基于主动建模的无人直升机增强LQR控制

为了解决无人直升机控制问题,通过把主动建模与LQR(Linear Quadratic Regulator)控制相结合,提出一种能补偿模型差的控制方法。该方法在悬停状态下,采用简化模型设计LQR控制器,并通过UKF(Un-scented-Kalman-Filter)在线估计简化模型与全状态模型的模型差,使用模型差作为补偿项对LQR控制增强。针对实际直升机动力学模型进行仿真,验证了基于UKF的估计和增强LQR控制的有效性。仿真实验结果证明,基于UKF的主动建模技术能够快速估计状态和参数变化,并且增强LQR控制能够使系统适应模型不确定性。     

模型直升机航向自适应保性能控制

提出了一种新的模型直升机航向控制算法。针对具有模型不确定性的直升机航向线性模型，提出了一种具有自适应机制的最优保性能控制器。该控制策略通过引入自适应机制降低固定增益控制器所固有的保守性，并且控制器的反馈增益应用线性矩阵不等式（LMIs）方法解得。理论分析和数字仿真表明所设计的控制器具有良好的鲁棒稳定性能。     

空地机器人协作导航方法与实验研究

飞行机器人和地面移动机器人所具有的功能互补性使得通过二者间的协作执行使命具有明显的优越性,这对于提高移动机器人使命完成度具有重要的作用.因此,空地机器人协作近年越来越受到研究人员的重视.空地机器人协作的一个重要工作模式是通过飞行机器人的大范围环境感知能力为地面机器人提供导航信息.针对该问题,首先讨论了利用机载视觉传感信息实现地面环境建模(主要是地面障碍物)及地面机器人识别方法;然后,利用波门跟踪算法实现了对地面移动机器人的运动跟踪;最后,提出了空地机器人协作策略;最后,搭建了室内试验平台,进行了实验验证.     

多机器人的改进型边界探索算法

针对多机器人探索未知环境问题,提出了改进型边界探索算法。该算法综合考虑边界角度和距离两种因素,引入分散机制,使机器人团队协同工作,避免出现拥挤,减少探索过程中的重复覆盖和路径交叉现象。基于与其他方法的实验比较结果表明,该探索方法使多机器人具有更好的团队协作能力,提高了探索效率。     

基于多分辨率粒子滤波的全局协同定位方法

野外环境下,多类型机器人协同合作可以克服单一类型机器人(如无人车、无人机等)在环境建模任务中的视角、尺度方面的问题,进而提高整体编队系统的环境感知与决策控制能力.而在多类型机器人协作系统中,协作定位是协同合作的关键难题之一,也是进行编队建模与编队控制的基础.在GPS缺失环境下,由于传感器类型的不同,非结构化的环境特征,视角的不同而导致基于匹配的多机器人定位方法无法实现有效稳定的定位.本文提出了一种基于多分辨率最近邻匹配和粒子滤波的协同定位方法,可以在初始相对位置未知的情况下,进行全局范围内的协同定位.本文采用了一种针对粒子匹配精度以及匹配效率的评估方法,并根据粒子评估结果进行粒子权重更新,地图更新以及粒子数目更新,以平衡在定位过程中粒子对状态空间的描述和定位效率.同时,针对于粒子退化或者粒子收敛速度过慢的问题,采用了基于分辨率等级和粒子匹配精度和匹配效率的自适应调整方法.最后结合具体平台,本方法在野外水湾环境进行了基于无人船与无人机的协同定位实验,实验结果表明本方法有效解决多机器人在GPS缺失下的协同定位问题.     

直升机航向鲁棒保性能控制

针对具有时变不确定性且不确定性界为椭球的线性系统提出了一种新的具有自适应机制的鲁棒保性能控制器设计方法.首先,引入一个具有可由自适应律在线调整的可调参数的目标模型,通过该参数来保证由目标模型与被控模型所获得的误差系统渐近稳定.结合保证目标模型稳定性的设计,最终形成保证闭环系统稳定且控制器增益仿射依赖于可调参数的鲁棒保性能跟踪控制器.应用于安装在试验平台上的小型直升机航向控制中,仿真试验表明了该方法的有效性.     

基于LPV模型的水面机器人鲁棒航向控制

针对水面机器人水动力学的强非线性,且容易受到风、浪与水流干扰的影响,提出了一种基于LPV(Linear Parameter Varying)模型的H_∞鲁棒航向保持控制器。LPV模型采用Froude数作为线性变参,用来反映水面机器人水动力学随Froude数变化的非线性特性,同时简化模型参数辨识与控制器设计。将Froude数作为调度变量,采用介实引理设计了H_∞鲁棒航向保持控制器,用来抑制扰动对控制器的影响。在三自由度欠驱动水面机器人仿真平台上进行了验证,证明了控制器的有效性与鲁棒性。     

一种基于相对模型的分布式预测控制算法研究

针对分布式系统中高精度的相对状态比绝对状态更易获取的特点,提出了一种基于相对状态模型的分布式预测控制方法.该方法的本质是各子系统通过预测其与相邻子系统的相对状态轨迹来求解分布式最优控制问题.与常规基于绝对状态的分布式预测控制方法相比,该方法的特点在于通过相对状态模型的引进改进算法的实时性,并通过减少测量噪声源提高控制精度.该方法适用于一般非线性分布系统,且在满足一定条件下能够保证整个系统的渐近收敛性.最后,在Matlab仿真环境中将该方法应用于多机器人编队控制中,并验证的该方法的可行性.