多无人机三维群集算法的适用性研究与改进

针对多无人机群三维空间运动的复杂群集控制问题,提出了基于生物群集行为、依据Reynolds规则描述的三维群集控制算法。已有的研究大多将无人机群集运动简化为二维平面运动,但这不符合实际控制需求。为此,将群集控制算法和人工势场算法推广到三维无人机群集控制中,建立了三维无人机群空间运动模型,通过多种不同条件下的仿真,研究了两种算法在三维群集控制中的有效性。结果显示两种算法用于三维群集控制均具有一定效果,但相对二维所需要的条件更为苛刻。同时,注意到智能算法具有更好的群体聚集效果,而人工势场算法则避碰效果更迅速明显。据此,对人工势场算法和智能算法进行了改进,通过在距离大于平衡点时采用智能算法聚集,在距离小于平衡点时采用人工势场算法避碰,得到能同时获得更好的聚集、避碰效果的新的群集控制算法。     

基于ESO及RESO的高超声速飞行器控制律设计

针对以小扰动线性化为代表的传统控制方法处理大范围不确定性问题时存在的不足,采用可对未知扰动进行实时跟踪估计并补偿的自抗扰控制方法设计控制律。构建辅助状态变量以满足控制器设计时的形式要求,在此基础上,分别设计基于扩张状态观测器(ESO)及降阶扩张状态观测器(RESO)的姿态控制器,通过对观测器的时频域分析确定基于RESO的控制器的优越性。仿真结果表明,以RESO为观测器的自抗扰控制方法与常规自抗扰方法相比具有更快的跟踪速度和更好的跟踪效果,本文所设计的控制器对仿真算例是有效的。     

基于ESO的运载火箭姿控喷管故障辨识设计及实现

针对基于喷管开关控制的运载火箭姿控系统故障,提出了一种基于控制效果的喷管故障辨识方法。在对特定喷管配置和轴对称运载火箭模型研究基础上,利用扩张状态观测器实时估计箭体所受的总力矩,进而根据估计结果进行故障判别和极性纠正。仿真结果表明,以ESO为观测器的故障辨识设计方法可有效判别出姿控喷管的极性故障,并能够通过策略设计进行极性纠正,具有较强的工程应用价值。