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.     

存在时延的分布式无人机编队控制方法

多无人机协同是未来无人机应用的重要方式,多无人机编队作为多无人机协同的重要技术和研究热点也已引起越来越多关注,分布式无人机相较于集中式具有灵活性好、鲁棒性强,对通信及计算机性能要求低等优点;针对无人机的非线性动力学模型,在有向固定拓扑的条件下,运用高阶一致性理论解决无人机系统的分布式编队问题;基于Lyapunov稳定性原理,利用线性矩阵不等式(LMI),分别得出在具有时变时延导数信息及无导数信息情况下的稳定性充分条件;最后,仿真验证了这种编队控制方法的有效性;研究结果表明,利用文章所提出的方法控制无人机编队飞行,在满足稳定性的前提下,无人机系统能够形成稳定的编队,并达到预期速度。     

一种基于应力矩阵的无人机集群队形变换控制方法

针对复杂环境下无人机集群队形变换与编队控制问题,提出一种可抑制外部干扰的无人机集群队形变换策略,设计基于滑模的编队控制方法.首先,考虑无人机集群中存在多个领导者,提出一种“双层领导者-跟随者”无人机集群协同队形变换控制策略,实现障碍环境下的编队队形变换;然后,基于图论、一致性理论和滑模控制理论设计针对无人机集群存在外部干扰条件下的从机时变编队控制律,能够实现无人机编队按几何参数和几何图案连续变化;其次,通过构造Lyapunov函数证明在扰动条件下多领导者无人机集群系统队形变换的稳定性;最后,利用数值仿真验证所提出队形变换控制方法的有效性.     

基于动态角色分配的一致性协同无人机编队控制

随着微电子技术、数字通信技术的飞速发展,无人机编队已应用到许多领域。针对无人机编队保持和编队中能耗问题,提出了一种基于动态角色分配的一致性协同无人机编队控制方法。根据无人机运动学模型设计了一种反馈线性化姿态控制器。在此基础上,基于长机僚机模式设计了一种一致性编队控制算法,提升了编队系统的鲁棒性。同时,设计了一种基于匈牙利算法动态角色分配方法,使多无人机在执行任务过程中可依据具体的周围环境情况来重新制定编队方案确定各无人机位置以此来缩小执行任务周期,同时减小整体能量消耗,并以5架无人机构成编队为例开展了编队飞行仿真分析。仿真结果表明,基于动态角色分配的一致性协同无人机编队控制算法保证了编队控制系统的控制精度和鲁棒性,有效地减小了整体的能量消耗。     

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。     

多无人机自适应编队协同航迹规划

针对多无人机(UAV)协同航迹规划中因编队队形约束而忽略部分较窄通道的问题,提出了一种基于自适应分布式模型预测控制的快速粒子群优化(ADMPC-FPSO)方法。该方法利用领航跟随法和虚拟结构法相结合的编队策略构造出虚拟编队引导点,以完成自适应编队协同控制任务。根据模型预测控制的思想,结合分布式控制方法,将协同航迹规划转化为滚动在线优化问题,且以最小距离等性能指标为代价函数。通过设计评价函数准则,使用变权重快速粒子群优化算法对问题进行求解。仿真结果表明,通过所提算法能够有效实现多无人机协同航迹规划,并可根据环境变化快速完成自适应编队变换,同时较传统编队策略代价更低。     

基于群集行为的分布式多无人机编队动态避障控制

针对无人机编队保持和动态障碍物规避控制问题,本文提出了一种新的基于群集行为的分布式多无人机编队控制和避障控制算法.首先考虑了由机间气流等因素带来的干扰,基于吸引/排斥势场和一致性方法,设计了分布式无人机编队的队形保持控制算法,对编队内无人机之间的距离进行控制.进一步考虑外部移动障碍对无人机编队的影响,引入了排斥势场产生...     

输入受限下的无人机编队控制方法研究

针对多旋翼飞行器在轨迹跟踪过程中控制输入受限的问题，设计了一种控制输入受限下的四旋翼无人机协同编队分布式控制算法。首先，对于外环位置子系统，基于线性矩阵不等式的方法，设计了输入受限下的多旋翼飞行器的编队控制律，使得所有无人机的位置收敛到所需的编队模式。其次，对于内环姿态子系统，采用基于双曲正切的方法设计控制输入受限的控制律，使多无人机的姿态趋于一致。最后，基于Lyapunov稳定性理论，证明了系统的稳定性，仿真结果表明，所设计的控制器能够达到良好的协同跟踪控制效果。     

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.     

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.     

基于模型预测控制的无人机时空协同航迹规划

为了求解同时实现空间协同和时间协同的多无人机时空协同问题,提出了基于分布式模型预测控制的多无人机在线协同航迹规划的方法。建立了由MPC（Model Predictive Control,）控制器、空间协同模块和时间协同模块组成的多无人机分布式时空协同航迹规划框架结构。MPC将时空协同问题转化为滚动优化问题,优先级的方法实现了空间协同和时间协同的解耦,同时改进了碰撞冲突消解规则,并设计了时间冲突消解规则,解决了分布式时空协同问题的动作一致性问题。仿真实验表明,该方法可以有效地实现多无人时空协同航迹规划。     

Consensus-based three-dimensionalmulti-UAV formation control strategy with high precision

We propose a formation control strategy for multiple unmanned aerial vehicles (multi-UAV) based on second-order consensus, by introducing position and velocity coordination variables through neighbor-to-neighbor interaction to generate steering commands. A cooperative guidance algorithm and a cooperative control algorithm are proposed together to maintain a specified geometric configuration, managing the position and attitude respectively. With the whole system composed of the six-degree-of-freedom UAV model, the cooperative guidance algorithm, and the cooperative control algorithm, the formation control strategy is a closed-loop one and with full states. The cooperative guidance law is a second-order consensus algorithm, providing the desired acceleration, pitch rate, and heading rate. Longitudinal and lateral motions are jointly considered, and the cooperative control law is designed by deducing state equations. Closed-loop stability of the formation is analyzed, and a necessary and sufficient condition is provided. Measurement errors in position data are suppressed by synchronization technology to improve the control precision. In the simulation, three-dimensional formation flight demonstrates the feasibility and effectiveness of the formation control strategy.     

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...     

基于信息图的多无人机三维协同搜索动目标方法

针对多无人机协同搜索区域内多运动目标问题,考虑传感器的探测概率与虚警概率、无人机的飞行与避撞约束和目标随机运动等特征,提出基于信息图的多无人机三维协同搜索方法.以无人机搜索的短期收益、长期收益和协调收益的平衡为核心,考虑无人机三维运动的特征,构建多无人机协同搜索的数学规划模型,并设计包含目标存在概率、环境不确定度、重访信息素和搜索增益4个因子的搜索信息图.基于滚动规划架构,整合新提出的剪枝方法进行模型的求解.在典型的协同搜索场景下,通过数值仿真验证所提方法的有效性.仿真结果表明,所提出的方法可以在秒级的时间内做出每架无人机的三维航迹决策,重访信息素和搜索增益因子可以引导无人机捕获更多的目标.对比仿真结果表明,所提出的方法可以在捕获更多目标的同时具有更少的误判次数,有效提升了多无人机协同搜索的任务效能.     

Distributed control of target cooperative encirclement and tracking using range-based measurements

This paper investigates a distributed coordinate-free control method of ground target cooperative encirclement and tracking for an unmanned aerial vehicle (UAV) formation. Different from the existing methods, the relevant information for the circumnavigation can be measured by the UAV sensors rather than directly from the tracked target. Based on these distance measurements, a multi-UAV encirclement guidance law that satisfies both target coordination and tracking is designed. According to the proposed lemma of interconnected system, the formation system under the guidance law is globally uniformly asymptotically stable. The effectiveness and advantages of the proposed controller are validated via simulations.     

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.     

基于三维程控的无人机协同编队飞行研究

基于三维程控飞行策略,对多无人机(UAV)协同编队飞行控制进行研究,提出一种多机同方位任务需求的编队控制方法.采用“长机-僚机”编队结构模式控制编队飞行,以编队中的长机航迹坐标为基准坐标系实现了僚机与长机相对位置一致的控制;实现了编队中所有无人机同时到达指定位置并保持速度相对稳定的控制.通过航路规划和编队遥调,实现了人工干预与自动控制结合的编队飞行策略.仿真结果表明,该方法具有较好的可实施性、管理性、应用性和安全性.     

无人机编队飞行的分布式控制策略与控制器设计

针对一种小型无人机模型及其编队飞行的实际背景和限制条件,分析了编队飞行所必须涉及的队形保持、约束条件以及行为协调等关键性问题,进而引入分布式编队飞行控制策略并简要介绍了其优越性.根据分布式策略的层级概念,先后讨论了单机控制器的设计与上层的编队控制器的设计.最后分别进行了单机的FDC(flight dynamic and control)仿真和双机编队仿真.仿真结果表明,设计的控制器在执行效率和控制性能等方面具有突出的优势.     

基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略

无人机搭载深度神经网络进行自主电力巡检时由于受到设备本身计算能力、电池容量、深度神经网络计算负载的限制,无法独立处理巡检任务中产生的海量图像数据。为解决该问题,提出了一种基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略,该策略将系统成本最小化问题分解为深度神经网络计算任务协同分割和边缘服务器选择两个子问题。针对协同分割子问题,基于深度神经网络计算任务的执行流程提出了一种错时传输方法,通过改进混合粒子群算法求解多无人机任务协同分割层。针对边缘服务器选择子问题,定义无人机与边缘服务器各自偏好函数,根据偏好函数通过匹配理论建立两者间的稳定匹配,得到边缘服务器选择策略。仿真结果表明,与其他卸载策略相比,所提策略能有效降低无人机能耗和计算任务处理时延,促进边缘服务器负载均衡。