针对传统增益调度技术在许多无人机(unmanned aerial vehicle,UAV)应用中存在的昂贵和耗时的缺点,通过某型固定翼无人机的6自由度非线性模型,在已知气动系数、飞机转动惯量和推力系数的情况下,利用雅可比线性化方法从6自由度非线性模型推导出线性变参数(linear parameter varying,LPV)飞机模型。应用张量-乘积(tensor product,TP)模型变换方法将无人机纵向非线性参数依赖的LPV模型变换为TP型凸多面体模型形式,将增益调度输出反馈鲁棒H_∞控制器设计方法应用于所得到的TP凸多面体模型,设计了常规固定翼无人机的鲁棒增益预测自动驾驶仪飞行控制系统。在MATLAB SIMULINK环境下对该控制系统进行了全六自由度的飞行器仿真试验,结果表明闭环控制系统具有良好的指令跟随性和干扰抑制能力,在定义的飞行包线范围内具有较好的稳定性和鲁棒性,验证了所提出的飞行控制系统设计方法的有效性。

针对当前部队对机务维修保障人员能力评估方法较为单一问题,构建了机务人员维修保障能力评价模型,结合实例提出了应用主成分分析法进行机务人员维修保障能力评价的方法和步骤,并给出了评估结果。通过计算分析得到的评估结果客观合理,验证了该方法对于机务维修保障多指标评价体系的评估结果具有一定的可信度和实用性。为进一步加强机务维修保障人才队伍建设提供了参考和依据。

以无人机蜂群作战构成与作战过程研究为出发点,通过文字与图形的方式构想了未来无人机蜂群作战可能存在的对地、对空、对海、对城市4种作战概念,以及作战中可能存在的作战任务与作战样式,并分析了这种作战概念构想下,无人机蜂群系统为完成作战任务所需的关键技术,以期能为无人机蜂群装备的论证与发展提供参考。

针对传统萤火虫算法存在收敛速度慢和易陷入局部最优解的问题,将传统的固定搜索步长修改为与个体分布密度相关的自适应调整步长,提出了自适应步长萤火虫算法。将自适应步长萤火虫算法和BP神经网络结合,通过自适应步长萤火虫算法寻优,获取BP神经网络最优的权值和阈值,并将其作为BP神经网络的初始参数进行训练,以提高BP神经网络的训练精度和速度。以弹道导弹突防效能评估为例,构建突防效能评估指标体系,建立基于改进BP神经网络的弹道导弹突防效能评估模型。算例分析和仿真试验表明,采用自适应步长萤火虫算法优化的BP神经网络计算结果准确率高、收敛性强,在弹道导弹突防效能评估中具有推广应用价值。