一种新的鱼雷垂直命中目标的制导方法

该文针对鱼雷采用前视角声纳和旁视声纳识别和跟踪目标，引入了初始导引段跟踪虚拟目标的概念，提出一种新的精确制导方法，给出了导引跟踪和垂直命中弹道的数学模型。经仿真和分析表明：该制导方法对攻击目标的初始态势几乎没有限制，即使目标为逃避攻击进行转向机动，也能垂直命中目标。     

对陆攻击导弹人在回路延时误差修正方法

当前日益紧张的国际安全形势加速了对陆攻击导弹的发展,红外成像体制的人在回路制导方式在对陆攻击导弹选择、捕获目标过程中占有重要地位。以红外成像对陆攻击导弹为研究对象,针对其末端对目标识别、导引可采取的不同方式,分析了人在回路与自动目标识别的利弊,对人在回路工作过程、优势及存在的问题进行了介绍,重点对人在回路产生的延时误差进行分析,并提出二次近似修正方法,分别以初始导引量和导弹与目标真实距离为变量,使用Matlab进行仿真,得到未修正、一次修正以及使用二次近似修正方法后初始导引量、导弹与目标间真实距离变化对目标误差的影响,通过对比验证,说明此二次延时修正方法的有效性,为提高人在回路导弹制导精度提供了有效方法。     

典型导引规律三维弹道仿真分析

介绍几种典型导弹导引规律及其约束方程,运用MATLAB语言对纯追踪法、平行接近法和比例导引法的理想弹道进行了三维仿真.绘制导弹速度和目标速度变化时,其对应的三维理想弹道,并进行比较分析.     

反鱼雷鱼雷自导导引弹道方法研究

论文根据反鱼雷鱼雷的作战需求,在基于反鱼雷鱼雷传统的比例导引法上,对比例导引法进行修正,降低比例导引算法的误差。并通过对反鱼雷鱼雷作战模式的研究,提出新的预测弹道方法。同时通过仿真分析,得出此两种导引方法用于反鱼雷鱼雷的弹道轨迹,偏航角以及脱靶量,为反鱼雷鱼雷拦截弹道的设计提供了一定的思路。     

导弹中末段制导导引律转换研究

文章研究了导弹由中间段制导律向末段制导律转换的问题,提出了一种可变导引系数的组合制导律,即可变系数组合比例导引律（ACNG）。仿真结果表明,该导引律总体优于纯比例导引和固定系数组合比例导引律,中末段弹道过渡平滑,衔接良好,有利于中末段的交班,同时降低了导弹的需用过载。     

一种基于卡尔曼滤波的修正比例导引率

为分析雷达主动导引头抗干扰性能,建立所需数学模型,对导引头导引精度进行仿真分析。在模拟导引头进行导引所需的距离、速度以及角度信息的干扰噪声情况下,仿真分析了导引头在噪声干扰下的弹道轨迹和导引精度;为进一步提高导引头抗干扰性能,提出基于卡尔曼滤波的修正比例导引率。仿真结果证明此导引率提高了导弹的飞行稳定度和命中率,提高了导引头的抗干扰性能,为导引头试验提供理论支持和相应的试验依据。     

小口径舰炮拦截机动目标的火控算法研究

为了解决小口径反导舰炮不易于跟踪瞄准高速机动目标的问题,针对做比例导引运动的反舰导弹,将比例导引规律引入状态方程,建立线性时变模型,实现对系统状态的Kalman滤波;在简易射表拟和函数基础上,提出了基于比例导引运动的解相遇模型,为控制火炮射击提供了算法基础。     

基于提升线导鱼雷捕获概率的导引方法优化研究

在现代的海战中,线导鱼雷是潜艇攻远距离击水面舰船的主要武器之一,潜艇发射线导鱼雷攻击水面舰船的过程中,潜艇鱼雷攻击的成败完全取决于艇上武器系统能否有效地对鱼雷实施导引鱼雷。论文着重对前置点导引法的原理和模型进行研究,并对模型参数进行优化。采用模拟仿真方法,对线导+声自导鱼雷捕获水面舰船的概率进行了仿真分析。仿真结果表明,在设定的仿真条件下,使用前置点优化法导引鱼雷攻击目标的捕获概率高于使用前置点和修正方位法导引鱼雷攻击目标的捕获概率,确实达到了提升鱼雷捕获概率的效果。     

比例导引下的机动目标跟踪

本文在假设目标做比例导引运动，噪声为零均值的高斯白噪声的条件下，探讨了机动目标跟踪问题。把比例导引规律引入系统方程，建立了线性时变模型，用滤波－识别两步走的方法对状态进行了估计，对参数进行了识别，模拟结果表明，此方法原理是正确的，计算是可行的。     

反鱼雷鱼雷初始占位搜索研究

针对反鱼雷鱼雷在作战中的实际需要,提出了初始占位搜索的概念,并在此基础上阐述了合理设计反鱼雷鱼雷的初始占位搜索既是实际作战的迫切需求也能够弥补反鱼雷鱼雷跟踪导引律对反鱼雷鱼雷机动性的过高要求,给出了不同目标要素情况下反鱼雷鱼雷初始占位搜索的初步规划。     

扩张状态观测器在惯导系统初始对准中的应用研究

根据平台式惯导系统初始对准的误差模型,首先介绍了初始对准的卡尔曼滤波方法,而后研究了把扩张状态观测器与卡尔曼滤波器相结合用于惯导系统的初始对准方法,最后对系统在受干扰和未受干扰2种情况下,分别进行了仿真研究.仿真结果表明,该方法与卡尔曼滤波方法相比,在保证对准精度的条件下,系统姿态角对准时间大大缩短;在系统受到干扰时,该方法仍具有很强的适应性和稳定性.     

基于采样的非线性滤波算法比较

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度。由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度。为了获得更高的估计精度,介绍了几种非线性滤波算法,包括unscented卡尔曼滤波算法、简单粒子滤波算法以及无味粒子滤波算法（UPF）。分析了这几种算法的原理和实现,对各种算法的适应性进行了比较。通过目标跟踪仿真实验,表明UKF、PF较EKF估计精度和收敛速度有所提高。     

基于一种改进粒子滤波算法的目标跟踪研究

为了解决非线性、非高斯系统目标跟踪问题,研究了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。并讨论了此算法在机动目标非线性转弯运动中的跟踪应用,与粒子滤波算法相比,其优点是不需要重采样步骤。在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器和扩展卡尔曼滤波器在滤波精度、运算时间等方面的差异,仿真结果表明该算法性能优于其他算法。     

纯距离条件下的UKF目标参数估计方法

在多站测角的被动目标跟踪中,目标的状态与角度量测值之间存在非线性关系,现有的方法主要是对其进行线性化,但线性化过程会带来滤波精度的下降,甚至会产生滤波发散而丢失目标.无迹变换卡尔曼滤波器（Unscented Kalman Filter,UKF）通过产生采样sigma点对系统状态进行逼近,可以较好地解决这一问题.将UKF应用到多站测角被动目标跟踪问题中,并通过仿真试验证实了算法的有效性.     

基于加速度估计的复合导引头机动目标跟踪算法

信息融合算法是毫米波/红外复合导引头的关键技术之一,其中机动目标跟踪能力直接系统的跟踪性能。α-β作为一种常增益滤波器对CV或CA运动目标有良好的跟踪性能,但当目标机动时性能却大大下降。针对机动情况,提出一种目标加速度估计方法,并利用此加速度估计值来修正目标状态估计值,使其具有良好的机动跟踪性能。最后应用Matlab软件进行仿真分析,分析结果表明改进后的滤波器无论是对目标机动还是非机动跟踪性能良好,计算量少。     

基于光流和水平集模型的运动目标自动跟踪方法

在分析直升机在天空飞行序列图像特点的基础上，提出了基于光流和水平集模型的运动目标自动跟踪方法。该方法通过对图像进行高通滤波预处理，获得运动目标的特征图像，用特征图像来求解运动目标的光流，用光流对运动区域进行分割，获得运动区域的中心和半径，以该中心和半径的圆作为初始水平集曲线，以光流速度作为曲线演化的外力修改Chan and Vese模型，用改进后的模型对图像进行分割。实验证明，用本文方法能够快速、准确地自动跟踪运动目标。     

基于光流和水平集模型的运动目标自动跟踪方法

在分析直升机在天空飞行序列图像特点的基础上,提出了基于光流和水平集模型的运动目标自动跟踪方法。该方法通过对图像进行高通滤波预处理,获得运动目标的特征图像,用特征图像来求解运动目标的光流,用光流对运动区域进行分割,获得运动区域的中心和半径,以该中心和半径的圆作为初始水平集曲线,以光流速度作为曲线演化的外力修改Chan and Vese模型,用改进后的模型对图像进行分割。实验证明,用本文方法能够快速、准确地自动跟踪运动目标。     

基于EKF对称六相PMSM两电机串联系统研究

在同一逆变器供电下的两台永磁同步电机（PMSM）串联系统,可运用矢量控制技术实现独立解耦控制。本文提出了一种用于一台对称六相PMSM与一台三相PMSM串联系统的扩展Kakman滤波器（EKF）转速估计方法,观测器状态方程采用转子磁链定向的同步旋转坐标系下的电压方程。在线实时估计转子的位置和转速,使得电机能够在无需知道转子初始位置的情况下启动和运行。通过Matlab／Simulink进行了变速仿真分析,仿真结果验证了该算法的可行性。     

Anti-disturbance optimal coverage control of ASVs北大核心CSCD

[目的]针对固定的海洋区域,研究欠驱动水面无人船(ASV)集群的抗干扰最优覆盖控制问题。[方法]首先,在运动学层级,基于邻居ASV位置和环境密度信息进行Voronoi分配,设计欠驱动ASV运动学制导律,引导ASV运动到最优目标点;然后,考虑复杂海洋环境下ASV模型的不确定性以及风浪流引起的外部扰动,在动力学层级设计一种固定时间扩张状态观测器(FTESO),并基于FTESO设计固定时间的动力学控制律。[结果]稳定性分析结果表明了ASV集群的抗干扰最优覆盖控制闭环系统的误差是有界的,仿真结果验证了该方法的有效性。[结论]通过采用该抗干扰最优覆盖控制器,ASV集群可以在任意的初始位置实现对目标区域的最优覆盖。