一、The Maximum Likelihood Method of Aerodynamic Parameter Identification（论文文献综述）
李齐,魏昊功,张正峰,陈春亮,彭兢,杨孟飞[1]（2021）在《月地高速再入返回器弹道重建与气动力参数辨识》文中研究说明对嫦娥五号返回器再入飞行数据进行了弹道重建与气动力参数辨识。采用输出误差法辨识传感器误差及状态量初值,完成弹道重建。对重建弹道进行风修正,并获得修正后的攻角和侧滑角。基于修正后的弹道数据,采用线性回归法完成气动力参数辨识。与外测数据对比分析可知,弹道重建结果精度较高。与地面设计数据对比分析可知,气动力数据辨识结果与设计值偏差在合理范围内,从而验证了地面设计数据的可信度。
曹德一,张翔,张元静[2]（2021）在《基于气动力数据集的气动偏差建模与辨识》文中指出针对飞行器采用离散数据进行气动力建模的辨识需求,发展了一种基于气动力数据集的气动偏差建模与辨识方法。该方法利用离散数据可高效描述气动力非线性变化的特点,采用依据极大似然准则的牛顿-拉夫逊法,将气动力数据集与真实气动力的偏差作为辨识对象,利用线性模型进行气动偏差建模与辨识,避免了传统多项式气动力模型在辨识非线性气动力时参数过多、不便对离散气动力数据修正等问题。通过仿真飞行试验,对比了飞行器受扰动激励后的辨识拟合弹道与飞行仿真弹道,并进行了全局攻角下的飞行器阻力系数、升力系数和俯仰力矩系数辨识修正结果和真实值的对比。结果表明:辨识拟合弹道与真实飞行弹道基本重合,辨识修正后的气动力与真实值吻合较好,所建立的方法是正确、有效的,具有良好的实用性。
李亚东,张子军,张钧尧,杨凤田[3]（2021）在《电动飞机气动焦点辨识及飞行试验研究》文中研究表明电动飞机作为未来绿色航空的发展方向,引起了各国的广泛关注。电动飞机大多采用大展弦比气动布局,在飞行中机翼弹性变形较大,风洞试验测试的焦点结果不能较好地反映实际飞行要求。为了确定轻型电动飞机的重心范围以及得到飞行中准确的焦点位置,以某型碳纤维复合材料电动飞机为例,建立定常直线平飞和定常盘旋机动飞行的数学模型;基于盘旋机动飞行试验获得测试数据,采用物理解算法辨识得到实际飞行的焦点,并与风洞试验测得的焦点位置进行对比。结果表明:盘旋机动飞行试验辨识的飞机焦点位置要比风洞试验的结果靠前;对于展弦比较大且采用大量复合材料的电动飞机而言,在飞行过程中实际焦点位置与风洞试验结果有一定的差距,采用物理解算法辨识得到的焦点位置更接近于实际状态。
邵会兵[4]（2020）在《滑翔飞行器滑翔能力智能预示与多约束制导研究》文中提出高超声速远程滑翔飞行器具有飞行速度快、飞行空域广、飞行环境复杂的特点。一方面,为对抗日臻完善的导弹防御系统,高超声速远程滑翔飞行器需要具有对威胁区和拦截网进行规避、对拦截弹和探测网有效突防以及为满足制导或侦察需要经由特定区域等能力,同时,面对瞬息万变的战场态势,飞行器任务规划及弹道规划的时空复杂度急剧增加,对弹道规划与制导提出更高要求。本文针对滑翔飞行器再入中段和末段飞行过程中的气动参数辨识、滑翔航程在线预测、基于绕飞航程预测的规避决策、拦截弹制导律辨识及中段突防制导、末段多约束弹道规划与制导等问题,结合智能方法与技术,对滑翔飞行器滑翔能力智能预示与多约束制导技术开展了研究,主要研究内容包括:针对滑翔飞行器的气动模型辨识问题,研究对实测飞行试验数据的离线辨识、利用实测飞行数据进行修正的辨识方法。在建立气动辨识基本模型的基础上,结合气动模型的高维非线性强耦合特点,开展基于神经网络的智能气动参数辨识方法研究,分析神经网络的构建和快速训练方法。利用实测飞行数据进行修正,研究对气动插值表非试验点的推广修正方法,对于气动插值表中其他节点的气动参数,根据与各试验点变量的关系进行线性插值修正。对节点间隔进行加密插值扩充,作为神经网络的训练样本,经过多隐层BP神经网络训练得到修正后的气动参数神经网络。再入滑翔飞行器速度快、机动能力强,在实际作战过程中机动复杂剧烈,飞行状态高动态变化。在进行飞行器机动任务或指令规划时,需要对飞行器状态能否到达给定终端状态进行分析。通过将离线优化的高精度与在线预测的快速性相结合,本文选取当前飞行状态、末端状态、气动参数偏差等关键状态变量作为样本输入,采用hp-自适应Gauss伪谱法计算飞行器剩余最大滑翔航程获得样本。针对滑翔航程预测问题的高维多变量输入特点,采用深度置信网络进行滑翔航程预测,通过无监督贪婪预训练提取高维输入间特征,为全局有监督训练提供更好网络初值,以提高收敛速率并防止过拟合,仿真结果表明该方法具有较高的效率和高维非线性拟合精度。滑翔飞行器中段滑翔飞行中面临较为复杂的战场环境,不确定威胁区和突发威胁等因素提高了中段规避飞行的难度。传统针对威胁区的在线规避方法会造成过多的能量损失,甚至无法完成打击任务。为形成满足任务约束的多威胁区规避弹道,离线根据威胁判定及弹道约束计算所需绕飞航程,训练绕飞航程预测网络以实现绕飞航程的快速在线估计。由于样本输入量较多,采用深度置信网络通过预训练提高收敛速度。结合滑翔航程预示网络的最大航程能力,判断规避路径的任务可行性。在滑翔航程不足以绕飞全部威胁区的情况下,选择突防低威胁等级地区进行规避决策,形成的弹道满足任务要求。滑翔飞行器在滑翔能力不足以绕飞全部威胁区时,需要对某威胁区发射的拦截弹进行突防。选取不同拦截弹制导律系数获得追逃过程实时量测数据样本,结合制导律辨识问题的特点,采用具有较强时间序列分析能力的循环神经网络分析量测数据的时序关系,并采用卷积神经网络提取高维量测量输入的深层特征,构建由量测数据到拦截弹制导律及系数映射的制导律辨识网络,有效提升对拦截弹制导系数辨识的收敛速度和求解效率。进一步基于辨识得到的拦截弹制导律参数,通过最优控制理论推导获得飞行器单边最优突防指令,有效提升了突防效能。滑翔飞行器末段飞行时空复杂度高、不确定性强、约束多,给弹道规划与制导算法带来了较大的建模和求解难度。为增大末段机动范围并提高弹道规划效率,本文提出了一种利用深度置信网络预测末段机动能力、设计经由点状态实现末段大包络多约束智能弹道规划的方法。结合深度置信网络中提取高维输入变量特征的无监督预训练和全局微调的有监督训练,得到具有更快收敛速度的末段机动能力预测网络,用于给出经由点速度的上下限,快速判定经由点状态的可行性;通过经由点状态智能设计,扩大弹道机动包络;通过设计三角函数型弹目视线角及机动弹道最优末制导律实现摆动机动形式的末段打击弹道,并调节机动频率以满足速度约束,提升末段突防效能。论文探索了人工智能方法在滑翔飞行器弹道规划与制导上的应用,研究成果对滑翔飞行器的总体设计与先进制导方案有一定的借鉴意义。
陈艺帆[5]（2020）在《可重复使用火箭返回过程轨迹优化与制导方法研究》文中研究表明垂直起降运载火箭是实现运载器重复使用、大幅降低航天发射成本的重要手段之一。随着国外火箭垂直着陆技术日益成熟,国内相关技术的研究和验证亟待开展。在诸多关键技术模块中,轨迹规划与导航制导控制技术是最体现航天智能自主水平、影响回收成败的关键环节之一。火箭返回过程空间跨度大、飞行环境多变、大气干扰严重、精度要求严苛,给算法的设计带来挑战。本文采用动态优化的方式来进行轨迹规划和制导算法设计,着陆过程优化命题具有多阶段、非线性、非凸性、复杂约束等特性,需要通过合理构造命题、采用有针对性的求解策略来提升优化的收敛性和实时性。在实际飞行中,还需要考虑飞行偏差、模型参数摄动等不确定性因素的影响,对在线制导算法的自主性和适应性提出了更高的要求。本文围绕火箭返回过程的轨迹规划与制导问题,聚焦以上难点,展开的主要研究工作如下:（1）返回全过程的精细化建模和轨迹优化命题构造。结合火箭返回过程不同飞行阶段的目的、环境特性,以统一的形式较为准确地描述各阶段下的运动规律和约束条件。对全局任务规划和局部运动规划问题,分别构建轨迹优化命题并求解。（2）高性能轨迹跟踪制导算法设计。针对大气层外的动力飞行段,提出了一种基于超螺旋理论的快速非奇异终端滑模制导律,实现对标称轨迹的有限时间跟踪,同时能够削弱系统抖振现象。（3）制导控制一体化方案设计。针对大气减速段,为了解决气动参数不确定性问题,基于扩展卡尔曼滤波器对参数进行在线估计,设计了基于参数辨识的在线轨迹重规划制导方法;针对优化命题在线收敛困难的问题,提出优化目标重构、配点数衰减的收敛增强策略,提升在线求解的收敛性和实时性。（4）针对垂直着陆段,为解决突发情况下优化命题不可行的问题,设计了着陆约束松弛的策略提供应急方案,通过仿真结果体现所设计的一体化制导方案在解决制导控制耦合问题、提升制导性能指标、灵活自主应对突发情况等方面的优势。
刘洋,常思江,魏伟[6]（2020）在《多发弹气动参数联合辨识方法研究》文中研究说明利用局部优化算法对多发弹测量数据进行气动参数辨识,可能存在局部最优解,且同一气动参数多发弹的辨识结果有时差异较大。为提高弹丸气动参数辨识的准确性与合理性,提出一种同时利用多发弹测量数据进行联合辨识的全局优化策略。该策略采用局部优化算法获得搜索空间,将弹丸飞行的稳定性条件作为约束条件,利用最小二乘准则构建准则函数,应用差分进化算法对多发弹数据同步全局寻优,从而获得唯一的全局最优解。以某大口径榴弹纸靶试验数据为例对所提方法进行了验证,结果表明:相比于现有的辨识策略,所提策略计算出的准则函数值更小,重构弹道结果与测量值更接近,且计算稳定性较好。
侯现钦,王良明,傅健[7]（2020）在《差分进化智能算法在高旋弹气动辨识中的应用》文中提出针对传统方法对初值选取敏感问题,将差分进化算法（DE）应用到气动参数辨识中,取代传统极大似然方法中的牛顿迭代梯度优化方法,对高旋弹的气动参数进行全弹道辨识。文中首先对可辨识性问题进行分析。通过仿真计算,证明该方法与传统极大似然方法相比辨识结果更加稳定,并通过反算弹道的方法证明了该算法收敛速度快,全局寻优能力强,具有较高的精度,并且解决了传统方法对初值敏感问题。
童文华[8]（2020）在《直升机气动参数辨识作业流程及试飞结果分析》文中研究指明初始值是直升机气动参数辨识的关键,原有参数辨识流程采用最小二乘法一次获得所有待辨识参数的初始值,其结果的可信度较低,从而放大了最终计算结果的系统误差和随机误差。提出了一套全新的参数辨识作业流程,采用分步法获取初始值,提高了初始值的可信度,有效降低了最终计算结果的系统误差和随机误差;最后,结合相关规范条款对试验结果进行了分析。
何开锋,刘刚,毛仲君,汪清,贾涛,章胜[9]（2020）在《先进战斗机过失速机动模型飞行试验技术》文中认为具有过失速机动能力的战斗机在近距空战中能够取得快速占位、先敌瞄准、有效规避攻击的战术优势,是先进战斗机的标志性性能要求。模型飞行试验技术作为空气动力学研究三大手段之一,在解决飞行器技术难题、实现技术创新方面发挥了重要作用。本文介绍了中国空气动力研究与发展中心利用带动力自主控制模型飞行试验平台发展的过失速机动模型飞行试验技术,以及开展的先进战斗机构型典型过失速机动模型飞行试验,分述了在大迎角非定常气动建模、宽量程气流系参数测量、大迎角非线性控制、推力矢量控制、大迎角非定常气动参数辨识方面的研究工作与解决这些关键问题的技术途径。通过此项研究,在国内首次实现了先进战斗机构型缩比模型典型过失速机动飞行,相关研究成果可为先进战斗机实现过失速机动飞行能力提供有力的技术支撑。
王钰[10]（2019）在《固定鸭舵式二维弹道修正炮弹控制规律和修正策略研究》文中进行了进一步梳理隔转鸭舵式旋转稳定修正组件,因其效费比高、研制周期相对较短、充分利用库存弹药等特点,成为了国内外精确打击弹药研究方面的一大热点。受发射平台与弹丸飞行稳定性限制,旋转稳定修正炮弹的修正效能有限。对弹丸稳定性、修正策略或制导控制算法的研究与优化是旋转稳定修正炮弹研究的关键,而可靠的动力学模型与参数辨识是稳定性分析与制导控制算法研究的前提。本文以固定鸭舵式双旋二维修正弹为研究对象,主要从飞行稳定性及其影响因素、气动参数辨识方法与修正策略三个方面进行了研究。保持弹丸飞行稳定是飞行控制的前提,由于二维弹道修正炮弹依靠自身的高速旋转维持飞行稳定,无法通过执行机构或控制系统保持飞行稳定,因此保证不同环境、控制状态下弹丸的飞行稳定性是二维弹道修正弹结构设计的重要指标。为充分挖掘修正弹丸的修正潜能以提高命中精度,并简化修正组件多平台适应性分析与设计,本文提出了弹翼组合体气动特性工程简化模型与稳定性原理相结合的稳定性分析方法,推导了与组件结构参数相关的修正弹稳定性判据,并分析了组件结构参数对弹丸飞行稳定性的影响规律。分析结果对修正弹结构设计有一定的参考意义,并经过了仿真与飞行试验验证。为保证稳定性分析、制导控制系统的性能,本文研究了基于飞行试验数据的气动参数离线、在线辨识算法。与尾翼稳定修正/制导弹丸不同,旋转稳定修正弹的滚转、俯仰、偏航三个通道相互耦合,难以通过解耦的方式将其分解到三个不同的通道分别进行辨识,且其动力学模型非线性明显,因此旋转稳定修正弹丸的气动参数辨识问题可转化为较高维度的多极值优化问题。为避免由于高维度、多极值造成的计算量过大、易于陷入局部最优解的问题,提出了多种群自适应搜索优化方法用于气动参数的离线辨识。该方法通过自适应的密度峰值聚类方法自动地将样本划分成若干个子种群,继而在每个子种群中自动地搜索更新。为兼顾收敛速度与种群多样性,每一代的更新算子结合了随机搜索步长与向种群最优收敛步长,并根据子种群的更新率与散布特性自适应的调整两者的权重。将其应用于旋转稳定修正弹气动参数辨识问题上,并与改进的粒子群优化算法、遗传算法进行对比,相比而言该算法能获得更优的辨识结果。为进一步地提高飞行模型精度,通过改进的平方根无迹卡尔曼滤波（MSUKF）方法对弹丸气动参数符合系数在线辨识。该方法采用球形无迹变换以减少计算量提高计算速度;使用协方差矩阵的平方根进行迭代,使用QR分解替代Cholesky分解以避免由于矩阵非正定引起的计算失效;并通过飞行试验无控弹道在线落点预测对其有效性进行验证。基于落点预测的制导方法以其出色的适应性和修正效能利用率成为弹道修正弹制导算法的主流。由于二维弹道修正弹的强耦合性、飞行时间短、修正效能不足、计算能力有效等原因,操纵力作用下的落点响应、模型预测精度与计算速度之间的平衡是落点预测制导方法面临的两大问题。一方面,为研究操纵力作用下的落点响应问题,从而实现射程、横偏方向的控制解耦,提出等效力方法,将侧向控制力对弹丸质心运动的影响分解为力的直接作用和控制力（矩）引起的角运动变化产生的间接影响。根据等效控制力推导出了侧向控制力作用下的落点位置变化量、落点提前相位差的近似表达式,并通过飞行试验进行验证。另一方面,为平衡预测精度与计算效率,提出了摄动落点预测（PP）快速建模方法与分段预测控制方法。为实现对不同环境、目标位置的快速适应以提高摄动预测方法的预测精度与实用性,提出了结合摄动理论与分步逼近法的初始发射条件、基准弹道和摄动模型参数的快速确定方法。基于PP法与弹道积分预测法的计算精度与计算速度性能,提出了结合PP与弹道积分预测方法的分段预测法,蒙特卡洛仿真显示该方法能有效地提高落点预测制导控制精度。轨迹追踪方法以其简便的计算、有反馈的系统架构、对模型精度的不敏感,在制导控制方面具有明显的优势。为适应仅平移运动参量可测的测试条件,提出含有控制项的五自由度修正质点弹道模型,并以此推导了控制输入与弹道运动响应的传递函数。为减小对控制效能的要求,设计了虚拟向导点与虚拟视线角,在参考弹道坐标平面建立了综合视线角与速度方向偏差的滑模平面,根据反步法与李雅谱诺夫理论推导了轨迹追踪控制率,并证明了其收敛性能。为提高系统的鲁棒性,设计了高增益扩展状态估计器用以估计由外部干扰、模型误差、测试误差引起的不确定度,并进行实时补偿。仿真显示该方法在存在测试误差、模型误差、外部风速干扰的情况下能够有效地实现追踪控制,减小弹丸脱靶量。
二、The Maximum Likelihood Method of Aerodynamic Parameter Identification（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、The Maximum Likelihood Method of Aerodynamic Parameter Identification（论文提纲范文）
（1）月地高速再入返回器弹道重建与气动力参数辨识（论文提纲范文）
| 0 引言 |
| 1 弹道重建方法 |
| 1.1 数据预处理 |
| 1.2 弹道重建算法 |
| 2 攻角和侧滑角计算方法 |
| 3 气动力参数辨识方法 |
| 3.1 线性回归法 |
| 3.2 气动力模型 |
| 4 辨识结果 |
| 4.1 弹道重建结果 |
| 4.2 攻角与侧滑角辨识结果 |
| 4.3 气动力参数辨识结果 |
| 5 结论 |
（2）基于气动力数据集的气动偏差建模与辨识（论文提纲范文）
| 1 引言 |
| 2 气动偏差辨识原理及方法 |
| 2.1 基本原理 |
| 2.2 气动力模型 |
| 2.3 模型参数辨识 |
| 3 仿真算例与结果分析 |
| 4 结论 |
（3）电动飞机气动焦点辨识及飞行试验研究（论文提纲范文）
| 0 引言 |
| 1 数学模型建立及分析 |
| 1.1 定常直线平飞基本数学模型 |
| 1.2 定常盘旋机动飞行数学模型 |
| 2 气动焦点参数辨识方法 |
| 2.1 平飞配平迭代法 |
| 2.2 盘旋解析法 |
| 3 参数辨识应用 |
| 4 飞行试验辨识结果与风洞试验结果对比 |
| 5 结论 |
（4）滑翔飞行器滑翔能力智能预示与多约束制导研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及目的意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 滑翔飞行器发展现状及分析 |
| 1.2.2 人工智能及神经网络技术发展现状及分析 |
| 1.2.3 飞行器智能弹道规划与制导技术发展现状及分析 |
| 1.3 论文的组织结构与主要研究内容 |
| 1.3.1 本文的组织结构 |
| 1.3.2 本文的主要研究内容 |
| 第2章 滑翔飞行器气动参数辨识 |
| 2.1 引言 |
| 2.2 基于实测弹道数据的气动参数离线辨识 |
| 2.2.1 基于有限实测弹道的气动参数离线辨识与修正 |
| 2.2.2 气动参数辨识所用模型 |
| 2.2.3 气动参数辨识极大似然估计准则 |
| 2.3 基于推广气动插值表模型的神经网络训练 |
| 2.3.1 对气动插值表非试验点的推广修正 |
| 2.3.2 对修正后气动模型神经网络的训练 |
| 2.4 气动参数辨识仿真分析 |
| 2.4.1 飞行器参数及仿真条件设置 |
| 2.4.2 基于实测弹道的气动参数辨识分析 |
| 2.4.3 气动模型的推广修正与神经网络训练分析 |
| 2.5 本章小结 |
| 第3章 基于深度置信网络的滑翔航程在线预测 |
| 3.1 引言 |
| 3.2 神经网络样本库的构建 |
| 3.2.1 输入变量及输出变量 |
| 3.2.2 基于弹道优化的样本库建立 |
| 3.3 基于多层感知机的滑翔航程在线预测 |
| 3.3.1 多层感知机结构设计 |
| 3.3.2 基于L-M的弹性反向传播训练方法 |
| 3.4 基于深度置信网络的滑翔航程在线预测 |
| 3.4.1 深度置信网络结构设计 |
| 3.4.2 无监督预训练及全局有监督微调 |
| 3.4.3 滑翔航程预示深度置信网络参数设计 |
| 3.5 基于深度置信网络的滑翔航程在线预测仿真 |
| 3.5.1 滑翔航程预示样本库的构建 |
| 3.5.2 神经网络滑翔航程预示仿真结果 |
| 3.6 本章小结 |
| 第4章 考虑威胁区的滑翔飞行器智能规避决策 |
| 4.1 引言 |
| 4.2 威胁区等级判定 |
| 4.2.1 威胁判定流程 |
| 4.2.2 威胁元素建模及威胁等级判定 |
| 4.3 航程预测网络样本库构建 |
| 4.3.1 机动弹道规划建模 |
| 4.3.2 启发式A*规划算法研究 |
| 4.3.3 样本构建流程 |
| 4.4 基于绕飞航程预测神经网络的规避决策 |
| 4.5 绕飞航程智能预测及威胁区规避决策仿真 |
| 4.6 本章小结 |
| 第5章 基于拦截制导律智能辨识的中段最优突防制导 |
| 5.1 引言 |
| 5.2 制导律辨识问题建模 |
| 5.3 基于交互式多模型自适应滤波的制导参数辨识方法 |
| 5.4 基于循环卷积神经网络的拦截弹制导律系数智能辨识 |
| 5.4.1 样本构建 |
| 5.4.2 循环卷积制导律系数辨识网络设计 |
| 5.4.3 基于制导参数辨识结果的最优突防制导律 |
| 5.5 针对高机动拦截威胁的中段智能突防仿真 |
| 5.5.1 制导律辨识仿真分析 |
| 5.5.2 单边最优突防仿真分析 |
| 5.6 本章小结 |
| 第6章 末段多约束智能弹道规划与制导 |
| 6.1 引言 |
| 6.2 末段机动能力智能预测 |
| 6.2.1 输入变量及输出变量 |
| 6.2.2 样本的生成 |
| 6.3 末段多约束弹道规划 |
| 6.3.1 经由点协调规划 |
| 6.3.2 三角函数型机动弹道规划 |
| 6.3.3 机动弹道最优制导律设计 |
| 6.4 末段宽域多约束智能弹道规划与制导仿真 |
| 6.4.1 机动能力预测样本库构建 |
| 6.4.2 机动能力预测分析 |
| 6.4.3 经由点设计及多约束制导仿真分析 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（5）可重复使用火箭返回过程轨迹优化与制导方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 论文研究背景 |
| 1.1.2 火箭着陆规划制导问题的挑战 |
| 1.2 垂直起降火箭发展现状 |
| 1.2.1 国外垂直起降火箭发展现状 |
| 1.2.2 国内垂直起降火箭发展现状 |
| 1.3 火箭回收轨迹优化与制导技术概述 |
| 1.3.1 建模与在线辨识技术 |
| 1.3.2 轨迹规划技术 |
| 1.3.3 制导技术 |
| 1.4 论文内容与组织结构 |
| 2 火箭返回全过程模型构建 |
| 2.1 引言 |
| 2.2 坐标系定义及其转换关系 |
| 2.2.1 坐标系定义 |
| 2.2.2 坐标系转换关系 |
| 2.3 火箭动力学模型 |
| 2.3.1 火箭基本构型 |
| 2.3.2 火箭气动特性 |
| 2.3.3 火箭着陆飞行过程分析 |
| 2.3.4 飞行过程受力分析 |
| 2.3.5 动力及运动学方程 |
| 2.4 约束模型 |
| 2.5 本章小结 |
| 3 火箭轨迹规划与跟踪算法 |
| 3.1 引言 |
| 3.2 基于伪谱法的优化求解框架 |
| 3.3 三自由度返回过程轨迹规划 |
| 3.3.1 命题构造 |
| 3.3.2 优化结果与分析 |
| 3.4 大气层外飞行段标称轨迹跟踪制导 |
| 3.4.1 火箭动力段制导模型 |
| 3.4.2 滑模制导律设计 |
| 3.4.3 仿真结果与分析 |
| 3.5 本章小结 |
| 4 大气减速段在线优化制导算法 |
| 4.1 引言 |
| 4.2 气动模型参数在线辨识 |
| 4.2.1 参数辨识方程 |
| 4.2.2 激励输入 |
| 4.2.3 参数可辨识性分析 |
| 4.2.4 基于EKF的参数在线辨识方法 |
| 4.3 基于参数辨识的在线规划制导 |
| 4.3.1 在线确定交接点 |
| 4.3.2 优化命题构造 |
| 4.3.3 在线求解收敛增强策略 |
| 4.3.4 基于在线辨识的制导算法框架 |
| 4.4 仿真结果与分析 |
| 4.4.1 仿真条件 |
| 4.4.2 气动参数在线辨识仿真结果 |
| 4.4.3 制导仿真结果 |
| 4.5 本章小结 |
| 5 垂直着陆段在线优化制导算法 |
| 5.1 引言 |
| 5.2 经典制导控制方法 |
| 5.2.1 四次多项式制导律 |
| 5.2.2 比例微分控制律 |
| 5.3 在线轨迹规划制导控制 |
| 5.3.1 命题构造 |
| 5.3.2 异常情况下的着陆约束松弛策略 |
| 5.4 仿真结果与分析 |
| 5.4.1 仿真条件 |
| 5.4.2 标称情况制导控制效果验证 |
| 5.4.3 异常情况制导结果分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 后续研究展望 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（6）多发弹气动参数联合辨识方法研究（论文提纲范文）
| 0 引言 |
| 1 多发弹测量数据联合辨识策略 |
| 1.1 辨识流程设计 |
| 1.2 准则函数与最优解定义 |
| 2 差分进化算法的应用 |
| 2.1 基本算法 |
| 2.2 算法应用 |
| 3 一个典型气动力矩参数辨识问题 |
| 3.1 气动辨识用数学模型 |
| 3.2 试验条件及测量数据 |
| 3.3 辨识的收敛性检验 |
| 3.4 辨识结果与分析 |
| 4 结论 |
（7）差分进化智能算法在高旋弹气动辨识中的应用（论文提纲范文）
| 0 引言 |
| 1 系统模型 |
| 2 DE算法原理 |
| 2.1 种群初始化 |
| 2.2 适应度函数及相应参数的设置 |
| 2.3 优化过程 |
| 1)差分变异 |
| 2)二项式交叉 |
| 3)选择 |
| 3 弹丸气动参数辨识 |
| 3.1 准则函数 |
| 3.2 辨识过程 |
| 3.3 灵敏度分析 |
| 3.4 仿真校验 |
| 4 结束语 |
（8）直升机气动参数辨识作业流程及试飞结果分析（论文提纲范文）
| 0 引言 |
| 1 原有的参数辨识流程 |
| 2 改进的气动参数辨识方法 |
| 3 试验结果及分析 |
| 4 结束语 |
（9）先进战斗机过失速机动模型飞行试验技术（论文提纲范文）
| 0 引言 |
| 1 国内外发展概况 |
| 2 系统主要构成 |
| 2.1 试验模型系统 |
| 2.2 地面测控系统 |
| 3 关键技术 |
| 3.1 大迎角非定常气动力建模方法 |
| 3.2 大迎角宽量程气流系参数测量技术 |
| 3.3 非线性控制方法及过失速机动控制律设计 |
| 3.3.1 基于动态逆和扩张状态观测器方法（ESO+DI）的过失速机动控制律设计 |
| 3.3.2 基于动态逆和变结构控制方法（VSC+DI）的过失速机动控制律设计 |
| 3.3.3 基于改进动态面控制方法（IDS）的过失速机动控制律设计 |
| 3.3.4 过失速机动控制律仿真验证 |
| 3.4 推力矢量控制系统 |
| 3.5 大迎角非定常气动参数辨识 |
| 4 典型过失速机动模型飞行试验 |
| 4.1“眼镜蛇”机动 |
| 4.2 大迎角稳态飞行 |
| 4.3 大迎角下绕速度矢滚转 |
| 4.4 Herbst机动 |
| 5 结论 |
（10）固定鸭舵式二维弹道修正炮弹控制规律和修正策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号 |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 动力学特性研究 |
| 1.2.2 气动参数辨识研究 |
| 1.2.3 修正策略与制导控制设计研究 |
| 1.2.4 当前研究尚存在的问题 |
| 1.3 本文研究框架 |
| 2 动力学建模和稳定性分析 |
| 2.1 七自由度刚体弹道模型 |
| 2.1.1 坐标系定义及转换 |
| 2.1.2 作用在弹丸上的力与力矩 |
| 2.1.3 弹道模型 |
| 2.2 稳定性判据 |
| 2.2.1 角运动方程 |
| 2.2.2 稳定性分析 |
| 2.3 基于弹翼组合体气动特性的稳定性分析 |
| 2.3.1 鸭翼对升力的影响模型 |
| 2.3.2 鸭翼对阻力的影响模型 |
| 2.3.3 鸭翼对俯仰力矩影响模型 |
| 2.3.4 组件参数对稳定性的影响 |
| 2.3.5 仿真与试验分析 |
| 2.4 控制参数对稳定性的影响 |
| 2.4.1 理论分析 |
| 2.4.2 仿真验证 |
| 2.5 本章小结 |
| 3 强耦合非线性系统气动参数辨识 |
| 3.1 问题描述与建模 |
| 3.1.1 含有控制项的五自由度修正质点弹道模型 |
| 3.1.2 仅平移与滚转状态可测的气动参数辨识问题 |
| 3.2 基于多种群自适应搜索优化算法的气动参数辨识 |
| 3.2.1 多种群自适应搜索优化算法 |
| 3.2.2 气动参数辨识应用仿真验证 |
| 3.3 基于改进平方根无迹卡尔曼滤波的气动参数在线辨识 |
| 3.3.1 基于改进平方根UKF的在线气动参数辨识 |
| 3.3.2 在线辨识方法试验验证与分析 |
| 3.4 本章小结 |
| 4 基于等效力法的分段落点预测制导方法研究 |
| 4.1 基于等效力的落点响应分析 |
| 4.1.1 操纵力(矩)引起的攻角变化量 |
| 4.1.2 等效操纵力 |
| 4.1.3 修正效果预测 |
| 4.1.4 仿真与试验验证 |
| 4.2 基于摄动落点预测的快速建模方法 |
| 4.2.1 发射参数优化及基准弹道生成 |
| 4.2.2 摄动落点预测模型参数快速计算 |
| 4.2.3 摄动落点预测快速建模法性能分析 |
| 4.2.4 改进的摄动预测精度仿真与试验分析 |
| 4.3 基于精度最优的分段落点预测方法 |
| 4.3.1 预测精度比较 |
| 4.3.2 控制效果比较 |
| 4.4 本章小结 |
| 5 基于虚拟向导的自适应轨迹追踪制导方法研究 |
| 5.1 舵控旋转稳定弹丸轨迹跟踪问题建模 |
| 5.1.1 简化有控旋转稳定弹丸弹道模型 |
| 5.1.2 轨迹跟踪误差模型 |
| 5.2 自适应轨迹跟踪算法设计 |
| 5.2.1 轨迹跟踪控制器设计 |
| 5.2.2 高增益扩展状态估计器设计 |
| 5.3 自适应轨迹跟踪算法性能仿真验证 |
| 5.3.1 轨迹跟踪制导控制性能 |
| 5.3.2 蒙特卡罗仿真试验 |
| 5.4 落点预测与轨迹跟踪制导系统对比 |
| 5.5 本章小结 |
| 6 工作总结与展望 |
| 6.1 本文工作总结 |
| 6.2 论文主要创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、The Maximum Likelihood Method of Aerodynamic Parameter Identification（论文参考文献）
- [1]月地高速再入返回器弹道重建与气动力参数辨识[J]. 李齐,魏昊功,张正峰,陈春亮,彭兢,杨孟飞. 宇航学报, 2021(08)
- [2]基于气动力数据集的气动偏差建模与辨识[J]. 曹德一,张翔,张元静. 战术导弹技术, 2021(03)
- [3]电动飞机气动焦点辨识及飞行试验研究[J]. 李亚东,张子军,张钧尧,杨凤田. 航空工程进展, 2021(03)
- [4]滑翔飞行器滑翔能力智能预示与多约束制导研究[D]. 邵会兵. 哈尔滨工业大学, 2020
- [5]可重复使用火箭返回过程轨迹优化与制导方法研究[D]. 陈艺帆. 浙江大学, 2020
- [6]多发弹气动参数联合辨识方法研究[J]. 刘洋,常思江,魏伟. 兵工学报, 2020(05)
- [7]差分进化智能算法在高旋弹气动辨识中的应用[J]. 侯现钦,王良明,傅健. 弹箭与制导学报, 2020(03)
- [8]直升机气动参数辨识作业流程及试飞结果分析[J]. 童文华. 飞行力学, 2020(03)
- [9]先进战斗机过失速机动模型飞行试验技术[J]. 何开锋,刘刚,毛仲君,汪清,贾涛,章胜. 空气动力学学报, 2020(01)
- [10]固定鸭舵式二维弹道修正炮弹控制规律和修正策略研究[D]. 王钰. 南京理工大学, 2019(01)