基于增强学习的变体飞行器自适应变体策略与飞行控制方法研究

变体飞行器能根据飞行环境和飞行任务的需要,相应地改变外形,从而始终保持最优的飞行状态,以满足在大飞行包线下执行多种任务的要求。以具有多种翼型的Firebee无人机作为研究对象,利用DATCOM计算气动数据,并展开气动分析。之后,基于增强学习理论,提出一种新型的变体飞行器翼型自适应控制方法。该方法可以很好地满足变体飞行器在多任务状态下保持最优性能的需要,并且设计的高度子系统的三回路法向过载控制器和速度子系统的滑模控制器可以确保飞行器在变体过程中保持稳定,并且跟踪误差较小。     

变体飞行器切换线性变参数鲁棒H_∞控制器

针对变体飞行器在不同的机体构型其控制目标不同,提出了一种基于平均驻留时间方法的切换线性变参数(switching linear parameter varying,SLPV)鲁棒H_∞控制方法。该方法根据变体飞行器的任务模式及性能指标要求把后掠角变化范围分成不同的区域,在不同的区域根据相应的控制目标给出系统满足鲁棒H_∞控制性能指标可解的条件及相应的LPV(LPV modeling of morphing aircraft)控制器,并用平均驻留时间方法保证变体过程的稳定性。仿真结果表明飞行器在变体过程中具有良好的鲁棒性和操纵性能。     

变体飞行器传感器故障在线主动容错控制

为保证变体飞行器在传感器故障情况下的稳定飞行性能和良好跟踪效果,提高故障诊断准确度和容错控制能力,针对变体飞行器传感器故障诊断与容错控制问题,提出一种基于考虑属性可靠度的置信规则库(BRB-r)专家系统在线主动容错控制方法。首先,给出变体飞行器的气动参数模型和纵向非线性动力学模型,综合考虑外界扰动和传感器故障,利用最小二乘拟合方法和雅克比线性化方法,建立变体飞行器的切换线性变参数(LPV)故障模型;然后,基于BRB-r专家系统构建变体飞行器传感器故障诊断与容错控制模型,通过统计方法对传感器监测指标进行可靠性分析,并引入证据推理(ER)解析算法,提高故障诊断精度和容错控制效果;最后,利用基于投影算子的协方差矩阵自适应优化策略(P-CMA-ES)算法优化故障诊断与容错控制模型,降低系统的复杂度,提高了故障诊断效率。仿真结果表明,变体飞行器传感器故障诊断精度能够达到98.75%,当传感器故障程度小于50%时,所提方法能够有效克服传感器故障和外界扰动,保证变体飞行器的稳定飞行,具有较强的容错控制能力和鲁棒性能。     

变体飞行器的切换LPV控制

运用切换线性变参数(linear parameter varying,LPV)的控制方法解决变体飞行器在不同机翼构型有不同的控制目标问题。首先根据变体飞行器的任务需求把后掠角变化范围分成不同的区域,针对不同的变化区域分别设计相应的LPV控制器,采用参数依赖公共Lyapunov函数方法实现在变形机构允许的范围内以尽可能快的变体速度实现变体过程。仿真结果表明用所用方法设计的控制器具有良好的响应特性,可实现对指令信号的良好跟踪。     

四旋翼无人机增稳混合控制器设计

为了改善四旋翼无人直升机在不同环境下的飞行稳定性,应用混合控制的方法设计了无人机增稳混合控制器．它有多个PID控制器可供选择,并根据无人机飞行高度和倾角大小选择当前合适的控制器,有效的降低了无人飞行器的坠毁机率和其他潜在危险的发生．并且通过Matlab中的Simulink工具箱搭建仿真系统,模拟了四旋翼无人机在起降、无风、有风和失控的情况下的控制器切换过程．仿真结果表明:应用混合控制器的四旋翼无人机在起降和有风情况下可有效抑制飞行器倾斜和水平漂移,提高稳定性．     

无人机螺旋自主认知与改出控制器设计

针对飞行器螺旋改出难题,研究无人机螺旋自主认知与改出控制方法。首先建立基于飞行状态认知的无人机安全控制框架,在此基础上进行无人机螺旋认知与改出控制器设计,分析螺旋成因,根据机载传感器提供的实时飞行参数信息,采用直觉模糊统计判决与决策算法进行螺旋自主认知,最后考虑状态变量控制时序,并设计非线性动态逆控制律,完成无人机螺旋改出的制导控制。仿真结果表明,相对于已有解决策略,所提出的控制方法可以显著缩短螺旋改出所需时间,同时具有较好的动态响应特性。     

一种面向多无人机协同编队控制的改进深度神经网络方法

研究了多维度飞行数据下的协同编队控制问题,提出了一种基于改进深度神经网络的协同飞行控制方法。首先,使用深度神经网络在线整定PID控制器,设计了一种基于深度神经网络的PID控制器;其次,针对传统深度神经网络收敛速度慢、学习效率低的问题,同时为了满足多无人机编队飞行的实时性,在深度神经网络控制器中引入动量因子以提高网络的学习性能;最后,将所设计的改进深度神经网络控制器扩展到多无人机协同飞行任务场景实现协同编队飞行。对多无人机协同编队飞行进行仿真验证,仿真结果表明,所设计的改进深度神经网络编队控制器可以有效实现多无人机的编队生成与协同飞行。     

微型扑翼飞行器虚拟设计与飞行仿真系统开发

介绍微型扑翼飞行器虚拟设计与仿真系统的总体结构和各功能模块的实现。根据拟合的仿生公式进行微扑翼飞行器的仿生学初步设计,进而建立了飞行器的三维结构模型,并根据飞行器的结构与扑翼运动规律进行了运动仿真。由飞行器的几种典型任务确定飞行模式,在建立飞行器动力学模型的基础上进行飞行姿态控制。采用随机分形技术生成具有真实感的地形,由此讨论了飞行器虚拟飞行过程中的静态与动态模拟方法。     

用于桥梁病害检测的无人机地面站设计及实现

无人机地面站作为无人机控制系统中至关重要的一部分,其主要功能为无人机飞行控制以及任务管理.设计专用无人机地面站,提高对于任务的适应度,是推广应用无人机的一大有效举措.本文基于实际需求,设计及实现了用于桥梁病害检测的专用无人机地面站,该地面站具备无人机飞行监控、快捷控制、飞行任务规划、飞行路径以及航迹显示等功能,其基于Visual Studio 2019软件开发,主框架采用C#编写,电子地图采用Google map (Gmap)以及Google Earth二次开发实现,数据协议采用MAVlink协议.通过实机测试,地面站软件各个功能模块工作良好,能够高效地完成既定任务,可以达到设计目标.     

多无人机协同编队飞行控制研究现状及发展

无人机在军事和民用应用上越来越广泛,为使无人机能够更好地发挥作用,需要采用多无人机编队飞行控制来实现协同侦察、作战、防御及喷洒农药等任务.多无人机协同编队控制技术主要包括信息感知技术、数据融合技术、任务分配技术、航迹规划技术、编队控制技术、通信组网技术和虚拟/实物验证实验平台技术等.首先对国内外多无人机编队相关技术的现状和进展进行综述,然后重点对多无人机编队控制方法进行分析,并对队形设计、队形调整和队形重构等问题进行归纳总结,最后对多无人机协同编队所面临的机遇和挑战进行了展望.结果表明:目前多无人机编队飞行理论方面取得了丰硕成果,但是实物飞行试验仅能实现简单通信环境下的协同编队飞行,任务分配和航迹规划实时性不高,控制方法应对突发情况鲁棒性低,多机多传感器协同感知能力不足,欠缺对实体的仿真实现,未来的研究方向应是突破上述关键技术的不足,开展复杂感知约束和复杂通信环境下的多无人机协同编队飞行研究,提出更加有效的控制方法,并进行多无人机实物编队飞行试验,使无人机能够更好地完成既定任务.