基于邻域跟随与辨识的无人机集群控制与规避策略

针对已有方法在集群系统控制上的特点,采取融合和改进的手段首先研究了三维空间理想全通信条件下的集群控制问题,通过将局部规则与势场法融合产生了一种新的引力斥力函数,并结合软控制方法成功实现无人机的聚集和集群的飞行控制,对未知突发障碍在有限区域感知的基础上提出了应急避障策略;接着,针对电磁环境只有部分无人机能正常接收航迹信息的情况,采用“邻域辨识”的方法选定目标无人机进行跟随,实现期望的集群运动。仿真结果表明,提出的方法在控制集群运动方面灵活性强、一致性好、避障效果显著。     

无人机集群规避动态障碍物的分布式队形控制

本文研究了无人机集群躲避动态障碍物下的队形控制问题。首先, 引入针对动态障碍物的碰撞预判机制判断集群是否需要对障碍物进行规避。其次, 在动态障碍物与无人机间构造斥力场实现避障。最后, 根据一致性理论设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律, 结合人工势场法实现躲避动态障碍物下集群队形的形成与保持。仿真结果表明, 集群无人机能够在以分布式方式躲避动态障碍物的同时实现队形的形成、保持与重构。     

基于TDOA的无人机集群协同单目标定位

无源定位作为现代信息化战场中电子侦察的重要技术, 可以在自身不辐射电磁波的情况下实现对敌方目标的精确定位。以高灵活性、高安全性的无人机(unmanned aerial vehicle, UAV)集群为接收站, 研究基于到达时差测量的辐射源定位方法。作为高机动平台, UAV集群的位置误差更大, 基于该情况对Chan算法、Taylor算法进行改进, 并提出了一种粒子群泰勒协同的解算方法。与其他方法的定位结果进行对比, 仿真结果表明所提的方法定位精度接近克拉美罗下界(Cramer-Rao lower bound, CRLB), 解决了Taylor算法的初值问题。     

基于联盟的无人机集群编队控制方法

针对切换拓扑结构下的集群编队控制问题,设计只需个别无人机获取虚拟长机信息也能保证集群连通性的编队控制算法。当队形变换或部分通讯网络故障导致网络拓扑结构发生改变时,以距离为原则对集群进行联盟划分,各联盟内部成员以信息浓度大小为标准同其他成员进行竞争,由信息浓度最大的无人机获取虚拟长机信息,其联盟成员通过与该无人机通讯间接获取虚拟长机信息。该算法使得每架无人机在任意时刻都能直接或间接地获取虚拟长机信息。引入集群对虚拟长机的反馈机制,与传统反馈算法不同的是,本文中反馈无人机的数量和组成成员都是变化的,从而提高了系统的收敛速度和鲁棒性。在此基础上进一步讨论编队的损伤问题,设计了一种基于分层的分布式递归自修复算法,解决了网络分裂状态下的自修复及修复后队形变化过大的问题。仿真结果表明了所建模型的合理性和求解方法的有效性。     

基于联邦滤波算法的无人机集群分层协同导航

为了解决传统单主从式无人机(unmanned aerial vehicle,UAV)相对导航结构因长机故障导致导航精度发散以及全连通协同导航算法计算量和通信负担较重的问题,提高集群导航稳定性以及导航信息的利用率,基于联邦滤波算法,提出了一种分层协同导航算法,并且根据导航精度将UAV集群分为长机层与僚机层,建立了UAV集...     

基于数字信息素的无人机集群搜索控制方法

研究了无人机集群搜索问题的由来、概念、特点,反应行为机制的重要性以及信息素的应用价值。模拟两种基本的生物信息素,设计了一种基于数字信息素的无人机集群搜索控制方法。从全局决策和单机决策的角度,建立了基于数字信息素的无人机集群搜索分布式决策方法。抽象出所建立的数字信息素模型的主要特征,研究分析了具备此类特征的集群搜索系统的稳定性,并确定了集群边界。仿真结果表明,该方法能够形成稳定的数字信息素闭环,能够和所设计的飞行决策方法结合,使多机呈现出鲜明的集群行为特征,实现无人机集群搜索控制;仿真同时表明,该方法驱动的无人机集群搜索的效率显著优于常规编队模式,这也从侧面证明了无人机集群的搜索能力远高于无人机编队。     

基于构型优选的5G集群无人机协同导航方法

针对现有基于测距的集群UAV协同导航方法普遍忽略了空间构型对定位定能的影响,难以获得精确的导航定位结果,提出一种基于空间构型优选的5G集群UAV协同导航方法。构建了复杂环境下基于5G信号的UAV相对测距误差模型,基于最小几何精度因子(geometric dilution of precision,GDOP)准则建立了协同导航节点寻优策略,实现了协同导航空间构型的实时优选;设计了基于5G测距网络的协同导航滤波器,对UAV导航信息进行在线估计和实时补偿,提高集群UAV的协同定位精度。仿真结果表明：该方法从机定位精度平均提升了约42.05%,为集群UAV实现在卫星不可用条件下的自主导航提供了一种有效的新方法。     

基于规则的无人机编队队形构建与重构控制方法

针对已有方法在无人机编队队形控制方面的不足,结合无人机系统有限范围感知的特点提出一种基于规则的队形控制方法。首先,利用目标位置选择算法为编队成员选择刚体中的期望位置点,使分布式条件下的复杂无人机编队队形控制问题转化为个体对自身期望位置点的追踪问题;其次,通过控制协议的设计引导编队成员对自身的期望位置点进行追踪和避免碰撞;最后,在netlogo平台上实现了队形的控制;进一步,将目标位置选择算法与基于全局信息的“禁忌搜索”优化算法的效果进行了对比。实验表明:本文的控制方法简单,生成的航迹图简洁、平滑,其效果与基于全局信息的优化效果接近,且可生成任意队形和对突发威胁能主动有效的规避。     

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.     

国外无人机自主飞行控制研究

无人机自主飞行控制的研究属于飞行控制的前沿问题,其目的是实现无人机的自主飞行控制、决策和管理。由于其高度的复杂性和智能性,在理论和工程实际上尚处于起步阶段。结合近年来国外的发展状况和一些主要的研究成果,对无人机的自主飞行控制的研究进行了概述。首先介绍了自主控制的概念,然后分别探讨了无人机自主飞行控制中几个相关的关键问题,主要包括飞行中规划与重规划,自主飞行控制的分层结构,以及无人机自主着陆等问题,最后对未来的发展方向和面临的挑战进行了展望。     

UAV集群自组织飞行建模与控制策略研究

针对多无人航空器协同控制难题,聚焦无人航空器集群(unmanned aircraft vehicles swarm,UAVS)自组织飞行建模与控制展开研究。基于集群智能理论建立了UAVS系统概念模型,在考虑个体排斥作用、一致作用、吸引作用和个体行动意愿作用4种因素的情况下建立了集群运动的变系数(repulsion matching attracting desire, RMAD)控制器模型,以此为基础,研究了所有个体掌握航迹信息和部分个体掌握航迹信息两种情况下UAVS自组织飞行控制问题,提出UAVS自组织飞行控制策略,实现了UAVS可控性自组织飞行。仿真实验结果表明构造的UAVS运动的RMAD模型及控制方法是可行的,为UAVS的工程应用奠定理论和实验基础。     

基于3D-APF和约束动力学的无人机编队飞行控制

针对无人机编队的路径规划和队形保持问题, 提出了一种基于三维人工势能场(three-dimensional artifical potential field,3D-APF)的无人机编队路径规划与队形保持方法。对于无人机的路径规划,建立了改进的三维人工势函数。在此基础上,建立并推导了虚拟力环境下的无人机运动学模型。对于无人机的队形保持问题,运用约束动力学理论引入拉格朗日乘子建立含有队形约束的编队无人机约束动力学方程组,使编队无人机在整个飞行过程中保持期望队形。采用Penalty-Formulation对拉格朗日乘子进行求解,得到编队无人机约束动力学方程组。最后基于Matlab的仿真实验验证了所提方法的有效性。     

通信距离受限条件下的无人机集群协同区域搜索

针对通信距离受限条件下的无人机(unmanned aerial vehicle, UAV)集群协同搜索任务, 考虑防相撞约束, 定制了一种能够在搜索过程中根据机间距离切换交互方法的UAV交互决策机制, 实现了动态环境中的搜索航迹规划。首先, 运用栅格化方法建立包含3种属性的环境认知地图对任务区域进行表征。其次, 考虑多种搜索任务需求, 以最大化搜索效率为目标建立UAV集群协同搜索模型。然后, 根据机间有效通信距离定义了UAV协同搜索过程中的通信状态, 设计了一种能够在通信完全有效、局部有效以及完全失效3种典型场景下切换信息交互方法的信息交互与决策机制。最后, 采用滚动时域优化方法, 实现集群各成员的自主决策与交互行为。仿真结果表明, 所提算法能够在通信距离受限条件下有效完成协同搜索任务, 在完成覆盖搜索任务时能够有效兼顾对动目标的搜索。     

TDOA and track optimization of UAV swarm based on D-optimality

To solve the problem of time difference of arrival(TDOA) positioning and tracking of targets by the unmanned aerial vehicles(UAV) swarm in future air combat, this paper adopts the TDOA positioning method and uses time difference sensors of the UAV swarm to locate target radiation sources. Firstly, a TDOA model for the target is set up for the UAV swarm under the condition that the error variance varies with the received signal-to-noise ratio. The accuracy of the positioning error is analyzed by ...     

基于固定时间一致性的无人机集群构型变换

针对无人机集群需要在指定时间内完成构型变换的情况,研究了具有一阶积分特性的无人机集群构型变换固定时间一致性控制问题。基于一致性方法设计了编队控制协议,引入编队参考向量,并通过构造Lyapunov函数,证明了在通信拓扑连通条件下无人机集群系统能够实现固定时间一致性并完成期望构型变换。以四旋翼无人机为基础搭建实验验证系统,并进行二维飞行验证,实验结果证明了本文所提方法的有效性。     

飞翼无人机机动飞行非线性鲁棒自适应控制

机动飞行能力作为无人机任务扩展的重要保证,受到各国的普遍重视。针对飞翼布局无人操纵能力不足、非线性和耦合性强的特点,提出一种非线性自适应控制方法。在所提的控制结构中,内环线性化解耦消除已知不利的耦合项,外环反步跟踪方法进行航迹跟踪,并采用粒子群补偿器补偿各种扰动和不可建模的耦合项,保证系统对各种扰动的自适应能力,且证明了该控制结构的稳定性。同传统反步控制方法相比,所提控制器增加了内环解耦结构。不同于传统的动态逆解耦控制方法,本文在控制结构中保留气动阻尼项,使得线性化后的系统为弱非线性系统。该结构不仅可以降低外环控制器设计的保守性,而且便于工程实现。仿真结果显示,该控制方案是有效的。     

基于粒子群优化与高斯过程的协同优化算法

对于适应度函数计算耗时较大的工程优化问题,采用仿生智能优化算法求解时常遇到由于适应度函数评价次数过大而导致计算量过高的瓶颈问题。针对上述问题,提出一种基于粒子群优化（particle swarm optimization, PSO）算法与高斯过程（Gaussian process, GP）机器学习方法的协同优化算法（PSO-GP）。该算法在寻优过程中采用GP近似模型来构建决策变量与适应度函数值之间的映射关系,在PSO全局寻优过程中不断地总结寻优历史经验的基础上,预测可能包含全局最优解的搜索区域,以优化粒子群飞行的方向。多个测试函数的优化结果表明,该算法是可行的,与基本PSO算法相比,在获得全局最优解的前提下,可显著减小寻优过程中的适应度函数评价次数,寻优效率较高,在高计算代价复杂工程优化问题的求解上具有良好的应用前景。