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。     

基于深度神经网络的无人作战飞机自主空战机动决策

机动决策是决定无人作战飞机空战成败的关键因素。为提高空战获胜概率,提出用深度神经网络进行决策。构建了36种机动动作,通过飞行仿真,得到由当前态势、控制量和未来态势构成的样本;用样本训练深度神经网络,使其能够根据当前信息快速准确预测未来态势,设计了决策目标函数和态势评估函数,空战过程中,利用训练好的网络预测所有动作对应的未来态势,根据决策目标函数从中选出最优动作;在不同初始条件下,分别与采用简单机动和自主机动的敌机进行空战仿真,并对空战态势进行评估。结果表明,所提方法在均势时能通过较少的动作获得空战胜利,在劣势时能通过一系列机动获得优势,且决策用时缩短了9 ms.     

基于改进灰狼算法优化的UKF在空战轨迹预测中的应用

针对空战轨迹预测精度不高的问题,提出一种由改进灰狼算法优化的无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)。首先介绍了UKF算法并对其进行了分析;其次针对传统灰狼优化算法(Grey Wolf Optimizer,GWO)的不足,提出使用基于适应度值的动态权重、根据适应度值变化率调节的自适应控制参数调整、反向多倍中心对称变异策略的改进措施,形成改进的灰狼优化算法(IGWO),并运用IGWO算法对UKF中的滤波参数Q、R进行实时优化;最后,运用所提出的IGWO-UKF算法与GWO-UKF、UKF、BP神经网络算法一起对空战轨迹进行预测仿真,形成三维轨迹图、各方向轨迹图与相对误差图。结果表明,所提算法误差小、精度高,具有良好的预测效果。     

基于改进自适应IMM算法的机动目标跟踪

文中提出了一种改进的跟踪机动目标的自适应IMM（AIMM）算法,采用协同转弯运动模型作为目标的机动模型,通过估计目标的角速度,并在估计参数值的周围选择数量一定的模型组成模型集来覆盖目标所有可能的运动模式,采用交互模型算法进行状态估计;应用变结构思想,将模型之间的切换理解为随机有向图,并综合利用前一时刻模型的后验概率和当前时刻模型的预测概率,计算模型之间的转移概率,从而能够根据目标（转弯）机动的情况,自适应地建立IMM算法的可变模型集。仿真结果表明,改进的AIMM算法的跟踪精度有了较大的改善,算法也更加平稳。     

基于双参数自适应优化的无人履带车辆轨迹跟踪控制

为解决定参数轨迹跟踪控制器工况适应性差的问题,基于改进粒子群优化(IPSO)、多层感知机(MLP)算法,设计一种双参数自适应优化的无人履带车辆轨迹跟踪控制算法。离线状态下,基于采集的实车数据,以轨迹跟踪的高精度、高稳定性、低时间成本为目标,利用IPSO算法构建了不同运动基元下的最优参数组合数据集,并以运动基元类型和车速等为特征向量,控制时域长度、时间步长为标签,采用学习率自适应优化算法完成MLP神经网络模型的训练。在线状态下,根据规划层下发的轨迹信息和车辆状态反馈信息,由MLP神经网络输出预测的最优控制时域长度和控制时间步长,作为双参数输入到模型预测控制算法中,完成自适应轨迹跟踪控制。基于ROS-VREP的联合仿真和基于双侧独立电驱动履带平台进行实车试验。研究结果表明,在包含大曲率转向的综合工况下,与相同计算时间成本的定参数轨迹跟踪控制算法相比,所设计的轨迹跟踪控制器横向偏差均值、航向偏差均值以及转角变化率均值分别降低了30.5%、17.2%、7.8%,证明了算法的可行性和有效性。     

基于改进型BP神经网络的弹丸落点预测方法

为了快速精确的预测弹丸落点,文中提出了一种基于改进型BP神经网络的弹丸落点的预测方法。根据落点预测的特殊性,在网络结构上确定了具有并列隐含层的双隐层结构形式,并对训练算法进行了自适应加动量项的改进,然后选取并优化了训练样本。之后进行了仿真训练和落点预测,得到了较高精度的预测结果。说明文中方法进行落点预测是合理有效的,可以作为弹丸落点预测的一种新方案。     

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。     

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。     

超视距空战下空射诱饵弹协同接敌策略

以战斗机携带空射诱饵弹(MALD)进行超视距一对一空战为背景,基于滚动时域控制思想对战斗机及MALD协同接敌策略进行研究。建立战斗机、MALD及目标机动模型;在综合分析MALD欺骗函数、载机优势函数及协同函数的基础上,构建协同接敌目标函数;提出一种基于滚动时域-粒子群算法的战斗机及MALD协同接敌方法,最后进行仿真验证,结果表明该方法能有效利用MALD对目标进行欺骗,提高我方战斗机在空战过程中的生存性,提高对目标的攻击优势。     

一种改进粒子群算法优化BP神经网络实现核素识别方法

为获得全局最优点,提出一种改进粒子群算法优化BP神经网络实现核素识别方法.该算法用一种动态改变惯性权重与学习因子的自适应方法,优化BP神经网络的阈值与权值,通过训练BP神经网络识别模型得到粒子群的全局最优解,利用最优权值与阈值实现核素识别.分析结果表明:该方法不仅能更快地收敛于最优解,同时能更好地平衡全局搜索和局部搜索能力,有效地改善算法的收敛速度和识别精度.     

基于统计学原理的无人作战飞机鲁棒机动决策

为解决无人作战飞机（UCAV）鲁棒自主空战决策问题,提出基于统计学原理的鲁棒机动决策方法。为使空战态势变化具有一定的钝感性,建立UCAV数学模型,改进典型的机动动作库,设计空战态势参数的鲁棒隶属度函数。在鲁棒机动决策中引入统计学方法,针对UCAV对抗非机动目标和机动目标两种典型空战案例进行了数字仿真。仿真结果表明,基于统计学原理的鲁棒机动决策方法在引导UCAV向态势优势区域攻击占位方面具有一定的鲁棒性和寻优性。     

具有自主决策能力的机动单元智能体研究

在机动作战仿真中,具有对战场威胁快速反应和决策能力的机动单元实体才更符合实际作战的情形。为此,提出了具有自主决策功能的机动单元智能体的结构模型,它由感知、威胁预测、决策、学习和执行等部分组成;建立了用于威胁预测的神经网络模型,并将智能体的决策描述为马尔可夫决策过程(MDP)．面对复杂的决策环境,将强化学习技术运用其中,使得智能体通过不断观测新的环境状态,运用学习手段,作出最佳的策略选择。针对强化学习中状态空间大、现有算法收敛速度较慢等问题,提出了改进的SARSA(A)学习算法。仿真实验验证了强化学习下机动策略决策的有效性和改进算法的效率。     

机动弹头引入段弹道优化设计

建立了机动弹头再入弹道的数学模型,该模型要求在满足热流约束的条件下,寻找一个攻角控制规律作为输入来使得弹道最优.采用遗传算法对此问题进行优化计算,并设计了一种适当的惩罚函数将其转化为无约束问题,提高了求解效率,得到了全局最优弹道和相应的初始伴随变量.实例计算结果表明,数学模型正确,计算方法可行,在满足热流约束的条件下可以求解出最大终端速度弹道.     

基于分布式并行伪谱-神经网络算法的双脉冲导弹多阶段协同轨迹优化

为求解双脉冲导弹多阶段协同轨迹规划问题,并考虑将分离的发动机壳体投送至安全区域,提出一种基于高斯伪谱法和人工神经网络的分布式并行算法。针对双脉冲导弹两级脉冲的工作特点,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;为预测分离发动机壳体的落点位置,建立射程预测函数,并利用人工神经网络对该函数进行离线拟合,以提高预测速度;在分布式并行算法中各导弹并行独立求解最优轨迹,并引入飞行时间下界约束保证导弹飞行时间一致性。通过两个仿真算例,将该分布式并行算法与集中式算法进行了比较,仿真结果表明,所提的分布式并行算法对于求解双脉冲导弹多阶段协同轨迹规划问题可得到更优的性能指标,以及更高的求解效率。     

多架无人作战飞机紧急任务分配奇异值分解算法

从战场实际需求出发,在动态条件下对多无人机紧急任务分配问题提出了一种可行稳健算法;将无人机与任务相关的状态参数提取为多维特征向量,构造控制单元范围内所有无人机状态参数矩阵,通过计算特征向量方向余弦值并利用矩阵奇异值分解后的右奇异值矩阵优选分配紧急任务,进行了算例验证并分析了算法复杂度。算法简洁、计算耗时少,符合作战流程中对该问题求解的可靠性、迅速性要求。     

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,以提高视频多目标跟踪的准确率。由于现有轨迹预测算法存在准确性较差的局限性,提出一种基于社交长短时记忆（Social-LSTM）网络的视频典型目标轨迹预测算法,将上下文环境信息和多个目标轨迹之间的相互影响关系融入Social-LSTM网络,预测待检测典型目标的轨迹序列。仿真实验结果表明,所提轨迹预测算法优于传统的LSTM算法、隐马尔可夫模型算法以及混合高斯模型算法,有利于提高视频典型目标轨迹预测的准确率。     

ELM-AdaBoost 模型在光纤陀螺温度误差补偿中的应用

针对光纤陀螺零偏与温度之间复杂的非线性关系,引入极限学习机(extreme learning machines,ELM)模 型补偿光纤陀螺的零偏温度误差;针对单个ELM 在预测准确性和稳定性不足及其对奇异样本敏感的问题,引入自适 应增强算法(adaptive boosting,AdaBoost)建立ELM-AdaBoost 预测模型改善光纤陀螺性能,分析光纤陀螺的温度误 差机理及模型参数对预测精度的影响,给出ELM 算法隐含层神经元个数及AdaBoost 算法迭代次数的确定方法。仿 真结果表明：基于ELM-AdaBoost 预测模型的补偿效果优于多元线性回归模型和单个ELM 神经网络模型,并具有良 好的泛化性能和温度适用性,补偿后陀螺零偏均方根误差降低93%以上,显著改善了光纤陀螺零偏稳定性能。     

机载布撒器并联复合控制过载指令分配研究

为了提高机载布撒器的侧向机动能力,采用侧滑转弯+倾斜转弯的并联复合控制方式.针对并联复合控制,分析了侧向系统的耦合特性,利用自适应遗传算法和模式搜索算法组成混合优化算法对过载指令分配进行优化.仿真结果表明,混合优化算法能隐形地处理并联复合控制时侧向系统之间的耦合,在侧滑角和滚转角的约束下,合理地分配需用过载,提高布撒器的侧向机动能力.     

基于条件深度循环生成对抗网络和动作探索的行星轮轴承剩余寿命预测

为解决小样本和变工况下行星轮轴承剩余寿命预测准确率低的问题,提出一种基于条件深度循环生成对抗网络(C-DRGAN)和动作探索(AD)的行星轮轴承剩余寿命预测方法。将门控循环单元神经网络与条件生成对抗网络相结合,构建C-DRGAN,从非静态和非线性信号中提取故障特征,实现小样本和变工况下行星轮轴承的剩余寿命预测;采用基于AD的训练算法训练C-DRGAN,提高收敛速度,降低训练时间;根据训练后的C-DRGAN,利用多元线性回归分类器预测测试样本中行星轮轴承的剩余寿命。通过行星轮轴承加速疲劳寿命试验验证该方法的有效性。结果表明,该方法具有较强的非静态和非线性信号处理能力,并能在小样本情况下取得出色的行星轮轴承剩余寿命预测效果。