蚁群算法是一种智能优化算法, 具有鲁棒性强、反馈信息精准、分布式计算能力强等优点, 被广泛应用于移动机器人的路径规划。针对原算法存在收敛速度慢、易陷入局部最优等问题, 提出了一种改进蚁群路径规划算法。首先, 融合头脑风暴思想对解集进行更新变异, 在加快收敛的同时保证算法的多样性。其次, 利用局部路径注意力机制提取较好的路径段, 提高寻优效率, 且在信息素注意力机制中加入了自适应t分布, 避免算法陷入局部最优。新的信息素更新方式可以促进算法的全局搜索, 并且保障算法的收敛速度。最后, 在Matlab软件中进行了静态环境下的仿真实验, 验证了该算法的有效性和可行性。

针对高速串行总线IEEE1394B的特点, 分析在此基础上的SAE AS5643协议在航空安全关键领域的应用。研究了协议技术特点, 分别对时间同步、数据通信、根节点、拓扑和带宽等确定性方面展开阐述, 结合时间触发的优势, 对AS5643协议进行改进, 具体对时间触发调度、发送接收时刻等功能进行改进, 提出了一种基于AS5643协议的时间触发调度设计架构, 使其在未来高速(1.6 Gibit/s, 3.2 Gibit/s等)通信应用中进一步提升航空安全关键系统应用所需的鲁棒性和确定性。对实现的设计方案进行RTL级实现及仿真分析, 验证了通信的正确性。

基于方位角测量的定位跟踪系统隐蔽性好, 是反侦察、反干扰和实施突袭的有效手段。针对地面观测站对地面运动目标的定位需求, 建立目标匀速及匀加速直线运动模型, 为减小测角误差的影响, 依据最小二乘估计准则推导目标定位算法。分析影响定位精度的主要因素, 并从观测站数量、目标距离、角度测量误差等方面进行了仿真实验和数值分析, 采用蒙特卡罗方法分析了定位误差的均值、标准差等指标。计算表明: 在同等条件下, 采用3~4个地面观测站即可获得较优的定位精度; 定位误差及误差离散程度随着目标距离及角度测量误差的增大而变大。实验结果对于优化地面观测站参数配置、提高目标定位精度以及定量评估设备预期效果具有一定的借鉴意义。

随着无线装备的大量应用, 电子战逐渐成为打赢现代战争的关键;提高雷达的抗侦察性能是增强雷达电子对抗的重要手段, 而抗分选信号设计能够从根本上增强雷达的抗侦察能力。针对目前在信号侦察领域广泛应用的序列差值直方图算法, 从破坏分选算法对信号脉冲重复间隔估计值的角度设计抗分选信号。首先梳理了序列差值直方图分选算法工作步骤, 分析了算法对信号分选的关键步骤, 然后提出了信号设计的方案, 最后进行仿真验证。仿真结果显示所设计的信号可以有效对抗分选算法。

振动性能是评价高精度直升机载光纤陀螺环境可靠性与性能稳定性的一个重要指标, 光源作为直升机载光纤惯导的源头部件, 需要保证其在振动条件下性能的稳定输出。针对光源平均波长随振动变化的问题, 从基本机理出发, 通过建立光路琼斯矩阵模型, 深入研究了光纤中传输光的偏振态与偏振相关损耗之间的关系, 在不增加光源系统复杂性的情况下提出了一种基于法拉第旋转镜的直升机载光纤惯导用抗振型光源, 并实验验证了其抗振动性能。实验表明, 提出的方案可以大大提高光源和光纤惯导振动条件下的稳定性, 特别是高频振动条件下(1000~2000 Hz), 光源的平均波长稳定性提高了6.8×10-6。

面对复杂地形条件下的无人机突防任务, 粒子群算法(PSO)在寻找最优路径的过程中易陷入局部最优、搜索时间过长等困境。针对上述问题, 在PSO中引入球坐标系, 将所得的路径看作向量。通过向量的距离、仰角和方位角与无人机的速度、俯仰角和转向角的相互关系来实现粒子的迭代更新。最后, 引入随机自适应惯性权重, 弥补粒子前期局部搜索能力与后期全局搜索能力的不足。仿真结果表明, 改进算法能够有效规避威胁区域, 收敛速度更快, 收敛精度更高, 且不易陷入局部最优。

四旋翼无人机执行任务时会受到大气紊流对姿态的干扰, 为此提出一种运用变论域模糊理论优化传统PID控制器的方法。根据运动学方程建立了控制精度更为准确的四旋翼无人机非线性模型。由于大气紊流具有随机性强的特点, 基于Dryden模型得到了大气紊流的分量模型。考虑到传统PID控制器抗干扰能力不足, 因此, 结合可变论域模糊控制设计出了变论域模糊自适应PID控制器。在Simulink环境下对两种控制器先后加入了大气紊流和阶跃响应干扰进行仿真比较, 结果显示, 优化后的控制器鲁棒性和稳定性均优于PID传统控制器。

对未知环境的探索, 如搜救、追逃等场景, 无人机需要一边探索(感知)环境一边完成当前的航迹规划(动作选择)。针对上述场景, 为了提高无人机对未知环境的探索范围, 提出了结合长短期记忆的改进深度双Q网络探索航迹规划方法: 搭建仿真地图, 以无人机视野内的环境信息作为输入, 引入长短期记忆网络, 输出动作方向的选择; 设置探索经验样本优先级, 提高训练效率; 加入飞行动力学约束, 设计合理的状态、动作空间及单步奖励函数。运用所提算法, 无人机可以自主规划出一条无碰撞且对环境探索范围大的航迹。仿真实验结果表明: 在未知环境下, 所提算法得到的探索面积比、单步探索平均奖励值等指标均优于传统的DDQN算法。

针对目标检测定位准确性受边框回归损失函数影响的特性, 设计基于IoU(Intersection over Union)的边框回归损失函数IAIoU(Included Aspect-ratio IoU)。该损失设计两项优化项, 将预测框与标注框并集与交集面积的差与两框最小闭包面积之比及与两框最小闭包面积平方之比的和作为第一项优化项, 避免两框包含时损失函数退化; 利用两框长宽比值之差作为第二项优化项, 生成更接近标注框的预测框。设计的损失应用于单阶段检测算法YOLOv3, 在红外飞机数据集上进行验证, mAP达到92.17%, 比原始YOLOv3提升1.37%。

为了克服未知的执行器故障对四旋翼无人机编队飞行的影响, 提出了一种基于动态规划的最优协同容错控制律。首先, 建立了四旋翼无人机模型, 然后, 基于动态规划设计了最优协同控制律, 利用RBF神经网络逼近最优性能指标函数, 设计了自适应律来估计未知的执行器故障, 最终得到的最优协同容错控制律可实现对无人机编队飞行的高精度控制。通过对比仿真验证了设计的控制律具有更优的编队控制效果, 编队飞行的最大轨迹跟踪误差仅为0.04 m, 控制精度较高, 设计的自适应律具有更优的故障估计效果, 最大估计误差仅为0.05 N·m, 实现了对四旋翼无人机编队的安全稳定控制。

测向交叉定位思想简单, 所需测量信息少, 在无源定位领域被广泛应用。针对传统测向交叉定位算法难以解决未知目标数目的定位问题, 提出了一种基于网格密度峰值的测向交叉定位算法, 将网格划分和密度峰值聚类引入测向交叉定位中, 并结合Hough变换制定了一种挑选类簇中心的规则。仿真实验和实测数据实验结果表明, 在含有噪声的情况下, 该算法能够自动识别目标的数目和位置, 具有较强鲁棒性, 可适用于实际问题。

深度学习算法应用于SAR图像分类领域时存在模型训练时间较长且精度不够高等问题。对此, 提出一种基于混合注意力机制的卷积神经网络模型, 该模型基本模块分为主干分支和软分支。主干分支由残差收缩网络和改良之后的通道注意力机制组成, 负责提取主要特征; 软分支将下采样和上采样相结合, 负责提取混合注意力权重, 增强从输入到输出的映射能力。该模型在MSTAR数据集上取得了99.6%的识别率, 且训练时间较短。噪声分析显示:该模型对椒盐噪声具有较强的鲁棒性。

鸟击事件严重威胁着航空运行安全, 采用量子激光雷达对鸟类目标进行监测被视为发现鸟击事件征候的有效方法。利用量子激光雷达所获得的高精度、高分辨率的鸟类目标的空间位置信息, 结合机场周边航空器运行特点及安全标准, 提出综合考虑鸟类目标的碰撞概率和损伤严重程度的威胁等级评估模型。由于采用了指数形式的等级划分, 该威胁等级评估模型能够更加准确地实现对各种情况下鸟类目标的威胁等级评估。仿真结果表明, 基于指数函数的威胁等级评估模型可以很好地对机场周边的鸟类目标的威胁等级进行评定, 相应结果符合机场鸟类目标的实际运动情况, 可以为防范鸟击事件的发生提供有效的预警。

针对无人机在复杂环境下受到多种威胁时的航迹规划问题, 提出一种改进的基于球面向量的粒子群优化算法(ISPSO)。利用融合压缩因子和异步变化学习因子的ISPSO算法, 通过粒子位置和速度同无人机转角和爬升角的对应关系, 高效地搜索无人机的构形空间, 找到成本函数最小的最优路径。为了评估ISPSO的性能, 从真实的数字高程模型地图中生成2个基准场景, 仿真结果表明, 该算法优于基于球面向量的粒子群算法。

针对光学遥感图像飞机目标背景复杂、检测精度与检测速度不平衡、易漏检等问题, 提出一种融合不同网络模块的SPSSD模型。首先, 采用Resnet50替换SSD300算法中的特征提取网络, 并加入可操控的空洞卷积模块, 扩大特征感受野获取更多有利检测目标的特征信息;其次, 加入FPN和SPP网络, 得到浅层特征信息, 并将感受野二次放大后的特征与深层特征信息进行融合;然后, 送入ECANet网络中获取更加完整且更具有判断力的特征信息;最后, 采用NWPU-RESISC45数据集3400张高分辨率飞机遥感图像输入至SPSSD模型中迭代训练, 最终改进算法模型mAP值达到92.68%, 较改进前的算法模型提升了5.18个百分点, 检测速度达到25.1 帧/s。实验结果表明, 该方法可以有效兼顾飞机目标的检测精度与检测速度, 一定程度上降低了目标漏检率。

从**需求、任务需求和系统功能需求这3个方面开展了舰载直升机对反潜辅助决策系统的需求研究。分析认为**需求应满足机组人员对掌握海洋环境、装备性能和制定方案的需要; 任务需求应满足多种反潜任务、战斗过程和协同指挥的需要; 运用系统工程分析方法, 根据舰载反潜直升机作战流程, 将反潜辅助决策系统功能主要分为信息处理保障、反潜数据支持及方案管理、任务规划、系统管理等4个方面, 并在此基础上对各项功能进行了细化分解, 对开展机载反潜辅助决策系统设计具有一定的参考价值。

考虑垂直起降无人机着舰问题的特殊性, 提出了一种基于机载视觉的自主着舰方案。突破了传统2D光流测速的弊端, 利用图像球面光流估计出目标舰船的三维速度矢量。为解决传统位置控制方案对着落轨迹精度控制不足的问题, 利用Tau理论实时规划出一条满足着舰软着落约束条件的期望轨迹, 最终以无人机三维飞行速度矢量作为控制量设计了轨迹跟踪控制器。基于Unity3D软件开发视景仿真环境, 模拟不同海况条件, 对所设计系统进行了半实物闭环仿真验证。与传统轨迹规划方案相比, 所提方法无需复杂优化迭代计算, 能同时满足着舰的实时性和精确性需求。

针对船舶轨迹的历史轨迹相似性低、预测精度不高等问题, 基于序列到序列(Seq2Seq)模型提出一种轨迹预测算法——vSeq2Seq。首先, 用一阶差分法处理AIS数据, 降低时间依赖性, 减弱通信延迟产生的干扰, 突出船只运动规律; 然后, 采用滑窗法处理数据, 构建模型数据集, 通过Seq2Seq模型进行可变步长的轨迹预测。实验结果证明, vSeq2Seq算法能够从船只轨迹中提取出轨迹变化特征, 针对船只不同运动状态改变预测步长、灵活地进行预测, 对比传统LSTM模型和GRU模型, 预测精度有显著提升。

针对合作多智能体系统缺乏个体奖励信号的情况下, 不同智能体贡献无法区分导致合作效率低下的问题, 利用价值分解范式引入了信用分配可区分性评价指标, 并提出一种基于梯度熵正则化的方法实现区分度较高的信用分配。在此基础上, 结合多智能体深度强化学习算法, 提出一种改进型QMIX网络。通过SMAC多智能体学习环境和Starcraft2自带的地图编辑器, 建立相应仿真实验环境, 结果表明新提出的改进型QMIX网络相较于QMIX网络, 学习效率和整体性能均有所提升, 更适用于部分可观测环境下的合作多智能体强化学习问题。

机载光电平台存在来自于摩擦、质量不平衡、运动耦合和机载环境等干扰, 传统的PID控制器控制性能差, 抗干扰能力弱。针对这一问题, 设计了一种动态性能好、鲁棒性强的分数阶控制器; 同时提出一种基于改进速度和惯性权重的粒子群算法整定分数阶控制器的5个参数。仿真实验表明: 改进后的粒子群算法拥有更快的收敛速度, 求解更加精确; 光电平台速度环控制系统超调量降低至0.13%, 正弦扰动隔离度较标准算法提高64.06%, 响应速度和鲁棒性大大提高。

针对传统导航方式精度低、误差大等问题, 结合视觉导航设计了一种基于ArUco码的着陆标识。对机载相机采集的实时影像进行图像处理, 利用世界坐标系与像素坐标系的映射关系建立无人机位姿估计模型, 以特征点坐标解算得到当前无人机与着陆标识物之间的相对姿态估计值, 设计并融合误差模型进一步提高定位精确性。通过无人机室外实际应用实验证明, 设计的降落标志及新型识别算法大大提高了无人机自主降落的精准性, 能更好地满足在**无人机等高精度降落要求场合的应用。

无人机对目标进行测距时, 其算法的实时性和准确性一直是研究的重点。针对算法的实时性, 提出双向搜索策略以及采用三条数据流并行处理实现GPU加速, 并引入蝶形排序算法, 提高了运算效率; 针对算法的准确性, 提出改进AD算法与改进Census算法融合, 有效地解决了算法过度依赖中心像素的问题; 为了降低算法复杂度, 在基于背景差法的目标检测中引入移动平均算法; 针对无人机平台存储空间有限, 提出存储数据优化方案, 减少了数据的占用空间。在Middlebury数据集下与BM算法、SGBM算法进行对比实验, 采集室外场景与BM算法进行测距性能对比, 最后实现室外无人机测距。通过大量实验数据验证了所提算法可满足无人机实时测距的高精度要求。