基于动态目标概率分布的核电站无人机航路强化学习规划

针对核电站空中动态入侵目标,本文提出了一种基于动态目标概率分布的无人机航路强化学习规划算法,实现了对空中入侵目标的有效拦截.根据入侵目标的状态信息基于概率扩散原理计算目标的概率分布,推理目标可能出现的位置.在此基础上,设计了基于航路点转移规则的行动空间和基于目标概率分布的报酬函数动态更新机制,通过Q-学习不断优化路径,构建了基于目标概率分布和强化学习的无人机航路规划框架,实现了无人机航路强化学习规划.仿真结果表明,该方法能够针对核电站空中入侵目标,实现目标点变化情况下无人机的自主航路规划.     

无人机非确定性等价自适应容错飞行控制

针对存在执行器复合故障的固定翼无人机跟踪控制问题,本文提出一种基于非确定性等价原理的自适应容错飞行控制策略.该策略能够有效地估计无人机纵向动态中执行器的失效及漂移故障,保证故障发生后闭环系统的最优性能指标.在自适应容错飞行控制设计中,通过引入辅助系统并动态调节因子,构造非确定性等价原理中偏微分方程的近似解,以简化自适应律设计复杂度.此外,借助Lyapunov稳定性分析方法,证明了在所设计的自适应容错控制器作用下闭环系统的稳定性.最后,仿真验证表明所设计的控制方法能够保证故障无人机的闭环系统性能.     

无人机安全飞行控制综述

随着无人机在军事和民用领域的广泛应用，如何在保证无人机安全的同时高效完成预定任务，成为近年来飞行控制领域的研究热点之一。基于对国内外现有研究成果的梳理与总结，本文综述了无人机安全飞行控制领域的研究现状与未来发展方向。首先，针对无人机在不同任务场景下的飞行安全要求进行了概述。随后，将无人机面临的安全飞行控制问题归纳为安全边界保护控制、不同约束下的安全控制、系统故障与攻击下的安全控制，以及无人机集群系统安全控制4个方面，并分别阐述与分析了各方面目前已有的关键控制技术。最后，对无人机安全飞行控制技术未来的发展方向进行了展望。     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法.控制器由等效控制器和H∞控制器两部分组成.用RBF神经网络逼近非线性函数,并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能.H∞控制器用于减弱外部干扰及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出的算例验证了该方法的有效性.