中国航空科学基金(20115151019)
- 作品数：7 被引量：78H指数：6
- 相关作者：段海滨李沛张雷范彦铭马冠军更多>>
- 相关机构：北京航空航天大学中航工业第六一三研究所光电控制技术重点实验室苏州大学更多>>
- 发文基金：中国航空科学基金教育部“新世纪优秀人才支持计划”国家自然科学基金更多>>
- 相关领域：航空宇航科学技术自动化与计算机技术更多>>
- 基于交哺网络控制的多无人机协同编队方法研究被引量：4
- 2013年
- 多无人机协同编队飞行可弥补单架无人机在执行侦查、作战、防卫等任务时所不能克服的困难,并提高无人机执行任务的效率,特别是在多无人机集群协同对抗中显得尤为重要.本文建立了基于交哺网络控制的多无人机协同编队模型,设计了基于微粒群优化的协同编队控制器,给出了多无人机协同编队的交哺网络控制方法,最后通过仿真实验验证了本文所提方法的可行性和有效性.
- 段海滨罗琪楠余亚翔
- 关键词：无人机网络控制微粒群优化
- 高空长航时无人机技术发展新思路被引量：19
- 2012年
- 根据未来航空发展的战略需要,面向新一代高空长航时无人机的系统设计,十分有必要开展探索性、创新性和面向高空长航时无人机的关键技术研究.提出了高空长航时无人机技术发展的新思路和其瓶颈问题的解决方案.重点从高空长航时无人机多目标组合优化、气动-隐身一体化、能源动力、软件使能自主控制、自主导航、测控和信息传输、空天地多机分布协同等方面给出了可行技术方案和重点研究方向.这些技术的实现可增强高空长航时无人机系统方面的可持续发展能力,支撑和引领相关领域的技术发展.
- 段海滨范彦铭张雷
- 关键词：高空长航时无人机
- 有人/无人机编队指挥控制系统决策分配被引量：6
- 2013年
- 在有人/无人机编队指挥控制系统设计与作战使用过程中,为了充分发挥有人机指挥员与无人机自主决策系统的决策优势,需要将决策功能在两者之间进行合理分配。给出了指挥控制系统决策分配过程,在该过程中存在较大的主观不确定性,针对属性值无法准确测度的特点,采用不确定性语言型多属性决策(ULMADM)方法,综合处理不确定语言评估属性值,确定了决策功能的自动化等级范围和最优自动化等级。算例表明了ULMADM方法解决决策分配问题的可行性、有效性和通用性。
- 陈晓栋刘跃峰陈哨东
- 关键词：无人机编队指挥控制系统
- 编队协同作战目标分配建模综述被引量：8
- 2013年
- 对编队协同作战的目标分配研究现状进行综述,首先分析国内外研究现状,总结模型原理与建模原则,详细分析各类求解算法及特征,总结相关模型与算法的应用环境与原则,最后给出了当前编队协同作战目标分配算法存在的问题及发展趋势。
- 陈闽
- 关键词：多目标攻击
- 基于模糊规则和动态蚁群-贝叶斯网络的无人作战飞机态势评估被引量：10
- 2013年
- 为解决无人作战飞机复杂环境下的态势评估难题,阐述了蚁群优化和贝叶斯网络基本原理和数学模型,设计了一种基于模糊规则和动态蚁群-贝叶斯网络的无人作战飞机态势评估方法.该方法通过蚁群-贝叶斯网络把不完备数据转换成完备数据,从而大大简化了学习的复杂度,并保证算法能够向好的结构不断进化.利用模糊逻辑改进动态蚁群-贝叶斯网络算法,引入基于模糊语言和规则的专家经验,结合单值评估结果与概率向量,评价了不同时刻无人作战飞机的行为能力等级,能够提高态势评估方法的智能性并应用于工程实际.通过仿真实验验证了该方法在解决复杂作战环境下无人作战飞机态势评估问题时的可行性和有效性.
- 段海滨马冠军赵振宇
- 关键词：无人作战飞机模糊规则蚁群优化贝叶斯网络
- 基于改进万有引力搜索算法的无人机航路规划被引量：25
- 2012年
- 无人机航路规划是根据任务目标规划出某种性能指标最优的飞行航路的全局优化问题.本文将改进后的万有引力搜索算法用于求解航路规划问题,在万有引力搜索算法的速度更新部分引入粒子群算法中的记忆和群体信息交流功能,改善了最优解的质量;然后提出了基于权值的粒子惯性质量更新公式,以加快全局搜索的收敛速度;后运用优胜劣汰的选择操作规则,对粒子的位置进行更新,使种群始终朝着最优解的方向进化.通过与其他仿生智能计算方法的仿真实验对比,验证了本文所提算法可在复杂作战环境下实时有效规划出无人机的最优航路.
- 李沛段海滨
- 关键词：无人机航路规划
- 基于量子粒子群优化的PID控制参数调节
- 粒子群优化(Particle Swarm Optimization,PSO)算法是一种经典的仿生智能计算方法,能解决多类复杂优化问题。但经典的粒子群优化算法有一定的缺陷,例如易陷入局部极值以及算法本身参数过多等。为了克服...
- 余永超段海滨
- 关键词：粒子群优化量子粒子群优化参数整定PID控制
- 文献传递
- 基于人工蜂群优化的高超声速飞行器在线参数辨识被引量：7
- 2012年
- 高超声速飞行器由于具有特殊的气动特性和复杂的运行环境,其气动模型的建立和模型中参数的确定面临着更高的要求.飞行器参数辨识是根据飞行器的输入及其响应确定出飞行器的模型和模型中的各个参数数值.针对高超声速飞行器模型耦合性强、非线性程度高、运行环境复杂等特点,本文提出了基于人工蜂群优化的在线参数辨识方法,将参数辨识问题转换为优化问题,以蜂群为单位进行搜索,通过群体信息交流和优胜劣汰的机制,使得蜂群朝着更优方向进化;引入采蜜蜂机制和混沌搜索机制,使得蜂群能够跳出局部最优,具有更强的全局寻优能力.应用此方法对某飞行器升力系数进行辨识计算,结果证明了此方法的可行性.与传统的极大似然法对比表明,本文所提方法在具有系统测量噪声的条件下具有更强的抗干扰能力和准确性.
- 李霜天段海滨
- 关键词：高超声速飞行器参数辨识人工智能全局优化
