无人艇全分布式动态事件触发编队控制

针对通信资源受限的多无人艇(USV)编队控制问题, 本文提出了一种动态事件触发数据传输机制以降低通信频率, 减少控制算法对系统带宽的占用. 首先, 基于滑模和自适应控制算法设计一种全分布式编队控制器, 使得所有编队成员在保持预设队形的同时能够完成对期望轨迹的跟踪. 与现有编队控制器相比, 该控制器不需要通信网络的全局信息. 然后, 基于Lyapunov稳定性理论证明了编队跟踪误差以及所有闭环信号都能达到稳定状态. 此外,该算法能够保证触发时间序列不表现出Zeno行为. 最后, 通过数值仿真验证了全分布式编队控制器的有效性     

分布式多无人机的时变编队非线性控制设计

研究了基于分布式通信网络的多无人机时变编队控制问题,考虑到外界扰动对多无人机协同编队系统的影响,提出一种新的连续非线性鲁棒编队控制方法.首先基于一致性方法构造了分布式无人机编队误差系统,降低了编队控制器对全局编队信息的要求;然后采用一种基于误差符号函数积分的鲁棒控制算法补偿未知外界扰动的影响,提高了无人机编队系统的鲁棒性,并基于Lyapunov分析的方法,证明了多无人机编队误差的半全局渐进收敛性;最后在四旋翼无人机编队实验平台上进行了多无人机时变编队的实时实验验证,实验结果表明,所提出的分布式编队控制算法可以实现多无人机时变编队控制,且具有较好的协同性能和抗干扰能力.     

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.     

基于非线性动态逆的无人机编队协同控制

针对多无人机在空间机动过程中的编队形成与保持控制问题,提出一种基于非线性动态逆的无人机编队控制方法.将编队控制过程分解为两步:首先给出分布式长机状态估计算法,各编队无人机根据"相邻"无人机状态解算自身的期望运动指令;其次是设计接于非线性动态逆的编队控制器,使各无人机快速跟踪其期望指令并形成和保持稳定队形.仿真实验表明,编队长机进行空间机动过程中,各僚机能够准确估计其状态,快速形成并维持队形稳定.     

有向切换通信拓扑下多无人机分布式编队控制

本文对多无人机分布式时变编队控制问题进行了研究. 无人机之间的通信拓扑假定是有向和切换的. 基于 自身状态与邻居状态的相对局部信息构建了分布式编队控制器. 通过引入一个恰当的编队误差向量, 将有向切换 通信拓扑下的多无人机编队问题转化为一个切换系统的镇定问题. 基于Lyapunov稳定性分析方法得到了达成编队 的充分性条件. 仿真实验结果验证了结论的有效性.     

有向切换通信拓扑下多无人机分布式编队控制（英文）

本文对多无人机分布式时变编队控制问题进行了研究.无人机之间的通信拓扑假定是有向和切换的.基于自身状态与邻居状态的相对局部信息构建了分布式编队控制器.通过引入一个恰当的编队误差向量,将有向切换通信拓扑下的多无人机编队问题转化为一个切换系统的镇定问题.基于Lyapunov稳定性分析方法得到了达成编队的充分性条件.仿真实验结果验证了结论的有效性.     

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。     

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.     

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.     

基于自触发的异构多智能体协同输出调节

本文针对线性异构多智能体系统,基于自适应自触发条件,分别设计了状态和输出反馈协同控制器.其中自适应控制策略可以避免使用多智能体系统的全局信息,从而实现分布式控制;自触发控制不仅可以避免对触发条件进行连续监测,还可以有效地降低网络的通信负载和控制器的更新次数,且不存在芝诺现象.最后通过4个跟随智能体和一个领导智能体进行了协同输出直角编队仿真实验,实现了多智能体系统对外部系统的渐近跟踪和干扰抑制,验证了结果的有效性.     

一种多约束下无人机编队的模型预测控制算法

针对多无人机在编队飞行过程中需满足机间避碰、通信、避障等约束的问题,设计一种考虑多约束的分布式模型预测控制算法,使无人机编队在满足上述约束的前提下,实现轨迹跟踪、队形保持.首先,在不考虑通信时延、外界干扰、噪声的情况下,以四旋翼为控制对象,建立线性时不变的单机及编队运动模型;然后,在考虑状态约束、输入约束、机间避碰、机间通信、避障等多种约束的情况下,以轨迹跟踪、队形保持为控制目标,基于虚拟领航策略设计一种分布式模型预测控制算法;接着,对优化问题的可行性以及编队系统的渐近稳定性进行分析,其中算法的终端部分设计、相容性约束设计是保证系统稳定的关键;最后,利用6架无人机仿真验证所提出控制算法的有效性.     

Distributed hierarchical control for multiple vertical takeoff and landing UAVs with a distance‐based network topology

A distributed formation control algorithm is proposed for multiple vertical takeoff and landing (VTOL) unmanned aerial vehicles (UAVs) in this paper. The neighboring information is obtained by active measurements rather than by nonactive communications as done in the current literatures. By properly expanding the distance‐based network topology structure between each pair of UAVs, a distributed algorithm is proposed such that the switching topology remains connected along the time. Since a VTOL UAV system is typically underactuated, a hierarchical idea is introduced to derive the control design procedure. More specifically, the studied formation control problem of multiple VTOL UAVs is first transformed into the consensus problem of their corresponding error systems. Then, a command force and an applied torque are synthesized for each VTOL UAV such that the error systems reach a consensus. It is demonstrated in terms of Lyapunov theory that the proposed distributed hierarchical control algorithm guarantees the formation realization of multiple VTOL UAVs while maintaining the network connectivity. Finally, simulations are performed to validate the theoretical results.     

Fixed-time backstepping distributed cooperative control for multiple unmanned aerial vehicles

This paper proposes a fixed-time backstepping distributed cooperative control scheme based on fixed-time extended state observer (FxTESO) for multiple unmanned aerial vehicles (UAVs). A fixed-time ESO, which is convergent independently of initial conditions, is designed to estimate and compensate the external disturbances in tracking process. Moreover, to eliminate the “explosion of complexity” in the traditional backstepping architecture, a nonlinear first-order filter is adopted to construct the distributed fixed-time control scheme. Based on the local information of neighboring UAVs, a fixed-time backstepping cooperative controller is designed. The proposed formation algorithm can be shown practicable for the UAV control system by using of Lyapunov stability theory and graph theory. Simulation results are given to demonstrate the effectiveness of the proposed control scheme.     

三维动态环境下多无人机编队分布式保持控制

针对无人机编队沿参考轨迹飞行时遭遇突发障碍物而发生碰撞的问题, 提出一种可实时避障及机间避碰的分布式编队保持算法. 基于虚拟结构编队策略, 采用非线性模型预测控制(NMPC) 方法设计分布式编队控制器. 为了实现通讯延迟下的机间避碰, 采用基于不同优先级的改进避碰惩罚策略. 仿真结果表明, 所设计的分布式编队控制器能保证编队及时避开环境中的突发障碍物, 且无人机间不发生互碰, 避障后的各编队继续以原队形沿参考轨迹飞行.

     

基于输入约束一致性算法的多无人机编队控制

针对多无人机系统的编队控制问题,提出了一种基于级联系统理论及输入约束一致性算法的控制方法。首先,给出了垂直起降无人机系统的一般性模型。然后,基于级联系统理论将复杂的一般性模型化简成级联形式,针对级联形式模型,利用双曲正切函数的有界性质,在控制器设计时引入双曲正切函数设计了一致性控制算法。最后基于所设计的输入约束一致性控制算法,设计编队控制算法研究了多无人机编队控制问题。基于Matlab仿真平台对所提控制方法进行验证,仿真结果表明在所设计的一致性控制算法作用下,系统中所有的状态都能够趋于一致。基于所设计的输入约束一致性算法,所提编队控制算法可以实现空间中的无人机保持指定的编队队形飞行。     

基于群集行为的分布式多无人机编队动态避障控制

针对无人机编队保持和动态障碍物规避控制问题,本文提出了一种新的基于群集行为的分布式多无人机编队控制和避障控制算法.首先考虑了由机间气流等因素带来的干扰,基于吸引/排斥势场和一致性方法,设计了分布式无人机编队的队形保持控制算法,对编队内无人机之间的距离进行控制.进一步考虑外部移动障碍对无人机编队的影响,引入了排斥势场产生...     

Cooperative Tracking a Moving Target Using Multiple Fixed-wing UAVs

A cooperative tracking scheme is presented in this paper for multiple fixed-wing unmanned aerial vehicles (UAVs) to track an uncooperative, moving target. It is comprised of a target loitering algorithm and a formation flight algorithm. The loitering algorithm enables a constant speed UAV to circle around a moving target, whose speed is allowed to vary up to the UAV’s speed. The formation algorithm enables cooperative tracking using multiple UAVs by keeping them flying in a circular formation with equal inter-vehicle angular separation. Under this formation algorithm, the formation center can be controlled independently to perform target loitering, and the admissible range of the target’s speed would not be affected for given UAVs. The performance of the proposed tracking system is verified in numerical simulations.