一种面向突发威胁的多因素Dubins航迹规划算法

针对传统无人机航迹规划算法应用在突发威胁场景下存在搜索点冗余、路径规划实时性较差等问题,提出了一种基于多因素Dubins路径的无人机动态航迹规划算法。该算法首先根据无人机自身性能约束及突发威胁区域的位置,并且考虑无人机的起始和最终位置,利用传统的Dubins路径找到有效的路径扩展点。然后结合启发式搜索思想建立基于路径长度和威胁的路径扩展点评估函数。最后通过路径评估函数计算,比较路径点的代价值,选取每一步的路径扩展点,规划出较优路径。仿真结果表明,在突发威胁场景下利用该算法进行航迹规划时路径长度较短、路径扩展点较少,并且符合无人机实际飞行过程中航向角变化,可有效保障无人机的安全性和航迹规划的实时性。     

多无人机空中加油的最优会合航路规划

为了空中加油能面向多架无人机,本文提出了空中加油的三维最优会合航路规划算法.多架无人机分布在不同区域,需要加油机沿预定的规划航路飞行会合,以完成空中加油任务.由于加油机可同时服务的受油机数量有限,需要寻找最优分配策略将无人机预分配至不同加油区域与之会合.本文首先根据加、受油机在各加油区域的最短会合时间,将最优分配问题建模为整数线性规划问题,求解得到加油机与各无人机的最优会合点.随后,本文提出了三维空间Dubins路径延长算法,保证各无人机按照分配结果与加油机同时到达会合点.最后,分别针对二维和三维多架无人机空中加油任务进行仿真.仿真结果表明本文提出的最优会合航路规划算法得到的Dubins航路,可以保证空中加油会合任务在最短时间内完成.     

面向不确定目标的多无人机协同搜索控制方法

目标搜索是多无人机协同控制的重要研究内容。多架UAV(Unmanned Aeiral Vehicle)同时对一个未知区域进行搜索,目的在于获取搜索区域的信息,尽可能多地发现目标。针对不确定目标的搜索问题,研究多无人机协同搜索控制的新方法。建立多UAV运动模型,用目标存在概率对搜索环境进行描述,给出基于Bayesian准则的搜索环境更新方法,考虑了环境探测回报、目标发现回报和无人机协同回报,采用MPC实现对多目标优化问题的迭代求解。通过仿真实验和对比分析,证明了该方法具有更好的搜索性能。     

一种改进的无人机多目标航迹规划研究

无人机多目标作战对航路具有很高要求。航路规划因受任务安全性、隐蔽性以及航距等要素的影响,往往存在主观性强、算法复杂、权重量纲不一等问题。为克服传统基于权值的评价函数所固有的量纲不一致,主观性强,优度进展不可控等缺陷,增强无人机对地面的打击效果,提升作战效能,采用Pareto最优解思想,采用快速非支配排序算法,以航迹长度、隐蔽性、安全性作为具体评价指标,研究了利用NSGA-Ⅱ算法来优化无人机多目标任务的航路规划问题,并进行了仿真验证。得到的最优Pareto解普遍达到了较优秀水平,并且不同的Pareto解都具有各自的优势,分别适应不同的任务需求,该方法在无人机航路规划上具有良好的灵活性和适应性。     

基于网格模型的无人机航路规划仿真

关于优化无人机覆盖路径规划,应便于实时调整航路.实施战场游弋侦察的无人机要搜索含有先验信息的任务区域,并且没有确定的目标点.针对战场环境瞬息万变,提出了网格模型的航路规划方法.首先,将无人机的任务环境区域划分为若干网格单元,并根据存在目标的概率赋予网格单元权值.接着,依据航路决策集合建立了控制模型,根据探测区域对环境网格的覆盖情况建立了探测模型,采用控制和探测模型计算有限步长内的航路价值,通过求解一个动态规划得到当前状态下的最优航路决策.最后通过对一架和多架无人机侦察给定区域的仿真,验证了方法的有效性,为设计航路提供了科学参考.     

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.

     

基于自适应动态规划的多设定值跟踪控制方法

针对一类典型的带有控制约束的非线性离散时间系统,提出了一种基于自适应动态规划(adaptive dynamic programmmg,ADP)算法的多设定值跟踪控制方法,并对其收敛性和稳定性做了严格分析.在ADP迭代跟踪控制的基础上,根据多模型控制的思想,设置阶梯状的参考轨迹,使得系统状态逐渐地跟踪到最终设定值,保证了系统的稳定性,极大地减小超调量,加快了响应时间,改善控制品质;同时由于控制器约束的存在,引入非二次型的性能指标函数,使得控制量始终在有界的范围内变化.最后对仿真结果进行了分析,结果表明了此方法的可行性和有效性.     

基于随机模型预测控制的卫星编队保持方法

针对卫星编队队形保持中存在的随机扰动问题,提出一种基于随机模型预测控制(SMPC)的编队构型保持控制算法。在保证精度的情况下,对非线性相对运动力学方程进行线性化离散处理。考虑到模型预测控制不易处理无界随机扰动的机会约束问题,提出有效解决随机变量信息模糊的分布鲁棒机会约束模型,并通过条件风险价值(CVaR)重构机会约束为可处理约束,得到基于随机模型预测控制的队形保持控制算法。通过计算仿真与传统的模型预测控制算法进行对比,验证了该算法的有效性和优越性。     

多无人机协同航路规划的共同进化方法

面向多无人机协同作战的航路设计问题,提出了一种较新颖的多无人机协同航路规划共同进化方法.将航路映射到进化计算个体建立了基于共同进化计算的航路规划问题模型,以此为基础重点讨论了个体适应度设计等关键问题.以SEAD任务为想定,对多无人机协同航路规划共同进化方法进行了仿真.仿真结果表明该方法能够快速为多无人机找到协同航路,能够综合考虑无人机航路的燃油、安全、避碰以及任务协同等指标,可以解决多无人机协同执行任务的航路设计问题,且具有较好的收敛性和线性时间性.     

基于目标跟踪的双层结构工业预测控制

针对基于二次规划的稳态目标跟踪问题,给出一种统一的处理方法.该方法不仅可以通过加权协调各个目标的跟踪,还可通过惩罚跟踪偏差体现对输出目标跟踪的偏重.分析该方法的可行性,得到了同时适合于多优先级稳态目标优化的无静差控制的结论.仿真结果验证了所提出方法的有效性.     

多无人机模糊多目标分布式地面目标协同追踪

针对城市环境中多约束条件下多无人机协同追踪地面目标问题,综合考虑具有不同重要性等级的多个优化目标,提出了一种基于分布式预测控制的模糊多目标航迹规划方法.首先,考虑城市环境中建筑物对无人机视线遮挡、无人机和传感器能量消耗等因素,分别采用目标覆盖度、控制输入代价和开关量形式传感器能耗等为目标函数,将多无人机协同追踪航迹规划转化为多目标优化问题;然后,基于分布式预测控制框架,利用每架无人机未来有限时域内的预测状态,构建多无人机之间的避碰约束,并结合最小转弯半径等约束,形成分布式协同航迹规划模型;最后,针对多个优化目标的不同重要性等级要求,利用模糊满意优化思想将目标模糊化,并根据更重要目标具有更重要满意度的原则,将优先等级表示为松弛满意度序,通过在线求解得到有限时域内每架无人机的局部航迹;与传统多目标加权算法仿真结果对比,验证了所提方法的有效性,充分说明了该方法能够获得同时满足目标优化和重要性等级要求的最优航迹.     

多运动目标的多无人机协同搜索追踪策略

针对多无人机协同搜索追踪区域内多运动目标问题,考虑无人机的传感器与避撞等约束和目标随机运动等特征,提出了以垂线搜索为基础的多无人机协同搜索追踪策略.策略包含任务分配和航迹规划两部分.在任务分配部分,设计了航道均分垂线搜索算法,将搜索资源在区域内均匀分配,提高协同搜索效能.在航迹规划部分,设计了改进的人工势场算法,避免发...     

有向切换通信拓扑下多无人机分布式编队控制

本文对多无人机分布式时变编队控制问题进行了研究. 无人机之间的通信拓扑假定是有向和切换的. 基于 自身状态与邻居状态的相对局部信息构建了分布式编队控制器. 通过引入一个恰当的编队误差向量, 将有向切换 通信拓扑下的多无人机编队问题转化为一个切换系统的镇定问题. 基于Lyapunov稳定性分析方法得到了达成编队 的充分性条件. 仿真实验结果验证了结论的有效性.     

小型四旋翼无人机双闭环轨迹跟踪与控制

近年来, 无人飞行器控制繁荣发展对控制精度与品质要求日益增高. 为了应对这一挑战, 本文基于奇异摄 动的思想设计了四旋翼无人机非线性轨迹跟踪控制器. 首先, 基于牛顿欧拉定律建立了四旋翼无人飞行器非线性 奇异摄动形式的数学模型. 然后, 引入奇异摄动理论, 通过时间尺度分解的方法将系统解耦成内环快子系统和外环 慢子系统. 再者, 根据非线性动态逆的思想分别建立快、慢伪线性子系统, 并基于此分别设计外环轨迹跟踪、内环稳 定子控制器, 综合子控制器生成应用于原系统的全阶控制器以兼顾跟踪精度和鲁棒特性. 针对内环快系统, 采用线 性二次调节控制器以实现稳定快速地控制飞行器旋转动态; 针对外环慢系统, 运用经典的比例–微分–积分控制器 以跟踪所给定的轨迹. 最后给出了仿真实例说明本文结论的有效性.     

考虑分配次序的无人机协同目标分配建模与遗传算法求解

本文研究了动态战场环境中的多无人机协同目标分配(MUCTA)问题.首先通过分析无人机(UAV)分配次序对打击任务总收益的影响,设计了动态战场环境的更新规则.将航程代价和任务代价作为惩罚项修正目标函数,建立了考虑分配次序的UAVs协同目标分配优化模型.然后针对模型的物理意义改进了遗传算法基因编码方式,设计了MUCTA遗传算法.该算法利用状态转移思想,引进SDR算子获得多种分配次序种群,同时以单行变异算子修正UAV与目标对应关系,并采用最优个体法和轮盘赌法筛选子代个体.最后仿真结果验证了所设计算法的有效性.     

未知复杂环境中的无人机平滑飞行路径规划

针对无人机实时路径规划问题,提出了一种基于双层决策的平滑路径规划方法,以弥补现有方法在复杂飞行环境中对路径平滑性优化的不足,增强路径的易跟踪性.本文首先给出路径平滑性度量,然后建模上、下层决策目标、威胁规避与无人机性能约束并引入变长规划时间,进而设计基于双层决策的路径规划模型.规划过程中通过嵌入启发式优化策略来进一步改善路径的全局与局部平滑度,并提高路径搜索效率.大量复杂场景中的仿真及与现有经典方法的对比结果表明:该方法能够实时避开复杂危险区域,规划适合飞行的、较短的平滑路径.     

无人机多机动目标自主探测与跟踪

无人机机载相机图像中机动目标尺寸较小而且会发生显著变化,加上大量的背景噪声干扰,给目标探测和跟踪带来很大困难.针对这些问题,本文提出了一种在无人机机载相机图像序列中自主探测与跟踪多个机动目标的方法.首先,提取目标的图像数字特征并采用级联分类算法进行特征分类,得到目标的强分类器,对目标进行自主探测搜索.然后,基于全局最优关联算法对探测回波进行关联滤波,实现对多个机动目标的跟踪与识别,其中最优关联代价矩阵融合了距离和方向信息,提高了关联和跟踪的鲁棒性.将无人机航拍图像序列中的地面坦克作为目标进行实验,结果表明本文算法可以实现对多个机动目标的自主探测和跟踪,并具有较好的跟踪鲁棒性.     

Collision-free formation generation and tracking of unmanned aerial vehicles based on physicomimetics approach

This paper investigates the problem of collision-free leader–follower formation generation and tracking of multiple fixed-wing unmanned aerial vehicles (UAVs). A group of UAVs, described by unicycle-type models subject to velocity constraints, are required to form a desired formation, while tracking a virtual leader and achieving collision-free flight. To handle this problem, a novel control law based on physicomimetics approach is proposed, which integrates the formation generation, formation tracking, and collision avoidance together. Physical forces are imitated to design artificial forces used in control laws that drive multiple UAVs to accomplish desired collaborative behaviors. Further, the virtual repulsion is embedded in the physicomimetics-based control scheme to achieve obstacle avoidance naturally. The artificial forces have similar meaning to the physical forces because of similar forms, which facilitates the design and adjustment of the control strategy. Specially, to deal with the speed constraints of fixed-wing UAVs, a saturation function is applied to modify the control laws and the stability is proved theoretically. Finally, numerical simulations and hardware-in-the-loop experiments are provided to verify the effectiveness of the proposed control scheme.     

一种双无人机协同跟踪地面移动目标方法

针对通信延时情况下双无人机协同跟踪地面移动目标问题进行研究, 构建了基于分布式遗传算法和滚动时域优化结合的目标跟踪航迹规划算法模型。考虑到通信延时会增加目标状态信息数据融合时的误差, 导致无人机跟踪任务效果变差, 结合递推最小二乘滤波和加权最小二乘估计设计了融合方法, 来融合处理目标状态信息; 考虑到无人机对目标的观测效果与未来时刻的目标状态信息密切相关, 采用递推最小二乘滤波预测目标的状态信息, 结合分布式遗传算法和滚动时域优化设计了双无人机目标跟踪航迹规划算法。适应度函数考虑了无人机和目标之间的距离、无人机之间的通信距离、无人机之间的通信角度。仿真结果表明：该协同跟踪方法能够较好地完成跟踪任务; 与一架无人机跟踪相比误差明显减小, 并且可以减小通信延时带来的跟踪误差。     

复杂环境下多无人机协作式地面移动目标跟踪

针对多无人机(UAV)协同地面移动目标跟踪问题展开研究.提出一种基于主动感知的问题求解框架,建立多UAV协同目标跟踪问题模型;在此基础上,采用分布式无色信息滤波实现目标状态融合估计与预测;然后,基于预测目标状态,结合滚动时域控制与遗传算法设计一种多UAV在线协同航迹规划算法.仿真结果表明:结合预测目标状态在线优化UAV...