超轻型无人机光电侦察平台升降机构设计

为了解决搭载光电平台的无人机在飞行时受的阻力影响以及如何提高无人机的续航能力,增加无人机的飞行时间,针对此问题,设计了一种结构简单的无人机载光电侦察平台升降机构。光电平台工作时,通过升降机构伸出机外;光电平台停止工作时,收入机内,从而解决阻力的影响,另一方面,通过采用减轻升降机构重量,从而提高续航能力。升降机构采用碳纤维铝蜂窝夹层复合材料作为支撑板的主体材料,同以前应用的铝合金材料相比较,重量减轻4.5kg。经过多架次外场飞行试验,取得了良好效果,无人机续航能力有所加强。     

基于蜂群算法的移动agent迁移策略研究*

旅行agent问题是一个复杂的组合优化问题,在于解决保证agent在不同主机间移动时如何根据任务情况规划路线,实现在完成任务时间最短的路线上迁移。采用进化算法的搜索求解具有启发性强、鲁棒性强的特点,但也面临着陷于局部最优解,导致agent在迁移过程中整体任务完成效率降低等问题。提出了一种基于蜂群算法的agent迁移模型,将agent划分为侦察、引领和跟随三种角色,agent通过彼此间的信息互换,在群体迁移的过程中同时实施新路径的发现和调整。实验结果表明,该算法可以很好地实现目标寻径效率,与经典蚁群算法相比     

攻击型无人机鲁棒导引律研究

文章研究了攻击型无人机鲁棒导引系统,采用对干扰和摄动具有自适应能力的滑动模态变结构控制方法设计了攻击型无人机滑模导引规律.针对用于消除颤振的伪滑动模态不能实现精确跟踪的缺陷,对滑模导引规律中颤振消除进行了优化设计,引入系统运动状态轨迹接近角变量,使消除颤振的伪滑动模态边界层宽度随着系统状态到达滑动模态而逐渐减小为零,从而达到了既能消除颤振又能实现精确跟踪的设计目标.通过仿真验证了该导引规律具有攻击弹道平缓、抗目标机动扰动能力强、鲁棒性好、制导精度高的优点.     

美国新型“全球鹰”无人机将首航

美国国家航空航天局的新型“全球鹰”无人机将跨越太平洋,进行它的首次航行。 据报道．新型“全球鹰”无人机的设计飞行高度约达2万米．持续飞行时间超过30小时。该无人机可实现远程遥控．并能进行远距离和超高空飞行、深入飓风和一些危险的风暴中心．为人类提供大量实时的气候数据信息。“全球鹰”无人机的应用被认为开启了美国国家航空航天局地球科学研究的新篇章。     

无人机上行链路数据传输方案

为保证无人飞机在动态环境下数据传输的稳定性和可靠性,提出了一种循环正交M元扩频上行链路数据传输方案。按此方案传输数据,发送信号不存在潜在的周期性,系统的抗干扰和抗截获性能得到了很好的保障。在动态环境中,由于载体具有较大的加速度,载波多普勒频移剧烈变化,普通接收机载波跟踪环极易失锁,故提出一种基于经验值查表的载波跟踪算法,在锁频环内引入经验值查找表,环路能自适应调整环路滤波器带宽,从而实现任意时刻的高精度载波跟踪。     

无人机战术组网的网络体系结构研究

无人机的运用是网络中心战中至关重要的一个环节,其组网是增强无人机之间通信能力的重要手段,移动Ad Hoc网络是实现无人机战术网络最合适的网络体系结构.根据无人机网络的特殊应用环境及其战术通信的特点,提出了基于无人机战术网的移动Ad Hoc网络分布式的网络体系结构.鉴于跨层设计是实现未来移动通信系统高速率和高服务质量的必然趋势,提出了无人机战术网络的跨层设计与优化思想,为无人机组网研究提供理论指导、实现方法和技术手段.     

基于蜂群算法的图像边缘检测*

提出了一种基于蜂群算法的图像边缘检测方法。利用蜂群算法的特点,对图像边界进行快速搜索,得到一组局部最优点,然后分别从局部最优点开始进行搜索,找出图像中各物体的边缘点,所有蜜蜂找出的边界点的并集就是图像边缘。仿真实验表明该算法是可行和有效的。     

基于改进蜂群算法无线传感器感知节点部署优化*

提出了一种基于改进蜂群算法的无线传感器感知节点部署优化方法,以网络覆盖率为目标函数,将传感器感知节点部署问题形式化为组合优化问题,并采用分层机制对基本蜂群算法进行改进。仿真实验结果表明,本方法能够以相对较小的代价完成传感器感知节点部署,并能降低网络能耗,提高网络的整体覆盖率。     

无人机地面站飞行监控系统软件设计

介绍了飞行监控系统软件的组成、设计原理和工作流程,以及采用的关键技术,并说明了系统在联试过程中出现的问题和处理方法;飞行试验结果表明,本系统能够实时显示无人机的飞行姿态、飞行轨迹、位置及参数,实现任务航线的编辑、装订与显示,发送飞行控制指令,实时性高,操作方便,连续工作48小时无异常。     

基于知识本体提纯的无人机故障数据采集仿真

无人机在飞行的过程中,采集的故障信号数据会随着飞行环境的随机性变化而改变,造成异常信号数据关联性降低.利用传统算法进行异常信号数据挖掘的过程中,建立的关联规则过于复杂,加入过多约束条件分析环境特征,导致挖掘过程耗时较长.为解决上述问题,提出基于知识本体提纯的无人机采集实时数据挖掘方法.针对无人机异常信号数据知识本体表示方法进行了详细阐述.利用贝叶斯概率方法计算当前状态信号属于某类别异常信号的最大概率,从而为异常信号的提纯提供了准确依据.针对相似度较高的两个异常信号进行提纯处理,在提纯过程中充分考虑到信号采集时间间隔和时延,从而保证了实时性要求.实验结果表明,利用改进算法进行无人机异常信号挖掘,能够提高异常信号挖掘的及时性和准确性.