了地磁/GPS组合弹体姿态测量解算模型,对弹体姿态信息进行实时测量解算。为了提高弹体飞行姿态测量解算精度,建立了弹道滤波方程,采用UKF算法进行数据滤波处理,结合磁阻传感器的输出信息对弹体滚转姿态进行实时解算。数值计算及仿真结果表明:相比于直接使用GPS输出的速度信息进行姿态解算,通过UKF滤波处理后,可以使得地磁/GPS组合测量解算的结果更准确,提高了弹体姿态解算精度。     

基于特征模型的高超声速飞行器再入多约束预测控制

针对存在输入和输出多约束的高超声速飞行器再入控制问题,提出了一种基于特征模型的鲁棒预测控制方法。对耦合的非线性再入动力学采用低阶线性特征模型简化,设计鲁棒预测控制器保证满足再入控制的多约束。基于特征模型的低阶等价性,将再入动力学的输入输出动态特性用线性时变的特征模型描述,并将三通道姿态耦合和干扰作为广义复合干扰。将灰色理论中累加求和的思想引入到特征模型参数辨识算法中,弱化了再入随机噪声的影响,通过灰色辨识方法在线估计特征模型的时变参数和干扰。设计一种基于线性矩阵不等式(LMI)滚动优化技术的H_2/H_∞鲁棒预测控制律与基于灰色辨识的补偿器共同构成复合控制器,保证了整个闭环系统的稳定,满足输入和输出约束。数据仿真验证了算法的有效性。