针对当前SAR图像中飞机检测尺寸较小导致小目标检测率低、虚警率高的问题, 提出一种基于YOLOv5的改进方法。先采用K-means聚类算法针对飞机小目标尺寸优化锚框, 在主干网络融合Swin Transformer模块, 同时引入自适应学习权重的多尺度特征融合机制和全局注意力机制(GAM), 使网络跨越空间通道维度放大全局维度交互, 提高模型捕获不同维度信息的能力;并且增加一个小目标检测层, 提高网络对SAR图像飞机小目标检测能力。实验结果表明, 相较于原YOLOv5 方法, 改进方法在SAR图像尺寸较小飞机目标的检测上具有更强的特征提取能力和更高的检测精度。

针对无人机数量急剧增多、碰撞风险急剧增加的问题, 借助广播式自动相关监视系统(ADS-B)提供的位置、速度信息进行碰撞风险监测, 利用遗传算法实现无人机的自主避撞及避撞路径寻优。避撞策略综合考虑无人机性能约束、ADS-B参数的可信度及无人机飞行环境, 构建多约束参量的适应度函数, 进行多维度的最优避撞路径计算。针对双机和多机避撞情况, 进行无人机避撞仿真, 仿真结果表明, 遗传算法可以在实现无人机自主避撞的同时有效优化避撞路径。

针对传统路径规划方法存在着过多依赖环境先验信息、算法路径规划实时性不强、难以适应复杂障碍环境等方面的不足, 提出基于电势能理论的改进动态窗口法(DWA), 扩展轨迹评价子函数空间。首先,改进设计预测轨迹选择函数来引导跳出局部最优, 脱离凹型障碍环境; 同时,设计速度评价函数权重动态调整机制, 增强穿越密集障碍区域能力; 最后,增加设计目标导航函数, 提升算法趋向目标点的引导能力。仿真实验表明, 改进算法可以有效克服传统DWA算法易陷入局部最优和无法有效应对复杂障碍环境等问题,更好地提升算法的路径规划能力和实时性。

针对无人直升机的位置和姿态控制中存在不确定和外部干扰的悬停问题, 提出一种基于滑模方法的有限时间飞行控制策略。首先, 对无人直升机的六自由度模型进行分析, 将模型分为位置模型和姿态模型两个部分; 其次, 在悬停状态下对模型做简化处理, 根据位置和姿态之间的特点以及控制要求, 分别采用非奇异终端滑模和积分滑模设计位置控制器和姿态控制器, 并在Lyapunov理论框架下证明系统误差能在有限时间内收敛至平衡点; 最后, 通过仿真分析表明该控制策略具有良好的控制性能。

针对高超声速飞行器非线性、快时变等特点, 研究小波基预测函数控制方法, 旨在改善传统阶跃函数基预测函数控制的控制性能, 同时实现高超声速飞行器的实时控制。首先,将高超声速飞行器非线性模型转换为状态相关的线性模型, 然后,将控制律表示为小波函数的线性组合, 控制律的计算转换为基函数系数的计算, 极大地降低了优化计算的维数, 可以实现对高超声速飞行器的实时控制。与传统的预测函数控制方法不同, 将小波函数作为基函数能充分利用小波的多尺度分析和紧局部特性, 通过灵活设置小波基函数的个数及位置分布, 确保拟合点逼近要求的同时兼顾整体控制性能。仿真结果表明, 相比于传统的阶跃函数基预测函数控制, 小波基预测函数控制具有更好的跟踪性能。

针对倾转四旋翼无人机旋翼模式和短舱角变化后的飞行模式的轨迹跟踪问题, 提出一种双滑模控制方法。首先, 将倾转四旋翼无人机的动力学系统视为全驱动子系统和欠驱动子系统的组合;其次, 结合扩张状态观测器(ESO)对两个子系统分别设计控制律, 其中, 针对欠驱动子系统, 引入复合滑模面, 采用Hurwitz稳定性求解滑模面系数; 然后, 依据Lyapunov稳定性理论, 所有子系统均能达到滑模面; 最后, 通过对比仿真实验验证了所提方法的有效性。

在战时无人机多目的地物资运输任务中, 因其复杂的环境和多变的物资需求, 存在目的地决策困难和航迹规划实时性要求高的问题。为了解决这一问题, 提出一种基于蚁群决策与滚动控制的多目的地航迹规划方法。该方法借助蚁群算法中的寻优机制, 建立以最小损耗为目标的多目的地决策函数; 此外, 采用基于扩充解的滚动时域控制(RHC_eS)法, 采取边走边决策的策略, 进行多目的地航迹规划; 最后, 为了验证该方法的有效性, 在带有障碍物的多目的地环境下进行实验。结果表明, 与其他方法相比, 所提方法具有规划航路短、产生损耗小的优越性能。

面向特定湍流扰动风场建立参数化的湍流模型, 对于研究大气扰动影响下的飞行动力学和飞行安全问题具有重要意义。基于民航飞机飞行数据, 提出了大气湍流参数化建模方法。首先, 基于原始飞行数据推算出沿航迹的三轴扰动风分量, 并采用高斯过程回归分离出扰动风中的非湍流分量, 经统计检验提取出符合平稳性和正态性的湍流成分;其次, 基于极大似然估计建立湍流频域模型, 基于自回归过程建立湍流时域模型。实际飞行数据的试验表明, 所建立的参数化湍流模型能够实现湍流风场的定制化建模, 可以进一步应用于飞行安全分析和飞行参数估计。

伴随工业自动化的发展, 红外图像识别技术更多地应用于自动化生产领域。红外图像存在噪点多、图像质量差、色彩信息缺失等特点。针对上述特点, 提出一种从红外图像频率信息出发, 对红外图像进行识别的检测方法——红外图像频域检测方法(IFDM)。首先, 有别于传统图像处理, 该方法从频域角度出发, 通过离散傅里叶变换, 将图像信息变换到频域, 有利于更好地把握红外图像特有的结构特征; 其次, 在频域进行可学习的频率信息筛选, 增强了模型的特征提取能力;最后, 引入了Transformer结构, 相较于CNN结构, 该结构能更好地整合图像中的全局信息。通过在3个特有的红外图像数据集上进行测试, 与其他算法在准确率以及模型收敛速度层面进行比较, 验证了该方法的可行性。

为优化无人机SLAM系统运行过程中发生的跟踪失败导致局部建图失败以及双目摄像头在远近复杂场景下轨迹误差大的现象, 提出了一种双目SLAM。首先在系统中加入新的约束优化双目匹配的视差与深度, 然后应用光流法基于单应运动补偿原理和PROSAC算法去除误匹配, 最后根据单应补偿结果投影得到新的数据关联, 在关键帧和地图点应用新的手段提高对补偿结果的利用率, 保证了系统的实时性和鲁棒性。所提算法利用双目视差优化计算关键点的深度从而提高系统的定位精度和系统鲁棒性, 在室内无人机EuRoC数据集上取得了较为优秀的精度提升。