针对航天装备试验和训练任务需要,采用脉冲推力机动模型近似空间配试目标在轨释放过程,建立高斯型摄动运动方程来定量描述推力产生的瞬时速度增量与轨道要素变化的关系,解决了分离后目标初始轨道确定问题,并利用春分点轨道要素变量消除方程的奇异性。确定在目标运动微分方程中需要考虑的主要摄动因素,给出了每种摄动力加速度模型,综合考虑预报精度和模型复杂度实现目标高精度轨道预报。仿真计算表明目标初始轨道确定相对某航天器仿真软件结果误差不大于1.576%,并且仿真分析了目标轨道衰减特性和目标相对卫星可视距离的变化,对于航天任务中卫星伴飞轨道设计、目标分离窗口选择、目标最佳初始位置确定具有重要参考作用。
针对在轨航天器采用切向单脉冲喷气规避空间碰撞风险的最优控制策略问题,推导了小偏心率轨道卫星切向控制后的轨道相对原轨道的相对运动方程,分析了空间接近几何关系,给出了满足空间接近距离和交垂线方向距离约束情况下不同控制时刻对应的最小控制量的计算方法和函数曲线,证明了控制量与控制效果的单调关系并讨论了控制时刻对控制效果的敏感性。只要综合测站跟踪情况、卫星工作情况、燃料节省等多种约束确定了控制时刻,即可通过上述控制时刻和控制量函数曲线确定最小的切向控制方向和控制量大小。
为解决单一观测器对临近空间飞行器长距离跟踪精度低的问题,采用了多观测器协同跟踪方法;为实现对临近空间高机动目标运动状态信息的准确拟合,提出交互多模型二次滤波方法;基于目标的跟踪信息,结合差分整合滑动平均自回归(Autoregressive Integrated Moving Average,ARIMA)模型实现对目标轨迹的预测。仿真结果表明二次滤波轨迹跟踪及预测方法与传统跟踪预测方法相比,有效提升了对目标运动信息等跟踪预测精度,角速度跟踪误差从30%降低到5%以内,速度跟踪误差从20%降低到2%以内,并在无需大量先验信息的前提下实现对目标未来100s内的轨迹进行有效预测,误差不大于0.5km。
围绕四旋翼姿态控制问题, 提出一种显式模型预测控制(EMPC)方法。首先对四旋翼无人机进行受力分析,建立数学模型,解耦得到四旋翼姿态模型,然后设计显式预测姿态控制器,包括系统模型的线性化和目标函数的建立,将在线优化问题离线化,在线控制时只需要查找相应的控制区域,通过简单计算就可以得到控制量,减少了在线计算量,并且在一定程度上仍然追求最优解,在MATLAB/Simulink仿真环境中建立了完整的四旋翼非线性仿真模型,验证了设计算法的可行性和有效性。
针对受模型不确定性和外部干扰影响的多操纵面战斗机飞行控制问题,提出了一种基于干扰观测器的改进动态面控制方案。利用一阶滑模微分估计器得到虚拟控制信号一阶微分近似值,在避免“微分爆炸”的同时改善动态面控制的性能;设计了一种结构简单的新型干扰观测器对复合干扰进行估计,取消了复合干扰可导的假设条件;利用控制分配算法得到最终控制信号,保证各舵面均衡使用;最后根据Lyapunov稳定性理论证明了闭环系统的所有信号半全局一致终结有界,并且通过选择适当的设计参数可使姿态角跟踪误差任意小。仿真结果表明:在气动参数具有较大不确定性和不可导外部干扰的情况下,所设计的控制器能有效跟踪参考信号,具有良好的鲁棒性。
针对多视图多视角机载图像匹配问题,提出一种基于细粒度特征和互注意力机制的图像匹配方法。该方法在使用卷积神经网络来提取局部细粒度特征的基础上,通过自注意力机制挖掘全局信息并融入细粒度特征表达,再利用互注意力机制增强匹配图像间的相似性细粒度特征。然后计算每个细粒度特征的注意力得分,按其大小对特征分割对齐。最后用改进后的三重损失对整个模型进行约束,使模型在多视图多视角的数据上更具有鲁棒性。在University-1652公开数据集上的实验结果表明,本文方法的匹配性能优于目前先进方法。
为了解决现有海射火箭作业过程中严重依赖中心调度、无线测发控数据容错率低、海浪运动对海上无线通信干扰复杂等问题,提出了一种区块链场景下的海射火箭无线测发控实现方法。本文在通过Ansoft HFSS三维结构电磁场仿真软件对系统天线仿真设计的基础上,对系统无线收发模块、主控模块、采编模块及遥测数据分布式区块存储的硬件设计和算法控制进行了研究,最后进行了100m、3km和5km三种距离条件下的海上无线数据传输及视频数据流传输实验。实验结果表明,系统在5km条件下TCP模式数据上下行吞吐量不低于71.8Mbps,无人发射平台端视频数据流传输流畅,误码数据全程留痕、可以追溯,为构建海射火箭作业过程中区块链通信管理系统树立了新标杆。
针对无人机用于侦察或火力打击时,传输的控制命令和无人机自身的坐标需要保密,提出了一种新的物理层加密方法。鉴于无人机和地面站分别有一对有限维度的预测双向信道向量(ERCVs),该方法首先使用连续加密函数(CEF),将无人机和地面站的两个ERCVs分别转化为两个任意维度的准连续伪随机数序列(QCPRNs),然后,把QCPRNs进一步转化为两个均匀分布(UD)的QCPRNs序列,并将UD-QCPRNs以模数方式叠加到无人机传输的信息上,地面站产生UD-QCPRNs完成在地面的解密,为无人机安全的对地通信执行了信息和坐标的隐藏。仿真实验证明:所提议的方法可以对抗攻击者可能的任何探测方法,适用于无人机的安全飞行或战争任务的完成。
