无人机编队队形保持变换控制器设计

研究无人机编队队形保持变换的控制设计问题.由于控制系统队形跟踪应保证姿态的稳定性,针对两架无人机在“长机-僚机”编队结构中的左菱形编队飞行控制系统,为了有效控制飞行队形,保持变换,提出了根据编队飞行的几何关系推导编队相对运动学方程,结合无人机的自动驾驶仪模型建立了相应的编队飞行线性化数学模型.采用PID控制方法分别对速度、航向和高度设计了一种能通过控制编队间距实现队形变换的三维编队队形保持变换的控制器,并进行仿真.仿真结果表明所设计的控制器能够有效地控制无人机编队,在飞行过程中可以稳定地保持队形,并能根据任务要求合理进行编队,并无碰撞,为设计提供了依据.     

基于领航-跟随的有人/无人机编队队形保持控制

针对有人/无人机编队飞行过程中的队形保持问题,采用领航-跟随策略设计一种有人/无人机编队队形保持控制器.首先从编队作战体系和控制原理角度设计有人/无人机编队控制系统结构;然后基于领航有人机与跟随无人机平面位姿的几何关系,建立编队内相对距离-角度运动学模型;最后在考虑僚机控制系统时变扰动的情况下,针对编队运动学模型特点设计动态反馈自适应编队队形保持控制器,并利用李雅普诺夫理论证明编队控制器的稳定性.仿真结果表明,所设计的控制器能够克服僚机控制模型不确定性带来的扰动影响,可以实现编队由初始误差到期望队形的快速调整以及稳定队形的保持.     

基于神经网络的多机协同编队控制器设计

针对多架无人机协同编队飞行控制问题,设计了一种基于BP神经网络的无人机编队飞行控制器.以两机编队为单元,僚机同时跟踪长机和相邻僚机,根据相对位置和参考坐标系统,采用BP神经网络训练得到最佳的PID控制参数,设计三通道PID控制器并对编队系统进行分布式协同控制,使系统快速跟踪指令并保持编队队形.对四架无人机组成的编队系统进行仿真,系统编队可快速保持期望队形,表明设计的编队控制系统具有良好的稳定性和较强的抗干扰能力.     

基于多任务的无人机编队控制研究

考虑到多架无人机编队飞行的特点,将松散编队及协同思想应用到紧密编队控制中,提出了一个三架无人机协同作战编队的飞行控制系统设计方法;在编队飞行动力学模型的基础上,设计了基于特征结构配置的无人机横侧向控制律,进行指定航路的飞行控制;然后,设计编队控制器,两架僚机可紧紧跟随长机并保持队形稳定;仿真结果表明,设计的控制器可以控制多架无人机进行紧密编队飞行,具有一定的实用性和推广价值。     

基于鸽群行为机制的多无人机自主编队

受启发于无人机(unmanned aerial vehicle,UAV)编队飞行与生物群体社会性行为的相似性,本文提出了一种基于鸽群行为机制的多无人机自主编队控制方法.首先通过模仿鸽群特有的层级行为,建立了鸽群行为机制模型.该模型在已有群集模型基础上,采用有向图和人工势场理论对鸽群中的拓扑结构和领导机制进行建模.在深入分析无人机自主编队飞行仿生机理的基础上,设计了一种基于鸽群行为机制的无人机自主编队控制器.该控制器以鸽群行为机制模型为核心,还包含两个辅助环节,即控制指令解算器和状态转换器.最后,通过系列仿真实验验证了无人机群可在本文所设计的无人机自主编队控制器作用下形成预期的编队队形,并可在复杂长机运动条件下保持队形.     

基于分布式模型预测控制的无人机编队控制

针对多四旋翼无人机编队在巡航飞行过程中队形形成和保持问题,采用分布式模型预测控制方法将该问题转化为在线滚动优化问题.建立线性时不变的编队运动模型,进而在考虑状态和输入约束,不考虑时延、外界干扰、噪声的情况下,利用领航跟随策略设计一种分布式模型预测控制器,通过引入自身和邻居的假设状态轨迹设计代价函数.其中邻居信息的交互是在有向、时不变通信拓扑结构下进行的.基于该控制器,无人机能够在跟踪目标轨迹的同时,快速形成预先设定的队形并保持队形飞行.通过引入终端等式约束保证系统稳定,进而将目标函数作为Lyapunov函数,给出编队系统渐近稳定的充分条件.最后,利用6架无人机仿真验证控制算法的有效性和优越性.     

变结构三阶一致性无人机编队控制

对多无人机的编队飞行控制问题进行了研究,解决了多无人机编队构成并稳定飞行和编队内某无人机失事情况下其它无人机仍保持队形稳定飞行的问题.首先,基于图论设计编队通讯网络.其次,基于三阶一致性理论设计编队控制器,通过积分得到每架无人机的目标位置和速度.在编队内无人机失事情况下,设计变结构通讯网络,并给出编队通讯结构变化规则.仿真结果表明,上述控制方案能够保证多无人机迅速构成编队并稳定飞行,在编队内无人机失事情况下,能够保证其它无人机依旧按目标路径和编队形状稳定飞行.     

无人机空中加油建模与仿真分析

无人机空中加油的关键在于建立并保持加油机与无人机之间的有效队形,实现无人机在此过程中的自动飞行;在对空中加油全过程论述的基础上,首先对加油过程中的编队飞行问题进行了数学建模,并依据所建立的数学模型设计了无人机编队飞行控制器,最后通过对空中加油条件的模拟初始化,给出了无人机对接阶段的仿真要求并对所建立的系统模型及控制器进行了仿真验证;仿真结果表明,所建立的模型及控制器可以实现加油编队快速、平稳的会合、对接,为空中加油任务的顺利完成提供了保障.     

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.     

无人机编队飞行神经网络自适应逆控制器设计

针对无人机编队飞行时存在的气动耦合和外部干扰等影响因素,提出基于“长-僚机”模式的神经网络自适应逆控制器设计方法.详细推导了气动耦合影响,建立了完整的编队飞行非线性数学模型,设计了非线性动态逆控制律,提出了改进的 BP 神经网络算法,自适应地逼近和在线补偿动态逆误差,改善了控制效果,并针对队形变换提出了简单有效的设计思想.仿真表明,该控制器能有效实现编队队形的保持或变换,控制系统结构具有良好的扩充性.     

基于CMAC与PID复合控制的汽轮机功率控制系统

针对汽轮机功率调节过程的非线性特征,提出了将CMAC神经网络与常规PID控制相结合的方法,并将其应用于汽轮机功率控制中。该复合控制方法可以实现前馈与反馈的联合控制,其中前馈控制由CMAC神经网络实现,反馈控制由常规PID控制器实现。通过对比分析CMAC/PID复合控制与常规PID控制的仿真结果,可以看到在不同的扰动因素存在时,CMAC/PID复合控制均能取得较好的控制效果。     

一种基于小脑模型关节控制器评论-策略家的机器人跟踪控制算法

本文提出了一种基于小脑模型关节控制器(CMAC)的评论–策略家算法,设计不依赖模型的跟踪控制器,来解决机器人的跟踪问题.该跟踪控制器包含位置控制器和角度控制器,其输出分别为线速度和角速度.位置控制器由评价单元和策略单元组成,每个单元都采用CMAC算法,按改进δ学习规则在线调整权值.策略单元产生控制量;评判单元在线调整策略单元学习速率.以双轮驱动自主移动机器人为例,与固定学习速率CMAC做比较,仿真数据表明,基于CMAC的评论–策略家算法的跟踪控制器具有跟踪速度快,自适应能力强,配置参数范围宽,不依赖数学模型等特点.     

Single-input CMAC control system

This paper attempts to propose a single-input cerebellar model articulation controller (CMAC) control system, which contains only one controller implemented by the CMAC. The single-input CMAC control system adopts two learning stages. An off-line learning stage is to enable the output behavior of the CMAC to approximate the control surface of a fuzzy PD-type controller. An on-line learning stage follows to improve the system stability by the modified learning rule. The linear interpolation scheme is also applied to the recall process at the on-line learning stage to ensure better accuracy of the CMAC output. Simulation results show that the single-input CMAC controller is superior to the fuzzy PD-type controller.     

一种自适应CMAC神经元网络控制器及其在水轮机调速器中的应用

提出了一种自适应CMAC神经元网络控制器的结构. 该控制器的核心是一个两维的存贮区间, 它采用一个参考模型和直接自适应律来获得在线训练信号, 而相应存贮单元的更新采用一阶学习律. 最后以水轮机调速器仿真实验系统来检验它的控制性能, 并与普通的PID控制器比较, 结果证明, 该控制器有较强的学习能力及较强的鲁棒性.     

机器人视觉伺服中CMAC学习控制系统研究

根据小脑模型关联控制器（CMAC）收敛速度快,适于实时控制系统的特点,设计了一种基于CMAC学习控制方法的机器人视觉伺服系统。在该系统中,CMAC被用作前馈视觉控制器对常规反馈控制器进行补偿。所提出的CMAC控制器替代图像雅可比矩阵来获得目标图像特征和机器人关节运动之间2D/3D变换关系,通过其在线学习,可以使系统对摄像机标定误差不敏感,从而提高系统的鲁棒性。实验证明了所设计控制系统的有效性。     

Research on the intelligent control algorithm for a robot joint actuated by McKibben muscles

A compound control algorithm is supposed to a robot joint actuated by McKibben muscles, which combines both CMAC control and PID control. The CMAC feedforward compensator realizes the joint system’s dynamic model. The PID controller realizes the feedback control in order to guarantee the system’s stability. The compound controller’s output takes control of the system’s actions. By the CMAC learning process, the PID output tends to zero, and the final controlled action is directed by the CMAC controller. Digital simulation results prove that this compound control algorithm has the very high tracking capacity, interference immunity, and quick system response.     

基于MATLAB的新型CMAC控制器的设计与仿真

在小脑神经网络(CMAC)与PID并行控制的基础上,提出了一种新型的CMAC控制器,即FCMAC控制器。这种把小脑神经网络与模糊控制(Fuzzy)结合起来的控制方法,具有两种控制方法的优点。本文中以某交流伺服电机作为控制对象,用MATLAB进行了仿真。仿真结果表明,FCMAC控制器具有较高的控制精度、良好的自适应特性。     

基于CMAC网络的飞行器再入标准轨道制导

针对飞行器再入标准轨道制导方法中的参考阻力加速度跟踪问题,提出一种将CMAC网络与PID控制相结合的复合控制方案。该方案利用传统的PID控制器实现反馈控制,保证系统的稳定,并利用CMAC网络实现补偿控制,提高系统的抗干扰能力。三自由度仿真结果表明,在存在气动偏差和风场干扰等影响的情况下,该算法的跟踪精度与鲁棒性都有增强,终端精度和约束条件都得到了较好的满足。     

基于CMAC的转台系统逆控制器设计及仿真

仿真转台是对飞行器进行地面物理仿真的设备，是一个具有一定非线性和不确定性的伺服控制系统。该文利用CMAC的地址映射能够高度逼近非线性函数的特点，以转台伺服系统为控制对象，采用CMAC神经网络和PD控制器相结合的方法，提出一种应用于高精度伺服系统的控制方法，使CMAC在控制的前期阶段学习系统的逆，后期阶段作为控制器。仿真实验结果表明了这种方法具有自适应和快速收敛的优点。控制器具有良好的控制品质，结构简单，易于实现。     

一种自适应CMAC 在交流励磁水轮发电系统中仿真研究

在分析常规CMAC结构的基础上，针对一类非线性、参数时变和不确定的控制系统，提出了一种自适应CMAC神经网络的控制器．该控制器以系统动态误差和给定信号量作为CMAC的激励信号，并与自适应线性神经元网络相结合构成系统的复合控制．为了验证其有效性，将其应用到交流励磁水轮发电机系统的多变量非线性控制中，并与常规的PID控制效果进行了比较．仿真结果表明，该控制器具有较强鲁棒性和自适应能力，控制品质优良。