【摘 要】
：
目前单兵使用筒式发射弹药大都基于前置法提高命中概率,依赖于射手对目标运动信息的估计.目标运动信息主要包括目标相对于射手横向运动的角速率和偏航角,以及目标在弹目连线方向(径向)上的速度.据此提出一种利用固定在发射筒上的MIMU实时测量目标运动信息的方案,使用卡尔曼滤波算法去除传感器数据中的噪声,使用等效旋转矢量法进行姿态解算得到姿态角.设计了试验样机,通过试验验证了方案的可行性,试验结果显示,在5°和28°发射角情况下,目标运动横向角速率最大偏差分别为0.0015(°)/s和0.0025(°)/s,从而使得
【机 构】
：
北京信息科技大学高动态导航技术北京市重点实验室,北京 100000;中国人民解放军63961部队,北京 100000
论文部分内容阅读
目前单兵使用筒式发射弹药大都基于前置法提高命中概率,依赖于射手对目标运动信息的估计.目标运动信息主要包括目标相对于射手横向运动的角速率和偏航角,以及目标在弹目连线方向(径向)上的速度.据此提出一种利用固定在发射筒上的MIMU实时测量目标运动信息的方案,使用卡尔曼滤波算法去除传感器数据中的噪声,使用等效旋转矢量法进行姿态解算得到姿态角.设计了试验样机,通过试验验证了方案的可行性,试验结果显示,在5°和28°发射角情况下,目标运动横向角速率最大偏差分别为0.0015(°)/s和0.0025(°)/s,从而使得射手能够精确获取目标运动信息,进而提高射击精度并减轻操作负担.
其他文献
为了提高某随动负载模拟器响应的快速性和准确性,对其进行神经网络滑模控制研究.结合伺服系统的模型,通过非奇异终端滑模控制器对其非线性动态变化做出响应.采用非线性量化小脑模型神经网络控制器输出补偿滑模控制器输出,用梯度下降法更新其权值.非线性量化小脑模型神经网络控制器的泛化能力强、收敛速度快,结合非奇异滑模控制器的鲁棒性强等优点,可以有效降低负载模拟器中非线性因素的影响.仿真实验表明,此方法可以保证系统的稳定性,加快动态响应的速度,提高控制精度.
提出一种将变权理论和云模型相结合的任务风险评估方法;针对遂行任务中可能出现的极端值会造成评估结果偏差的情况,构建区间变权函数,建立风险因素数据归一化标准;针对传统云模型在风险评估中期望Ex对评估结果产生的过强影响作用,采取区间形式进行弱化,并根据属性数学理论改进区间云模型数字特征确定方法;实例验证方法的合理性和有效性.
针对存在未建模动态和随机干扰等因素影响下的机械臂轨迹跟踪控制问题,提出了一种新型非奇异固定时间滑模控制策略.首先,利用凯恩方程和虚功原理,推导了n自由度机械臂的动力学方程;然后,由固定时间稳定理论设计了新型固定时间滑模面,结合6R机械臂的凯恩动力学模型,针对机械臂的模型参数不确定性和外界干扰,设计了非奇异固定时间滑模控制器,并基于Lyapunov理论证明了系统的稳定性;最后的数值仿真表明,所设计的控制器能保证系统状态的收敛不依赖于初始条件,并具有更快的收敛速率和更短的收敛时间以及良好的鲁棒性.
针对传统的核相关滤波跟踪算法缺乏处理目标存在遮挡情况的能力,提出了遮挡判断指标以及模型自适应更新的改进算法.首先通过最大响应值和低响应点个数两个指标综合判断是否存在遮挡,然后自适应调整模型学习率,解决了存在遮挡时不能准确跟踪的问题.在OTB2015数据集中选取存在遮挡的图像序列验证了算法的性能,相比传统的核相关滤波算法对遮挡情况下的跟踪,精确度提高了15.12％,成功率提高了14.7％.实验结果表明改进后的算法在存在遮挡时能够准确跟踪目标,具有更高的准确率和鲁棒性.
利用自适应动态规划算法,研究了带有扰动的导弹自动驾驶仪系统的鲁棒最优控制问题.首先,设计了非线性扰动观测器估计系统中的未知扰动;接着,考虑一类积分滑模面,根据扰动观测器的输出,设计积分滑模控制器,使得系统沿着滑模面进入滑动模态运动;然后,针对等效滑动模态系统,设计带有新权值更新律的评价网络,利用自适应动态规划技术自适应学习最优控制律,通过Lyapunov方法证明了闭环系统的稳定性和权值估计值的收敛性;最后,运用导弹自动驾驶仪系统验证了算法的可行性和有效性.
对机载多传感器数据融合的时间对准算法进行了研究,对时间不同步导致的对准误差进行了理论分析.在此基础上,为提高内插外推的精度,对数据时间差异很大的时间对准问题提出了一种改进的分段线性插值算法.对红蓝对抗场景下的数据链与机载火控雷达的数据融合处理进行了仿真分析,仿真结果表明该算法对机载多源数据融合处理具有良好的适应性.
经典的概率可靠性灵敏度分析理论和模糊可靠性灵敏度分析理论不能直接进行主观随机模糊变量的系统可靠性灵敏度分析的求解.通过引入不确定理论,采用不确定变量统一表示主观随机模糊变量来满足随机性的对偶性和模糊性的次可加性,进而在康奈尔不确定可靠性指标的基础上推导可靠性参数灵敏度求解的新公式,运用数值算例证明了所提方法的有效性,能够对可靠性优化提供参考.
多输入多输出(MIMO)雷达有着灵活的工作方式,在抗截获和弱目标探测等领域展现了突出的潜力.MIMO雷达多发多收的优势也带来了一定的限制,要求每个通道发射相互正交的波形.因此,正交波形的设计成为MIMO雷达系统的一个核心领域.提出了一种改进的Jaya算法,该算法实现了信号幅度恒定、相位任意取值的波形设计方法,设计的波形具有良好的非周期性自相关和互相关特性.基于Jaya算法框架,将遗传算法中交叉和变异的思想引入个体更新函数,以求解离散优化问题,并采用汉明扫描算法进一步优化结果.通过数值模拟直观地验证了该算法
电子战是当代信息化战争的开端,战场多时空、多维域的信息掌控权决定着战争的胜负.信息化战场的决策问题不同于传统作战指挥问题,由于战场环境的复杂性、信息的多样性、装备的信息化,干扰决策问题的研究愈加重要.目前,人工智能领域的快速发展,认知无线电、认知电子战的概念相继被提出.在基于现有研究成果的基础上,介绍了认知干扰决策理论,并梳理了国内外的相关文献,主要从认知干扰决策涉及的3个方面(状态识别预测、参量控制、资源调度)出发,归纳了常用的理论方法及其存在的不足,最后对未来雷达认知干扰决策的前景予以展望.
针对传统的通信对抗干扰效果评估方法无法在战时进行实时评估的问题,提出一种基于GA-ELM的在线评估方法.以Link-16为干扰研究对象,首先分析选取其抗干扰行为参数,建立样本库,之后利用极限学习机(ELM)对样本参数进行分类学习,同时使用改进的遗传算法(GA)优化ELM,得到GA-ELM模型.实验结果表示,使用GA-ELM在线评估方法,以抗干扰行为参数为依据,能够得出干扰效果在线评估结果.新方法克服了传统方法无法应用于战时的缺点,更加贴近实战.