检索结果

Select

1. 基于GRU预测的改进UKF普适目标跟踪算法

黄权印, 蔡益朝, 李浩, 吴卫华, 王辰洋

现代防御技术 2025, 53 (6): 134-148. DOI: 10.3969/j.issn.1009-086x.2025.06.014

摘要（32）

HTML （0）

PDF （3298KB）（21）

针对传统算法对高机动目标精准建模难、普适性差的问题，提出了一种基于门控循环单元(gated recurrent unit, GRU)预测的改进无迹卡尔曼滤波(unscented kalman filter, UKF)普适目标跟踪算法。将自注意力机制引入到传统GRU模型中，使得模型能够更好地从历史观测数据中挖掘出目标的运动学方程，解决人工难以对机动目标运动精准建模问题；将学到的模型应用到UKF算法中，实现对目标的跟踪。仿真实验表明，相比于传统GRU模型以及UKF、交互多模型(interacting multiple model, IMM)等经典算法，所提算法具有更好的跟踪精度以及适应性。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 可回收火箭智能最优容错控制

曾杨智, 李浩然, 陈斌, 邵小东

现代防御技术 2025, 53 (3): 66-73. DOI: 10.3969/j.issn.1009-086x.2025.03.008

摘要（308）

HTML （5）

PDF （1419KB）（181）

可回收运载火箭由于发射成本低的显著优势已经成为当前新的研究热点。子级垂直回收技术是目前最为成功的火箭回收技术之一，要求回收段控制火箭姿态保持与地面垂直。然而火箭在回收的末减速段只能依靠发动机摆动角度获取控制力矩，因而存在力矩饱和约束；同时推力估计的误差也会带来控制力矩的偏差。基于上述问题，设计了智能模型预测控制算法实现了末减速段的姿态控制任务。在传统模型预测控制的基础上，采用神经网络逼近最优的值函数，有效降低了模型预测控制的计算量；考虑到发动机出现故障的情况，考虑饱和约束和推力估计偏差，基于二次规划设计了容错最优控制分配算法，实现了故障和饱和情况下的姿态控制任务。仿真结果说明了所提出方法的有效性。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

3. 改进粒子群算法在雷达组网优化布站中的应用

马艳艳, 金宏斌, 李浩, 张辉

现代防御技术 2020, 48 (3): 104-112. DOI: 10.3969/j.issn.1009-086x.2020.03.017

摘要（457）

PDF （12159KB）（1311）

针对雷达组网优化布站问题,通过分析雷达组网探测性能指标,建立了优化布站数学模型,提出了一种融入自适应反向学习机制的改进粒子群算法并应用于雷达组网布站优化。在此基础上,通过调整加权值分析了不同情形下各性能指标对雷达网探测能力的影响,得出了各情形下的最优布站方案。仿真结果表明,采用改进算法得到的布站方案相对标准粒子群算法要更优,从而验证了布站模型的可行性和改进算法的有效性。

参考文献 | 相关文章 | 多维度评价