北京市科技新星计划(2007A017)
- 作品数：11 被引量：92H指数：5
- 相关作者：段海滨刘森琪余亚翔张雷邵山更多>>
- 相关机构：北京航空航天大学沈阳飞机设计研究所苏州大学更多>>
- 发文基金：北京市科技新星计划国家自然科学基金中国航空科学基金更多>>
- 相关领域：航空宇航科学技术自动化与计算机技术文化科学理学更多>>
- 航空航天院校本科生科研创新团队模式研究与实践被引量：2
- 2009年
- 在系统分析组建本科生科研创新团队必要性的基础上,以北京航空航天大学自动化科学与电气工程学院的几组自动化专业本科生科研创新团队试点为背景,探讨了自动化专业本科生科研创新团队制度建立和实施的若干问题,最后结合实践讨论了目前航空航天院校自动化专业本科生科研创新团队所存在的主要问题及其对策。
- 段海滨龚光红吴江王艳
- 关键词：航空航天自动化专业本科生创新团队
- 空中/地面机器人异构协同技术研究:现状和展望被引量：5
- 2010年
- 多空中/地面机器人异构协同是一个新的前沿性技术领域,该技术可拓宽空中机器人和地面机器人的应用范围,提高其侦察、搜救及执行其它任务的效率.本文对空中/地面机器人的异构协同技术中的群集运动、编队控制、编队控制稳定性分析、网络控制、实际应用等核心问题进行了系统综述,并分析空中/地面机器人异构协同技术的未来发展趋势.
- 段海滨刘森琪
- 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
- 基于仿生智能的无人作战飞机控制技术发展新思路被引量：12
- 2010年
- 仿生智能和无人作战飞机均已分别成为国际人工智能和航空航天领域中备受关注的研究热点和前沿性课题.本文在系统阐述仿生智能和无人作战飞机基本概念原理的基础上,结合目前研究现状从基于人工脑的无人作战飞机高智能化自主控制、基于群体智能理论的多无人作战飞机协同控制、基于群智能-Bayesian网络的复杂作战态势评估、基于仿生硬件的无人作战飞机高智能化自主控制、网络环境下基于元启发式智能的多无人作战飞机/无人作战车异构分布协同控制等方面提出了无人作战飞机控制技术的发展新思路,这些思路的实现对极大提高作战任务的有效性及生存概率具有重要意义,同时也为无人作战飞机的智能化、综合化和先进化提供新的突破方向和切实可行的技术途径.
- 段海滨邵山苏丙未张雷
- 关键词：无人作战飞机人工脑BAYESIAN网络
- 基于微分进化的多UAV紧密编队滚动时域控制被引量：11
- 2010年
- 多无人机(UAV)协同控制可在一定程度上提高单UAV执行任务的效率,而多UAV紧密编队是多UAV协同控制中的一个关键性技术难题.在构建多UAV紧密编队非线性模型的基础上,利用滚动时域控制方法,将UAV紧密编队问题转化为滚动时域内的一系列在线优化问题,然后采用微分进化策略在每个滚动时域内进行控制量的优化求解.此外,还给出了基于Markov链的微分进化算法数学描述及收敛性证明,且从理论角度分析了所设计多UAV滚动时域控制器的稳定性.仿真实验结果验证了文中所提出方法的可行性和有效性.
- 张祥银段海滨余亚翔
- 关键词：无人机滚动时域控制微分进化MARKOV链
- 基于Voronoi图和蚁群优化算法的无人作战飞机航路规划被引量：23
- 2008年
- 无人作战飞机(UCVA)航路规划是一类复杂优化问题。在众多航路规划算法中,Voronoi图是一种根据战场多威胁源分布情况获取可行航路的图形算法,而蚁群优化(ACO)算法是受到蚂蚁觅食行为启发而形成的一种启发式仿生算法。根据已知威胁源生成Voronoi加权图,其中每条Voronoi边的总代价可以由威胁代价和燃油代价计算得出;然后给出了在Voronoi图条件下,用于航路规划的改进ACO算法模型和具体实现方法;最后,将Voronoi图与ACO算法相结合,并针对某UCAV多种空战态势下的航路规划问题进行了系列仿真实验。实验结果验证了所提方法在解决UCAV航路规划问题时的可行性和有效性。
- 刘森琪段海滨余亚翔
- 关键词：航路规划VORONOI图
- 基于面向服务的多无人机辅助决策仿真集成方法被引量：5
- 2012年
- 在多无人机指挥控制中,建立网络中心的、可动态配置和访问的辅助决策系统,有助于多无人机系统的高层任务集成,加快作战行动的效率。给出了一种基于面向服务计算的多无人机辅助决策集成方法,实现了无人机指挥控制中分布式辅助决策服务平台,基于Web Services规范的分布式辅助决策服务的注册、发现和绑定机制,设计并实现了服务提供者、服务代理和服务请求者的逻辑结构和交互机制,能为多架无人机和多个地面系统的指挥控制提供辅助决策服务。通过综合仿真环境UAVSSE中的原型系统验证了相关技术,结果表明基于面向服务方法的辅助决策能够为多UAV指挥控制应用提供有效的决策服务,能够有效地支持网络中心环境中的多无人机应用的设计和实现。
- 吴江赵世钰周锐陈宗基
- 关键词：面向服务计算多无人机
- 不确定隶属函数T-S模糊控制器设计与稳定分析
- 2010年
- 针对许多非线性系统存在的结构不确定和难以用精确数学模型表达等问题,在研究基本Takagi-Sugeno(T-S)模糊模型的基础上,通过增加一个隶属函数自由变量,利用线性矩阵不等式(LMI)设计了一个使得闭环系统渐进稳定的状态反馈控制器,并给出稳定条件.所得到的条件充分利用了前件变量隶属函数的结构信息和后件局部子系统之间的相互关系,降低了常规T-S模糊系统的稳定性条件的保守性和求解难度.通过仿真实例验证了该方法的可行性和有效性.
- 李东升邵山陈军魏晨段海滨邹杰
- 关键词：T-S模糊模型模糊控制器隶属函数
- 基于并行蚁群优化的多UCAV任务分配仿真平台被引量：15
- 2008年
- 多无人作战飞机(UCAV)协同作战是UCAV参与战斗的主要模式,而多UCAV任务分配是多UCAV协同作战研究的关键问题。针对现有多UCAV任务分配方法中所存在的计算量大、运行时间长等问题,提出了一种基于并行蚁群优化(ACO)的多UCAV任务分配方法。在构建多UCAV空战优势矩阵的基础上,给出了综合态势评估函数;随后阐述了基本ACO算法的基本原理和数学模型,提出了一种用并行ACO算法解决多UCAV任务分配问题的实现方法;最后基于MATLAB图形用户界面(GUI)开发了一种基于并行蚁群优化的多UCAV任务分配仿真平台。实践证明该仿真平台具有良好、开放的可扩展性,且使用方便。
- 段海滨丁全心常俊杰刘森琪
- 关键词：蚁群优化无人作战飞机
- 基于MAX-MIN自适应蚁群优化的无人作战飞机航路规划被引量：4
- 2008年
- 为了保证无人作战飞机(UCAV)以最小的被发现概率和最优的航程到达目标点,在敌方防御区域内执行任务前必须进行航路规划。蚁群优化(ACO)算法的并行实现机制适合于复杂作战环境下的UCAV航路规划,但是基本ACO算法有易陷于局部最优解的缺点。在对基本ACO算法采用精灵策略保留每次迭代最优解的基础上,提出了一种适用于航路规划的MAX-MIN自适应ACO算法,并给出了改进后ACO算法的实现流程,最后采用改进前后的ACO算法对某UCAV的任务态势分别做了仿真实验。实验结果表明改进后的ACO算法可更加有效地应用于UCAV航路规划。
- 马冠军段海滨刘森琪于亚翔
- 关键词：自适应蚁群优化无人作战飞机航路规划信息素
