多无人机完全分布式有限时间编队控制

针对分布式通信网络,研究多无人机完全分布式编队生成和保持控制问题.基于滑模和自适应方法设计自适应耦合增益,进而结合与邻居无人机之间的相对状态设计一种新的有限时间编队控制器.该算法去掉了传统编队控制器依赖通信网络范围和拓扑及Leader无人机状态等全局信息的限制,基于Lyapunov理论证明无人机编队误差在有限时间可以收敛到边界可调的邻域内.对三维运动的多无人机编队进行仿真验证,结果显示,所设计的编队控制算法可以实现多无人机有限时间完全分布式编队生成和保持.     

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.     

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.     

基于改进势场法的无人机编队协同避障控制算法

为了解决多无人机存在的自碰撞与障碍碰撞及编队通信架构等问题,在二阶模型的编队系统基础上,提出一种由图论和人工势场理论相结合的分布式编队控制策略。依据运动学原理建立无人机模型,以固定无向的通信拓补结构为基础,引入分段思想、旋转力、机间势场力来改进势场合力函数,以解决可能出现的目标不可达、死锁、编队安全问题,精准实现编队避障、避碰与航迹预规划;根据一致性理论对无人机状态误差进行修正,设计编队协同避障控制律以实现期望状态一致与航迹规划;通过构造Hamilton函数与反证法进行稳定收敛性分析,证明所提出控制算法的收敛一致性。通过仿真结果表明,无人机编队能够有效进行避障并快速达到期望一致。     

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.     

分布式无人机队列控制与动态障碍规避设计

研究分布式无人机集群巡航任务中的协同路径跟踪问题与动态避障控制问题.利用transverse feedback linearization(TFL)方法对无人机的动力学模型进行变换,通过解耦控制实现对期望巡航路径的跟踪.在期望路径方向上,设计基于一致性协议的分布式无人机队列协同控制算法,并结合势场法设计协同巡航过程中对移动障碍物的规避控制策略.在队列达成一致性目标的同时,能够保障队列行进的安全性.基于Lyapunov分析方法和LaSalle不变原理证明闭环系统的稳定性,同时采用能量法证明队列中的无人机不会与动态障碍物发生碰撞.最后,基于搭建的无人机协同飞行实验平台,完成多架无人机的协同队列控制和移动障碍物规避实验,飞行实验结果验证了所设计协同控制算法与避障控制策略的有效性.     

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.     

基于虚拟结构法的分布式多无人机鲁棒编队控制

针对多无人机编队控制(UAVs)问题,本文提出了一种基于虚拟结构法的非线性鲁棒控制算法.首先将编队控制问题转化成两个子问题:在惯性坐标系下虚拟刚体(VRB)光滑轨迹的生成设计,以及在虚拟刚体坐标系下的无人机编队队形控制设计.针对部分无人机无法直接获取虚拟刚体状态的约束,通过引入相邻无人机的跟踪状态,实现了分布式的编队控制.同时,考虑多无人机近距离编队飞行时相互间的气流扰动影响,设计了基于supertwisting的鲁棒控制算法,提高了编队系统的控制精度和稳定性.利用Lyapunov稳定性分析方法,证明了位置跟踪误差在有限时间内收敛到滑模面,得到闭环系统全局渐近稳定的结果.最后通过实际飞行实验,验证了所提控制算法的有效性和鲁棒性.     

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.

     

基于观测优化的双机协同控制与避障

为实现不确定环境下无人机对远程超视距目标的精确指示,考虑空中移动和静止障碍物,提出基于观测优化的双机协同控制与避障算法,从而增加测量信息,减小目标状态估计的不确定度.以费舍尔信息矩阵(FIM)表征所获取的目标信息,理论推导出三维空间中双机最优观测的指标函数,并设计无人机协同控制律,得到优化的无人机观测航迹,增强无人机协...     

A Novel Obstacle Avoidance Consensus Control for Multi-AUV Formation System

In this paper, the fixed-time event-triggered obstacle avoidance consensus control for a multi-AUV time-varying formation system in a 3D environment is presented by using an improved artificial potential field and leader-follower strategy(IAPF-LF). Firstly, the proposed fixed-time control can achieve the desired multi-AUV formation within a fixed settling time in any initial system state. Secondly, an event-triggered communication strategy is developed to govern the communication among AUVs, and...     

Target tracking and obstacle avoidance for multi-agent networks with input constraints

In this paper, the problems of target tracking and obstacle avoidance for multi-agent networks with input constraints are investigated. When there is a moving obstacle, the control objectives are to make the agents track a moving target and to avoid collisions among agents. First, without considering the input constraints, a novel distributed controller can be obtained based on the potential function. Second, at each sampling time, the control algorithm is optimized. Furthermore, to solve the problem that agents cannot effectively avoid the obstacles in dynamic environment where the obstacles are moving, a new velocity repulsive potential is designed. One advantage of the designed control algorithm is that each agent only requires local knowledge of its neighboring agents. Finally, simulation results are provided to verify the effectiveness of the proposed approach.     

考虑障碍环境下的多机器人编队控制研究

编队和避障控制是机器人路径规划设计中的典型问题,文中提出了将leader—following法和人工势场法相结合的方法,来更好地完成多机器人在未知环境下的编队和避障控制。之前的研究只将leader—following算法用于多机器人的编队控制,而文中提出此方法也可以用于多机器人系统的避障控制。基于leader—following法,多机器人能自动编队并保持队形;而结合人工势场法,多机器人可以保持队形行进,在遇到障碍物的情况下变换队形避障,在避障后恢复原队形,最终到达目标。通过仿真实验证明,该算法实现了多机器人在未知环境下的自动编队和避障,从而证明了leader—following算法可以用于机器人的避障控制。     

基于双旋Lyapunov矢量场的无人机避障算法

提出一种基于双旋Lyapunov矢量场的无人机避障算法.首先,建立无人机和障碍物的模型,并根据无人机有限时间是否会侵犯障碍物安全圆设计避障判定规则;然后,基于最小侧向偏移量原则选定避障机动中无人机速度旋转方向为最优避障方向,选定其反方向为矢量场旋转方向,定义成功避障的标准并进行证明;最后,通过建立的障碍物合并规则提升避障效率,使得上述方法适用于未知环境下的无人机在线避障.仿真结果表明,在无人机性能约束下,所提出的算法对动态和静态障碍都能有效避障,算法性能优于Dubins路径和人工势场法.     

Safe Autonomous Agent Formation Operations Via Obstacle Collision Avoidance

In this paper, we consider the problem of flocking and shape‐orientation control of multi‐agent systems with inter‐agent and obstacle collision avoidance. We first consider the problem of forcing a set of autonomous agents to form a desired formation shape and orientation while avoiding inter‐agent collision and collision with convex obstacles, and following a trajectory known to only one of the agents, namely the leader of the formation. Then we build upon the solution given to this problem and solve the problem of guaranteeing obstacle collision avoidance by changing the size and the orientation of the formation. Changing the size and the orientation of the formation is helpful when the agents want to go through a narrow passage while the existing size or orientation of the formation does not allow this. We also propose collision avoidance algorithms that temporarily change the shape of the formation to avoid collision with stationary or moving nonconvex obstacles. Simulation results are presented to show the performance of the proposed control laws.     

基于改进A*算法的无人机避障路径规划

近年来,物流行业的飞速发展,运输是物流的重要环节之一,根据数据显示,运输的成本占据整个物流成本的50%以上.无人机的使用有效的控制了运输成本,合理规划物流无人机的飞行路线,也起着至关重要的作用.在物流无人机的航迹规划中,必须保证无人机飞行过程中能够准确避开禁飞区.本文基于A^*算法,结合多种类型的禁飞区,设计出一种改进算法,能够找到任意两客户点间无人机避障飞行的最优路线.仿真结果表明,本文所设计的算法能够有效解决多类型禁飞区并存的无人机避障路径规划问题.