摘要：UCAV(Uninhabited Combat Aerial Vehicle)具有高隐身、高机动、不涉及飞行员以及全寿命周期费用低等特点.针对UCAV的特点,应用适应现代作战飞机效费比分析的方法和手段,仿真计算了UCAV的隐身、作战半径、机动能力以及武器装载等主要设计参数与对地攻击效能的关系,计算了UCAV主要设计参数与全寿命周期费用的关系,研究了未来UCAV同有人作战飞机及巡航导弹在面临相同的威胁环境、执行相同的对地攻击任务时的效费比情况,并对UCAV在未来作战中的地位进行了分析.研究表明,UCAV在执行对有防空系统保护的敌重要目标进行攻击的任务时,综合效费比高于巡航导弹和有人隐身飞机.

摘要：近距空战中环境复杂、格斗态势高速变化,基于对策理论的方法因数据迭代量大而不能满足实时性要求,基于数据驱动的方法存在训练时间长、执行效率低的问题。对此,提出了一种基于深度强化学习算法的UCAV近距空战机动决策方法。首先,在UCAV三自由度模型的基础上构建飞行驱动模块,形成状态转移更新机制;然后在近端策略优化算法的基础上加入Ornstein-Uhlenbeck随机噪声以提高UCAV对未知状态空间的探索能力,结合长短时记忆网络(LSTM)增强对序列样本数据的学习能力,提升算法的训练效率和效果。最后通过设计3组近距空战仿真实验,并与PPO算法作性能对比,验证所提方法的有效性和优越性。

摘要：首先对无人作战飞机操作员控制台仿真的总体方案进行设计,然后对操作员控制台仿真系统的各功能模块和逻辑结构进行了描述,并给出了仿真中基于可扩展标记语言的任务链模型。最后实现了操作员控制台指挥控制多架无人作战飞机协同作战的仿真,并对进一步的研究进行了展望。

摘要：首先对无人作战飞机任务规划与控制单元的总体方案进行设计,对仿真系统的各功能模块进行了描述。然后提出了分层递阶的任务规划与控制功能结构及其逻辑框架,并给出基于可扩展标记语言的任务链模型。最后实现了控制单元指挥多编队无人作战飞机协同作战的仿真,并对进一步的研究进行了展望。

摘要：机动决策是决定无人作战飞机空战成败的关键因素。为提高空战获胜概率,提出用深度神经网络进行决策。构建了36种机动动作,通过飞行仿真,得到由当前态势、控制量和未来态势构成的样本;用样本训练深度神经网络,使其能够根据当前信息快速准确预测未来态势,设计了决策目标函数和态势评估函数,空战过程中,利用训练好的网络预测所有动作对应的未来态势,根据决策目标函数从中选出最优动作;在不同初始条件下,分别与采用简单机动和自主机动的敌机进行空战仿真,并对空战态势进行评估。结果表明,所提方法在均势时能通过较少的动作获得空战胜利,在劣势时能通过一系列机动获得优势,且决策用时缩短了9 ms.

摘要：无人作战飞机自主任务管理是减小平台对操作员依赖的关键之一。提出了基于BDI智能体的无人作战飞机自主任务管理系统体系结构。针对传统BDI解释器的缺陷,结合无人作战飞机应用的需求,设计、实现了一种并行的解释器实现结构,并给出了基本元动作定义。在此基础上讨论了无人作战飞机自主任务管理系统的功能设计与实现问题。初步仿真结果表明,平台能够对环境变化及用户指令做出正确反应。

摘要：无人机作战飞机(UCAV)快速发展的同时,无人机平台天线的频率选择表面(FSS)技术也得到广泛应用。设计和测试了一种用于无人作战飞机天线隐身的多层频率选择表面,多层频率选择表面通带为K频段,并且有一个很宽的阻带。数值结果和测试结果验证了该频率选择表面的有效性。该设计技术可以广泛应用在今后无人作战飞机天线隐身上,也可以用在其他隐身平台的相关天线设计中。

摘要：针对无人作战飞机自主攻击过程高精度、大迎角以及飞行状态快速变化等飞行控制需求,采用反步控制设计非线性控制器。依据飞行器六自由度方程建立非线性控制模型,利用奇异摄动原理将速度控制器和姿态控制器设计分离开,分别利用反步控制原理设计控制器,采用一阶指令滤波器克服传统反步法带来的"微分爆炸"问题,最后依据Lyapunov稳定原理证明了控制系统跟踪误差渐近趋近于零。仿真结果表明,非线性控制器在输入参考信号发生剧烈变化时仍能够实现高精度跟踪控制。

摘要：论述了无人作战飞机自主着陆研究中所涉及到的关键技术,并设计和建立了“基于视觉的无人作战飞机自主着陆实时仿真验证平台”。该仿真平台可以对所提及的多项关键技术进行验证。特别的,系统中应用虚拟现实技术,通过相关硬件使系统形成闭环,可以在数字仿真的环境下,实时验证视觉信号反馈对无人作战飞机自主着陆的影响。基于组件对象模型技术构建的仿真平台具有可重用性好、易于维护等优点。

摘要：无人作战飞机(unmanned combat aerial vehicle,UCAV)在进行空战自主机动决策时,面临大规模计算,易受敌方不确定性操纵的影响。针对这一问题,提出了一种基于深度强化学习算法的无人作战飞机空战自主机动决策模型。利用该算法,无人作战飞机可以在空战中自主地进行机动决策以获得优势地位。首先,基于飞机控制系统,利用MATLAB/Simulink仿真平台搭建了六自由度无人作战飞机模型,选取适当的空战动作作为机动输出。在此基础上,设计了无人作战飞机空战自主机动的决策模型,通过敌我双方的相对运动构建作战评估模型,分析了导弹攻击区的范围,将相应的优势函数作为深度强化学习的评判依据。之后,对无人作战飞机进行了由易到难的分阶段训练,并通过对深度Q网络的研究分析了最优机动控制指令。从而无人作战飞机可以在不同的态势情况下选择相应的机动动作,独立评估战场态势,做出战术决策,以达到提高作战效能的目的。仿真结果表明,该方法能使无人作战飞机在空战中自主的选择战术动作,快速达到优势地位,极大地提高了无人作战飞机的作战效率。