基于群体熵度量的无人机集群目标合围控制

针对受限环境中无人机集群的目标合围控制问题,提出了一种基于局部度量距离交互的分布式集群目标合围控制方法.首先,基于局部度量距离交互机制确定了每架无人机的时变邻域无人机集合,采用光滑成对交互势函数设计了集群内部无人机间的交互势函数、无人机与飞行环境中障碍间的交互势函数以及无人机与目标无人机间的交互势函数.在此基础上,基于自组织原则提出了分布式的无人机集群目标合围控制律,使无人机集群能够以指定环绕半径形成以目标无人机为中心的稳定α-晶格合围构型,对目标无人机进行合围和跟踪,同时使无人机避开飞行环境中的障碍,保障自身飞行安全.然后借助Lyapunov稳定性理论证明了集群系统的稳定性,并给出了集群系统内部无人机发生碰撞的条件以及合围构型参数的取值依据.此外,基于群体熵的概念尝试对无人机集群目标合围过程中的自组织水平进行度量.最后通过仿真来验证所提出算法的有效性.     

垂直起降飞行器的自适应集群编队飞行控制

本文针对垂直起降飞行器集群编队飞行控制问题开展研究.集群中的飞行器具有异构性质,即它们具有不同的惯性参数,并且每个飞行器对其自身的惯性参数也并未确切已知.另外,飞行器间的信息交互是局部的,每个飞行器仅与其邻近飞行器进行信息交互.为解决上述问题,本文基于级联架构,设计了一种自适应分布式控制算法.首先,在位置回路中设计一个分布式指令控制力,实现集群编队目标;接着,从设计出的指令控制力中提取出控制推力和指令姿态;最后,在姿态回路中设计一个控制力矩,实现姿态对指令姿态的跟踪.此外,在指令控制力和控制力矩设计过程中,提出合适的自适应算法对飞行器惯性参数进行估计.通过使用李雅普诺夫理论分析可知,所提出的自适应分布式控制算法确保了垂直起降飞行器渐进稳定的集群编队飞行.仿真结果进一步验证了所提算法的有效性.     

基于仿生智能的无人作战飞机控制技术发展新思路

仿生智能和无人作战飞机均已分别成为国际人工智能和航空航天领域中备受关注的研究热点和前沿性课题.本文在系统阐述仿生智能和无人作战飞机基本概念原理的基础上,结合目前研究现状从基于人工脑的无人作战飞机高智能化自主控制、基于群体智能理论的多无人作战飞机协同控制、基于群智能-Bayesian网络的复杂作战态势评估、基于仿生硬件的无人作战飞机高智能化自主控制、网络环境下基于元启发式智能的多无人作战飞机/无人作战车异构分布协同控制等方面提出了无人作战飞机控制技术的发展新思路,这些思路的实现对极大提高作战任务的有效性及生存概率具有重要意义,同时也为无人作战飞机的智能化、综合化和先进化提供新的突破方向和切实可行的技术途径.     

基于增益矩阵的二阶集群系统鲁棒分布式立体编队控制

本文研究解决了在三维空间内针对二阶集群系统的鲁棒分布式编队生成与保持控制问题,所设计的基于增益矩阵的控制方法仅需测量局部坐标系下智能体间的相对位置信息而不依赖于交互通信.首先设计了二阶集群系统的立体编队生成控制策略,通过构造李雅普诺夫函数证明了全局稳定性,并利用凸优化求解得出增益矩阵.所设计的生成控制律对扰动、输入饱和等具有较好的鲁棒性,同时在生成过程中引入了启发式的避碰算法.在此基础上,设计了带有期望距离的编队保持控制策略,使得集群系统能够保持固定大小的队形.然后,将所设计的控制律进行改进,拓展并应用于领航者-跟随者网络下的二阶集群系统立体编队控制.最后,通过相关的仿真实验验证了理论结果的正确性.     

航空集群构型控制及其演化方法

基于交感网络的适应性能力涌现是航空集群的基本特征,其构型控制与演化是产生适应性能力涌现的关键.根据航空集群构型演化与控制的基本原则和需求,将航空集群构型控制组织结构分为任务层、决策层、执行层,提出基于事件触发-规则驱动的构型演化机制;针对航空集群以实现面向任务的适应性能力涌现为目标的构型设计准则,提出将复杂任务按照能力需求分解为原子任务;以航空集群协同反隐身、无源定位、空战攻击为例,分析航空集群典型能力-构型的映射关系,结果表明,不同的构型将涌现出不同类型和层次的能力;基于多智能体系统一致性理论设计了航空集群构型生成与保持控制协议.最后,通过仿真和搭建航空集群作战演示验证系统,对所提出的理论结果进行了验证.     

联合连通有向切换拓扑条件下无人机集群鲁棒编队控制

针对联合连通有向切换拓扑网络条件下存在外界扰动的无人机集群鲁棒时变编队与轨迹跟踪控制问题进行了研究.首先,依据无人机真实飞行状态信息、期望队形信息与需要跟踪的轨迹信息之间的误差,以及联合连通通信拓扑网络条件下能够相互通信无人机期望飞行状态与实际飞行状态之间误差信息设计出了无人机集群系统的编队控制方法.然后通过一类特殊的矩阵分解将集群系统时变编队与轨迹跟踪控制问题转换成联合连通快速时间平均系统的渐近稳定控制问题,进一步提出了系统渐近稳定的充分条件,并通过建立的分段连续Lyapunov泛函进行了证明.最后仿真结果验证了本文所提方法能够实现联合连通有向切换拓扑网络条件下无人机集群的时变编队与轨迹跟踪控制飞行.     

空中/地面机器人异构协同技术研究:现状和展望

多空中/地面机器人异构协同是一个新的前沿性技术领域,该技术可拓宽空中机器人和地面机器人的应用范围,提高其侦察、搜救及执行其它任务的效率.本文对空中/地面机器人的异构协同技术中的群集运动、编队控制、编队控制稳定性分析、网络控制、实际应用等核心问题进行了系统综述,并分析空中/地面机器人异构协同技术的未来发展趋势.     

基于自适应有限时间干扰观测器的无人机集群编队控制方法

近年来,随着无人机技术的发展,其任务能力逐渐增强,成本优势逐步凸显,加之多无人机协同技术的不断进步,无人机集群受到科学界、工程界越来越多研究人员的关注,其应用领域也在不断拓展.本文对无人机集群受未知干扰影响下的编队问题进行了研究.首先,设计了基于自适应增益的有限时间干扰观测器,可在有限时间内对未知干扰进行精确估计.然后,将集群中的无人机分为可获知期望编队的绝对位置和不可获知期望编队的绝对位置两种类型,并基于此,设计了一种具有统一形式的包含绝对位置误差、相对位置误差、绝对速度误差、相对速度误差、干扰估计值等的编队控制器,并给出了控制器收敛的充分条件.最后,通过设计的4个数值仿真实验,对所提出方法的有效性进行了验证.     

无人机群协同跟踪地面多目标导引方法研究

多机协同目标跟踪是无人机系统的典型任务之一.由于军事任务的集群性,在实际中常需要跟踪多个不同的目标.如何使用尽量少的无人机对多个目标实施有效跟踪,以提高系统鲁棒性和定位精度,是一个重要的研究课题.本文针对复杂环境下无人机群协同跟踪地面多目标过程中的关键问题进行研究,设计了复杂环境下无人机群协同跟踪多目标系统架构,提出了考虑遮蔽区域机群跟踪多目标动态分组算法、自适应多模型无迹卡尔曼粒子滤波融合算法和障碍条件下机群协同目标跟踪运动快速导引方法.通过仿真试验和飞行试验,验证了本文方法的有效性.最后,对该领域的下一步研究方向进行了展望.     

群体无人机分数阶智能容错同步跟踪控制

针对群体无人机编队飞行遭遇执行器故障的问题,提出一种基于分数阶理论的群体智能容错同步跟踪控制方法,提升了整体编队飞行的安全性.首先,对无人机数学模型进行变换,将其分解为外环位置子系统和内环姿态子系统;其次,利用分数阶理论和神经网络自适应控制策略,针对外环位置子系统设计群体无人机容错位置同步跟踪控制器;然后,利用从位置子系统同步跟踪控制信号解算出的理想姿态信号,构建内环姿态跟踪偏差,并再次结合分数阶理论和神经网络自适应控制策略,设计内环容错姿态控制信号;最后,通过仿真验证所设计控制方案的有效性.     

基于自适应控制的大型客机编队飞行一致性控制

研究解决基于多变量自适应控制的大型客机编队飞行一致性控制问题.考虑到长机和僚机都存在参数不确定和外界扰动不确定性,同时考虑大型客机之间的分布式通信拓扑结构,基于代数图论思想,提出一种状态反馈状态跟踪多变量自适应控制方法,解决了大型客机编队飞行分布式一致性控制问题.该一致性问题中的稳定性和渐近跟踪特性通过Lyapunov函数法进行了证明,保证了僚机能够跟踪长机的飞行状态.对大型客机编队飞行一致性控制问题进行数值仿真的结果表明,基于多变量自适应控制的大型客机分布式一致性策略比固定增益控制策略具有更好的跟踪性和鲁棒性.     

“群对群”协同对抗的规划与制导问题研究

随着未来空天飞行器的飞行速度和机动性不断增强,以及集群规模化攻击样式的发展,防御方传统的“一对一”对抗模式已经难以适用,采用多个飞行器形成集群,以“群对群”的协同方式进行对抗,将成为一种有效的技术途径.本文针对群体目标的对抗场景,探讨了“群对群”协同对抗的规划与制导问题.首先系统介绍了空天目标攻击样式和目标特性的发展,总结提炼研究的背景需求与典型场景;再针对典型场景提出了群对群协同对抗的初步方案,简述了国内外研究情况,并梳理了规划与制导的关键技术,包括编组构建与目标分配、集群目标建模与估计、集群协同围捕与制导、集群编队随动保持与控制等;然后结合部分关键技术的研究进展,对重点问题进行了数字仿真,初步验证其可行性;最后针对群对群协同对抗的规划与制导技术的应用前景与发展方向进行了展望.     

分布式SAR小卫星编队轨道设计方法研究

编队轨道设计对分布式SAR小卫星的系统方案设计与性能分析具有十分重要的意义. 基于开普勒轨道方程推导了被动稳定的编队飞行轨道要素的近似解析解, 提出了一种适用于分布式SAR卫星特点的编队轨道设计方法, 并对编队轨道的精度进行了误差分析, 给出了典型的分布式SAR卫星编队轨道要素的计算公式. 针对L波段分布式SAR卫星进行了编队轨道参数设计, 给出了分布式卫星绕飞轨迹的计算机仿真结果, 验证了公式推导的正确性及轨道设计方法的有效性.     

基于边Laplacian一致性的多无人机编队控制方法

目前无人机技术发展迅速,其应用也逐步从军事领域扩展到民用领域,多智能体系统一致性理论的结果大大推进了多无人机编队控制的进展.本文考虑带速度、偏航角和高度3个回路的自动驾驶仪且纵向解耦和不确定性扰动的无人机模型,在非平衡拓扑下,给出了基于边Laplacian一致性的分布式编队控制算法.首先用反馈线性化方法对六模态非线性无人机模型进行预处理.其次将编队问题转变成一致性问题;然后基于边Laplacian方法,将一致性问题转化成稳定性问题.利用Backstepping设计系统李雅普诺夫函数,并给出了编队控制算法,通过李雅普诺夫稳定性理论,证明系统的收敛性,从而保证多无人机编队的实现.最后仿真验证系统受到不确定扰动时,仍有很好的鲁棒性,并能够按指定队形稳定飞行.     

异构无人机群鲁棒一致性协议设计

研究了具有非线性不确定性的异构无人机群系统分布式一致性跟踪控制问题.文中假设领航者的输出是时变的,无人机自主体具有不同的非线性不确定空气动力特性,设计分布式鲁棒一致性协议,抑制非线性不确定性对闭环系统的影响,使得跟随者可以跟随领航者.所设计的鲁棒一致性协议包括标称控制器和鲁棒补偿器两部分,标称控制器的设计是为了使标称的无人机群具有一致性跟踪特性,鲁棒补偿器的设计是为了抑制不确定性对系统的影响,文中用李雅普诺夫函数分析并证明了一致性误差能以期望的速度收敛到原点任意小的邻域.最后,通过仿真验证了一致性协议的有效性.     

面向群体共识机制的逆强化学习辨识方法

作为新一代人工智能的重要研究领域,群体智能是解决开放不确定环境中大规模复杂问题的必由途径,对人工智能的其他研究领域有着基础性和支撑性的作用.群体智能系统中,智能体遵循共识机制进行交互演化产生群体共识,辨识共识机制是构建和理解群体智能系统的关键.传统的共识机制建模方法需要做过多简化假设,难以面对复杂多样的群体智能系统,应建立数据驱动的共识机制辨识方法.本文将共识机制的辨识问题转化为群体智能系统的逆强化学习问题,提出面向群体共识机制的逆强化学习辨识方法,并将上述辨识方法应用于集群系统,在多个场景中验证了对群体智能系统的辨识能力,实现了对群体智能系统的共识机制的反演.     

基于线性时序逻辑的智能体不确定行为规划

随着人们对智能体需求的提高,智能体的活动不再局限于简单环境与单一任务,面向复杂的应用场景,智能体需要具备自主完成决策与执行的能力.本文研究了面向线性时序逻辑描述下的复杂任务智能体的不确定行为规划问题,同时考虑任务成功率与任务执行成本,这里不确定性因素包括智能体行为与环境属性,任务描述由软、硬约束两部分表达.文中应用形式化方法中模型检测的思想确定智能体行为选择策略,其中应用马尔可夫决策过程构建智能体个体与集群模型,应用双层自动机模型构建任务模型,设计智能体-任务网络模型表征约束条件并通过一耦合线性规划完成策略求解,并通过数值仿真测试对上述方法进行了验证.结果表明含软、硬约束的复杂任务约束可被满足,求解所得最优策略使智能体按约束强度完成任务,且可通过调节惩罚因子控制网络模型的松弛程度调整生成的控制策略.     

基于微分进化的多UAV紧密编队滚动时域控制

多无人机(UAV)协同控制可在一定程度上提高单UAV执行任务的效率,而多UAV紧密编队是多UAV协同控制中的一个关键性技术难题.在构建多UAV紧密编队非线性模型的基础上,利用滚动时域控制方法,将UAV紧密编队问题转化为滚动时域内的一系列在线优化问题,然后采用微分进化策略在每个滚动时域内进行控制量的优化求解.此外,还给出了基于Markov链的微分进化算法数学描述及收敛性证明,且从理论角度分析了所设计多UAV滚动时域控制器的稳定性.仿真实验结果验证了文中所提出方法的可行性和有效性.     

基于分组一致性的刚体集群姿态协同控制

姿态协同控制是刚体集群相关应用的重要问题,而控制集群内刚体保持不同姿态的研究仍然较少.针对这一问题,引入了分组一致性理论,提出了基于分组一致性的刚体集群姿态协同控制.采用修正型罗德里格斯参数(modified Rodrigues parameters)描述刚体集群的姿态,并将集群中的刚体分为两个分组.对于刚体集群的无向通信拓扑结构,在入度平衡假设的基础上,运用Ostrowski圆盘定理,给出了集群包含两个分组的情况下Laplacian矩阵特征值的分布,为稳定性分析提供了确切的依据.设计了分布式的控制器,采用Lyapunov稳定性理论,理论上证明了该控制器的有效性,并通过计算机仿真对本文所提控制方法进行了验证.     

工业大数据驱动的核电装备智能设计-制造-服务技术与应用

针对核电大数据集成管理缺乏适应性和应用价值有限的问题,提出了一种基于工业大数据分析架构的核电装备智能设计制造服务体系.首先,基于核电大数据的领域特性设计了核电装备全生命周期数据空间,通过业务系统数据与主数据两个层次,实现海量多源异构数据分布式存储,并提出模型驱动的核电大数据应用模式.在此基础上,基于数据空间提出了核电装备智能设计制造服务体系框架和关键技术,包括基于模型数据知识联合学习的智能协同设计、多阶段数据融合驱动的质量管控与精准追溯、高维动态边缘数据驱动的运行服务智能诊断预测等技术,为生产决策和运作管理提供依据,促进核电装备安全性、可靠性和经济性指标持续优化.最后通过核电装备典型业务场景来验证所提框架和技术的有效性,并取得了良好的应用效果,为未来核电大数据协同管理和智能应用提供参考.