双机编队飞行自适应神经网络控制设计与仿真

飞机编队飞行控制的关键技术就是保持编队队形并且跟踪指定的飞行路径.考虑到编队飞机之间的相互影响,根据相对位置和全局坐标系统(编队中心)采用混合控制结构对编队飞机进行控制,使用神经网络自适应控制技术使得两机具有良好的模型跟踪能力,以便于僚机实现良好的跟踪,保持编队之间的相对距离;同时设计三通道神经网络混合PID控制器使得飞行控制系统快速跟踪指令,保持编队队形.以两架无人机为研究对象进行仿真,结果表明设计的编队飞行控制系统具有较强的稳定性和自适应跟踪性能.     

无人机自适应编队飞行控制设计与仿真

编队飞行对于完善无人机的功能和生存能力具有重要意义.以两架紧密编队飞行的无人机为研究对象,考虑到外部干扰和噪声的影响,建立了编队飞行动力学模型;根据编队飞行控制系统的特点,使用直接自适应控制技术对无人机进行编队飞行控制,使得飞机具有良好的模型跟踪能力;同时采用PID控制器使得系统快速跟踪指令;最后分析了所设计系统的稳定性.仿真结果表明设计的编队飞行控制系统具有较强的鲁棒性和自适应跟踪性能.     

无人机三维编队保持的自适应抗扰控制器设计

针对无人机编队飞行过程中领航无人机在三维空间机动飞行时的编队队形保持问题,构建了无人机三维编队保持控制系统。根据无人机编队飞行三维空间几何学关系,利用无人机自动驾驶仪模型和编队运动学模型建立了旋转坐标系下三维编队飞行的数学模型。在考虑闭环系统存在时变外界干扰的情况下,设计了无人机编队保持的自适应控制器,并基于李亚普诺夫理论,对设计的自适应控制律的稳定性进行了证明。最后通过仿真验证,该控制器能够有效抑制干扰带来的影响,使僚机能够迅速跟随长机机动,并保持编队队形的稳定。     

无人机编队飞行模糊控制系统设计与仿真

将模糊技术应用于无人机编队飞行控制系统设计的研究中,在研究模糊控制理论的基础上,设计了无人机编队飞行控制系统,它包括无人机速度、高度和方向三个部分的模糊控制器.针对编队飞行特点确定相应规则和算法,实现了对编队飞行中无人机的稳定控制,仿真结果说明此模糊控制器优于传统控制器,验证了此方法的有效性和可行性.     

基于扰动观测器的飞行器轨迹跟踪控制器设计

针对多种扰动作用下的固定翼飞行器三维轨迹跟踪问题, 设计了一种基于改进非线性扰动观测器的非奇异快速终端滑模轨迹跟踪控制器。首先推导固定翼飞行器三维轨迹跟踪误差模型, 考虑模型误差和飞行过程中的未知扰动, 设计了一种基于状态估计误差反馈的非线性扰动观测器对扰动进行观测。基于非奇异快速终端滑模控制方法, 采用双幂次趋近律设计轨迹跟踪控制器, 并证明了闭环控制系统的稳定性。仿真结果表明, 在多种扰动的作用下, 所设计的轨迹跟踪控制器能够对三维机动轨迹进行准确、稳定的跟踪。     

基于积分反步法的四旋翼滑模轨迹跟踪算法

针对四旋翼无人机轨迹跟踪过程易受外界未知干扰而引起跟踪误差的问题,设计了基于积分反步法的滑模位置控制器。在该控制系统中,位置回路采用滑模积分反步法(sliding mode integral backstepping, IBS-SMC)非线性控制方法,姿态回路采用经典比例积分微分(proportion integration differentiation,PID)控制方法。通过仿真对PID、线性二次型调节器、IBS-SMC进行了比较。仿真结果表明与传统方法相比,IBS-SMC法具有更好的抗干扰能力与控制精度。最后通过飞行实验,检验了控制算法可行性。实验结果表明,所设计的IBS-SMC是一种符合工程实际的控制方法。     

基于虚拟长机的无人机侦察编队控制方法

针对使用多无人机编队对周边区域实施协同侦察任务的协同控制问题,提出了以虚拟长机为编队航迹引导的分布式编队控制方法。该方法基于编队通信拓扑的分布性,以“相邻”无人机为参考估计长机状态,然后设计无人机编队的分布式线性化反馈控制器。仿真实验表明,在无人机编队沿阿基米德螺旋线实施侦察的过程中,该控制器能够使多无人机形成期望队形,并维持其稳定,同时减小编队队形误差,实现对侦察航迹的高精度跟踪。     

有人/无人机编队队形集结控制研究

针对有人/无人机(manned/unmanned aerial vehicle, MAV/UAV)编队队形集结控制问题，设计了一种基于航迹规划-跟踪的MAV/UAV编队集结控制策略。首先，考虑编队队形集结边界约束与防碰撞约束条件，设计了一种基于Dubins曲线与协同模拟退火粒子群优化相结合的编队集结航迹规划算法。然后，以规划得到的集结航迹作为期望航迹，设计了一种双回路结构的非线性路径跟踪控制方法。最后，利用Matlab软件对设计的航迹规划与跟踪控制方法进行了仿真对比实验，仿真结果验证了方法的有效性和优越性。     

BTT导弹非线性自动驾驶仪最优滑模设计

针对BTT导弹的飞行控制问题,提出了一种基于θ-D方法的最优滑模非线性自动驾驶仪设计方法.把导弹动态模型转化成一个级联的二回路系统结构,外环控制器的设计是基于θ-D近似方法的最优控制方法,内环控制器设计采用的是滑模控制方法,内环控制器所跟随的滑模面方程由外环最优控制得出.对所设计的非线性控制器进行了仿真分析,结果表明基于θ-D方法的最优滑模自动驾驶仪在非线性导弹飞行控制中具有较高的控制精度和很好的鲁棒性.     

用于多无人机编队飞行的PIDA+逆飞行控制器

设计了一种结合PIDA控制及逆控制的多无人机编队飞行控制器.分析了多无人机编队飞行中飞行耦合气流的估计范围,针对个体无人机的轨迹控制模型讨论了其飞行控制器需求,结合逆控制的解耦性能和PIDA控制器低模型依赖、简单结构、快速性等优点,设计了一种PIDA+逆的飞行控制器,最后,以控制器输出约束、飞行气动力参数变化以及气动耦合扰动为指标对PID控制和PIDA+逆控制的控制效果进行了对比仿真,仿真结果表明,PIDA十逆控制能够有效的抑制模型参数不确定性带来的影响,并且在控制器输出约束条件下仍能保持较好的动态性、准确性和鲁棒性.     

基于图Laplacian的多机编队目标跟踪方法

针对多无人机目标跟踪问题中存在的相位协同时间长和跟踪目标速度受限问题, 基于图Laplacian方法提出一种分布式多机编队目标跟踪算法。首先, 将无人机编队队形控制问题转换为基于旋转、缩放和平移的运动参数组设计问题, 并通过设计编队控制律, 实现动态编队队形的精准生成与变换。其次, 将此编队队形控制方法应用到目标跟踪问题上, 通过分析不同目标速度下的跟踪情况建立相应的跟踪模型, 实现无人机编队对目标进行快速协同跟踪, 并克服跟踪目标速度限制问题。最后, 仿真结果验证了所提方法的有效性和优势。     

自适应反演滑模转台鲁棒控制器设计

针对未知非线性、外界干扰和参数摄动等不确定因素对实际转台控制系统的影响,提出了自适应反演滑模神经网络的转台鲁棒控制器设计。自适应反演滑模控制作为主控制器,RBF神经网络实现了不确定上界值的在线辨识。仿真结果表明,基于RBF神经网络的自适应反演滑模控制很好地克服对象的不确定性,实现控制系统的较强鲁棒性,适于高精度飞行仿真转台系统的实时鲁棒控制。     

基于PI型非线性动态逆的再入飞行控制技术研究

再入飞行器飞行环境复杂,具有大空域、强非线性、强耦合的再入飞行特性,基于小扰动原理的经典线性控制理论难以适应再入控制系统的要求,提出了采用动态逆的非线性再入控制器设计方法,同时在非线性动态逆控制器设计中引入积分环节,以消除由动态逆建模和系统干扰带来的跟踪误差,从而使得系统对姿态进行高精度跟踪。最后,在Matlab/Simulink中进行了仿真验证。仿真结果表明,此控制系统对姿态指令输入有很好的跟踪效果,且具有较强的鲁棒性。     

基于人机合作的有人/无人机编队队形变换策略

队形变换是有人/无人机(manned/unmanned aerial vehicle, MAV/UAV)编队飞行的关键技术,为提高编队队形变换效率并减轻飞行员操纵压力,设计了基于人机合作的MAV/UAV编队队形变换策略。首先设计了MAV/UAV编队控制系统,然后在UAV运动学模型基础上设计了一种以路径跟踪为主,速度调节为辅的MAV/UAV编队队形变换策略。通过将水平转弯机动与虚拟力相结合,并考虑实际情况中编队内碰撞问题,设计了一种改进虚拟力路径跟踪方法;根据MAV与各UAV之间的路径差,设计各UAV速度控制律,使得MAV与各UAV速度与航向角一致,从而实现编队队形变换。仿真结果验证了所提方法的有效性和实用性。     

非平面全驱动多旋翼无人机的鲁棒预测控制

针对非平面全驱动多旋翼无人机飞行时易受外部风场与未建模动态影响等问题,设计了鲁棒性较好的预测控制系统。采用牛顿-欧拉法构建了无人机六自由度非线性运动模型;设计了线性扩张状态观测器,将同时受匹配与非匹配干扰影响的无人机系统转化为仅受匹配干扰影响的等效系统,用以估计系统的状态变量;针对等效系统设计预测控制器以降低系统输出振荡和输入激增,设计干扰补偿器以提升闭环系统抗干扰的鲁棒性。仿真实验表明：与常规的非线性动态逆控制方法相比,该算法下的闭环系统具有更强的抗干扰能力与更高的轨迹跟踪精度。     

基于MPC的无人机航迹跟踪控制器设计

针对固定翼无人机航迹跟踪问题,采用基于状态扩展的双反馈模型预测控制理论对控制器进行设计。首先推导基于侧向偏差的无人机侧向航迹跟踪模型,采用动态逆方法对模型进行线性化处理,在此基础上设计基于状态扩展的双反馈模型预测控制器,并采用量子粒子群优化(quantum particle swarm optimization, QPSO)算法对控制器参数进行优化,考虑无人机飞行过程中受到的未知干扰,引入扩张状态观测器(extended states observer, ESO)对干扰进行观测,进一步提高系统的鲁棒性,并结合实际工程应用对系统进行数学仿真。仿真结果表明,基于状态扩展双反馈模型预测控制的无人机侧向航迹跟踪控制器,能够在系统存在模型不确定性与受到动态干扰时对期望航迹进行准确、稳定的跟踪。     

六自由度飞行器编队建模与控制

传统主从式编队常采用线性化反馈控制,很难满足复杂高精度空间飞行器编队要求。针对主从式飞行器相对平动和相对转动运动进行建模,进而得到统一的六自由度飞行器编从的非线性动力学模型。基于所得模型,设计了六自由度飞行器编队控制的滑模控制器和积分反推控制器,并给出基于Lyapunov的严格数学证明。仿真结果表明,控制器能够保证从飞行器六自由度运动跟踪误差的一致渐近收敛,为空间飞行器在轨服务等飞行器编队实际应用提供了理论参考。     

尾坐式无人机过渡模式纵向解耦控制

针对尾坐式无人机不同飞行模式过渡过程中纵向飞行速度和高度的协调控制问题,采用计算流体力学的方法对尾坐式无人机进行了气动特性计算和分析,根据总能量控制理论设计了过渡模式的在线解耦控制策略,为了适应尾坐式无人机过渡过程攻角和飞行速度的大幅变化,考虑阻力的影响,设计了非线性形式的总能量控制系统。通过仿真对比实验,基于总能量控制理论设计的解耦控制器,使尾坐式无人机在过渡过程取得良好的纵向解耦控制效果,验证了算法的有效性。     

一种改进的自适应模糊滑模大包线飞行控制方法

提出了一种改进的自适应模糊滑模大包线飞行控制方法。该方法以经模拟退火粒子群算法优化的小波神经网络实现非线性模型的逆,能够更加细致地逼近非线性模型,并针对自适应控制的鲁棒性与瞬态性能差的缺点,将滑模控制与自适应控制相结合共同补偿逆误差,提高了自适应控制的鲁棒性与瞬态性。仿真结果表明:所设计的自适应模糊滑模大包线飞行控制器具有优良的控制性能。     

基于MAS的无人机新型编队算法

无人机群极大地拓宽了无人机的应用领域,有效地弥补了单架无人机执行任务的缺陷。本文针对无人机群的运动一致性和编队控制,将领导者-跟随者法中领导者与跟随者的控制算法进行集成,设计了一种基于多智能体系统(MAS)的新型无人机编队控制算法。该算法既适用于领导者又适用于跟随者,并且可随机指定无人机为领导者,领导者可以受到跟随者导航反馈的影响,提高了系统的适应性和可伸缩性。理论分析表明,无人机群不会发生碰撞并且能够收敛到期望的编队队形。再经过数值模拟验证了算法的速度和轨迹跟踪能力。结果表明,该算法能保证一群无人机按预定的编队和航迹飞行。