飞行器轨迹优化的造型降维方法

提出一种基于Bezier曲线造型的降维轨迹优化方法,用于提高轨迹优化的精度。该方法利用Bezier曲线优良的形状刻画能力描述最优轨迹,将优化问题的边界条件化为Bezier曲线的造型参数约束,从而使原问题表示为较低维含造型参数的优化问题,减少了计算量。轨迹造型法可有效协调飞行器动力学模型中不同时间尺度变量动态特性差异对非线性规划求解条件数的不利影响,更易于得到光滑最优解。按照常规高斯伪普法和网格自适应伪谱法分别对一种轨迹优化的原问题和造型降维问题进行了仿真验证,证明了所提出方法的可靠性。     

无人飞行器海上航迹规划差分进化算法研究

为研究海洋环境下的无人飞行器（UAV）航迹规划问题,提出了一种基于差分进化算法（DE）的航迹规划方法。该方法通过对规划环境进行预处理将岛屿处理成地形威胁区,使问题简化为二维平面规划。采用实数编码方式对航迹进行编码,建立了航迹代价函数的数学模型,从航迹质量、算法稳定性和收敛速度3个方面比较了DE与遗传算法（GA）和粒子群优化算法（PSO)的性能。仿真实验结果表明,所提方法能在复杂的海洋环境下为飞行器规划出一条安全的可飞航迹。     

基于进化计算的多无人飞行器协同航迹规划

提出了一种在已知静态环境下利用进化计算实现多无人飞行器的分层离线协同航迹规划方法．针对多无人飞行器从不同起始点出发同时攻击某一预定目标问题，该方法可规划出由一系列导航点组成的三维航迹，并确保多无人飞行器在按一定的速度飞行时能避免相互碰撞、远离威胁障碍，满足航迹条件及协同限制．结果表明了该方法的可行性．     

目标飞行器反拦截协同制导策略

为了提高目标飞行器的突防能力,基于视线(LOS)指令制导原理设计了一种协同制导策略.在建立目标飞行器、防御弹以及攻击弹相对运动模型的基础上,证明了LOS制导的可行性,得到了防御弹和攻击弹的加速度关系,并给出了防御弹的LOS指令制导算法;然后,将目标飞行器和防御弹作为一个协同体,为目标飞行器突防进行逆比例制导设计.该协同...     

不确定环境下的多无人机协同搜索航路规划

为解决多架无人机(UAV)在不确定环境中搜索目标的问题,根据多UAV协同搜索的基本原则,建立了多UAV协同搜索的环境模型和UAV运动模型,提出了一种满足UAV机动限制和适应数据通讯延迟的协同路径决策算法.根据先验知识将环境分为未知环境,已知环境和禁飞区,设计了搜索回报函数,引导UAV对未知环境进行搜索,对已知环境进行规...     

多弹协同攻击网络化作战系统体系结构研究

提出了利用多枚远程空空导弹在空中动态组网,构建多弹协同攻击的网络化作战系统的作战思想。分析了多弹协同攻击的组网形式和网络化作战系统的特点,重点探讨了网络化作战系统的节点结构、网络结构和协议分层模型,为新一代空空导弹的研制和作战使用提供一定的思路。     

基于单隐层神经网络的空天飞行器鲁棒自适应轨迹线性化控制

研究了一种新的空天飞行器鲁棒自适应轨迹线性化飞行控制系统设计方案。利用单隐层神经网络的逼近能力在线估计系统中存在的不确定性,神经网络输出用以抵消不确定性对轨迹线性化方法控制性能的影响。鲁棒自适应控制器用以克服逼近误差,并使闭环系统具有更好的性能。严格的理论证明表明,给定的自适应调节律能够保证闭环系统跟踪误差最终收敛至任意小紧集。空天飞行器高超声速飞行条件下的仿真结果表明,即使在很恶劣的条件下,新方法仍然表现出很好的响应性能。     

基于进化算法的无人飞行器路径规划研究

提出了一种基于遗传算法和B-样条曲线的路径规划新方法。以昏样条曲线控制点的坐标作为遗传因子用遗传算法来进行规划；根据这些控制点，运用B-样条曲线在3维坐标系中生成飞行器路径轨迹。该轨迹是由一些小的B-样条曲线光滑连接而成。由于只对控制点进行规划减小了系统的计算量，极大提高了系统的实时性。仿真表明运用该算法规划的路径可以以最优的轨迹把无人飞行器指引到预定的目的地。     

X-45C联合无人作战飞行器将配备实时操作系统

目前,波音综合防御系统公司的工程师们透露,X-45C联合无人作战飞行器(J-UCAV)需要加装实时操作系统。Green Wills软件公司开发的Integrity-178B可满足要求。     

任务规划技术对无人飞行器装备发展的作用和影响

简要描述了任务规划技术的发展情况,介绍了任务规划技术所取得的主要成果,分析了任务规划技术成果对先进武器装备及现代军事技术发展的促进作用和重要影响。     

基于协进化多子群蚁群算法的多无人作战飞机协同航迹规划研究

协同航迹规划是有效提高多无人作战飞机( UCAV)协同作战效能的关键技术之一。分析了多UCAV协同航迹规划问题中的空间协同约束、时序约束以及任务时间约束，建立了基于“协同系数”的协同航迹性能评价指标；在此基础上，通过引入蚂蚁子群间的协同进化策略，并对蚁群算法状态转移规则、信息素更新机制进行了改进，设计并实现了基于协进化多子群蚁群算法的协同航迹规划算法。仿真实验结果表明：本文方法能够很好地处理多UCAV协同任务中的各类约束条件，是一种有效的协同航迹规划方法。     

基于层次分解策略的无人机多机协同航线规划方法研究

针对要求同时(依次)到达目标, 无人机团队生存概率最大这种协同要求下的航线规划问题, 提出了一种基于层次分解策略的方法, 将整个动态、大规模、强耦合的优化问题化解为三个层次: 航线规划层、协同规划层和航线平滑层.仿真结果表明该方法是有效、可行的.     

助推滑翔导弹对地攻击快速下压弹道设计

为了研究助推滑翔导弹针对地面固定目标的快速打击方法,通过受力分析,提出一种新的弹道下压段俯冲弹道模型。采用翻身下压的飞行方式,使导弹主升力面朝下,弹道下压过程中以正攻角下压为主,延后并缩短了负攻角的使用时间,获得了更快的弹道下压速率。以美国CAV-H为研究对象,利用高斯伪谱法进行弹道仿真计算,并与传统弹道下压方式进行对比。结果表明,与传统弹道下压方式相比,翻身下压具有更高的弹道下压效率及在高速飞行的高热流区保持正攻角飞行的特点。对于采用腹部防热设计的助推滑翔导弹,在实现弹道快速下压的前提下,有效杜绝了热流向背部蔓延,提高了俯冲攻击过程中导弹的安全性。     

对某吸气式高超声速导弹的航程优化与分析

对某吸气式高超声速导弹的爬升和巡航段航程进行了优化设计。该导弹为面对称构形,采用火箭基组合循环(RBCC)动力系统。利用非均匀有理B样条（NURBS）对设计变量进行参数化描述,得到非线性参数优化问题,并采用遗传算法求解。对马赫数为5、6、7的3种不同巡航速度下的计算结果进行了分析。结果表明,对于燃油经济性而言,该高超声速导弹的巡航速度不宜太高,在相同燃油消耗总量条件下,马赫数为5巡航时的航程最远。     

重复使用运载器末端区域能量管理轨迹鲁棒性分析

为研究重复使用运载器末端区域能量管理段下滑轨迹线的鲁棒性,提出一种基于质点动力学的轨迹鲁棒性分析方法。首先给出基于质点动力学的轨迹设计方法,根据轨迹设计的原理,提出TAEM轨迹鲁棒性的概念,给出了影响TAEM轨迹鲁棒性的不确定性因素。然后定义了能量梯度,将能量梯度作为评价能量积累和消耗能力的指标,并分析了影响能量梯度的主要因素。接着给出了末端区域能量管理轨迹鲁棒性的分析方法。最后,以某重复使用运载器( RLV)为例,分析了建模不确定性对能量走廊和标称轨迹剖面的影响。     

未知环境下异构多无人机协同搜索打击中的联盟组建

为了提高多架异构无人机在未知环境下协同执行搜索打击任务时的效能,提出了一种未知环境下的异构多无人机协同搜索打击中的联盟组建方法,研究了实时性较高且适应于未知环境下的任务分配机制。以最小化目标打击时间和最小化联盟规模为优化指标,以满足同时打击和资源需求为约束条件,建立了联盟组建模型;为了提高联盟组建的实时性,提出了一种分阶次优联盟快速组建算法(MSOCFA)。算法复杂度分析说明了该算法是一个多项式时间算法,并且通过与粒子群优化算法进行仿真对比,验证了该算法具有较低的计算复杂度,满足实时性要求。为了使得多架无人机能自主协同完成搜索打击任务,设计了基于有限状态机(FSM)的多无人机分布式自主协同控制策略。仿真验证了未知环境下的异构多无人机协同搜索打击中的联盟组建方法的合理性和可行性。使用蒙特卡洛法验证了无人机数量和目标数量对联盟组建的影响,即无人机数量越多,目标数量越少,其平均任务完成时间越短。 为了提高多架异构无人机在未知环境下协同执行搜索打击任务时的效能,提出了一种未知环境下的异构多无人机协同搜索打击中的联盟组建方法,研究了实时性较高且适应于未知环境下的任务分配机制。以最小化目标打击时间和最小化联盟规模为优化指标,以满足同时打击和资源需求为约束条件,建立了联盟组建模型;为了提高联盟组建的实时性,提出了一种分阶次优联盟快速组建算法(MSOCFA)。算法复杂度分析说明了该算法是一个多项式时间算法,并且通过与粒子群优化算法进行仿真对比,验证了该算法具有较低的计算复杂度,满足实时性要求。为了使得多架无人机能自主协同完成搜索打击任务,设计了基于有限状态机(FSM)的多无人机分布式自主协同控制策略。仿真验证了未知环境下的异构多无人机协同搜索打击中的联盟组建方法的合理性和可行性。使用蒙特卡洛法验证了无人机数量和目标数量对联盟组建的影响,即无人机数量越多,目标数量越少,其平均任务完成时间越短。     

Cooperative Search and Task Allocation Among Heterogeneous Teams of UAVs

A cooperative control method of multi-class UAV（unmanned air vehicle） team is investigated.During the mission,the UAVs perform search,classification,attack and battle damage assessment（BDA） tasks at various locations,which involves a combination of the team intelligence type of decision making combined with control,estimate and real-time trajectory optimization.The search-theoretic approach based on rate of return（ROR） maps is developed to get the cooperative search strategy.Templates are developed and views are combined to maximize the probability of correct target identification over various aspect angles.Monte Carle simulation runs for the scenario to evaluate the performance of the approach with various decision parameters,UAVs distributions and UAV team characteristics.Simulation results show that the cooperative behavior can significantly improve the operational effectiveness of UAV team,and the cooperative control allows for near optimal solution of the correlative behavior of a group of UAVs in battlefield.