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。     

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。     

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。     

基于H∞鲁棒动态逆的飞行器轨迹跟踪方法

利用非线性动态逆方法的精确线性化功能,结合H_∞控制理论,提出了一种阻力加速度能量标准轨迹的跟踪方法。通过动态逆将非线性的高超声速飞行器系统等效为线性对象,继而考虑非结构不确定性及参数不确定性,采用H_∞控制理论设计外回路鲁棒控制器,实现了标准轨迹的精确跟踪,同时给出了闭环系统的鲁棒稳定性证明。仿真结果验证了该方法的有效性。     

无人机集群分组编队控制跟踪一体化设计

针对具有Lipschitz非线性动力学特性的无人机(unmanned aerial vehicle, UAV)集群系统的分组编队跟踪控制问题,提出了一种基于一致性理论的分组编队协同控制方法。首先,建立分层双虚拟结构的协同控制框架,将多编队生成、保持以及组内组间协同变换等复杂编队任务作为控制目标,基于参数组的队形描述方法,在分层控制框架内分别设置轨迹导引UAV和基准UAV,并利用UAV之间的局部运动信息设计编队控制律,克服了采用现有多编队控制策略编队间难以协同的缺陷;其次,设计多编队控制和目标跟踪一体化控制策略,确保在多编队进行协同变换的同时实现对机动目标的精确协同跟踪;最后,仿真结果验证了所提的控制算法能够实现分组编队的跟踪控制。     

基于神经网络的机械臂分散自适应跟踪控制

提出了一种适用于机械臂的基于神经网络的分散自适应轨迹跟踪控制方法。将机械臂的轨迹跟踪控制系统考虑为由多个非线性关联组成的不确定性复杂系统,采用分散控制方法进行控制器设计。在对每一子系统设计控制器时,采用直接反馈线性化,利用控制器构建伪线性系统,并引入神经网络自适应环节消除干扰、关联及逼近误差,从而使所提出的控制方法能够保证系统状态有较高的跟踪精度,且算法简单,易于实现。仿真表明,该算法能保证较高的跟踪效果。     

交互策略改进MOFA进化的多UAV协同航迹规划

针对无人机(unmanned aerial vehicle, UAV)多目标优化协同航迹规划方法中Pareto最优解集规模随迭代增长, 难以选择适合UAV任务特点的协同航迹等问题, 提出一种基于交互策略改进多目标萤火虫(multi-objective firefly algorithm, MOFA)进化的多UAV协同航迹规划方法。首先,采用变量分解策略将萤火虫算法中大规模变量分解成多个子种群, 以降低算法搜索的复杂度; 然后, 利用Tent混沌初始化和多种群循环分裂合并策略提高多目标萤火虫算法的搜索性能; 采用双极偏好占优机制、并设计协同度指标在Pareto最优解集中选取适合任务需要且协同度较高的UAV协同航迹。仿真实验表明, 所提方法能够根据任务设定生成对应侧重点、且满足协同性的相对最优航迹集, 证明了该方法的有效性。     

飞行器栖落机动切换控制设计及其吸引域计算

针对固定翼无人机栖落过程的纵向运动,研究栖落轨迹跟踪控制问题及其相应的吸引域计算方法。首先将飞行器栖落机动过程的动力学模型沿参考轨迹线性化,并建立分段线性切换系统模型。在此基础上,结合最优控制理论与切换系统全局稳定分析方法,设计了栖落轨迹跟踪切换控制律。然后,为确定局部稳定区域从而保证飞行器能在预期时间内准确地栖落在目标区域,设计相应的平方和优化算法,计算了切换控制下的栖落轨迹吸引域。最后,对固定翼飞行器的栖落过程进行了仿真,仿真结果验证了所设计的跟踪控制器的有效性与所计算的吸引域的正确性。     

基于区间灰度的无人机航迹择优评价方法研究

本文给出一种基于区间灰度评价理论的无人机多航迹方案择优方法,提高了不确定飞行环境下,无人机航迹择优的精度和可靠度.针对无人机多航迹方案择优中存在的不确定性和威胁信息获取的不完全性,本文将反映不确定性的区间数,与刻画信息获取量的灰度组成的二元有序对,作为新的评价标度-区间灰度,并定义了决策结果可靠度指标;接着构建了基于区间灰度评价标度的无人机航迹方案择优方法.在无人机航迹规划方案的择优实证分析中,对比仿真了本文方法与区间决策方法,仿真结果表明:本文方法不仅能有效提升最优方案分别与次优和最差方案评价指标的离差,减少决策者的犹豫度;还能提供决策结果的可靠度信息,增加决策信心.     

高超声速飞行器轨迹跟踪控制仿真研究

针对高超声速飞行器纵向模型的快时变、强耦合和高度非线性的特点,在考虑模型不确定性的情况下,采用李导数的方法对某型高超声速飞行器进行输入输出的精确线性化。基于线性化后的模型,提出一种非线性动态逆控制的方法,并对其稳定性进行分析,实现对该型高超声速飞行器的轨迹跟踪控制。并利用Matlab搭建仿真平台,仿真结果显示仿真平台的正确性和控制算法的有效性。     

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。     

基于路径-速度解耦的无人机编队协同轨迹规划

针对无人机编队在复杂机动情形下的协同轨迹规划问题,提出了一种基于路径-速度解耦方法的预瞄自适应轨迹规划方法。在路径规划阶段,考虑无人机转弯机动的曲率限制,采用Dubins曲线作为路径构成的基本子结构。为得到最优的Dubins曲线连接控制点,设计了自适应预跟随路径特征的预瞄距离规划算法。在速度规划阶段,针对控制参数化与时间离散化(control parameterization and time discretization, CPTD)的速度规划方法,提出了栅格化空域下差异区间速度规划方法,简称为DIPR。仿真结果表明,预瞄距离自适应算法能够有效优化路径，对比固定预瞄距离方法在转向弧度上平均减少30.70%,在跟踪偏离上减少16.41%,在路径长度上缩短10.87%。对比CPTD方法, DIPR平均提前30代收敛,收敛值平均提高10.67%,编队完成队形集结时间平均缩短15.4 s。得到结果更快更优,并且速度曲线结果连续平滑。     

基于路径-速度解耦的无人机编队协同轨迹规划

针对无人机编队在复杂机动情形下的协同轨迹规划问题,提出了一种基于路径-速度解耦方法的预瞄自适应轨迹规划方法。在路径规划阶段,考虑无人机转弯机动的曲率限制,采用Dubins曲线作为路径构成的基本子结构。为得到最优的Dubins曲线连接控制点,设计了自适应预跟随路径特征的预瞄距离规划算法。在速度规划阶段,针对控制参数化与时间离散化(control parameterization and time discretization, CPTD)的速度规划方法,提出了栅格化空域下差异区间速度规划方法,简称为DIPR。仿真结果表明,预瞄距离自适应算法能够有效优化路径，对比固定预瞄距离方法在转向弧度上平均减少30.70%,在跟踪偏离上减少16.41%,在路径长度上缩短10.87%。对比CPTD方法, DIPR平均提前30代收敛,收敛值平均提高10.67%,编队完成队形集结时间平均缩短15.4 s。得到结果更快更优,并且速度曲线结果连续平滑。     

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。     

基于模糊干扰观测器的轨迹线性化控制研究

针对一类非线性不确定系统,基于轨迹线性化控制(TLC)方法及模糊干扰观测器(FDO)技术研究了一种新的非线性控制结构。利用模糊系统具有以任意精度逼近非线性函数的能力设计FDO对未知干扰和不确定进行估计,并通过鲁棒控制项来提高系统的性能。采用Lyapunov方法,证明了跟踪误差和干扰观测误差一致最终有界。最后利用提出的控制方案针对数值算例进行了仿真验证,仿真结果表明了控制方案的有效性和鲁棒性。     

时间和角度约束下的双圆弧路径规划

为满足无人飞行器(unmanned aerial vehicle, UAV)打击目标的时间、角度约束,提出了基于双圆弧轨迹的路径规划方法。对UAV初始、末端速度方向情况进行了分类,分别推导了对应的双圆弧参数解析形式及其单调性。同时,根据双圆弧参数解析式,得到生成路径的唯一自由度,减少了路径规划参数输入。分析了双圆弧路径长度与路径参数之间的关系,设计了多UAV协同攻击路径规划方案。数值仿真结果证明了双圆弧路径规划的有效性和实用性。     

基于LASSA算法的多无人机协同航迹规划方法

针对基本麻雀搜索算法(sparrow search algorithm,SSA)在求解多无人机(unmanned aerial vehicle,UAV)协同航迹规划问题时收敛精度不高,易于陷入局部最优等问题,提出了一种使用对数螺旋策略和自适应步长策略的SSA (logarithmic spiral strategy a...     

再入机动飞行器最优轨迹设计与跟踪

提出了一种再入机动飞行器（maneuvering reentry vehicle, MRV）的最优制导与控制方案。针对MRV再入机动轨迹优化问题,提出了新的基于Gauss伪谱优化方法的分段优化策略;由产生的最优参考轨迹,生成系统的外环最优制导指令。接着利用轨迹线性化控制（trajectory linearization control, TLC）方法设计系统的内环控制律。基于MRV完整的非线性六自由度模型,仿真表明提出的再入轨迹优化设计方法是有效的,而且内环TLC控制器可以准确地跟踪外环的最优制导指令和最优轨迹,并对系统未建模特性和参数不确定性具有一定的鲁棒性能。     

基于MOEA/D-ARMS的无人机在线航迹规划

无人机(unmanned aerial vehicle, UAV)在线航迹规划是UAV协同控制关键技术之一, 在线航迹规划问题本质上是一种动态多目标优化问题。为了求解该问题, 提出了一种基于自适应应答机制选择的动态多目标进化算法(multi-objective evolutionary algorithon based on decomposition-adaptive reaction mechanism selection, MOEA/D-ARMS)。多种应答机制构成应答机制池, 以应答机制最近一次的整体表现赋予应答机制一定的奖励, 并采用基于概率的方法从应答机制池中选择应答机制。MOEA/D-ARMS分别在静态环境情况、突发威胁情况、突变威胁情况和偏好改变情况下进行仿真实验。仿真结果表明, MOEA/D-ARMS可有效求解UAV在线航迹规划问题。