针对变形飞行器动力学模型非线性强、不确定性大,以及变形引起模型变化范围大的问题,基于双延迟深度确定性策略梯度算法提出了一种深度强化学习姿态控制方法。首先,基于多刚体系统建立了变形飞行器动力学模型,然后在马尔可夫决策过程的框架下设计了算法所需状态空间、动作空间以及奖励函数,通过在状态空间中引入姿态跟踪误差历史信息,进一步提高了控制精度,并将策略网络与传统PD控制结合形成复合控制器,提高了算法训练效率,最后通过数学仿真验证了深度强化学习控制策略对变形过程模型不确定性与外界复杂干扰的强鲁棒性,以及对不同变形指令的强适应性。
基于人工势场法,研究了适应于空间障碍物真实结构的航天器集群避障运动控制问题。所建立的适应于空间障碍物形状的障碍物势场模型由基于距离度量的基本几何单元势场构成。然后为航天器集群设计了一种避障运动控制律,并对闭环系统稳定性以及避障效果进行了理论分析。最后通过具体的编队形成运动仿真案例,验证了控制律所能实现的状态跟踪和碰撞规避效果。本文设计的避障方法仅利用个体相对于邻近障碍物的位置和速度信息,适应于空间障碍物信息不完全已知的现实应用需求。
针对通信拒止复杂环境下的导弹集群多目标分配问题,提出一种分布式的多目标分配与决策方法。基于弹-目攻防性能指标,设计时间戳、获胜导弹、获胜投标、优势度等列表,通过一致性和拍卖阶段,优化目标分配方案,并借鉴自然界鸟群、鱼群等群居性生物的群体协同运动机制,利用“避撞-结队-聚集-攻击”集群行为规则模型(Separation Alignment Cohesion Offense,SACO),结合集群动态拓扑交互机制,建立支持不同通信拒止等级环境下的导弹集群运动决策模型,使导弹集群涌现出宏观的作战行为。仿真结果表明,本文设计的方法能够在不同通信拒止等级条件下进行多目标分配和决策,涌现出宏观的集群作战行为,并具有较好的优化性能,其计算效率相对于其他方法具有更明显的优势。
针对导弹末制导拦截系统,建立了导弹-目标相对运动非线性模型,将导弹-目标拦截问题转化为非线性系统微分博弈问题。考虑到Hamilton-Jacobi-Isaacs(HJI)方程难以找到解析解,提出了采用策略迭代(PI)算法构建一种在线自适应动态规划方案,通过建立评价神经网络和执行神经网络实现PI算法中的策略评估和策略改进。策略评估阶段通过在线的数据采集完成神经网络权值的更新,因此该算法的实现不需要显性已知非线性系统的内动态模型。重复进行策略评估和策略改进2个步骤,可迭代计算出导弹-目标拦截微分博弈问题的近似最优解。将该方法应用到导弹-目标拦截系统中,通过数值仿真验证了该导引律的有效性。
针对多无人机执行编队飞行任务过程中在时间、空间、姿态多维度协同配合的问题,提出了一致性算法和领航跟随法相结合的无人机编队控制方法。基于领航跟随法将无人机分为领航机和跟随机,领航机和跟随机共同组成无人机编队。在此基础上设计了无人机运动学模型和基于一致性算法的编队控制器。实现了无人机编队飞行控制系统,控制多无人机执行协同探测编队飞行任务。最后,使用三台无人机开展飞行实验,验证了该编队飞行控制方法的有效性,为使用无人机模拟卫星来测试星载有效载荷设备提供了支持。
为解决同型号火箭控制系统测发数据少、故障样本不足的问题,本文提出一种数字孪生驱动的火箭控制系统健康管理框架。首先,从系统组成层面和飞行任务剖面对控制系统进行系统级分析;在分析控制系统典型故障模式的基础上,提出健康管理系统的功能需求和方案制定;建立控制系统的五维系统组成和四维模型融合,实现其数字孪生体的模型构建;接着提出数字孪生驱动的故障诊断六维系统架构,并从控制系统运维策略实体验证、虚拟模型验证和虚实实时映射来阐述其三阶运行机制;该框架为控制系统典型单机设备的数字孪生故障诊断技术提供了理论依据和模式借鉴。
针对导弹发射后可攻击区的计算问题,基于导弹与目标的运动模型,论证了风场对弹道以及命中结果的影响,在此基础上考虑目标机动和随机风场的影响,提出了一种精度较高、运算量较小的平移数值算法,对导弹的可攻击区进行了数值仿真计算并研究了其物理性质。仿真实验结果表明,通常情况下,发射一段时间后拦截导弹的可攻击区范围会受随机风场和敌我态势的改变而产生变化,相对于传统的导弹可发射区只能反应射前敌我态势,实时性较差的缺点,本文所提出的可攻击区算法对未来战场态势快速变化的空战环境具有更好的适应性。
针对卷积神经网络对一维舵机数据特征提取不充分,本文提出将一维数据升级为二维数据,采用二维卷积神经网络对舵机故障进行智能检测。首先将一维数据首尾对称排列组成矩阵形式的二维数据,拓宽感受野,增加数据量,打破了空间局限性,避免了数据特征提取不充分,使特征提取具有全局性;其次构建了局部特征学习模块,该模块包含一个卷积层,一个Batch Normalization (BN)层,和一个ReLU激活函数,用于学习数据相关性。最后利用该模型实现对舵机数据的处理,从而实现舵机的智能故障检测。实验结果表明,该模型的准确度高达99.53%,效果优于其他的常用模型,证明了二维卷积神经网络应用于舵机故障检测的可行性。
