连翼布局飞机及探测无人机研究进展_郑诚行

基于机器学习的无人机航迹规划与集群控制研究摘要：无人机技术的发展为航空领域带来了革命性的变化，然而，实现无人机的有效航迹规划和集群控制仍然存在挑战。

本文基于机器学习的方法，探讨了无人机航迹规划和集群控制的研究。

1. 引言随着无人机的广泛应用，如物流、农业监测、环境监测等领域，无人机的航迹规划和集群控制成为关注的热点。

为了提高无人机的飞行效率和安全性，需要采用先进的航迹规划和集群控制算法。

机器学习作为一种强大的工具，可以通过训练数据，使无人机能够自动学习和优化航迹规划和集群控制策略。

2. 无人机航迹规划研究无人机航迹规划的目标是确定最佳的飞行路径，以使无人机能够高效地完成任务，并避免障碍物。

传统的航迹规划方法主要基于经验法则和数学优化模型，但这些方法在复杂环境下表现不佳。

基于机器学习的无人机航迹规划方法能够通过学习大量的飞行数据，自动调整航迹规划策略。

该方法将无人机的历史飞行数据作为输入，训练机器学习模型，以生成最佳航迹规划策略。

3. 无人机集群控制研究无人机集群控制是指多个无人机协同工作完成任务的控制策略。

常见的无人机集群控制方法包括层次控制和分布式控制。

然而，这些方法对集群规模和环境变化较为敏感，缺乏自适应性。

基于机器学习的无人机集群控制方法能够通过学习无人机的运动模式和环境特征，智能地调整控制策略。

这些方法将无人机的传感器数据和飞行状态作为输入，通过训练机器学习模型，实现集群内无人机之间的协同控制。

4. 机器学习算法在无人机航迹规划和集群控制中的应用在无人机航迹规划和集群控制的研究中，机器学习算法被广泛应用。

其中，监督学习算法如神经网络、决策树和支持向量机可以根据无人机的输入特征和输出行为进行训练。

无监督学习算法如聚类分析和自组织映射可以用于无人机集群控制中的任务分配和路径规划。

强化学习算法如Q学习和深度强化学习可以用于无人机集群的智能控制。

5. 挑战和展望尽管基于机器学习的无人机航迹规划和集群控制研究取得了一定的进展，但仍面临一些挑战。

基于深度学习的无人机检测和识别研究综述那振宇;程留洋;孙鸿晨;林彬【期刊名称】《信号处理》【年(卷),期】2024(40)4【摘要】近年来,由于在各行各业发挥了不可替代作用,无人机产业和应用得到了迅速发展。

然而,无人机的“黑飞”、携带危险物品等事件频繁发生,对社会安全构成了严重威胁。

因此,无人机的检测和识别变得尤为迫切和必要。

随着无人机类型不断地变化,传统的检测与识别方法已不再适应当前需求。

深度学习技术的快速发展为无人机检测与识别提供了一种高效且准确的解决方案。

深度学习模型具备自主学习特征的能力,能够从大规模数据中提取高级特征,并且在无人机检测与识别任务中表现出色。

该模型不仅能够显著提高准确性,还能够适应各种复杂环境和无人机类型。

对此,本文综述了基于深度学习的无人机检测与识别技术的最新进展,主要包括基于深度学习的无人机视觉检测和识别、基于深度学习的无人机音频检测和识别、基于深度学习的无人机雷达检测和识别以及基于深度学习的无人机射频检测和识别。

最后,对目前无人机检测和识别现存问题进行分析,并展望了未来研究方向。

【总页数】16页(P609-624)【作者】那振宇;程留洋;孙鸿晨;林彬【作者单位】大连海事大学信息科学技术学院;广东省空天通信与网络技术重点实验室【正文语种】中文【中图分类】TN911.7【相关文献】1.基于深度学习的人体行为识别检测综述2.大数据背景下财务共享中心风险防控对策思考3.基于深度学习的无人机目标检测研究综述4.基于深度学习的无人机航拍目标检测与跟踪方法综述5.基于深度学习的图像中无人机与飞鸟检测研究综述因版权原因，仅展示原文概要，查看原文内容请购买。

连翼布局飞机静气动弹性分析
连翼布局飞机是一种最新的飞机布局技术，它具有高机动性和显著的机动性。

在空中，飞机的静气动弹性数据对于控制飞机的安全性和稳定性至关重要，因此有必要对这种布局的飞机的静气动弹性特性进行研究。

首先，根据飞机连翼布局的特点，计算飞机的气动激活力和弹性调节力，以确定飞机的气动特性曲线。

其次，通过CFD（计算流体力学）方法，利用流场数据对飞机的尾翼、机翼、机身、机头尾翼等部件气动力量进行精确的数值计算，从而确定其静气动弹性行为。

同时，为了更准确地描述飞机的动弹性行为，也可以使用科学理论，进行系统的气动动弹性分析，并计算出飞机的气动动弹性振动特性。

此外，还可以利用实验观测的方法，对布局空中的数据进行测量，以确定不同速度、不同角度状态下飞机的气动动弹性行为。

这可以为实际飞行中处理气动动弹性问题提供有效的参考结果。

此外，为了更好地分析飞机的气动动弹性特性，还需要考虑机载系统、动员系统、变形结构的影响以及航空器的声波、噪声和结构变形等问题。

系统的考虑到这些问题，可以有效地提高飞机的空中性能，使其能够更好地适应不同的空中环境。

总之，连翼布局飞机的静气动弹性分析是一项非常重要而复杂的研究，需要综合考虑多种不同条件下飞机的气动特性。

除了上述研究方法，还可以通过其他物理模拟方法来获取准确的结果。

例如，可以使用Lattice Boltzmann法对空气流动进行模拟，以便获得更准确的
数值结果。

综上所述，研究连翼布局飞机的静气动弹性特性是非常复杂而且技术上具有挑战性的任务，因此，必须加强技术研究，以及采用更多有效的方法和手段，以更好地提高飞机的性能和安全性。

无人机自主飞行控制与环境感知研究随着科学技术的不断进步和人们对无人机应用的需求增加，无人机自主飞行控制与环境感知研究逐渐成为无人机领域中的重要研究方向之一。

无人机的自主飞行控制和环境感知技术的研究，不仅关乎无人机在各种应用场景下的可靠性和安全性，也影响着无人机行业的未来发展。

一、自主飞行控制技术自主飞行控制技术是指无人机在没有人类操作的情况下，能够根据预设任务，准确地进行导航、航向控制、高度控制、起飞和降落等动作。

通过自主飞行控制技术，无人机能够实现自动避障、固定航点巡航、指定区域飞行等多种飞行任务，极大地提高了无人机的智能化程度。

为了实现无人机的自主飞行控制，研究人员首先需要设计、构建符合航空原理的飞行控制算法。

基于地面控制站或者内置传感器的飞行控制系统可以实时监测、控制和改变无人机的飞行状态，确保无人机完成既定任务。

此外，人工智能和机器学习等领域的技术也被广泛应用于无人机的自主飞行控制中，使其能够从飞行中积累经验、适应环境变化并进行自我学习，提高对复杂环境的适应能力。

自主飞行控制技术的研究，还需要解决一些关键的技术问题。

首先是飞行路径的规划和导航问题，即如何让无人机在已知或未知环境下自主规划最佳飞行路径，并能够实时感知和避障。

其次是无人机的稳定性和控制问题，即如何能够通过合适的控制策略保持无人机稳定飞行，并实现精确的悬停、起降。

此外，对于多机协同飞行的场景，还需要解决无人机之间的通信与协同问题，实现集群飞行的协同控制。

二、环境感知技术环境感知技术是指无人机能够通过感知和理解周围环境的能力，包括对障碍物、天气状况、空域安全等的感知。

通过环境感知技术，无人机能够实时获取周围环境的信息，从而进行智能决策、规避风险、确保任务的安全完成。

为了实现无人机的环境感知，研究人员利用了各种传感器技术，例如相机、激光雷达、红外传感器等。

这些传感器可以提供无人机所需的环境信息，包括地面地物的识别、障碍物的检测与跟踪、天气状况的监测等。

第 39 卷第 4 期2024 年 4 月Vol.39 No.4Apr. 2024液晶与显示Chinese Journal of Liquid Crystals and Displays基于主干增强和特征重排的反无人机目标跟踪郑滨汐*，杨志钢，丁钰峰（哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨 150001）摘要：视频图像中面向无人机的目标跟踪是反无人机任务中的重要一环。

无人机低空飞行背景复杂，同时在视频图像中目标像素占比较小，都给目标跟踪增加了难度。

针对以上问题，以SiamRPN++为基础，提出了一种引入改进的主干网络和特征重排的孪生神经网络目标跟踪算法（SiamAU）。

首先，在主干网络中加入ECA-Net注意力机制网络，同时对激活函数进行改进，以提升复杂背景下的特征表征能力；然后，对主干网络输出的浅层特征进行浅层降维并与后三层深层特征进行融合，得到更适合无人机等小目标跟踪的改进深度融合特征。

在DUT Anti-UAV数据集上，SiamAU算法的成功率和精确率达到了60.5%和88.1%，相比基准算法提升了5.6%和8.1%。

在两个公开数据集上的测试结果表明，在反无人机场景中SiamAU算法的跟踪表现优于目前主流的算法。

关键词：反无人机；目标跟踪；孪生网络；注意力机制；特征重排中图分类号：TP391 文献标识码：A doi：10.37188/CJLCD.2023-0150Anti-UAV object tracking with enhanced backbone andfeature rearrangementZHENG Binxi*，YANG Zhigang，DING Yufeng（College of Information and Communication Engineering， Harbin Engineering University，Harbin 150001， China）Abstract：Object tracking for the unmanned aerial vehicle （UAV）in videos is an important part of the Anti-UAV task.The complex background during low-altitude flight and the small imaging size are two difficulties for UAV object tracking.A Siamese neural network object tracking algorithm （SiamAU）is proposed，which is based on SiamRPN++ in combination with an improved backbone and a feature rearrangement technique.Firstly，ECA-Net attention module is integrated into the backbone network，while the activation function is improved to enhance the representation ability of convolution features in complex background. Then， channel number of the last three convolution features is rearranged in order to make full use of low-level features that are conducive for small object tracking. The rearranged feathers are further fused to obtain the improved feature map.Finally，On the DUT Anti-UAV dataset，SiamAU algorithm achieves success and precession scores of 60.5% and 88.1%，an improvement of 5.6% and 文章编号：1007-2780（2024）04-0532-11收稿日期：2023-04-21；修订日期：2023-05-05.基金项目：航空科学基金（No.201801P6002）；中央高校基本科研业务费（No.3072022CF0802）Supported by Aeronautical Science Foundation of China（No.201801P6002）；Fundamental Research Fundsfor the Central Universities（No.3072022CF0802）*通信联系人，E-mail：914016304@第 4 期郑滨汐，等：基于主干增强和特征重排的反无人机目标跟踪8.1% in comparison with the baseline algorithm.Extensive experimental results on two public datasets validate that the proposed SiamAU achieves better UAV tracking performance and outperforms previous methods， especially in small object and complex background scenarios.Key words： Anti-UAV； object tracking； siamese network； attention mechanism； feature rearrangement1 引言近年来，小型无人机在各行各业都得到了广泛的应用，与此同时也给低空安全带来了巨大的隐患。

连翼布局飞机的研究进展与总体方案探讨摘要:连翼布局飞机在气动与结构有多种优点,国内外对该布局进行了大量研究,本文主要对影响连翼布局飞机气动特性的关键参数进行了分析,设计了小型试验样机,分析其稳定性,并进行遥控试飞验证,为连翼布局飞机设计提供参考。

关键词:连翼布局气动特性动态特性1 引言连翼布局(Joined Wing)飞机的机翼由后掠的前翼与前掠的后翼在前翼翼尖或中部相连组成,形成框架式结构,美国的Wolkovitch于20世纪70年代首先提出该概念,并于1976年获得专利,其后的研究报告[1]指出:与常规布局相比,连翼布局具有多种优点,如:重量轻,刚度大,诱导阻力小,跨音速面积分布好,最大配平升力系数高,浸润面积小,具有直接升力和直接侧力控制能力,稳定性和操纵性好等。

国内外对连翼布局气动与结构等进行了大量的研究,并提出了连翼布局应用于多种用途机型的方案,其中包括大型运输机,高空探测无人机等。

本文介绍了连翼布局的研究进展,分析了前翼与后翼在翼尖处相连的连翼布局飞机的关键参数对升阻特性与稳定性的影响,提出一个连翼布局飞机总体方案,分析了其动态稳定性,并制作试验样机进行了试飞验证。

2 连翼布局的研究进展国内外在连翼布局的气动、结构与气动弹性等方面进行了大量研究。

2.1 气动方面美国的Wolkovitch在连翼布局的研究最具代表性的。

国内也开展了相关研究:连接翼布局有其特有的流型,翼面分前翼、后翼和外翼三部分,其流型受前翼涡、后翼涡、翼端涡、机身边条涡以及他们相互缠绕形成的新涡的控制;连接翼布局的气动特性优于常规布局,最大升阻比可达12以上,失速迎角超过30°;通过前后翼后缘操纵面的有利结合,可以达到提高升阻比、满足纵、横向稳定性和操纵性要求的目的[2]。

还有对连翼布局飞行品质的相关研究:由于盒式布局飞机后翼升力产生的低头力矩过大,故这种布局的飞机往往具有较大的纵向静稳定性。

因此,在设计时一定要选择好适当的前、后翼的面积比、安装位置以及合理布置操纵面的位置等,以获得适中的静稳定性和良好的操纵性[3]。

一种基于航迹运动特征的无人机和飞鸟目标分类方法一种基于航迹运动特征的无人机和飞鸟目标分类方法在无人机技术不断发展和应用的今天，无人机与飞鸟在空中运动时往往难以区分。

如何通过航迹运动特征来对无人机和飞鸟进行有效分类成为了一个重要的课题。

本文将探讨一种基于航迹运动特征的无人机和飞鸟目标分类方法，希望能为相关领域的研究和实践提供一定的参考和启发。

1. 背景无人机技术的广泛应用给人们的生活和工作带来了诸多便利，但与此无人机的快速发展也带来了一些新的问题和挑战。

其中之一就是无人机与飞鸟在空中运动时很难以区分。

传统的目标识别方法往往难以满足对无人机和飞鸟进行准确分类的需求，因此需要一种基于航迹运动特征的全新分类方法来解决这一难题。

2. 目前研究现状目前针对无人机和飞鸟目标分类的研究主要集中在图像识别、声音识别和雷达识别等方面。

然而，这些方法往往受限于环境、光照和设备等因素的影响，分类效果有限。

需要一种更加可靠和全面的分类方法来应对复杂多变的空中运动环境。

3. 提出方法基于航迹运动特征的目标分类方法是一种新颖而有前景的分类技术。

通过对无人机和飞鸟在空中运动过程中的航迹特征进行深入而全面的分析，可以发现它们在运动状态、轨迹模式、速度变化等方面有着明显的差异。

利用这些差异性，可以将无人机和飞鸟有效地区分开来，实现精准分类。

4. 具体实现在该方法中，首先需要对无人机和飞鸟在空中的运动轨迹进行数据采集和记录。

利用大数据分析和机器学习等技术对这些轨迹数据进行深度学习和模式识别，从而提取出它们的航迹运动特征。

通过建立相应的分类模型和算法，可以实现对无人机和飞鸟目标的精准分类和识别。

5. 个人观点对于这种基于航迹运动特征的目标分类方法，笔者认为其具有重要的理论和应用价值。

这种方法不依赖于特定的环境和设备，对光照、天气等因素的影响较小，具有较强的稳定性和鲁棒性。

通过对航迹运动特征的深入分析，可以更准确地理解无人机和飞鸟在空中的运动规律，为进一步研究和开发提供了坚实的基础。

多小型无人机协同航迹规划及其硬件在回路仿真共3篇多小型无人机协同航迹规划及其硬件在回路仿真1多小型无人机协同航迹规划及其硬件在回路仿真随着科技的不断发展，无人机技术也得到了快速的发展。

在军事、民用、商业及科研等领域都有了广泛的应用。

而多小型无人机协同航迹规划也逐渐成为人们研究的热点问题。

无人机的航迹规划是指在一定的任务范围内，根据航迹规划算法，将无人机的航迹规划为一条或多条航线。

多小型无人机协同航迹规划则是指在多个无人机之间，通过通信协调，完成任务的最优航迹规划。

例如，多架无人机在山区中完成搜救任务时需要协调各自航迹规划以及照片拍摄区域，提高任务效率。

多小型无人机协同航迹规划的硬件主要包括飞行控制器、无线模块、传感器等。

其中，飞行控制器是无人机的核心部件，用于控制飞行器的姿态、飞行速度和方向等参数。

无线模块则用于实现无人机之间的通信，建立控制指令和数据传输的通道。

传感器则是实现导航和环境感知的重要部件。

基于多小型无人机航迹规划的硬件，需要进行回路仿真。

回路仿真是指通过特定的仿真软件，模拟飞行控制器、无线模块和传感器等硬件之间的交互作用，检测协同航迹规划算法的准确性和可靠性。

在回路仿真中，首先需要建立一个多无人机的场景，包括每架无人机的参数（如起飞重量、载重能力、最大飞行速度、最大飞行高度等）以及地形地貌信息。

其次，需要对协调姿势和航速的控制算法进行仿真。

具体来说，可以通过开发软件来进行仿真，如MATLAB和Simulink等软件。

这些软件可以方便地进行仿真，利用图形化界面直观地展示数据和结果，更好地发现和排除问题。

最后根据仿真结果，对算法和硬件进行优化。

随着人工智能技术和物联网技术的不断提升，未来多小型无人机协同航迹规划将更加智能化、高效化、安全化。

例如，无人机可以通过高精度地图等技术，实现自主航迹规划，大大提高环境适应性和飞行效率。

此外，人工智能技术可以让无人机具备自主学习和决策功能，提高其应对复杂环境的能力。