1 火箭军工程大学, 士官学院, 山东 青州 262500
2 初级指挥学院西安710025
3 中国航空工业集团公司洛阳电光设备研究所, 河南 洛阳471000
4 中国航空工业集团公司洛阳电光设备研究所, 河南 洛阳 471000
结合惯性器件随机误差研究的实际, 针对传统的基于时间序列的ARMA建模方法和深度学习LSTM网络进行了适用性和实时性对比分析, 通过获取具体型号的惯性器件输出数据设计了算例。研究认为在未做实时性要求的情况下, ARMA建模和LSTM网络均可以达到较好的拟合效果, 而建立LSTM网络方法可以减少提取趋势项和周期项的环节; 实时在线预测情况下LSTM网络优势明显, 但预测精度会随时间序列缩短而明显下降, 可以在一定程度上反映噪声变化的趋势并据此对整体控制系统的滤波算法进行优化。
惯性器件 随机误差 LSTM 网络 ARMA建模 inertial device random error LSTM network ARMA modeling
1 中国航空工业洛阳电光设备研究所, 河南 洛阳 471009
2 北京航空航天大学自动化科学与电器工程学院, 北京 100191
针对任务、资源、航路的调度与规划需要, 建立了一种分层递阶的任务规划系统结构, 上层主要解决任务优先级和冲突消解问题；下层主要解决满足各种要求的航路规划与实时重规划问题。提出了启发式动态任务调度与航路实时规划算法, 可以有效提高对各种突发事件的态势自适应和冲突消解能力以及对时敏目标的打击能力, 进而提高无人机在动态不确定环境下的自主性。
无人机 任务调度 航路规划 启发式规划 unmanned aerial vehicle task scheduling path planning heuristic planning
