一种基于跟随领航法的多机器人的编队及避障控制方法

主要针对未知环境下多移动机器人的编队及避障问题,设计了基于跟随领航的编队及避障控制算法,使多机器人能保持一定的编队队形且无碰撞,并能使机器人在未知的局部障碍环境下也能够安全躲避障碍物,在通过障碍物之后依然能恢复之前的编队队形。对多机器人系统设计并进行仿真实验,实验结果表明,该方法对于实现多移动机器人的编队和避障控制具有良好的效果。     

基于距离约束的单领航者多智能体编队控制

针对多智能体领航跟随策略提出了一种基于距离约束的编队控制算法,同时实现了编队保持与速度跟踪.多智能体系统由单领航者及两个跟随者组成,单领航者以一常值参考速度运动,追随者无法测量自身及其他智能体的速度.为了跟踪单领航者的速度以实现编队保持,针对追随者设计了一种自适应控制律以估计领航者的速度并使各智能体保持理想距离,基于Lyapunov分析与Barbalat引理证明了闭环系统的稳定性,仿真结果验证了所提算法的有效性.     

基于预测控制的网络时延补偿策略研究

文章指出,当前,网络控制这一课题已经逐渐成为学术界研究的一个重点问题,为使网络控制系统中的时钟不同步问题得到解决,可以采取基于预测控制的网络时延补偿策略对系统时延进行补偿。而通过仿真分析可以发现,该策略的实施能够使网络时延得到精确补偿,并且能够使网络控制系统性能得到有效改善,因此可以在网络控制系统中得到应用。     

无人机集群编队控制算法实现

无人机的编队控制是无人机集群协同作业的关键技术。从工程实践的角度出发,比较了各种编队控制方法的优劣后采用领航—跟随法进行无人机的编队控制;选择比例—积分—微分控制器作为领航—跟随法的基础,以软件仿真的形式实现算法,使用不同的编队队形对领航— 跟随法进行了验证,实验结果表明该算法在队形保持控制上的可用性和稳定性。     

一类基于自适应反馈控制的车辆编队研究

文中研究了基于生物刺激神经动力学方法的车辆编队控制问题。以编队车辆的运动学模型为基础,在跟随领航者体系下建立车辆编队系统动态模型。根据李雅普诺夫稳定性理论,设计出新的自适应反馈跟踪控制器,将车辆跟随问题转化为系统误差的控制问题,并运用仿真实验验证控制器的有效性。与现有的反馈跟踪控制器进行对比后可以看到,文中所设计的控制器在稳定性和收敛速度上有了进一步的提高。     

基于改进领航跟随法的多机协同航迹规划

航迹规划是实现无人机高效任务管理的关键环节之一。针对队形保持的多无人机协同航迹规划问题,引入队形力这一概念,对传统领航跟随法进行改进,提出了一种基于领航跟随法和人工势场法相结合的多机协同航迹规划算法,并利用MATLAB软件对上述算法进行了仿真实验,验证了此算法的正确性。     

基于分层控制结构的有人/无人机编队队形控制

针对有人/无人机(MAV/UAV)系统在三维空间下的协同编队队形保持和变换问题,提出了具有分层结构的有人/无人机编队控制方法。根据有人/无人机指挥控制方式和作战流程,设计有人/无人机编队系统控制结构,其中,采用动态面控制方法设计有人机轨迹跟踪控制器,解决了反步控制中虚拟控制信号反复求导的问题;基于有限集中分布式编队控制策略设计无人机编队控制器,实现了多架无人机与有人机的协同编队飞行,并基于Lyapunov理论证明了控制器的稳定性。最后,针对三维空间下的有人/无人机编队进行仿真,仿真结果验证了所设计有人/无人机编队控制策略的有效性。     

基于预测控制方法的UAV视觉编队飞行控制律设计

传统的无人飞行器(UAV)视觉编队控制律考虑约束的能力不足,制约了其工程实际应用。针对不足,基于预测控制方法设计了一种能够显式考虑约束的视觉编队控制律,该控制律通过滚动求解有限时域优化问题得到跟随飞行器(follower)的控制输入。利用相对距离变化率和视线方位角变化率预测值与实测值的偏差信息,提出了领航飞行器(leader)加速度的在线估计算法。仿真结果表明,所设计的编队控制律能够控制follower飞行器快速跟随leader飞行器形成期望的编队,所提出的leader飞行器加速度估计方法可行,具有较小的估计误差。     

通信时延条件下的单一领导者多无人机系统编队控制

针对存在通信时延时含单一领导者的多无人机系统的编队控制问题,基于一致性控制理论设计了控制器,使得系统在一定的通信时延条件下依旧能够使各系统状态趋于一致,形成期望的编队。首先,建立系统中各无人机的动力学模型,做出一些基本假设,并根据一致性理论设计参数待定的控制器;其次,通过变量代换和数学变形,得到一个新系统,将原系统的编队控制问题转化为低阶系统的渐近稳定问题;最后,设计Lyapunov-Krasovskii函数,结合线性矩阵不等式推导出了系统达到一致性的充分条件。仿真结果表明,在满足给出的条件时,系统能够在时滞条件下形成期望的时变编队。     

无人飞行器编队队形控制研究

针对无人飞行器编队队形控制,首先建立基于航迹坐标系的无人飞行器编队相对运动模型,解决了速度坐标系中存在的不可控点的缺陷;接着进行无人飞行器编队队形保持的预测控制结构设计,通过建立相对运动的非线性预测模型,设计相应的性能指标,采用数值计算和解析相结合的方法,用最速下降法来滚动优化二次型性能指标,完成了无人飞行器编队控制器...     

基于脉冲控制的时延异构多智能体编队控制

为提高编队系统鲁棒性,降低系统对通信条件的要求,针对异构多智能体系统的编队控制问题,提出一种基于脉冲控制的编队控制方法.考虑异构多智能体的切换拓扑与变时延情况,根据一致性理论,提出基于领航跟随者模型的脉冲控制协议.利用矩阵分析方法将异构多智能体编队系统的变时延问题转化为时延上界问题,通过构造Lyapunov函数并利用Lyapunov稳定理论得到系统实现编队控制一致性的充分条件.同时,为比较不同控制协议的优劣性,提出切换拓扑下多智能体编队控制的平均通信代价指标.仿真结果验证了所提脉冲控制方法的有效性和优越性.     

无人机编队的滚动时域控制

滚动时域控制(RHC)具有状态约束和输入约束处理、综合多控制目标、适应条件变化等特点,在编队控制领域渐受关注。无人机编队控制涉及队形描述、气动耦合、位置关系描述、控制算法等问题,针对目前应用范围较广的长机-僚机描述的松散编队控制,提出基于二次规划描述的RHC编队控制方法,设计了基于标准RHC的编队控制器。在此基础上,结合不变集理论设计了双模RHC编队控制器,分析了其应用局限性及对控制器参数设计的指导意义。仿真实验验证了控制律的有效性,并分析了控制器参数对闭环性能的影响。     

三维编队飞行短时记忆控制

为解决主从机编队飞行问题,以柱面坐标系为参考坐标系,建立长机与僚机之间的相对运动模型。考虑编队飞行系统所受干扰上确界未知,提出无人机编队队形保持的短时记忆控制律。仿真结果表明,控制能够抑制较大干扰,使系统迅速到达期望状态。控制律简单、快速、有效,对编队飞行实现自主飞行有重要意义。     

基于深度强化学习的无人机编队控制

针对无人机编队控制中无人机智能化程度不足、缺乏自主学习能力等问题,基于深度强化学习中DDQN算法设计无人机编队控制器,该控制器可同时控制速度与航向通道,使僚机能够自学习跟踪长机并保持编队,提高无人机智能化程度。为验证设计控制器的有效性,通过仿真将设计的DDQN控制器与传统PID控制器进行对比。对比结果表明,该控制器可有效形成无人机编队并满足编队要求,对无人机编队智能化控制进行了有效探索。     

无人机自主编队飞行控制的技术问题

从未来无人机的性能需求出发,详细描述了无人机编队飞行的功能特点和核心技术。根据无人机的任务要求,将编队飞行分为作战编队、侦察编队和混合协同编队,同时研究了编队飞行控制的关键技术,并对无人机编队重构技术进行了探讨和分析。     

基于虚拟模型的类拖车机器人系统轨迹跟踪控制

模块化轮式机器人通过连杆串联所组成的分布式多体独立驱动的类拖车系统在控制上具有强耦合性。针对类拖车系统的轨迹跟踪和构型稳定性问题,研究了基于虚拟模型的领航跟随法。首先建立类拖车系统的运动学模型并给定了系统约束;其次通过系统中连杆的受力信息对拖车中的领航跟随位置关系进行修正,通过模型预测控制器实现系统的运动控制;最后,通过仿真验证了所提方法能够实现类拖车系统的轨迹跟踪并提高了系统的构型稳定性。     

无人机航线跟随控制方案设计与实现

无人机能够执行的任务已经多样化,要求其航线设计不再是点与直线。分析了无人机目前航线跟随的2种控制律,分析了其优缺点。提出了一种基于Serret-Frenet二维坐标系方案设计的航线跟随控制律,并进行了稳定性分析和仿真验证,同时在实验飞行中得以实现。经过仿真及实飞验证,此方案有良好的航线跟随性能。     

基于端到端延时补偿的TOA无人机编队协同定位算法

针对无人机编队无线通信中端到端延时抖动较大,难以确定有效传输时延,进行通信时时差定位误差较大的问题,提出采用先拟合后补偿的方法确定端到端延时最大值、最小值和滤波均值,由此确定端到端延时拟合下的传输时延。当无人机编队中部分无人机出现全球导航卫星系统(GNSS)失效时,根据无人机编队通信时差,由其他无人机协同实现该无人机位置定位。仿真结果表明,当距离指数精度达到10 m时,定位误差可控制在7 m以内;预处理获取的编队无人机相对距离指数精度越高,定位精度越高;采用不同的端到端延时值作为补偿标准,均可达到相同的定位精度。与常规无人机编队算法相比,该算法能在一定程度上摆脱无人机位置定位对GNSS的依赖;与非常规定位算法相比,此算法无需增加额外设备,且定位算法复杂度较低。     

基于无线紫外光MIMO通信的优化持久编队算法

无人机编队在飞行过程中需要保持固定的队形以确保链路通信网络的稳定性,也需要在维持通信的基础上降低编队网络的能量耗损以延长无人机留空时间。因此,提出一种基于无线紫外光MIMO(Multiple Input Multiple Output,MIMO)通信的优化持久编队算法。针对无人机编队内位置信息不共享的情况,首先利用无线紫外光MIMO通信和测距算法进行节点定位,并对3种定位方法进行对比,然后选择最佳的定位结果为后续编队成型提供基础,最后对基于无线紫外光MIMO通信的优化持久编队的生成过程进行仿真,证明了所提算法的可行性,并通过对比分析证明了持久编队通信代价小、网络抗毁性强且复杂度低的特点。     

基于改进微分进化的无人机编队重构安全控制

无人机编队在环境或任务发生变化时,需要进行编队重构。在对无人机编队重构安全控制问题进行分析的基础上,采用分布式模型预测控制(DMPC)的思想,将重构问题转化为一系列在线优化问题。结合安全性约束条件建立其重构代价函数,提出一种基于改进微分进化的分布式模型预测控制算法(DE DMPC）求解每个时域内的代价函数优化问题。通过仿真证明,该算法能够实现编队重构安全控制,且较标准微分进化算法性能更好。