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。     

四旋翼运输编队的环形耦合同步控制器设计

无人机编队协同运输时,外界干扰可能使无人机运动不同步、破坏队形、损坏运输物品.针对这一问题,提出一种优先保持队形稳定的无人机编队控制方法.首先,使用虚拟结构编队飞行策略,设计单个四旋翼的比例微分控制器(PD控制器),然后添加整个编队的环形耦合同步控制器.用仿真验证了该方法的有效性,与已有的虚拟状态估计控制方法相比,该方法在受到干扰后回归队形的时间更短,队形破坏程度更小.同时该方法还可以进一步使偏航角同步响应.     

弹性模型结合改进滑模控制器的无人机协同控制

提出了一种基于改进指数趋近律的滑模控制器的无人机编队建模与控制方法。首先采用弹性系统模型对无人机编队进行动力学分析,把每个无人机看作一个质量点,无人机之间的位置关系可以视为编队控制时的约束力;在此基础上采用一种固定的通信拓扑,对编队平衡状态进行分析,建立无人机编队的动力学模型。同时利用一种基于改进指数趋近律的滑模控制器实现无人机编队协同控制,以此加快系统稳定的收敛速度,削弱传统滑模控制器的抖振现象,保证无人机编队协同控制的稳定性。最后,通过实际无人机编队飞行试验来验证无人机编队动力学模型的可行性与无人机编队控制器的稳定性。     

无人机编队飞行面临问题及关键技术研究

随着无人机任务的复杂性增加,无人机编队飞行成为无人机发展的新方向。为了研究无人机由于编队带来的新问题,分析在单架无人机执行任务时所遇到的问题及无人机编队飞行的必要性,并在分析无人机编队飞行的特点基础上,阐述编队飞行过程中所需解决的问题。通过查阅近几年国内外对于无人机编队的问题研究,总结整理出无人机编队主要面临的队形保持中控制器设计、防撞避障及航迹规划中路径优化等问题。针对各个问题,对编队飞行过程中的关键技术进行探讨和分析。     

事件触发下的多无人机时变编队控制

针对二阶多无人机系统时变编队控制问题,借助事件触发函数,设计了一致性分布式控制器,使其形成时变编队。结合Laplacian矩阵的特殊性质,对其分解,将编队问题化简为低阶系统渐近稳定性问题。给出控制器设计算法,利用线性矩阵不等式(LMI)和Lyapunov函数证明了在给定事件触发函数下算法的有效性,并证明了所给事件触发函数时间序列不存在Zeno现象。对多无人机系统的运动在三维空间进行仿真,结果表明无人机在所设计的控制器作用下形成期望的时变编队,有效地节约了通信带宽和计算资源。     

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。     

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。     

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。     

无人机编队自适应鲁棒控制

针对固定翼无人机编队飞行过程中的参数摄动和不确定性问题,设计了一种领导—跟随编队自适应鲁棒控制方法。首先建立了领导—跟随编队模型和无人机运动模型,并对不连续投影自适应律的性质进行证明;然后设计内环鲁棒控制律对编队外环控制产生的指令信号进行跟踪,在鲁棒控制律的设计过程中,引入参数自适应律对参数摄动进行在线估计,设计自适应干扰观测器对不确定性进行观测和补偿,并选取李雅普诺夫函数进行了稳定性分析;最后仿真表明所设计方法能够有效实现无人机编队鲁棒控制。     

联合连通拓扑条件下多无人机系统编队包含控制

针对联合连通拓扑条件下具有多个领导者的多无人机系统编队包含控制问题,分别为领导者和跟随者设计分布式一致性控制器,依据领导者和跟随者对Laplacian矩阵进行分块,对具有有向生成树的Laplacian矩阵进行特殊分解,将领导者的编队控制问题简化为低阶时变系统的渐近稳定性问题。定义跟随者实现包含控制误差量,将跟随者的包含控制问题简化为时变系统的渐近稳定性问题。利用平均化方法,将两个时变系统的渐近稳定性问题转化为两个时间平均系统的渐近稳定性问题,借助线性矩阵不等式和Lyapunov函数给出了控制器的设计步骤,使得多无人机系统的通信拓扑切换足够快,多无人机系统就能在联合连通拓扑条件下实现编队包含控制。通过仿真验证,结果表明所设计控制器的有效性。     

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。     

无人机遂行纯方位无源定位的建模研究

如今,无人机被广泛应用于辅助导航技术,且通常由多架无人机通过编队协同完成。为提升无人机编队飞行的效果,无人机遂行编队飞行的纯方位无源定位是当前的主流做法。文章基于最佳控制模型(FHOCP)与决策算法,快速有效地完成锥形编队中无人机的位置判断,通过设计最优调整方案,对问题进行求解与分析。文章设计的模型和算法对日常场景的无人机编队飞行具有较好的实用性。     

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。     

紫外光通信协作编队无人机联盟围捕算法

编队无人机对目标无人机进行围捕是多无人机战场作战中重要且典型的任务之一，本文将无线紫外光通信技术与围捕算法结合，提出了一种紫外光通信协作编队无人机联盟围捕算法。该算法借助无线紫外光辅助无人机编队机间数据保密传输和非直视通信，将联盟生成算法与区域最小化策略进行融合，采用动态规划法对最优联盟结构进行求解，使用区域最小化策略对目标无人机实施空中围捕，完成在复杂场景中无人机编队高效围捕多目标任务。对区域最小化策略和本文提出的紫外光协作编队无人机联盟围捕算法进行了仿真对比，实验结果表明：所提出的紫外光协作编队无人机联盟围捕算法在无人机编队围捕多目标过程中平均降低了12.73%的能耗，算法迭代次数平均降低了27.49%，验证了该算法能耗少、围捕效率高的性能。     

基于动态规划的无人机编队最优协同容错控制

为了克服未知的执行器故障对四旋翼无人机编队飞行的影响,提出了一种基于动态规划的最优协同容错控制律。首先,建立了四旋翼无人机模型,然后,基于动态规划设计了最优协同控制律,利用RBF神经网络逼近最优性能指标函数,设计了自适应律来估计未知的执行器故障,最终得到的最优协同容错控制律可实现对无人机编队飞行的高精度控制。通过对比仿真验证了设计的控制律具有更优的编队控制效果,编队飞行的最大轨迹跟踪误差仅为0.04 m,控制精度较高,设计的自适应律具有更优的故障估计效果,最大估计误差仅为0.05 N·m,实现了对四旋翼无人机编队的安全稳定控制。     

基于信干噪比的无人机集群分布式编队控制算法

编队控制和组网通信是无人机集群保持队形稳定和执行协同任务的前提条件。现有的编队控制算法侧重于队形控制,往往对无人机之间的通信因素考虑较少。针对无人机集群组网编队问题,设计了基于信干噪比(Signal to Interference plus Noise Ratio,SINR)的分布式编队控制算法。该算法兼顾接入覆盖与网络连通性要求,以SINR为参考构建虚拟作用力,能够使无人机以分布式控制的方式自主移动到通信质量更优的位置并维持稳定的拓扑结构。仿真结果表明,该算法可以适用于不同场景,能够在保证网络连通稳定的前提下优化目标区域用户的通信质量,并且具有较高的接入覆盖率和编队稳定性。     

无人机集群编队控制方法研究综述

随着无人机技术的进一步发展，多无人机编队飞行的研究也受到了越来越多的关注。无人机相互配合组成编队群，可以充分发挥单个无人机所不具备的优势，更能胜任复杂、多任务场景下的工作。对无人机集群编队控制方法进行分类，分为传统控制法、群体智能算法、深度强化学习算法；对各类方法进行分析，着重归纳讨论了领导者-跟随者方法、人工势场法、运动学控制方法、蚁群优化算法、粒子群优化算法、人工蜂群算法、深度Q网络算法、深度确定性策略梯度算法、多智能体深度确定性策略梯度算法，并给出各自的优劣势；对无人机集群编队控制方法进行总结，指出传统控制法已接近成熟，但为了实现无人机的智能自主协同编队控制，仍需在群体智能算法和深度强化学习算法上融合新的思想与改进，从而发挥大数量无人机在复杂场景下的优势。     

无人机紧密编队协同控制设计与仿真

研究了紧密编队无人机所受气动耦合的影响以及三维环境下的编队控制方法,分析了在气动耦合影响下编队的动力学特性和运动学特性,建立了紧密编队控制的数学模型。根据编队飞行实体试验的工程控制方法,采用经典PID控制设计了紧密编队控制系统。仿真实验表明,设计的控制系统能够较好地实现无人机紧密编队队形形成与保持,并且具有编队形成速度快、编队误差小的优点。     

基于DSP的无人机编队视频跟踪技术

无人机编队飞行可协同完成任务,比单机执行任务效率更高。队形控制是实现编队飞行的关键技术之一。视觉跟踪技术能从视频序列中获得感兴趣目标的状态参数,故在编队中可以利用视觉信息进行目标检测与跟踪来确定邻机方位及距离信息,从而实现队形控制。首先利用视觉传感器获取无人机的运动图像,然后基于DSP采用KLT算法,计算出无人机在图像上的相对位移,实现无人机的跟踪。实验证明,跟踪结果准确性较高,满足实际应用的精度要求,可用于无人机编队稳定跟踪,为进一步解决无人机相对定位问题提供位移信息。     

六旋翼无人机编队快速终端滑模鲁棒控制

为了实现在复合干扰下六旋翼无人机编队的稳定飞行,提出了一种快速终端滑模鲁棒控制方法。首先,描述了领导-跟随编队拓扑结构并建立了六旋翼无人机的6自由度运动模型,然后,设计了编队外环控制律将编队指令转换为姿态指令,并通过设计编队内环控制律解算得到旋翼转速指令,最后,引入自适应律来估计复合干扰,实现了六旋翼无人机编队的稳定飞行。仿真实验结果表明：所提方法与滑模控制方法相比能够更加快速地实现六旋翼无人机的编队稳定飞行,最大轨迹误差仅为0.2 m,复合干扰最大估计误差仅为0.1 m/s²,表现出了更优的控制效果。