摘要 为了提高自主水下航行器(autonomous underwater vehicles, AUVs)末端光学导引回收定位精度,本文首次将深度网络引入基于多象限测角的AUV光学导引定位位置解算任务中,提出了基于多分支回归网络的AUV光学导引定位方法.建立了水下光学导引定位系统的物理几何关系,研究了多分支结构的位置解算回归网络,设计了数据驱动的多维度定位约束训练方法,搭建了基于多象限测角的AUV光学导引定位硬件系统,实现了光学导引硬件与算法的一体化设计.利用AUV搭载的多象限光电探测器,采集回收站–导引灯偏角数据,将该数据作为系统输入,能够实时获取AUV与导引灯的相对位置坐标.仿真结果表明,本文方法的单次坐标解算平均耗时5.650 ms,误差解算均值为58.292 mm@0.8～20 m,标准差为43.347 mm@0.8～20 m,最佳误差解算均值达7.107 mm@2～3 m.经海试验证,本文方法的位置解算速度和精度能够满足AUV末端光学导引回收需求.与现有光学(视觉)导引方法相比,解算速度更快,算力功耗需求低,能量消耗少,为AUV完成能源补充、数据传输、指令下达等任务提供了可靠的技术路线.

关键词 光学导引; 位置解算; 多象限光电探测; 深度学习; 自主水下航行器; optical guidance; position calculation; multi-quadrant photoelectric detection; deep learning; autonomous underwater vehicles

摘要 智能多源自主导航系统以北斗导航为基石、以惯性导航为支撑,旨在提供高度智能化的定位导航与授时服务,通过实现即插即入、无缝衔接、无感切换、可信完备等功能,以满足复杂多变的场景需求.采用以深度学习、强化学习为代表的智能学习方法,从复杂性与多尺度视角出发,探索智能多源自主导航中的优化与协同理论,建立以精准稳定、可信安全、可泛化、可解释、内嵌动力学机理为关键要素的智能学习方法,推动构建弹性、健壮、动态、可控与可信的精准智能多源自主导航模型与方法体系,从而有力支撑国家综合定位导航与授时体系的创新发展和先进导航技术的规模化应用.

关键词 智能多源自主导航; 内嵌动力学机理; 可泛化; 可解释; 可信性; 完备性; intelligent multi-source autonomous navigation; embedded system dynamics; generalizability; interpretability; dependability; completeness

摘要 针对飞行器姿态控制问题,综合反步法和自适应控制理论设计了飞行器姿态控制律,采用高通滤波器估计控制律中所需的控制信号时间导数,解决了常规反步法存在的需要解析或数值求导的问题.基于投影算子方法设计了输出边界保护控制律,使飞行器输出响应不超过由超椭圆曲线定义的控制边界,在多变量控制下使控制边界匹配实际边界.根据Lyapunov稳定性理论证明了完整控制律的闭环稳定性,解决了高通滤波器与闭环系统稳定性的耦合问题.通过数值仿真检验了姿态控制律的控制性能,仿真结果表明飞行器闭环系统具有良好的俯仰角指令跟踪和协调转弯指令跟踪性能,并实现了迎角和侧滑角的输出边界保护.

关键词 姿态控制; 输出边界保护; 反步法控制; 自适应控制; 投影算子; attitude control; output boundary protection; backstepping control; adaptive control; projection operator

摘要 针对高超声速滑翔飞行器的编队控制问题,提出了基于预定时间稳定性理论的控制策略.首先,建立高超声速滑翔飞行器六自由度制导控制一体化模型,基于反演结构对模型进行简化处理,在此基础上,设计预定时间控制律,实现期望队形形成及编队保持;其次,利用人工势场理论,设计避碰/规避势场函数项,避免高超声速滑翔飞行器与其邻机之间的碰撞,并实现对威胁区的规避;再次,基于Lyapunov稳定理论对高声速滑翔飞行器在预定时间内的编队稳定性进行严格证明;最后,通过Matlab/Simulink进行仿真,仿真结果验证了本文所提的控制策略能够实现预定时间内高超声速滑翔飞行器的编队队形生成保持及碰撞规避.

关键词 高超声速滑翔飞行器; 预定时间控制; 人工势场算法; 编队控制; 制导控制一体化; hypersonic glide vehicle; predefined time control; artificial potential field method; formation control; integrated guidance and control

摘要 针对高超声速飞行环境力热载荷严酷,执行机构易发生脆化、热损伤、缺损等故障,进而导致姿态控制精度下降甚至失稳等问题,本文提出了主被动复合故障容错控制方法.该方法在舵面缺失故障发生初期,采用滑模控制策略满足鲁棒增稳控制需求,同时,采用在线气动辨识方法,估计故障引起的气动参数变化,在满足瞬时增稳需求后,结合气动参数辨识结果与飞发一体化自适应控制进行控制重构,提升故障后高超声速飞行器飞发一体化控制品质.通过数学仿真对比验证表明该方法的有效性,验证了该方法相对于单一容错控制策略具有更强的鲁棒性和更好的控制性能.

关键词 高超声速飞行器; 舵面缺失故障; 容错控制; 气动参数辨识; 飞发一体化; hypersonic vehicle; missing elevator failure; fault-tolerant control; aerodynamic parameter identification; integrated flight/propulsion

摘要 无人机在协同对抗博弈上的应用越来越广泛和深入,尤其是无人机集群在协同探测、全域对抗、策略骗扰等对抗任务中,发挥着越来越重要作用,可靠高效的无人机集群博弈方法是当前的研究热点.本文将反事实基线思想引入到无人机集群对抗博弈环境,提出一种基于反事实多智能体策略梯度(counterfactual multi-agent policy gradients, COMA)的无人机集群对抗博弈方法;在具有无限连续状态、动作的无人机对抗环境中,基于无人机动力学模型,设置符合实际环境的击敌条件和奖励函数,构建基于多智能体深度强化学习的无人机集群对抗博弈模型.红蓝双方无人机集群采取不同的对抗博弈方法,利用多智能体粒子群环境(multi-agent particle environment, MPE)对红蓝双方无人机集群进行非对称性对抗实验,实验结果表明平均累积奖励能够收敛到纳什均衡,在解决4 vs. 8的对抗决策问题方面, COMA方法的平均命中率较DQN和MADDPG分别提升39%和17%,在平均胜率方面比DQN和MADDPG分别提升34%和17%.最后,通过对COMA方法的收敛性和稳定性的深入分析,保证了COMA方法在无人机集群对抗博弈任务上的实用性和鲁棒性.

关键词 无人机集群; 对抗博弈; 多智能体; 深度强化学习; 纳什均衡; UAV swarm; confrontation game; multi-agent; deep reinforcement learning; Nash equilibrium

摘要 本文给出了一种具有高机动性的透射编队控制方法,解决了经典的仿射编队控制受限于平行关系的常约束,无法直接实现战术攻防上常用的前后三角、前后梯形等队形的快速切换问题.该方法受启发于框架理论中的透射不变性原理,通过引入透射像和自应力矩阵来对编队构型进行定义,实现了在仅增加一个领航者且队形凹凸性不变的前提下,任意目标队形的保共线和交比的一致性跟踪,提高了队形的可操作性.所推导的透射可定位条件和队形连续变换条件为透射编队控制的应用提供了理论依据.此外,在攻防切换任务和联合切换任务两种情景下的仿真测试结果也进一步证明了该编队控制方法的可靠性.

关键词 透射变换; 编队控制; 战术任务; 多智能体系统; 自应力矩阵; projective transformation; formation control; tactical tasks; multiagent systems; self-stress matrix