水上无人机自主着水控制系统设计

针对水上无人机在高海况下的着水问题,本文在分析了不同着水阶段特性的基础上,提出了一种自主着水控制系统设计方案.该方案将整个系统分为速度控制子系统和姿态控制子系统.速度控制子系统包含速度动态逆控制器和油门切换模块,姿态控制子系统包含海浪滤波器俯仰角反步控制器、高度PID控制器、俯仰角切换模块和T-S模糊推理模块.其中,海浪滤波器能有效滤除受扰姿态角中的海浪高频扰动,避免了着水之后舵面的频繁抖动;俯仰角反步控制器采用指令滤波的反步法设计,有效缓解了高海况下的舵面饱和问题.最后,在不同海况条件下进行了仿真.仿真结果表明所设计的控制系统具有良好的控制性能.     

小型无人直升机浸入–不变集自适应控制

本文基于浸入–不变集理论,针对小型无人直升机存在的参数不确定性问题,设计一种新型的自适应控制器.利用基于Lyapunov的分析方法和La Salle不变性原理,进行闭环系统的稳定性分析,确保无人直升机姿态角的跟踪误差全局渐进收敛,以及闭环系统的稳定性.在无人直升机姿态飞行控制实验平台上,进行了无人机姿态跟踪控制实验.实验结果表明,本文所提出的控制方法具有良好的跟踪控制效果.     

基于集散式模型预测控制的多无人机协同分区搜索

针对多无人机在对大范围目标区域执行协同搜索任务时搜索资源分配不均、容易因频繁转场造成资源浪费等问题,借鉴集中式控制和分布式控制结构的优点,建立了集散式多无人机(unmanned aerial vehicle,UAV)协同搜索结构体系,通过聚类分析和V图划分等方法对目标区域进行分区,结合各子区域任务特点对无人机群进行搜索任务分配,并采用一种经改进后可有效增大UAV预测范围的预测控制模型,研究了动态环境下多UAV集散式协同分区搜索问题,最后,将所提方法与常见几种协同搜索方法进行对比仿真,获取仿真结果验证了所提方法在目标发现概率和搜索效率方面的有效性和优越性.     

输入有约束时的飞翼布局无人机姿态控制

针对大展弦比飞翼布局无人机的刚体运动与弹性运动耦合动力学模型,研究了输入有约束时的无人机姿态控制问题,提出了一种采用扩张状态观测器的反步滑模控制方法.首先,采用扩张状态观测器实时估计气动弹性模态和外界未知干扰的影响,并引入跟踪微分器避免了控制律中项数膨胀问题.然后,针对飞翼布局无人机多操纵面的配置和输入约束,给出了基于LMI的在线舵面分配算法.最后,针对指令滤波和输入约束情况下控制指令的滞后问题,设计了辅助补偿器对控制指令进行补偿.根据Lyapunov稳定性理论证明了该控制方法能够保证姿态跟踪误差收敛至有界,仿真表明存在复合干扰和输入约束时该方法具有良好的姿态跟踪性能.     

基于自适应神经网络的AUVs路径跟踪控制

为解决由于随时间变化水动力阻尼引起的参数变化和不确定性的问题,提出了基于径向基函数神经网络的未知评估算法,引入自适应算法以保证神经网络权值的最优评估.基于Lyapunov稳定性理论,设计一种自适应神经网络控制器以保证路径跟踪系统中所有误差状态都趋于稳定.为了验证该控制器的可行性,对系统施加如位置误差、方向误差等虚拟干扰,证明该控制器可将误差消减为零.另一方面,机器人在以恒定的速度行驶时,每个航点被指定一个适合半径的圆弧可以保证其有较高的精度.为了评估路径跟踪控制器的性能,提出直线型和直线加圆弧型路径方案.仿真结果表明,该控制器可以有效地消除机器人非线性和模型不确定性造成的干扰.     

基于PNDSC 的欠驱动AUV编队控制器设计

针对含有模型不确定与未知海洋环境扰动下的欠驱动自主水下航行器(AUV)的编队控制问题, 提出一种基于预估器的神经网络动态面(PNDSC) 控制算法. 将动态面法引入控制器的设计中, 采用神经网络逼近AUV模型中的不确定项与海洋环境的扰动, 并结合预估器设计了神经网络权值的离散迭代更新率. Lyapunov 稳定性分析表明, 闭环系统所有信号是一致最终有界的. 仿真结果验证了所提出方法的有效性.

     

基于三维场景出图的拼接制作2.5维地图算法

针对目前2.5维电子地图的制作与其三维虚拟场景相对独立,且不易更新维护的问题,提出了对三维场景进行图片输出并拼接实现2.5维地图制作的算法。首先设定摄像机长宽值作为最小出图单位,在指定范围内,使用最小出图单位以任意水平角度和俯仰角度输出三维虚拟场景效果图,并记录相关空间信息。然后根据图片左上角点坐标值对所输出图片进行无缝拼接。实验结果表明,该方法在保证地图空间实体表现能力的同时,能够快速替换图中更新区域,提高2.5维地图制作效率。     

基于多异类传感器信息融合的微型多旋翼无人机实时运动估计

针对无人飞行器视觉定位结果存在较大时延而影响飞行器运动状态估计精度的问题,提出了一种基于多传感器数据融合的实时运动估计方法.首先,利用机载惯性测量元件(IMU)提供的姿态信息优化单目视觉定位算法,使得视觉定位结果的时延减小.然后,在利用卡尔曼滤波器估计飞行器运动状态的过程中,考虑了视觉定位结果的时延,利用加速度信息进行时延补偿.最终得到实时的高精度运动估计结果.在自主研制的四旋翼飞行器系统上对本文提出的方法进行了验证.通过与不考虑时延的方法的结果以及真实数据进行比较,证明了本方法的有效性.     

配送选址-多车型运输路径优化问题及求解算法

考虑到不同车型、车辆容量、时间窗等约束,研究了配送选址-多车型运输路径优化问题,采用分解法进行问题分析,建立数学模型.首先应用改进聚类分析模型确定配送中心的最佳位置与服务客户群,然后设计遗传算法进行求解.算法比较及算例测试表明它是求解选址-多车型运输路径优化问题的一种有效方法.     

电动汽车参与经济调度的多目标模型

电动汽车通过V2G技术可以作为电网负荷侧的备用容量,由此提出了一个多目标优化模型,将电动汽车车主成本和经济调度成本作为其目标函数,并让电动汽车通过有序充放电来作为经济调度时的备用容量.在满足各种约束条件下,采用多目标遗传算法(NSGA-Ⅱ)对模型进行求解.电动汽车的负荷特性、负荷波动、真实风能输出和机组停运状态均采用蒙特卡洛算法得到,并以一小时为时间间隔来进行仿真.由模型的求解结果可知,通过选择合适的pareto解集中的值,可以节省车主成本和经济调度的成本,并且可以实现对负荷削峰填谷的功能.