椭圆轨道编队构型保持控制方法研究

针对椭圆参考轨道的编队构型保持控制系统,以对地等张角绕飞编队为背景设计了相对轨道模型预测控制算法.首先,基于哈密尔顿-雅克比方程,推导了一组包含项摄动的相对运动模型.在此模型的基础上,结合具体的对地等张角编队任务,提出了一种构型保持的在线滚动优化的闭环预测控制算法,并将模型预测优化问题转换为在线求解二次规划问题,该算法能够较好地控制存在状态约束、控制约束等各种约束控制问题.最后,通过数值仿真验证该算法的有效性.     

模糊需求车辆路径问题及其启发式算法

对模糊需求信息条件下的车辆路径问题进行策略分析，提出解决此类问题的改进蚁群算法。采用多蚁群协作，修改信息素更新规则，根据收敛要求动态调整主要参数等对蚁群算法进行改进，应用该方法解决机会约束策略和可能性策略下的模糊需求车辆路径问题。实验结果证明了改进算法对优化模糊需求车辆问题非常有效。     

考虑自动驾驶仪延迟的三维光滑自适应滑模制导律

针对拦截机动目标情况下的三维末制导律设计问题,考虑导弹自动驾驶仪的一阶动态特性,应用非奇异快速终端滑模和自适应控制方法,设计了一种有限时间收敛的新型光滑制导律。在制导律设计过程中,将目标加速度视为未知的有界外界干扰,引入修正的自适应律来估计干扰的上界并消除了参数漂移问题。所设计的制导律不仅连续而且可微,即是光滑的,提高了制导性能。仿真结果表明,所提出的制导律具有很好的制导性能。     

基于蚁群算法的模糊控制规则的过滤简化

针对设计高维模糊控制器过程中会遇到的“规则爆炸”问题,利用蚁群算法进行控制规则的过滤简化。为了用尽量少的规则得到尽可能好的控制效果,利用蚁群算法在饵决组合优化问题中的强大优势,在已有的完备规则中优选出若干条规则嵌人模糊控制器。采用带有时间窗口的蚁群算法去克服遗传算法优选模糊控制规则时可能产生的规则不连续的问题。该文还从遗传算法和蚁群算法工作机制的角度分析了对这两种算法加入约束条件的可操作性。以单级倒立摆控制系统为对象进行仿真研究,最后的仿真结果表明该文方法可以使模糊控制规则具有更好的简化效果和鲁棒性,并能具有好的控制效果。     

光通信粗瞄系统莫尔条纹信号正弦性补偿方法

为了保证光通信终端的精确对准,抑制编码器莫尔条纹正弦性偏差引入的细分误差,设计了基于经验模态分解(empir-ical mode decomposition,EMD)的正弦性修正方法。首先,介绍了卫星光通信终端跟瞄系统的组成与工作原理。接着,分析了莫尔条纹正弦偏差给系统带来的细分误差并给出满足工程需求的正弦性阈值。然后,在阐述EMD分解原理的基础上,给出了基于EMD的正弦性修正方法,该方法利用编码器自身粗码信息计算转速,从而确定精码莫尔条纹信号的基波频率值,并采用EMD分解在原始信号中提取与该值相匹配的基波分量。最后,对该方法进行了原理和转速自适应性仿真,并应用到去掉光学滤波镜片后的粗瞄回路编码器中。仿真及实验结果表明:在光通信终端的各工作转速下,修正后的莫尔条纹正弦性均小于0.85%,满足细分要求;修正后的精码译码结果精确,编码器测角精度维持在1″以内,满足终端对准精度的要求。     

考虑输入受限的航天器安全接近姿轨耦合控制

针对存在外部扰动和输入受限的航天器安全接近的问题,当扰动上界未知时,基于积分滑模控制理论设计了抗饱和的有限时间自适应姿轨耦合控制器.控制器的设计过程中采用了新型的避碰函数限制追踪航天器运动区域进而保证接近过程中航天器的安全性,同时通过辅助系统和自适应算法分别处理了输入受限和扰动上界未知.借助李雅普诺夫理论证明了在控制器的作用下系统状态在有限时间内收敛,且能够保证追踪航天器在实现航天器接近的过程中不与目标航天器发生碰撞.最后通过数字仿真进一步验证了所设计控制器的有效性.     

基于LS-SVM方法的视线角速率在线预测

首先通过时间加权末位淘汰机制对最小二乘支持向量机（LS-SVM）算法进行改进。其次,将这一算法应用于导引头视线被云层遮挡（穿云）或其他原因导致导引头失锁时对视线角速率的预测。导引头处于锁定状态时应用该算法进行在线训练,导引头视处于失锁状态使用训练形成的决策函数对视线角速率进行在线预测。最后,通过弹道末端设置导引头失锁的数学仿真结果,统计使用预估视线角速率（决策函数输出）作为末端导引信息的多条弹道的脱靶量,确认了最小二乘支持向量机对典型视线角速率信号预测的有效性和用于提高小型空地战术导弹穿云和抗干扰能力的应用前景。     

自适应交配限制概率的自组织多目标演化算法

为平衡多目标演化算法求解不同优化问题以及求解同一优化问题时不同搜索阶段的勘探与开采能力,并考虑到减小聚类算法辅助演化算法时产生的计算开销,提出了一种基于自适应交配限制概率的自组织多目标演化算法（adaptive mating restriction probability based self-organizing multiobjective evolutionary algorithm, ASMEA）.首先,ASMEA在每一代利用自组织映射（self-organizing map, SOM）算法建立了演化种群个体间的邻居关系,基于此关系有利于算子实施恰当的重组操作,并在演化算法后期产生优质解,与此同时,为了节省利用SOM建立当前种群个体之间的邻居关系时引起的计算开销,将SOM与演化算法相融合,交替地进行SOM训练与种群演化.然后,运用交配限制概率控制交配父代来源于SOM发现的邻居种群或者是整个种群,以分别加强开采和勘探. 最后,根据采用不同父代来源的重组在过去一定代数产生后代个体的效用,自适应地调整算法的交配限制概率. 利用ASMEA和5种具有代表性的多目标演化算法对标准测试题进行求解,求解结果表明:ASMEA在搜索质量、搜索效率以及可视化方面优于其他5种算法,从而验证了ASMEA算法对多目标优化问题具有良好的求解性能.     

高超声速飞行器有限时间饱和跟踪控制

针对高超声速飞行器纵向模型存在外界干扰和模型参数不确定性情形下的有限时间跟踪问题进行了研究分析.针对外界干扰上界已知,基于快速积分滑模理论,设计了有限时间快速积分滑模控制器.当外界干扰上界未知时,结合具有低通滤波器性能的自适应算法,通过引入辅助系统设计了实际有限时间自适应快速积分滑模控制器,能够处理输入饱和问题.对所设计的两个控制器利用李雅普诺夫理论给出了严格理论证明,得到整个闭环系统分别为有限时间稳定的、实际有限时间稳定的,并能够保证系统其它状态变量在较短的时间内趋于稳态值.对不同类型参考信号进行了数字仿真,进一步验证了所设计两个控制器的有效性和鲁棒性.     

基于迭代sigma点粒子滤波的再入目标跟踪

标准粒子滤波提议分布选择时,由于没有计入最近的观测值信息,重要性权的方差随时间递增,导致权值蜕化。针对这一问题提出了一种新的滤波算法,迭代sigma点粒子滤波算法。该算法在预测时采用sigma点粒子滤波产生拟合概率密度函数的加权粒子,并通过观测值对加权粒子进行更新;修正过程采用迭代卡尔曼滤波优化预测阶段得到的描述状态分布的均值和方差。将其运用于再入大气层目标的跟踪模型,仿真结果表明:与标准粒子滤波相比,该算法能保证滤波收敛,具有更高的估计精度和更好的鲁棒性。