无人机三维编队飞行模糊PID控制器设计

针对无人机编队飞行控制系统,引入编队飞行几何关系,建立了三维编队飞行数学模型,在速度、航向和高度三个通道加入了误差的线性混合器,并分别设计了基于模糊PID的编队飞行控制器.仿真结果表明,所设计的控制器可以通过控制间距方便有效地控制无人机编队飞行,实现在机动过程中保持队形,以及合理地进行编队队形变换.这种控制方法超调量较小,鲁棒性强,优于传统控制器.     

航迹预测的多无人机任务规划方法

为提高无人机自主控制性能,实现任务分配与航迹规划整体架构,提出一种基于航迹预测的多无人机任务规划方法.首先,将禁飞区考虑为更接近真实场景的多边形模型;然后,使用改进A*航迹预测算法生成任意两个航迹点间障碍规避后的最短路径,利用该路径近似航迹航程作为任务分配过程的输入信息,建立目标函数,采用改进PSO算法求取最优结果;最后,使用B样条曲线平滑分配后的路径组合,生成无人机可飞行航迹.仿真结果表明,该方法能够以较高的计算速度和精度生成近似最优的任务分配结果和满足飞行约束的平滑航迹.     

基于快速扩展随机树算法的多无人机编队重构方法研究

为适应瞬息万变的战场环境,发挥多无人机不同队形下的作战优势,以快速扩展随机树(RRT)算法为基础,提出一种多无人机编队重构的方法。首先建立多无人机编队的运动模型,分析传统RRT算法与编队重构方法结合的可行性,并采用多余节点去除和构造过渡航迹等策略对航迹进行修正。之后,重点分析重构过程中的动力学及防碰撞等约束,为随机树的扩展和无人机的航迹变换提供依据。最后通过对比仿真和飞行试验,验证所提重构方法的安全性和可行性。结果表明,该重构方法能在复杂环境下快速实现编队重构,同时所规划的航迹利于无人机进行跟踪,可满足实际战场的飞行需求。     

基于PSO算法虚拟Leader的多机器人编队控制

针对leader-follower编队方法的不足,引入分散化编队控制策略并提出了基于PSO算法的虚拟领航者的多机器人编队控制方法。引入一个基于改进PSO算法进行路径规划的虚拟领航者,控制编队方向;同时通过信息共享,领导者带领追随者跟踪虚拟领航者的踪迹,完成编队队形维护和控制,从而有效地避免队形陷入局部最优及避免角度的骤变引起队形不稳的问题。在仿真平台上进行仿真和分析,在实物平台得以验证。     

基于邻近行为观测方法的多无人机分布式自适应编队控制

本文研究了基于邻近行为信息状态反馈的多无人机编队队形集结与保持问题.无人机个体根据期望的编队结构以及邻居无人机所在方位角区域的位置、速度和姿态信息进行自主决策,解决了传统分布式编队控制方法中通信拓扑强连通问题和多维度状态信息耦合问题.针对现有分布式编队控制算法中多无人机编队机动灵活性差的问题,以邻近无人机行为信息为观测...     

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。     

基于分层规划思想的无人机协同优化

无人机自身具有的航空特性和可以进行大面积巡查的特点,使得其在洪水、旱情、地震等自然灾害实时监测方面具备特别优势.在完成灾情巡查、生命迹象探测、通信中继和对地数据传输等协同任务时,需要对无人机进行任务分配与航迹规划.对于无人机巡查重点区域任务规划问题,基于分层规划思想建立了多旅行商数学模型,并使用遗传算法进行求解.首先分配重点区域之间的无人机任务,其次再规划重点区域内部无人机的路线,最后根据无人机的限制条件,在既定路线上进一步优化无人机路线.     

航天器编队飞行自适应协同避碰控制

为解决航天器编队飞行系统中存在通信时延、参数不确定的跟踪问题,并实现避免碰撞的控制目标,基于编队航天器的相对运动非线性动力学模型和势函数方法,对航天器编队飞行系统的自适应协同避碰控制方法进行了研究. 首先,在全状态反馈控制的情况下,提出了一种对通信时延和参数不确定具有鲁棒性的自适应协同避碰控制律;其次,进一步考虑速度信息不可测量的情况,通过引入一种新型滤波器设计了无速度测量的自适应协同避碰控制律,使得编队航天器实现对期望轨迹的跟踪,同时能够保证航天器编队飞行系统中航天器在安全区域飞行,避免发生相互碰撞. 最后,针对全状态反馈和无速度测量反馈的情况分别分析了航天器编队飞行闭环系统的Lyapunov稳定性,显著增强了闭环系统对通信时延和参数不确定的鲁棒性.结果表明,所设计的两种自适应协同避碰控制律可以有效地保证编队飞行航天器对期望轨迹的跟踪,且系统可以实现避免碰撞的编队飞行任务.     

基于对偶分解的分布式协同编队飞行研究

针对多智能体编队飞行问题,提出一种新的基于对偶分解的分布式算法,以实现协同航迹规划。首先,将编队飞行问题建模为受线性动力学约束的优化问题,其目标函数中包括智能体各自的独立目标(例如跟踪参考轨迹)以及系统的全局目标(例如总燃料消耗、编队队形等)。其次,为了分布式地求解该优化问题,将其对偶问题分解,把大计算量的原问题转化为多个小的子问题。最后,设计了协同分布式规划算法,并对其收敛性和最优性进行了理论证明。由于该算法只需相邻智能体间的通信,因此具有很强的可扩展性,并能适用于通信能力受限情况下的编队飞行。仿真结果表明,提出的分布式算法能有效地进行协同编队飞行规划;同时通过与集中式方法的比较,其最优性和收敛性得到了验证。     

多小型飞行器自主编队姿态协同控制方法

针对多小型飞行器空间自主编队姿态协同飞行任务,研究了空间多小型飞行器自主编队在空间干扰影响下的姿态协同控制问题.考虑到编队无法获取外界参考信息,需要进行自主编队的情况,提出一种编队姿态协同控制方法.首先,提出的控制方法基于小型飞行器绝对姿态信息实现编队姿态协同,能够适应多种编队通信拓扑结构,并且对于外干扰力矩具有较强的鲁棒性;然后,根据Lyapunov定理,从理论上证明了闭环系统的稳定性和收敛性;最后,通过数值仿真验证了理论分析结果及所提出控制方法的有效性.研究结果表明,所提出的控制方法能够在干扰力矩作用下,利用小型飞行器绝对姿态信息实现编队姿态协同,且能够适应多种编队构型.     

基于遗传算法的多无人机协同逆推式路径规划

综合了多无人机群的任务和任务区域的特点,在优化过程中考虑了机群综合获利效益、无人机(UAV)的的最大转弯角限制和多无人机成员间防碰和威胁区域的生存概率,合理构建了UAV任务的目标函数和约束条件。将协同逆推预测控制(CRH)方法引入无人机机群路径规划方法的研究中,并采用遗传算法求出了满足目标和约束要求的控制量。仿真算例表明采用介绍的协同逆推式路径规划算法,任务空间中无人机能够自动地分别访问不同的目标以得到最大的获利值,证明了算法的有效性。     

长航时无人机关键技术研究进展

为研究长航时无人机发展趋势及面临的技术难题,对长航时无人机的发展现状及关键技术进行了分析与总结.长航时无人机留空时间长,作业覆盖区域广,在高空巡航作业时受天气和大气上下对流的影响小,具备广阔的应用前景.首先以常规动力和新能源动力分类,总结了当前国内外长航时无人机的主要型号,回顾了长航时无人机的发展历程.然后,根据长航时无人机高升力、高升阻比和缓失速气动需求,复合材料大展弦比机翼大柔性特征以及长航时无人机任务环境复杂等特点,总结了长航时无人机发展过程中亟需解决的关键技术难题,包括高效气动综合设计技术、大展弦比机翼气动弹性分析和主动控制技术、复合材料气动弹性剪裁技术、柔性飞行动力学建模和控制技术以及无人机自主导航技术等.最后,结合国外长航时无人机的发展特点,提出了我国长航时无人机的发展建议.研究表明:常规动力中空长航时无人机得到了比较广泛的应用,但新能源动力长航时无人机多数还处于研究样机研制阶段.续航时间在一周以上的“超长航时”无人机技术成为各航空强国关注的焦点.长航时无人机系统的智能化、协同化和网络安全是未来发展的主要方向.     

多重威胁下的无人机自主避障航迹规划

无人机作为一种新兴的无人作战力量和不可或缺的民用设备,现已渐渐融入到国家安全和社会发展中的各个方面,航迹规划是保障无人机顺利完成既定任务的核心环节.为解决规划空间存在诸多静态和动态威胁的实时航迹规划问题,提出了一种基于滚动时域的无人机自主避障航迹规划方法.首先将航迹规划模型构建为单目标函数优化问题,根据无人机简化运动学模型和约束条件,采用滚动优化策略生成最优航迹序列;然后对最优航迹序列之间的航迹再一次采用滚动优化策略产生子序列,综合考虑威胁和飞行约束,利用负梯度下降法搜索航路点,采用遗传算法对子序列进行规划;最后经反复滚动迭代优化可得近似全局最优航迹,同时利用贝塞尔曲线对航迹进行处理,使其表征实际的飞行航迹.实验仿真结果表明:验证了模型的合理性和方法的有效性;具有良好的威胁规避能力并能规划出一条光滑航迹;与全局规划方法相比,该方法减少了收敛时间,实时性更强,能够快速、鲁棒地收敛到近似全局最优解.     

无人机群变航迹多任务综合规划方法研究

将无人机群作为一个整体,对任务和航线进行综合规划有利于提高效率,减少油耗。为了缩短机群的任务完成时间,减少飞行航程,提出了一种启发式的任务和轨迹综合规划方法。通过将各无人机的任务执行时间趋于均衡以减小机群任务的总完成时间,同时兼顾同一无人机执行的多个任务在路径上的相邻,使得机群的总飞行航程得到缩短,从而减少了油耗。仿真试验表明,任务轨迹综合规划算法与仅考虑航线或任务执行时间的算法相比较,机群的任务完成时间减少了18%左右,提高了无人机群的工作效率,减少了油耗。     

基于BP网络的小型无人机航迹预测

随着人工智能技术、通信技术、网联技术的发展,以及无人机运行成本的降低等,我国民用无人机应用范围及应用领域日益扩展,已在城市物流、线路巡检、地质灾害预测、应急救援、地理测绘、山地运输等民用领域得到广泛应用.由于无人机种类繁多、运行环境复杂,无人机航迹分析及航迹预测已成为目前的研究热点.针对小型无人机运动特性及航迹预测问题...     

无人机群协同作战任务分配方法研究

针对战场环境的多目标、多任务以及无人机能力有限等特点,设计了一种适应于多目标、多无人机、多任务种类的无人机群协同多任务分配模型。结合该模型以及其中的任务偏序约束、协同任务约束、无人机能力约束等约束条件提出了基于任务序列的遗传算法染色体编码方法,和基于同类任务的遗传算法交叉、变异算子。该方法利用遗传算法的全局搜索优化解特点,对无人机群的协同任务分配进行优化。仿真试验表明该方法能够保证满足任务分配约束条件的基础上使任务的分配更加优化。     

多无人机协同四维航迹规划的改进的Tau-H策略

为了在满足多类约束条件的前提下进行多无人机（UAVs）协同飞行的航迹规划及优化,提出改进的Tau-H运动策略.在常用的Tau-H运动策略基础上,通过在运动间距表达式中引入初速度的相关项,克服了固有的仅能考虑始末速度为零的情况的缺陷,可以实现无人机始末非静止的到达时间和速度的四维运动匹配.利用粒子群算法（PSO）搜索各无人机的初始耦合系数,形成全局航迹预规划;建立各无人机间的通信拓扑,采用采样间隔与冲突判断双驱动的滚动优化方法,求解局部再规划问题,实现航迹不断更新.通过对算例的仿真表明,基于改进的Tau-H策略得到的航迹可飞性好,安全性高,能够满足连续型多无人机航迹规划及优化的应用需求.     

通讯时延和外部干扰下多无人机事件触发滑模编队控制

针对多无人机编队系统,采用了内外环控制策略。首先,在考虑通讯时延和有界外部干扰的情况下,针对位置子系统提出了一种基于记忆事件触发机制的滑模控制方法。针对所建立的无人机二阶模型,采用领航-跟随法实现期望飞行编队。其次,为降低编队过程中的通讯负荷,设计了基于输入反馈和跟踪误差的新型自适应记忆事件触发机制,针对由此产生的输入通讯时延和系统所受的外部干扰问题,设计了滑模控制器,保证了控制性能并抑制了通讯时延和有界干扰的影响。再次,应用Lyapunov理论和H∞控制理论完成了闭环系统稳定性证明,并且给出了便于滑模控制器增益和触发参数求解的策略。从次,基于所获得的虚拟控制量,针对姿态子系统设计了跟踪控制器。最后,通过仿真验证了所提方法的有效性。     

面向无人机网络的密钥管理和认证协议

针对无人机在组网过程中面临的密钥管理与身份认证问题，面向不同应用场景分别提出了有控制站支持的无人机网络认证方案（ASUSG）和无控制站支持的无人机网络认证方案（ASWGS），实现了无人机间的信任建立与安全通信。ASUSG基于椭圆曲线密码体制设计，充分利用控制站计算资源充足、通信链路稳定的特点，将控制站作为密钥生成中心，令控制站实时分发无人机公钥，并辅助无人机完成身份认证、建立安全的通信链路，减少了无人机承担的计算任务。ASWGS基于身份密码体制设计，通过门限密钥技术实现了网内节点在无控制站支持下的身份认证与密钥协商。具体组网时，节点采用遮蔽密钥的方式在公开信道传输用于生成节点私钥的秘密份额，实现了节点私钥的分布式生成。该过程通过预置节点公钥份额的方式能够以较少的计算开销有效阻止恶意节点的干扰行为。安全性分析显示，所提方案能够有效抵御无人机网络面临的身份假冒、消息重放、中间人攻击等多种典型的安全威胁。同时，基于国密算法在Linux平台上对上述两种认证方案进行了仿真实现，实验结果表明，相比于现有方案，本方案中的无人机节点在密钥管理的过程中所需计算开销更少。本文方案能够实现无人机在资源受限条件下的安全组网认证与会话密钥协商。