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.     

基于捕食逃逸鸽群优化的无人机紧密编队协同控制

提出一种基于捕食逃逸鸽群优化(pigeon-inspired optimization,PIO)的无人机(unmanned aerial vehicle,UAV)紧密编队协同控制方法.基于人工势场法设计了外环控制器,将无人机紧密编队转化成一种抽象的人造势场中的运动;基于鸽群优化算法设计了内环控制器,进行控制量的优化求解.在遵循鸽群优化基本思想的基础上,对其结构进行调整,并针对基本鸽群优化易陷入局部最优的问题,引入了捕食逃逸机制来改善鸽群优化总体性能.最后,将本文所提出的改进鸽群优化算法与基本鸽群优化算法、粒子群优化(particle swarm optimization,PSO)算法进行了系列对比实验,实验结果验证了文中所提方法的可行性、有效性和优越性.     

基于凸优化理论的无人机编队自主重构算法研究

针对无人机编队自主重构中的最优重构航迹规划问题开展研究,通过综合考虑无人机飞行动力学特性和重构航迹代价,将其转化为多目标组合优化问题进行求解.为提高寻优效率,本文首先提出将多目标组合优化问题转换为非线性单目标优化模型进行求解,并针对两类优化问题等价性进行了理论分析.通过引入松弛算子和规范参数,本文所提出的内点优化算法能够改善经典内点法中的矩阵秩亏损现象,提高了所得解的最优性.通过仿真验证了本文所提出的自主重构算法的可行性和有效性.     

基于莱维飞行鸽群优化的仿雁群无人机编队控制器设计

针对无人机编队控制器设计难题,受到大雁飞行时头雁产生的上洗气流能有效减小雁群飞行所需要的体力消耗的启发,设计了无人机编队远距离飞行时的比例-积分-微分仿雁群编队控制器.编队飞行中,无人机由于会受到突风或其他客观因素的影响会偏离最佳的编队位置,针对该问题提出了一种基于莱维飞行鸽群优化无人机编队控制器参数的整定方法,以求取无人机编队时对外界干扰具有强鲁棒性的比例-积分-微分控制器参数.仿真对比验证表明,本文所设计的基于莱维飞行鸽群优化的仿雁群无人机编队控制器具有更强的快速性、稳定性和可靠性,减少了无人机远距离仿雁群编队时飞行的油量消耗,并增加了无人机的作战半径.     

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.     

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.     

仿雁群行为机制的多无人机紧密编队

研究了无人机编队的仿生飞行控制问题.雁群可通过有效利用编队飞行过程中的上洗气流节约体力,实现长距离飞行.通过分析雁群长途迁徙过程中的编队飞行机制,讨论了编队飞行与雁群行为机制间的仿生映射机理,设计了一种仿雁群行为机制的多无人机紧密编队构型及控制方法,并提出了一种基于雁群行为机制的编队变拓扑重构方法.仿真验证了无人机群可基于所设计的多无人机紧密编队控制器以较少的耗油量形成期望编队构型并保持,并可基于所提出的编队变拓扑重构方法实现编队重构.进而验证了本文所提出的基于雁群行为机制的多无人机编队保持及重构控制方法的有效性与稳定性.     

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.     

基于分块优化思想的多无人机覆盖路径规划

覆盖路径规划广泛应用于环境清洁、建图、监控等场景,为了提高覆盖效率,经验证,一组有自主运动能力的无人飞行器配合机载传感器可以提供有效帮助.本文提出一种可以应用于大规模复杂环境的多无人飞行器覆盖路径规划方法.在面积规模大、环境情况复杂的区域内,计算出可以采集到精确可靠环境信息的最优覆盖路径是比较困难的,本文提出的覆盖路径规划方法基于分块优化的思想,将大规模的环境分成若干面积较小的子区域,分别计算子区域内的局部最优覆盖路径,在一些特定的约束条件下,所有子区域内的局部覆盖路径可以连接成一条遍历环境中每个子区域的整体覆盖路径,兼顾了环境的差异性和覆盖的完整性.同时,为了保证整体路径的平滑,适合飞行器跟踪,在规划路径时还考虑到减小相邻两段局部路径之间的过度转角和飞行器完成一次环境覆盖的调头转向次数,通过设计不同的覆盖模式以及在计算局部路径的评价函数中加入转角相关项来实现路径的平滑.最后,通过仿真和实验验证了所提算法的有效性和可行性.     

基于拟态物理法的无人机集群与重构控制

基于拟态物理(artificial physics)法研究多无人机系统的集群构型生成及重构控制问题.在改进传统的拟态物理法基础上定义新的引力和斥力,使质点模型多无人机系统能够生成均匀分布的标准构型,并借助LaSalle不变集理论分析了集群控制律的稳定性;在此基础上,进一步讨论了序号无关的集群构型局部极值的改进策略.探索了一般性集群构型和标准构型之间的可逆且唯一的双射变换,利用双射变换提出了一般性集群构型生成的集群控制算法,并进而讨论了集群队形的收缩与扩张、集群构型切换和集群避障等集群重构问题.为验证提出的质点模型集群构型生成和重构算法,论文基于ROS(机器人操作系统)及Gazebo仿真器构建了多四旋翼无人机的协同仿真平台,分析验证了构型生成和重构算法的有效性.最后,将设计的基于拟态物理法的集群控制律扩展到多固定翼无人机系统,并搭建了基于X-Plane飞行模拟器和无人机自驾仪的多无人机协同控制半实物仿真环境,验证集群构型生成控制律的有效性.     

基于鸽群智能行为的大规模无人机集群聚类优化算法

未来空中战场,大规模无人机集群系统将成为主导力量.而对大规模无人机集群系统进行分组聚类是完成作战任务规划的必要步骤.在实际战场中无人机受到有限通信约束,无法得到全面而有效的全局作战信息.因此本文提出一种基于鸽群智能行为的大规模无人机集群聚类优化算法.根据聚类模型设计鸽群优化算法,研究分析导航能力优异的鸽群智能行为,将鸽群飞行过程中的层级网络机制映射到鸽群优化算法中,解决有限交互环境下的信息不完整问题.一方面,依据鸽群在飞行过程中来自临近个体的引导更为有效直接,因而在有限交互环境下,基本鸽群优化算法中的全局最优信息由交互范围内的最优个体信息替代;另一方面,鸽群的中心位置更新包括三部分:增量惯性部分、模仿部分、环境影响部分.为验证改进后鸽群优化算法在有限交互范围下的有效性,本文采用三种算法针对三个数据集进行聚类分组,仿真结果表明改进后的鸽群优化算法在最优解与平均最优解上均有改善,为实际作战环境下的无人机集群系统聚类分组提供了有效的解决方法.     

面向DEMs测量的InSAR系统伴星编队设计优化

为获得高精度的全球数字高程模型（DEMs）的测量,须对主星带伴星编队的干涉合成孔径雷达（InSAR）系统进行设计和优化.首先利用“有效覆盖”的概念,得出了满足全球一重瞬时寻访有效覆盖的伴星编队轨道与构形的约束条件;提出一种新的满足覆盖要求的编队构形调整与控制方法;归纳出满足InSAR系统设计和优化的数学模型,进一步把“对称”的概念引入设计和优化模型,简化了模型求解;最后,给出系统设计和优化的逻辑结构图,并针对三星对称构形的伴星编队进行了设计和优化,结果表明具有可行性.     

基于化学反应优化的多无人机地面移动目标协同观测航迹规划

随着无人机技术的飞跃式发展,利用无人机跟踪地面目标在军事和民用领域得到了广泛的应用.鉴于目标所在环境以及运动状态的不确定性,单一无人机已不能胜任日益复杂的应用环境,利用多无人机协同跟踪目标成为改善目标跟踪任务鲁棒性的一种有效手段.本文针对多无人机协同跟踪观测航路难以求解的特点,提出了一种基于进化算法的近似求解方法,以解决多无人机对被跟踪目标观测航路的时空优化问题.本文通过分析与机身以固定安装角连接的传感器在地面有效观测区域模型,提出了包括目标观测时间和航路安全在内的控制方案,并采用了一种基于化学反应优化(chemical reaction optimization,CRO)理论框架的启发式求解策略,规划无人机的最优协同观测航路.仿真的结果表明,本文所提出的方法能够实现多无人机协同跟踪地面移动目标的要求,在满足无人机性能约束和飞行安全的情况下,具有更长的对目标监测时间.     

一种基于自适应种群变异鸽群优化的航天器集群轨道规划方法

航天器集群在复杂条件下的轨道规划问题是当前航天领域的热点以及难点.本文针对分布式集群航天器在队形变换过程中的轨道最优规划问题进行了研究,提出了基于自适应种群变异的鸽群算法(adaptive population variation pigeon-inspired optimization, APVPIO).本文对经典PIO算法中的核心演化算法、演化停滞以及易陷入局部最优解问题进行了研究.同时针对经典PIO算法的适应度函数进行了研究,并且结合轨道规划问题进行了改进.最后基于自适应种群变异的鸽群算法进行了仿真实验,结果表明, APVPIO算法,相比于经典PIO算法、PSO算法在极大减少计算量的同时,有更优规划结果、更深的种群演化深度以及更快的收敛速度,可以满足航天器集群在复杂约束条件下的轨道规划问题.     

单目视频运动目标轨迹三维重建的平滑约束法

提出了利用单目视频重建运动目标三维轨迹的平滑约束方法.通过引入平滑约束,得到重建运动目标三维轨迹的无约束最优化模型,进而推导出其闭式最优解.提出的平滑约束是对运动目标三维轨迹的本质约束,更具一般性,可以反映目标运动的连续、渐变与平滑特性,与基于离散余弦变换基和多项式基等预先定义基约束相比具有更强的适应性,同时能够直接应用于部分观测数据缺失的情形.给出了单目视频轨迹重建问题的几何解释,并对轨迹重建问题中的唯一性进行分析.仿真和真实单目视频序列上的实验证明了提出方法的有效性和先进性.     

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.     

基于改进万有引力搜索算法的无人机航路规划

无人机航路规划是根据任务目标规划出某种性能指标最优的飞行航路的全局优化问题.本文将改进后的万有引力搜索算法用于求解航路规划问题,在万有引力搜索算法的速度更新部分引入粒子群算法中的记忆和群体信息交流功能,改善了最优解的质量;然后提出了基于权值的粒子惯性质量更新公式,以加快全局搜索的收敛速度;后运用优胜劣汰的选择操作规则,对粒子的位置进行更新,使种群始终朝着最优解的方向进化.通过与其他仿生智能计算方法的仿真实验对比,验证了本文所提算法可在复杂作战环境下实时有效规划出无人机的最优航路.     

基于响应面法的汽车操纵稳定性多目标优化

利用ADMS／CAR软件建立整车的虚拟样机模型,对其进行转向盘转角阶跃试验和蛇形试验,井根据相关评价计分标准,得到整车模型在这两种试验中的评价计分值。然后以客观定量评价指标为目标函数,利用ADAMS／Insight及Matlab软件结合响应面法对整车的操纵稳定性进行多目标综合优化,优化后的评价计分值明显提高,表明此方法可以用于汽车操纵稳定性的多目标优化。     

基于自适应抽样的超点检测算法

超点是在一个测量时间区间内链接了大量源IP（宿IF）的宿IP（源IF），实时超点检测对网络安全和管理具有重要意义．现有的算法不能控制内存空间的使用和超点的测量精度，论文提出了一个具有自适应抽样功能的超点实时检测算法．该算法采用流抽样保留技术以减少非超点的测量并提高超点的测量精度；设计一个数据流结构维护流记录，并统计补偿Hash映射中产生的冲突；提出一个基于不等概率的自适应策略以维护内存空间．采用实际网络数据将论文的算法和其他算法进行分析比较，实验和数学分析表明论文算法在资源可控性、测量精度等方面优于现有的其他算法．     

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.