基于SLAM的旋翼无人机组合导航算法研究

在旋翼无人机组合导航中,针对缺乏GPS作为导航信号源的室内飞行环境,为了达到精确定位的目的,提出一种基于SLAM（simultaneous localization and mapping）的旋翼无人机组合导航算法。首先,引入双线性插值算法,实现基于扫描匹配的即时定位与地图构建;其次,对陀螺仪、加速度计和磁罗盘建立捷联惯导系统误差模型,针对旋翼无人机的使用环境对误差模型进行简化;最后,应用联邦卡尔曼滤波算法,设计组合导航系统模型,将SLAM算法和捷联惯导系统估计出的位置数据进行融合。仿真结果表明所设计基于SLAM的旋翼无人机组合导航算法能够进一步提高组合导航系统对旋翼无人机位姿估计的精度。     

结合启发式算子的单变量边缘分布算法求解SAT问题

单变量边缘分布算法(UMDA)是一种新的进化算法,是求解复杂问题的一种有效算法.根据SAT问题的特点,本文提出了一种求解SAT问题的改进单变量边缘分布算法(HeUMDASAT),该算法结合SAT问题本身固有的结构信息与当前群体的优秀解所提供的全局信息,构造了一个新的启发算子,并将此算子结合到单变量边缘分布算法中.此算子不同于随机搜索算子,由其产生的个体可以使得算法跳出局部最优并探索新的潜在区域,并且加快算法的收敛速度.用SATLIB库中的标准SAT问题对HeUMDASAT算法进行测试,实验结果表明该算法在求解速度和成功率方面都有明显的改善.     

基于Morlet小波的飞控系统故障诊断方法研究

对Morlet小波及其变换特性进行了分析,选择Morlet小波的实部为神经元的作用函数构造了一个小波神经网络,用此网络对某型飞机飞控系统中的作动器三种故障进行诊断,仿真结果表明该小波神经网络的泛化性及诊断能力均强于传统的BP神经网络。     

基于分段信号假设检验的方差估计算法

针对传感器测量噪声变化导致加权数据融合精度下降的问题,提出一种新的方差估计算法.方差估计采用自适应移动数据窗,窗口长度由多元假设检验的结果决定.假设检验环节首先应用信号分段处理方法与中心极限定理,使得检验统计量满足正态分布,简化了后续计算与理论推导.然后根据马尔可夫状态转移理论和最大后验概率准则,实现测量噪声方差变化的快速检测.通过与典型算法的仿真对比,验证所提算法克服了典型方法的局限性,能够保证加权数据融合具有更高精度.     

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。     

一种新的自适应退火遗传算法

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能。基于这个思想提出一种新的自适应退火策略用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了自适应处理,以进一步改善算法的稳定性和收敛性。基于典型算例的仿真结果验证了该算法对高维复杂函数最优化的有效性和高效性,其性能明显优于传统遗传退火算法、改进的进化规划方法。     

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。     

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。     

基于神经网络的电动舵回路容错控制方法研究

为了克服电动舵回路故障和非线性因素的影响,提出一种基于神经网络误差反馈学习的电动舵机容错控制器设计方法,根据电动舵机系统动力学特征建立系统非线性数学模型,采用反馈误差学习控制律进行神经网络容错控制,由参考信号和实际输出信号对比产生的误差信号驱动神经网络学习从而产生控制信号,以达到实现容错重构控制的目的,仿真结果表明,神经容错网络控制器能够达到满意的控制效果。     

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。