简介:为实现多枚导弹协同攻击机动目标,基于具有推力可控能力的导弹,提出了一种带落角约束的多导弹分布式协同制导律。将制导律的设计分离为视线方向和视线法向上两个部分:视线方向上基于多智能体协同控制理论和超螺旋控制算法,设计制导律控制导弹剩余时间在有限时间内趋于一致;视线法向上运用零化视线角速率思想和有限时间滑模控制理论,设计制导律控制导弹击中目标的同时满足落角约束。并针对两部分制导律中存在的目标机动信息,分别设计非齐次干扰观测器进行估计。仿真结果表明,提出的制导律能够有效完成协同攻击任务,脱靶量和落角误差分别控制在0.13m和0.02°以内,并且有效抑制了抖振现象,有利于提高导弹自动驾驶仪的跟踪精度。
简介:在Mach数3.4的来流条件下,对二维后台阶流动精细结构开展了实验研究.实验分为后台阶上游无控制加粗糙带扰动及微涡流发生器(micro-vortexgenerator,MVG)扰动3种状态,采用基于纳米示踪的平面激光散射(nano-tracerbasedplanarlaserscattering,NPLS)方法获得了流向和展向切面内的高时空分辨率流动显示图像,并测量了模型表面静压分布.对大量NPLS图像取平均,研究了流场结构的时间平均规律,对比不同时刻的瞬态流场精细结构图像,发现不同状态下的湍流大尺度结构的特征时间.有粗糙带状态相对无粗糙带台阶下游回流区压力更低,而下游压力较高,台阶上游区别不大;受MVG控制后台阶下游附近区域压力突增;MVG对流动的控制改变能力较强,粗糙带能调整台阶上下游附近流动平稳过渡,流场壁面压力没有突变.
简介:从模式识别的角度分析了搜索模式下水下运载体的重力匹配问题,利用模式识别神经网络实现重力匹配定位。在重力图匹配时,以惯性导航仪指示位置为中心规划真实位置的网格点搜索范围,从参考重力图上提取相应一系列的重力数据,与对应网格点的位置一起定义成多个模式类,构造相应的模式识别概率神经网络,运用该神经网络将实时重力测量数据识别到某个模式类,对比模式类的定义确定载体位置。在实测重力图上对重力辅助惯性导航系统进行了计算机仿真研究。结果表明,在重力场特征显著区域该重力匹配算法能够有效减小厄特弗斯效应的影响,其导航系统定位误差小于一个重力图网格,匹配率在80%以上,匹配效果优于一般的相关匹配算法。
简介:为了提高潜器导航定位精度,针对等值线算法在惯导系统初始误差较大时易发散的问题,提出基于概率神经网络调优的等值线改进方法。首先,在搜索区域内,利用概率神经网络算法对惯导系统航迹进行调优,并经过卡尔曼滤波器与惯导系统航迹进行信息融合形成待匹配航迹;在此基础上利用实时等值线算法得到最佳匹配位置。分别在不同初始条件下进行仿真分析,得出概率神经网络算法在大的初始误差下不易发散但定位精度不高的结论,然后在潜器行驶6h后,初始误差为5.438?的条件下进行仿真验证,结果表明,改进方法定位精度均值优于0.537?,从而证明改进方法是有效的,即使在大的初始误差下仍然能够达到较高的定位精度。
简介:开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.
简介:高超声速(Ma∞=6.0)炮风洞中带超声速(Mac=3.0)喷流光学头罩受到周围绕流影响出现气动光学畸变.利用基于背景纹影(backgroundorientedschlieren,BOS)的波前测试方法测量了光学波前畸变.研究结果表明:瞄视误差(boresighterror,BSE)与喷流压比(pressureratioofjet,PRJ)之间近似呈正相关.在有喷流的情况下,压力匹配时瞄视误差相对比较小,并且喷流压比对气动光学高阶畸变的影响不显著.微型涡流发生器(microvortexgene-rator,MVG)对瞄视误差影响不明显,但是对气动光学高阶畸变的影响较为显著.基于波前互相关结果,施加微型涡流发生器之后,波前结构尺寸从0.2AD减小为0.1AD.结构尺寸的减小较为有效地抑制了气动光学高阶畸变并且提高了波前的稳定性.
简介:针对系统误差的不确定性可能会引起滤波精度降低或发散的问题,提出一种新的基于模型预测滤波的前向神经网络算法。首先,采用模型预测滤波估计网络在正向传递过程中的模型误差,并对其进行修正,以弥补模型误差对隐含层权值更新的影响;然后,利用模型预测滤波为神经网络提供精确的训练样本,学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统,并与扩展卡尔曼滤波进行比较,仿真结果表明,提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05m/s,+0.05m/s]和[-5m,+5m]以内,滤波性能明显优于扩展卡尔曼滤波算法,表明该算法能提高组合导航定位的解算精度。
简介:在详细分析光纤陀螺零漂的基础上,提出了先用滤波算法对光纤陀螺信号进行预处理,然后采用RBF神经网络对滤波后的信号进行建模的方法.针对光纤陀螺信号特点分别采用FLP算法、小波滤波算法、解相关变步长LMS自适应滤波算法对其进行了预处理,比较三种滤波方法,小波滤波算法效果优于其它两种预处理方法,但针对基于预处理后的陀螺信号采用RBF神经网络进行建模时,小波滤波预处理后的信号在建模精度上却是最差的,而对FLP算法滤波后的信号进行RBF建模,建模精度提高了两个数量级。结果表明:基于FLP算法的RBF神经网络在光纤陀螺中的建模是有效的,可大大提高建模的精度。
简介:多路径误差是北斗导航定位系统高精度动态监测的主要误差源。针对北斗导航定位系统多路径误差的特性,结合广义特征值盲源分离方法的优势,提出一种基于参考信号的广义特征值盲源分离算法来削弱多路径效应的影响。首先将前一天的原始坐标残差序列通过奇异谱分析方法进行去噪,其结果作为初始参考信号;然后将当天的原始坐标残差序列进行经验模式分解方法分解,分解得到的IMF分量作为虚拟观测数据,利用广义特征值盲源分离算法获取当天多路径误差信号;最后,利用仿真数据和连续10天的实际观测数据进行试验分析,结果表明利用该方法建立的多路径误差改正模型能有效地了削弱多路径的影响,北、东、天三个方向精度分别提高了78.8%、35.3%、90.1%。提出的模型在一定程度上解决了固定多路径模型随着时间推移重复性减小且有效性降低的问题。