基于hp自适应伪谱法的四旋翼无人机编队轨迹优化

四旋翼无人机编队轨迹优化是实现高精度跟踪控制的基础。本文研究四旋翼无人机编队轨迹优化问题,首先建立非线性四旋翼无人机模型,并对模型进行简化与参数获取;再考虑四旋翼无人机编队之间的避撞约束、状态量约束及控制输入量约束;最后采用可自适应选点的hp自适应伪谱法将最优控制问题转化为非线性规划问题进行求解。仿真结果表明,hp自适应伪谱法可以对于求解6架四旋翼无人机编队的轨迹优化问题具有良好的效果,能够满足工程实际的约束要求。     

基于神经网络的多四旋翼保性能编队控制

针对多四旋翼编队飞行过程中存在的参数和外界扰动不确定性导致编队系统不稳定问题,设计了一种多四旋翼分布式神经自适应动态面协同编队控制方法。采用学习维数低、实时性强的最小参数学习神经网络观测器,实现对四旋翼位置回路和角度回路未知非线性干扰的快速平滑学习与补偿。利用预设性能控制方法将原先受约束的同步误差经转换函数变换为不受约束的误差,解决协同编队中的位置一致性控制问题,确保各四旋翼位置跟踪同步误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域。仿真实验表明,所提多四旋翼协同抗干扰编队方法在较大扰动环境下仍能达到良好的控制效果。     

基于状态观测器的多无人机编队跟踪控制

针对一组欠驱动四旋翼无人机在编队飞行中仅有部分无人机可以直接获取领机状态信息的问题,提出了一种基于状态观测器的分布式有限时间编队跟踪控制策略.根据四旋翼无人机系统严格反馈的结构特点,将四旋翼无人机的动力学模型划分为位置子系统和姿态子系统,然后分别进行位置控制器和姿态控制器的设计.首先,考虑到在分布式的编队控制策略下,并非所有的无人机都能直接与领机进行通信并获取领机的状态信息.对每架四旋翼无人机分别设计分布式有限时间状态观测器估计自身与领机的相对状态信息,稳定性分析表明所设计的状态观测器的观测误差能够在有限时间内趋近于零;其次,在四旋翼无人机状态观测器观测结果的基础上设计了有限时间位置控制器,稳定性分析表明位置控制器能够在有限时间内实现对领机位置的稳定跟踪;然后根据位置环控制量解算出期望的姿态角,基于滑模控制方法设计了姿态控制器,稳定性分析表明各架无人机的姿态角能在有限时间内跟踪上期望的姿态角;最后,从仿真结果中能够看出所设计的状态观测器的观测误差能够在有限时间内趋近于零,即每架无人机的状态观测器能够在有限时间内观测到自身与领机的相对状态信息.从无人机飞行轨迹中能够看出各架无人机能够在有限时间内形成并保持期望的队形.     

采用时延状态观测器的旋翼无人机自适应编队控制

针对无人机编队中的通信时延与工作引起的惯量变化,提出了一种基于时延状态观测器的旋翼无人机自适应编队控制方法。该方法利用编队结构参数确定队形,把编队控制转化为跟随无人机对虚拟无人机的轨迹跟踪;考虑精确的无人机动力学模型,并据此设计变时延状态观测器,对领航无人机的状态进行观测和补偿;针对补偿后的被控对象,设计自适应滑模编队控制器,并估计变负载工作状态下的质量和惯量。两组仿真结果表明:该方法对编队飞行中变质量变惯量行为的自适应误差小于6%,稳态时延状态的观测误差趋近0,体现出较好的控制精度和鲁棒性,具有很好的工程应用前景。     

基于集中式控制的多个无人飞行器编队

设计了多个四旋翼无人机在静态环境中编队的控制系统,控制架构采用集中式节点控制.该系统在开源机器人操作系统上实现,每个飞行器会接收到自身的准确坐标,并设置虚拟点控制每个无人机和虚拟点保持稳定的相对位置,从而使无人机集群编队移动.同时,系统结合无人机的激光传感器开发避障功能.最后,计算机仿真结果证明了集中式的节点控制可以稳定、快速实现多个四旋翼无人机的编队控制.     

基于改进梯度策略的多虚拟结构算法的无人机协同控制

针对多无人机(unmanned aerial vehicles,UAVs)协同控制问题,提出一种用于无人机协同编队控制方法。以虚拟结构控制为框架,结合梯度策略方法设计奖励函数和惩罚函数,将其看成一种引力和斥力运用到无人机协同编队控制系统,解决在多虚拟结构控制点下因编队数量增加导致机群的稳定性和协调性下降的问题。本文算法使得无人机编队既能协同运动,又能在运动中维持稳定的队形变换,还能防止机群之间的两机碰撞。对有控制输入的无人机编队系统进行仿真,验证了该方法的有效性。     

无人机编队协同追踪控制律和编队信息架构

针对"长机-僚机"模式的无人机编队追踪运动目标出现姿态信息和位置信息不一致而导致碰撞的问题,设计了一种协同追踪控制器并对该控制器进行稳定性分析。该控制器以3架无人机构成的编队作为控制体,采用拉氏矢量场方法获取无人机编队追踪运动目标的轨迹,同时构建无人机之间的信息架构,实现无人机编队按照预期的姿态和位置信息在运动目标周围的圆形轨道飞行的目的。研究单架无人机的航迹规划和多无人机编队协同追踪:对于单架无人机的航迹规划,采用反馈控制完成航向收敛证明;对于多无人机编队,采用一种多变量控制器可以保持无人机编队在圆形轨道运动,同时使用未知风和运动目标的自适应估计量来确定无人机编队在圆形轨道飞行的稳定性。仿真结果表明:在追踪过程中,3架无人机能够快速(15 s)以相同的姿态和位置渐进靠近目标,同时保持相对稳定;在满足航向速率和空速条件时,任意两架无人机相对距离误差能够快速(10 s)收敛到稳定值。该控制器突破了多无人机编队近距协同追踪目标的局限,可为多无人机分布式控制器设计提供方法借鉴。     

基于模糊推理参数优化的无人机自适应PID控制

针对传统模糊控制隶属度函数主观性较强以及传统PID控制精度低、参数难以调整等缺点,提出一种基于模糊推理参数优化及神经网络的无人机自适应PID控制算法.(1)基于四旋翼无人机的运动学分析,建立了系统的动力学模型;(2)导出了基于神经网络控制的模糊推理参数优化方法;(3)采用带有全局极小动量项的梯度下降法修正网络学习权值,设计了模糊神经网络.实验结果表明,本文所提的算法相比其他传统算法具有更好的控制精度和鲁棒性.     

四旋翼无人机滑模-CPCMAC联合控制半物理仿真系统

针对四旋翼无人机强耦合、欠驱动、非线性等特点,以及在实际飞行过程中极易受到干扰的问题,对四旋翼无人机动力学模型进行分析,提出了一种基于联合的四旋翼无人机姿态控制算法,并在此基础上设计了四旋翼无人机半物理仿真系统。首先,针对非线性系统设计滑模控制器,选择跟踪航迹和翻滚角设计位置控制率和姿态控制率。其次,滑模控制器在实际应用中易产生震荡,利用基于信用积分的小脑模型神经网络(CPCMAC)来学习滑模控制的方式。最后,搭建基于LabVIEW的控制站,同Matlab/Simulink进行数据收发控制。仿真结果表明,在跟踪目标相同时,提出的四旋翼无人机滑模-CPCMAC联合控制相比于传统的比例积分微分(PID)控制和积分反步法控制优势明显,能够抑制超调和余差,在快速性和鲁棒性方面都更加优越。同时,构建的四旋翼无人机半物理仿真平台能清晰反馈出无人机参数的变化,应用预留的参数接口和地面控制站,降低了无人机飞控算法的开发难度,提高了开发效率,具有明显的实用价值。     

基于干扰观测器的分布式四旋翼编队跟踪控制

针对具有模型不确定性和外部干扰的一组欠驱动四旋翼飞行器提出了一种基于干扰观测器的分布式编队跟踪控制策略.根据系统严格反馈的结构特点,将四旋翼的动力学模型划分为位置子系统和姿态子系统.首先,根据快速终端滑模方法(FTSM)设计了一个干扰观测器作为复合干扰的估计器;其次,基于图论和快速终端滑模技术,设计了分布式编队跟踪控制器来实现编队的形成和保持;并在两个子系统之间,引入三阶积分滤波器对姿态子系统的虚拟输入及其导数进行估计;最后,稳定性分析表明闭环控制系统是全局渐进稳定的.仿真结果表明所提出的分布式控制器是有效的.     

基于四旋翼机器人平台的非线性滤波算法研究

以四旋翼机器人姿态控制为研究目标,用四元数进行姿态描述,非线性滤波算法为主要研究对象,基于Matlab仿真平台,对四旋翼机器人姿态控制进行设计,并以非线性滤波算法的优化为重点,结合常用的滤波算法进行比较,实验结果表明:RPF更适用于机器人的姿态角度更新计算。     

基于动态事件触发策略的多AUV一致控制

针对多个自主水下机器人（Autonomous Underwater Vehicles,AUVs）编队问题,为了减少多AUV频繁通信造成的能量消耗,提出一种基于分布式动态事件触发的领导者-跟随者一致控制算法. 设计一个包含广义位置和载体速度的辅助变量简化AUV模型. 同时基于滑模变结构控制、一致性理论及动态事件触发策略,...     

采用动态协调的混杂分布式预测控制方法

针对多智能体复杂协调控制问题,提出基于动态协调规则的分布式预测控制。将避碰约束处理为基于方位的混杂规则,并在代价函数中引入布尔函数项。为适应复杂时变的工况,在每个采样时刻,根据各智能体的位置关系及其与目标的相对距离,设计动态协调规则以确定布尔函数项的权值。此方法增强了运动方向一致性和控制行为一致性,改进了分布式预测控制的稳定性和可行性。由于取较短的预测时域即可达到控制目标,此方法也提高了分布式预测控制方法的实时性和实用性。给出仿真例子验证了此方法的有效性。     

无线CDMA数据网络中功率控制的非合作博弈方法

宽带码分多址 (WCDMA)网络中功率控制是进行资源管理的核心手段。该文在 Goodm an的研究基础上提出了一种新的功率控制方法。无线数据网络中各个用户得到的服务质量用效用函数来表示 ,分布式功率控制被描述为一个非合作博弈的过程 ,控制策略是为了寻找达到“Nash均衡”点的一组发射功率 ,价格函数的引入提高了系统的效率。文中提出了一个新的价格函数——能够根据系统拥塞状态自动调整的价格函数。在此价格函数中 ,利用等效带宽来反映系统当前的资源消耗情况 ,通过动态地对各个用户施加价格使系统的运行效率大为提高。对新的价格函数进行了仿真分析     

新的非合作直扩信号目标的跟踪测角算法

为完成直接序列扩频信号的非合作目标的跟踪测角,提出一种在单通道比幅单脉冲体制下,提取非合作目标方位角误差和俯仰角误差的算法. 该算法对信号进行延时相乘,检测到信号后,估计出伪码速率. 在一倍伪码速率的频率分量上,完成信号的方位角误差和俯仰角误差的提取. 与现有的直扩信号目标的跟踪测角技术相比,该方法可以完成对非合作目标或者合作目标的跟踪,且可以工作于极低信噪比(-20dB)条件下. 仿真结果验证了该算法的有效性.     

基于改进ORB算法的无人机遥感图像拼接技术

针对ORB算法尺度不变性较差,运行速度较慢,不适合应用于无人机遥感图像上的特点,提出了一种改进的ORB无人机遥感图像拼接算法。首先利用ORB特征中FAST特征检测算法对Shi-Tomasi算法进行加速,获取快速且准确的图像特征点,然后用ORB描述算法对特征点进行特征描述,在对特征点进行粗匹配和精匹配后,最后使用改进过的SPHP算法融合图像。实验结果表明,这种改进的ORB算法有着更高的匹配精度和匹配速率,能够生成更好的拼接结果。     

恶劣环境下无人机双旋翼故障的智能监测系统设计

当前无人机双旋翼故障检测系统在恶劣环境下的抗干扰性能差,无法正常运行。设计一种小型、智能的适用于恶劣环境下的无人机双旋翼故障监测系统。首先规划了系统的总体结构,将便携式工控机作为系统运行的核心,用于对故障进行检测、提取故障数据进行存储和分析。然后利用数据采集模块对恶劣环境下无人机双旋翼相关数据进行采集,通过RS485总线完成主机和被监测无人机之间的数据传输。利用信号测试卡模块对数据采集模块接收的数据进行逻辑测试和故障诊断。最后采用无人机双旋翼故障检测算法对故障进行检测。实验表明,所设计系统具有较高的监测效率和精度,诊断效果良好。     

无线传感器网络DV-Hop算法改进与性能

为了提高无需测距的跳距矢量(DV-Hop)定位算法在节点随机分布且拓扑动态变化的无线传感器网络中的节点定位精度,在分析DV-Hop算法实现思想的基础上,针对多边定位法计算出的估计坐标存在较大误差的问题,采用泰勒级数展开法构建了坐标值的数值迭代求精算法,并对改进DV-Hop的性能进行了3个方面的仿真研究:确定了算法迭代步长收敛门限值的选择准则,对比分析了选定门限值条件下DV-Hop算法改进前后的定位性能,给出了不同信标节点和网络节点条件下的统计迭代次数,并以此衡量改进算法的计算量和收敛速度。仿真结果表明,合理选择迭代门限值时,通过适当增加定位节点的计算量,改进算法可明显改善定位精度和定位误差稳定性,是一种可行的无线传感器网络节点定位的解决方案。     

基于动态面控制的MIMO自适应神经网络控制

针对一类具有未知函数控制增益的多输入多输出(M IM O)非线性系统,基于后推设计方法和动态面控制技术,提出一种间接自适应神经网络控制方案.该方案通过引入1阶滤波器,消除了后推设计中由于反复对虚拟控制的求导而导致的复杂性问题,并避免了反馈线性化方法可能出现的控制器奇异性问题,参数估计无需使用投影算法.利用李亚普诺夫方法,证明了闭环系统半全局一致终结有界,通过适当选取设计常数,跟踪误差可收敛到原点的一个小邻域内.仿真结果表明了该方法的有效性.