无人直升机担负着越来越重要的作战使命, 而甲板运动是影响其着舰安全的重要因素, 对着舰甲板运动进行精确预估与补偿是亟待解决的难题。为此, 基于自适应AR模型与最优预见控制方法, 提出了一种甲板运动预估与补偿方法。基于AR模型设计甲板运动预估器时, 引入时变因子设计了自适应模型参数更新律优化模型性能, 强调数据的实时性, 仿真结果表明, 该方法在一定程度上提高了甲板运动预估的准确性, 且计算相对简单; 将甲板运动预估器产生的预估信号作为可预见的未来信息引入预见控制器, 并基于最优控制理论对着舰甲板运动进行补偿, 较好地改善了甲板运动补偿系统相位延迟问题, 并在一定程度上提高了甲板运动跟踪精度, 进而提高无人直升机着舰成功率。

甲板运动是舰载机完成海上作战任务的关键影响因素之一。针对无人舰载机着舰过程中甲板运动干扰问题,设计了基于最优预见控制的甲板运动补偿器,并与基于卡尔曼滤波算法的甲板运动预估器相结合,组成甲板运动跟踪控制系统。该系统利用了甲板运动预估信息以及预见控制提前操作的特点,可有效避免传统甲板补偿系统的相位延迟。最后,以非线性小型固定翼无人机模型为研究对象进行数值仿真,仿真结果表明,该系统能够有效跟踪甲板运动,从而提高无人机着舰成功率。

以舰载机为研究对象,建立了舰载机的动力学模型,设计了基于H2全信息预见控制器的舰载机自动着舰控制系统,实现了舰尾流干扰的抑制和下滑道的跟踪。以某舰载机为受控对象,进行非线性数值仿真,结果表明,采用H2全信息预见控制策略能够提高对舰尾流干扰的抑制效果,获得较快的系统响应和满意的轨迹跟踪效果,控制效果优于PID控制。

根据日益复杂的空战格局以及基于微分对策理论设计的空空导弹导引律所存在的缺陷与不足,提出了基于预见学习算法的微分对策导引律改进方案。首先讨论了微分对策导引律的缺陷,并针对其不足研究了基于最优控制理论的预见学习方法;其次设计了基于CMAC(小脑关节模型)的预见学习运算过程,将其应用于空空导弹预见逃逸目标的未来逃逸轨迹,并令导弹据此进行最优决策实现预见学习制导;最后根据逃逸目标飞行轨迹的恶意性突防程度,总结专家经验,将预见学习与微分对策相结合实现优势互补,形成了基于预见学习的微分对策导引律。其仿真结果较经典导引律有明显的优势,能以较小的控制量、较短的拦截时间获得很小的脱靶量,尤其适合拦截具有大机动恶意突防行为的目标。