期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
无人机跟踪系统仿真平台的设计与实现 被引量:12
1
作者 林传健 章卫国 +1 位作者 史静平 吕永玺 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2020年第10期119-127,共9页
为解决无人机(Unmanned Aerial Vehicle,UAV)在进行地面目标跟踪实验时,存在验证难度大,成本高等问题,设计和实现了基于视景仿真软件和MATLAB/Simulink的仿真平台.首先,选择汽车作为地面目标,在视景仿真软件中导入UAV和汽车的三维模型,... 为解决无人机(Unmanned Aerial Vehicle,UAV)在进行地面目标跟踪实验时,存在验证难度大,成本高等问题,设计和实现了基于视景仿真软件和MATLAB/Simulink的仿真平台.首先,选择汽车作为地面目标,在视景仿真软件中导入UAV和汽车的三维模型,并设置虚拟云台和摄像机.其次,利用UAV、汽车与云台之间的相对运动模拟UAV跟踪过程中场景的变化,基于运动补偿的云台控制算法保证了虚拟摄像机始终指向目标.然后,虚拟摄像机采集目标所在区域的图片,图像跟踪算法跟踪图片中的目标,并利用目标图像模型解算目标在世界坐标系下的位置.最后,根据目标位置,使用参考点制导法生成期望的滚转角指令,引导UAV围绕目标盘旋飞行.视景仿真软件、图像跟踪算法和MATLAB/Simulink之间通过共享内存与UDP进行闭环通信.此外,提出一种实用可靠的标定方法,完成了视景仿真软件中虚拟摄像机内参矩阵的标定.仿真结果表明:该仿真平台能较好地模拟UAV对不同运动状态汽车的跟踪,得到的仿真结果具有较高的工程参考价值.本文的研究成果为目标跟踪实验提供了良好的仿真环境,有效减少实验成本. 展开更多
关键词 目标跟踪 无人机 云台控制 参考点制导 视景仿真
在线阅读 下载PDF
多无人机同时到达的standoff跟踪控制 被引量:1
2
作者 杜智慧 史静平 +1 位作者 刘志敏 卢京潮 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2023年第4期18-25,共8页
为实现多无人机standoff目标跟踪与同时到达,提出了一种新的比例Lyapunov矢量场和基于τ耦合理论的协同速度控制器。首先,与其他的Lyapunov矢量场相比,比例Lyapunov矢量场中增加了一个可设置的参数,使得在跟踪过程中无人机能够在收敛速... 为实现多无人机standoff目标跟踪与同时到达,提出了一种新的比例Lyapunov矢量场和基于τ耦合理论的协同速度控制器。首先,与其他的Lyapunov矢量场相比,比例Lyapunov矢量场中增加了一个可设置的参数,使得在跟踪过程中无人机能够在收敛速度和航向角速率限制之间取得平衡,最大限度的发挥无人机的性能;然后,通过进一步的理论分析得出参数越小,收敛速度越快,但是航向角速率越大。同时给出了在最大航向角速率限制下参数的选取方法,以保证获得较快的收敛速度。最后,为保证无人机能够从不同初始位置同时到达目标点,设计了基于τ耦合理论的协同速度控制律,该控制律不需要考虑实际的不规则飞行路径,只需要计算当前点到目标点的直线距离,避免了现有四维路径规划方法中路径积分复杂的问题,算法更加简单,更有利于工程实现。结果表明,通过数字仿真实例和硬件在环实验,验证了所提方法能够导引无人机同时到达目标点,并快速收敛到standoff半径,说明了该方法的有效性和优越性,且能够应用于工程实际。 展开更多
关键词 多无人机 standoff跟踪 Lyapunov矢量场 同时到达 τ理论
在线阅读 下载PDF
一种高斯-重尾切换分布鲁棒卡尔曼滤波器 被引量:1
3
作者 黄伟 付红坡 +1 位作者 李煜 章卫国 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2024年第4期12-23,共12页
为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heav... 为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heavy-tailed switching distribution based robust Kalman filter,GHTSRKF)。首先,通过自适应学习高斯分布和一种重尾分布之间的切换概率将噪声建模为GHTS(Gaussian-heavy-tailed switching)分布,所设计的GHTS分布可以通过在线调整高斯分布和新的重尾分布之间的切换概率来对非平稳重尾噪声进行建模,具有虚拟协方差的高斯分布用于处理协方差矩阵不准确的高斯噪声。其次,引入两个分别服从Categorical分布与伯努利分布的辅助参数将GHTS分布表示为一个分层高斯形式,进一步利用变分贝叶斯方法推导了GHTSRKF。最后,利用一个仿真场景对几种不同的RKFs(robust Kalman filters)进行了对比验证。结果表明,所提出的GHTSRKF算法的估计精度对初始状态的选取不敏感,精度优于其他RKFs,它的RMSEs最接近噪声信息准确的KFTNC(KF with true noise covariances)的RMSEs(root mean square errors),且当系统与量测噪声是未知时变高斯噪声时,相比于现有的滤波器,GHTSRKF具有更好的估计性能,从而验证了GHTSRKF的有效性。 展开更多
关键词 状态估计 非平稳重尾噪声 自适应学习 鲁棒滤波器 变分贝叶斯方法
在线阅读 下载PDF
深度强化学习的无人作战飞机空战机动决策 被引量:14
4
作者 李永丰 史静平 +1 位作者 章卫国 蒋维 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2021年第12期33-41,共9页
无人作战飞机(unmanned combat aerial vehicle,UCAV)在进行空战自主机动决策时,面临大规模计算,易受敌方不确定性操纵的影响。针对这一问题,提出了一种基于深度强化学习算法的无人作战飞机空战自主机动决策模型。利用该算法,无人作战... 无人作战飞机(unmanned combat aerial vehicle,UCAV)在进行空战自主机动决策时,面临大规模计算,易受敌方不确定性操纵的影响。针对这一问题,提出了一种基于深度强化学习算法的无人作战飞机空战自主机动决策模型。利用该算法,无人作战飞机可以在空战中自主地进行机动决策以获得优势地位。首先,基于飞机控制系统,利用MATLAB/Simulink仿真平台搭建了六自由度无人作战飞机模型,选取适当的空战动作作为机动输出。在此基础上,设计了无人作战飞机空战自主机动的决策模型,通过敌我双方的相对运动构建作战评估模型,分析了导弹攻击区的范围,将相应的优势函数作为深度强化学习的评判依据。之后,对无人作战飞机进行了由易到难的分阶段训练,并通过对深度Q网络的研究分析了最优机动控制指令。从而无人作战飞机可以在不同的态势情况下选择相应的机动动作,独立评估战场态势,做出战术决策,以达到提高作战效能的目的。仿真结果表明,该方法能使无人作战飞机在空战中自主的选择战术动作,快速达到优势地位,极大地提高了无人作战飞机的作战效率。 展开更多
关键词 无人作战飞机 深度强化学习 空战自主机动决策 六自由度 优势函数 深度Q网络
在线阅读 下载PDF
下表面射流对翼型气动性能影响的数值模拟 被引量:5
5
作者 付云豪 章卫国 +1 位作者 史静平 谭艺 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2021年第6期48-53,共6页
为探索增强小迎角下翼型气动性能的射流控制方法,进而实现无舵飞行控制,在环量控制的启发下,提出在NACA0012翼型下表面靠近后缘的位置布置射流(Jet on the lower surface of trailing edge,LSTE jet),并通过分析流动状态与参数变化优化L... 为探索增强小迎角下翼型气动性能的射流控制方法,进而实现无舵飞行控制,在环量控制的启发下,提出在NACA0012翼型下表面靠近后缘的位置布置射流(Jet on the lower surface of trailing edge,LSTE jet),并通过分析流动状态与参数变化优化LSTE射流的气动控制效果.首先,采用3套不同规模的网格对NACA0012翼型本身进行数值模拟,验证了数值模拟方法的收敛性与有效性.其次,通过比较流场的马赫数分布、流线和压力分布的变化,研究了LSTE射流影响翼型气动性能的机理.最后,研究了翼型的气动系数随射流的位置、动量系数和前向夹角的变化规律.结果表明:LSTE射流在后缘诱导产生逆时针的涡,形成低压分离区,使后缘主流向下偏折,增加了翼型的有效弯度,并且前缘的吸力峰也因此增加,从而增大了升力系数;LSTE射流越靠近后缘,动量系数越大,增升减阻效果越好,但翼型的失速迎角会减小1°~3°;在不同的迎角和射流动量系数下,翼型的最大升力和最小阻力可以同时在γ=60°~70°之间达到.利用LSTE射流可以有效改变小迎角下翼型的气动性能,对实现飞行器无舵操纵有一定意义. 展开更多
关键词 主动流动控制 定常射流 翼型 NACA0012 气动性能 LSTE射流
在线阅读 下载PDF
改进的输出误差法用于不稳定飞机参数辨识
6
作者 汪志刚 李爱军 +1 位作者 王力浩 孙小锋 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2022年第12期65-72,共8页
为解决输出误差法在不稳定飞机参数辨识过程中的数值发散问题以及初值依赖问题,设计了一种结合神经网络、粒子群优化算法以及Levenberg-Marquardt算法的系统辨识方法。首先,为解决输出误差法的数值发散问题,以神经网络拟合待辨识系统的... 为解决输出误差法在不稳定飞机参数辨识过程中的数值发散问题以及初值依赖问题,设计了一种结合神经网络、粒子群优化算法以及Levenberg-Marquardt算法的系统辨识方法。首先,为解决输出误差法的数值发散问题,以神经网络拟合待辨识系统的动力学特性。不同时刻的飞行试验数据用于训练神经网络,训练好的网络可以直接对下一时刻的运动状态进行预测,从而避免对不稳定运动方程的求解。其次,基于粒子群优化算法搜索Levenberg-Marquardt算法中的最佳阻尼因子,并以改进的LM算法替代输出误差法中的高斯-牛顿算法。接下来,改进的LM算法与训练好的神经网络结合得到了一种新的参数辨识算法。最后,基于不稳定飞机的闭环仿真飞行试验数据对提出的算法进行了验证。研究结果表明:与传统的最小二乘法和人工稳定的输出误差法的估计结果相比,所采用的算法具有更高的估计精度;同时,所提出的算法中可以随机选取待辨识参数的初值,克服了输出误差法对参数初值的依赖。本文的研究成果可以直接用于其他不稳定非线性动力学系统辨识领域,经过修改后还可以用于其他非线性优化领域。 展开更多
关键词 不稳定飞机 参数辨识 LEVENBERG-MARQUARDT算法 粒子群算法 神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部