一种基于应力矩阵的无人机集群队形变换控制方法

针对复杂环境下无人机集群队形变换与编队控制问题,提出一种可抑制外部干扰的无人机集群队形变换策略,设计基于滑模的编队控制方法.首先,考虑无人机集群中存在多个领导者,提出一种“双层领导者-跟随者”无人机集群协同队形变换控制策略,实现障碍环境下的编队队形变换;然后,基于图论、一致性理论和滑模控制理论设计针对无人机集群存在外部干扰条件下的从机时变编队控制律,能够实现无人机编队按几何参数和几何图案连续变化;其次,通过构造Lyapunov函数证明在扰动条件下多领导者无人机集群系统队形变换的稳定性;最后,利用数值仿真验证所提出队形变换控制方法的有效性.     

基于多agent系统的大规模无人机集群对抗

本文将多agent系统引入到大规模无人机集群对抗决策系统中,给出了基于多agent系统的大规模无人机集群对抗决策方法.将机群中的每个无人机视为一个独立agent,建立了无人机运动模型,为无人机设计了独立的个体行为集,并针对每种行为给出了决策方法.通过每个个体无人机对其邻域环境的作用,涌现出宏观的集群对抗(作战)效果.使用MATLAB仿真软件对所设计的大规模无人机集群对抗方法进行了仿真,验证了所设计的基于多agent系统的大规模无人机集群对抗决策方法的有效性.     

仿鹰群智能的无人机集群协同对抗飞行验证

自主能力强且低成本的无人机集群协同对抗,是无人机集群对抗中打击敌方攻击防御体系和拦截敌方入侵机群的一个重要手段.哈里斯鹰是一种集群狩猎的猛禽,集群狩猎对于哈里斯鹰获取维持生命活动所需的能量具有重要意义.从无人机集群协同对抗任务与哈里斯鹰协同狩猎行为相似性出发,本文提出一种仿鹰群智能的无人机集群协同对抗方法.首先通过分析鹰群的集群狩猎行为,建立鹰群智能行为机制,并将其映射到无人机集群协同对抗行为中;在该模型的基础上,利用李雅普诺夫导航向量场控制无人机的运动状态,使得我方无人机能够以恒定的速度收敛到预定的轨迹上,完成对敌方无人机的对抗打击;最后,搭建无人机集群验证平台,对所设计的仿鹰群无人机集群协同对抗模型进行外场飞行验证,试验结果验证了本文所设计的模型在无人机对抗环境中的可行性与有效性.     

基于故障观测器的多无人机姿态一致性控制

在多个固定翼无人机姿态主从式一致性控制过程中,给出单个固定翼无人机在理想情况下的姿态动力学模型,即名义模型。考虑到无人机在实际运行过程中存在的外部干扰、状态测量误差、控制器微小故障以及无人机实际模型与名义模型之间的偏移,提出一种基于观测器和神经网络的故障检测方法,以实时检测出无人机中存在的故障、模型不确定以及干扰情况。基于无人机名义模型和检测出的故障及干扰,设计主从式多无人机姿态一致性控制器,以实现多无人机姿态的一致性准确跟踪。仿真结果表明,在外部干扰、状态测量误差与控制器微小故障下,与基于神经网络的直接姿态一致性控制器相比,该控制器能够使得无人机的姿态运动状态更接近于期望状态。     

基于自适应粒子群算法的多无人机混合编队技术

为了解决无人机群体在复杂战场环境下的编队、避障、避碰问题,提出了一种将基于行为法和虚拟领航者法相结合的混合编队技术;为无人机编队设计了奔向目标、队形保持、避碰及避障共4种基本行为,通过对编队无人机的行为权重参数进行调整控制无人机编队的机动,编队无人机的行为权重参数通过自适应粒子群算法进行优化,然后对编队无人机的基本行为进行矢量合成,归一化处理后控制无人机的机动;仿真实验测试证明了该方法能使无人机群体保持期望的队形,实现了编队避障和内部避碰,进而更有效地完成编队任务,提高了多无人机编队的机动性能,促进了多无人机混合技术的发展。     

仿灰狼合作捕食行为的无人机集群动态任务分配

大规模无人机集群可以承担单个无人机无法完成的复杂任务, 为提高无人机集群执行任务的成功率与可 靠性, 综合考虑资源均衡与多目标分配的任务规划必不可少. 灰狼是一种典型的团队合作狩猎动物, 在捕食过程中 体现出明显的社会层级结构与合作捕食行为. 通过分析灰狼群体的狩猎过程, 对灰狼的群体交互机制与合作捕食行 为建模; 在此基础上, 将灰狼合作捕食行为机制映射至无人机集群动态任务分配中, 给出了无人机集群动态任务分 配流程. 仿真结果表明, 当无人机集群数量与任务节点关系不同时, 所提无人机集群动态任务分配方法在资源均衡 度与有效性方面均有明显优势.     

超机动飞机的动态建模与控制律设计及仿真

建立了带推力矢量的超机动飞机非线性动态模型,重点分析了气动力、气动力矩以及发动机的建模过程.采用基于神经网络的自适应逆方法,设计了超机动飞机大迎角机动下的控制律.首先应用动态逆方法,分别设计了快慢回路的飞行控制律;然后利用BP神经网络,在线补偿飞机模型不确定性以及外界干扰.眼镜蛇机动的仿真结果表明,所设计的控制律在大迎角机动条件下具有良好的控制性能,能够保证闭环系统的稳定性.     

基于分布式一致性的无人机编队控制方法

多无人机系统中,系统状态的一致性是实现多无人机协同控制的基础,针对多无人机中存在的三维空间编队控制问题,提出一种分布式一致性的无人机编队协同控制方法。在主机-从机组成的多无人机系统的基础上,引入分布式结构,设计无人机控制系统模型并建立无人机编队协同机制。根据协同机制设计基于一致性算法的协同编队控制器、基于匈牙利算法的任务分配策略以及避障策略。分别在简易模拟器和基于ROS-Gazebo的实景模拟器中仿真验证了协同控制方法的有效性。结果表明：无人机群能够有效地完成协同编队任务,并且可以通过调整层次结构进行有效编队重构。     

大规模固定翼无人机集群编队控制方法

针对大规模固定翼无人机集群的编队控制问题,提出一种分层分组控制方案.首先,设计一种分布式的无人机集群分层分组控制架构,将集群内所有无人机分成若干独立且不相交的群组,并在群组内分别形成“长机层”和“僚机层”;其次,对各群组内的长机设计协同路径跟随控制律,使长机收敛到各自期望路径上的虚拟目标点,并通过对各虚拟目标点的协调控制实现长机的协同,进而实现各群组间的协同;然后,对各组的僚机设计控制律以跟随其所在群组的长机,使其与长机保持期望的相对位置且朝向一致.设计的大规模集群编队控制律考虑了固定翼无人机的控制约束和环境中风的影响,并证明了闭环系统的稳定性.100架固定翼无人机集群的全流程数值仿真,验证了所提出控制方法的有效性.     

一种基于状态一致性模型的固定翼无人机编队控制机制

在固定翼无人机编队飞行的过程中,通常需要根据任务需求或环境的变化构建并保持一种队形,或者变换为另一种队形.目前,无人机编队构建、保持和变换采用了不同的定义与关键技术,产生了无人机编队控制技术的发展瓶颈.本文提出了一种基于状态一致性模型的编队控制机制来解决这一问题.首先,建立固定翼无人机编队的六元状态一致性模型,并基于该模型统一了编队构建、保持和变换的定义.其次,提出了一种基于六元状态一致性模型的集中式与分布式相结合的混合式编队控制机制,主节点集中式地确定无人机在编队中的位置的分配方案,从节点分布式地计算自身的Dubins路径并调整偏航角,然后自主调整节点的航速以实现编队的状态一致性.第三,基于OMNeT++设计了相应的仿真试验,试验结果表明六元状态一致性模型能够将无人机编队飞行的各个阶段有机关联起来,同时验证了混合式编队控制机制的可行性和有效性.     

基于元胞自动机的蜂群无人机故障影响模型

基于固定翼无人机飞行特性以及蜂群无人机控制策略,针对无人机控制器遭受恶意攻击的情形,采用时序网络与元胞自动机理论分析蜂群无人机故障影响机理.首先,通过时序网络分析蜂群无人机拓扑网络的变化情况,提出基于跳数的故障传播路径的确定方法;其次,考虑蜂群无人机状态信息,建立符合蜂群无人机特征的元胞对象,同时基于局部信息交互原则,确定元胞自动机的状态演变规则,并依据近邻信息对无人机控制律的影响,提出矢量投影法来确定故障影响权值,辨识出各无人机故障影响程度的动态变化情况;最后,建立仿真模型,利用预测与实际故障影响程度结果,基于DCG算法与模式距离验证所建故障影响模型的有效性.     

基于KnCMPSO算法的异构无人机协同多任务分配

随着无人机(Unmanned aerial vehicle, UAV)技术的广泛应用和执行任务的日益复杂,无人机多机协同控制面临着新的挑战.以无人机总飞行距离和任务完成时间为优化目标,同时考虑异构无人机类型、任务执行时序等多种实际约束,构建基于多种约束条件的异构无人机协同多任务分配模型.该模型不仅包含混合变量,同时还存在多个复杂的约束条件,因此,传统的多目标优化算法并不能有效地处理混合变量及对问题空间进行搜索并生成满足多种约束条件的可行解.为高效求解上述模型,提出一种基于拐点的协同多目标粒子群优化算法(Knee point based coevolution multi-objective particle swarm optimization,Kn CMPSO),该算法引入基于拐点的学习策略来更新外部档案集,在保证收敛性的同时增加种群的多样性,使算法能搜索到更多可行的任务分配结果;并基于二进制交叉方法,引入基于学习的粒子更新策略来提升算法的收敛性及基于区间扰动的局部搜索策略以提升算法的多样性.最后通过在四组实例上的仿真实验验证了所提算法在求解异构无人机协同多任务分配问题上的有效性.     

无人机三维路径规划及避障方法

针对无人机(UAV)在三维环境中如何由起始点到目标点合理地规划路径避开障碍物,提出了一种基于改进粒子群算法与滚动策略相结合的UAV路径规划与避障方法.该方法首先以UAV为中心,通过传感器建立UAV的可视区域模型;其次结合滚动策略滚动探知UAV周围环境信息;最后,利用改进的粒子群算法进行路径搜索,并加入综合转角控制提高路径的平滑性.在传统粒子群算法中加入信息素与启发函数,增强算法的全局搜索能力,并对参数进行特定设计提高算法的收敛速度.仿真结果表明,该方法可以实现实时避障,所规划的路径相对平滑,且改进算法比传统算法具有较高的收敛性.     

基于邻域跟随的群集系统分群控制算法

传统基于避撞、组队和聚集规则的个体运动协同算法具有内聚和速度一致趋势,群体在外部信息刺激下难以自发实施分群.为此,提出一种融合了邻域跟随行为的分布式协同控制算法.该算法在短距排斥、长距吸引和速度一致行为的基础上,引入个体对于其感知域内间距变化最快的邻居的跟随运动,并通过对跟随目标的动态更新,实现了外部信息作用下群体的自组织分群行为.仿真实验验证了算法的可行性和分群有效性.     

固定翼无人机在线航迹规划方法

在不确定环境下,针对固定翼无人机（UAV）航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。     

基于移动群智感知的多旋翼无人机噪声控制技术

由于多旋翼无人机产生噪声的位置点较多,难以感知具体的噪声位置,导致噪声控制效果不理想,因此提出基于移动群智感知的多旋翼无人机噪声控制技术。根据移动群智感知原则,确定标准群节点所处位置,对多旋翼无人机的噪声位置进行精准定位。再按照感知任务分配表达式,计算调度性能指标的具体数值,完成基于移动群智感知的执行任务调度。分析无人机板状结构的振动特性,求解同步开关阻尼、短路开关阻尼、电感开关阻尼、外加电压源开关阻尼的数值表达式,实现对多旋翼无人机噪声控制原理的研究。联合已知数值计算结果,分析噪声信号在无人机蒙皮结构、加筋板结构、典型壁板结构内的布局形式,完成基于移动群智感知的多旋翼无人机噪声控制方法的设计。对比实验结果,在移动群智感知算法作用下,无人机噪声信号在各个方向上的波动幅值均得到较好控制,与模糊逻辑控制方法相比,能够较好维持多旋翼无人机的稳定运动能力。     

无人机地面方向综合控制实时仿真研究

针对无人机地面方向综合控制进行研究,在Matlab环境下,采用xPC Target方案建立了实时仿真平台.通过分析,分别建立了刹车系统、前轮转弯系统及方向舵系统的模型,设计了各系统的控制律,结合整个无人机模型,主要进行了侧风及湿跑道条件下的实时仿真试验,反映了无人机在外部激励下的六自由度运动特性,取得了无人机地面方向综合控制比较好的半物理仿真效果,为无人机地面方向综合控制研究提供了依据.     

用于清洗绝缘子的四旋翼无人机抗回冲力控制

本文主要针对利用四旋翼无人机清洗绝缘子时受到的回冲力干扰及姿态控制问题,提出了一种用于清洗绝缘子的无人机抗回冲力控制方法.对于无人机系统,本文运用非线性控制方法中的反步法来设计姿态控制器,使其达到输入状态稳定,并对外部扰动具有鲁棒性.本文首先根据无人机运动模型建立了其动力学方程.之后,运用动量定理和流体力学中的伯努利方程对所受的回冲力进行建模.然后,运用反步法设计姿态控制器并证明其稳定性.最后,运用MATLAB对无人机系统进行仿真实验,其结果证明了文中所提出的控制方法的有效性和鲁棒性.本文所提出的控制方案可以避免目前已有的一些技术存在的缺陷,并且为无人机抗扰动控制和绝缘子冲洗都提供了发展空间.     

基于模型预测控制与改进人工势场法的多无人机路径规划

模型预测控制(model predictive control,MPC)已成功地应用于无人机集群的路径规划.但其存在计算量大及单步运算时间长等不足,在实时运行中往往难以获得较高的控制频率.而离线的MPC需要准确的地图信息,难以处理地图中无法预测的动态障碍物.对此,提出一种结合离线MPC全局规划与在线改进人工势场法局部规划的方法.在利用MPC方法生成安全、平滑轨迹的同时,提高无人机在动态障碍物影响下的避障能力.通过引入调节力来处理传统人工势场法的局部极小值问题,并将目标与无人机的相对距离引入斥力函数,同时改进引力函数,以改善无人机在目标点处低速徘徊的问题.此外,设计一种事件触发的无人机轨迹变更与轨迹恢复策略,使无人机仅在必要时实施动态避障行为.在此基础上,最大化利用原来的规划轨迹.仿真验证结果表明,所提出的路径规划方法能够使无人机集群安全飞行至目标点,并且具有良好的动态避障能力.     

Modeling and Robust Backstepping Sliding Mode Control with Adaptive RBFNN for a Novel Coaxial Eight-rotor UAV

This paper focuses on the robust attitude control of a novel coaxial eight-rotor unmanned aerial vehicles (UAV) which has higher drive capability as well as greater robustness against disturbances than quad-rotor UAV. The dynamical and kinematical model for the coaxial eight-rotor UAV is developed, which has never been proposed before. A robust backstepping sliding mode controller (BSMC) with adaptive radial basis function neural network (RBFNN) is proposed to control the attitude of the eightrotor UAV in the presence of model uncertainties and external disturbances. The combinative method of backstepping control and sliding mode control has improved robustness and simplified design procedure benefiting from the advantages of both controllers. The adaptive RBFNN as the uncertainty observer can effectively estimate the lumped uncertainties without the knowledge of their bounds for the eight-rotor UAV. Additionally, the adaptive learning algorithm, which can learn the parameters of RBFNN online and compensate the approximation error, is derived using Lyapunov stability theorem. And then the uniformly ultimate stability of the eight-rotor system is proved. Finally, simulation results demonstrate the validity of the proposed robust control method adopted in the novel coaxial eight-rotor UAV in the case of model uncertainties and external disturbances.