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。     

基于扩张状态观测器的四旋翼无人机轨迹跟踪控制

针对四旋翼无人机飞行控制中高不确定性、强耦合性、模型参数摄动等问题,提出一种控制方法,将无法精确建模的动态量及未知干扰量合并为扰动项,通过引入线性扩张状态观测器对扰动项的值进行估计,并结合反步控制器进行补偿,从而消除了未知扰动的影响,有效提升了四旋翼无人机的抗干扰能力。通过仿真对比验证了控制策略的有效性。     

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.     

采用模糊扩张状态观测器的四旋翼无人机滑模轨迹跟踪控制

针对四旋翼无人机(UAV)的轨迹跟踪控制存在外界未知扰动的问题,提出一种基于模糊扩张状态观测器的非奇异快速终端滑模控制算法.首先,根据双闭环控制结构分别对姿态内环、位置外环引入模糊扩张状态观测器,利用该观测器对系统所受到外部总扰动进行在线估计.然后,根据模糊扩张状态观测器的观测值,设计非奇异快速终端滑模控制器,保证四旋翼无人机的状态变量可在有限时间内收敛于期望轨迹.最后,根据李亚普诺夫理论,得出四旋翼无人机系统的闭环稳定性,并通过仿真对比实验验证该控制算法的优越性.结果表明：所提的控制算法可以提高跟踪性能,并有效增强系统的抗外界干扰能力.     

基于干扰观测器的多移动机器人编队鲁棒控制

针对多移动机器人存在模型参数不确定性和外部扰动的编队控制问题,提出了一种多移动机器人编队的鲁棒控制方法。在运动学层面依据领航机器人和跟随机器人位姿的偏差,建立领航机器人和跟随机器人的编队误差动态模型,在此基础上为跟随机器人设计镇定编队误差的辅助速度控制器。以辅助速度控制器的输出作为跟随机器人动力学模型的速度给定信号,并在动力学层面设计基于干扰观测器的自适应滑模控制算法,从而改善普通滑模控制中抖振突出的问题,保证编队控制的稳定性和鲁棒性。对编队控制系统进行仿真验证,结果表明了所提控制方法的有效性。     

多无人机编队控制轨迹的凸优化设计

将多无人机编队控制优化模型分解为优化层和协调层,从而将多无人机编队控制轨迹的设计转化为优化层和协调层的优化设计。首先在共有的辅助决策变量汇合点的前提下,对优化层采用对偶理论将约束问题转化为无约束问题,进而利用最优必要条件求解最优的控制输入信号值。对协调层关于辅助变量汇合点的设计,可采用凸算法中的梯度投影策略,并分析该梯度投影算法的收敛性。最后用仿真算例验证该方法的有效性。     

具有通信时延下多无人机编队控制

 针对具有二阶动力学特性多无人机系统模型,在具有通信时延及编队构型时变的情况下,本文提出了一种基于一致性理论的编队控制算法。首先将多个无人机的时变编队控制问题转换成闭环系统的渐近稳定问题;然后通过构造Lyapunov-Krasovskii 函数,并以线性矩阵不等式（linear matrix inequality）的形式给出多无人机编队系统时变编队稳定的充分条件;最后以被视为质点的多无人机系统为例进行了仿真验证。结果表明：当通信时延、控制协议参数等满足稳定条件时,文中提出的编队控制算法能使多无人机编队系统形成期望的时变编队队形。     

基于全阶观测器的无人机系统抗干扰控制

为探讨无人机系统抗干扰控制问题,利用T-S模糊模型描述非线性干扰,并设计全阶观测器分别观测外部干扰和无人机系统的状态,通过设计反馈控制器,实现了对干扰的有效估计和抑制,基于Lyapunov分析方法的无人机系统具有良好的稳定性和鲁棒性.仿真试验验证了算法的可行性与有效性.     

基于快速终端滑模状态观测器 的车轮滑移率跟踪控制

针对自动驾驶电动汽车对车轮滑移率跟踪控制的需求,提出一种基于快速终端滑模状态观测器的全状态反馈车轮滑移率跟踪控制器.首先,以车轮制动力矩导数为控制输入,建立车轮滑移率跟踪控制模型,避免车轮滑移率跟踪控制器设计过程中引入不连续项对系统稳定性和控制性能的影响.随后,利用有限时间稳定和快速终端滑模控制理论设计具有有限时间收敛特性的快速终端滑模状态观测器,实时观测未知的系统状态信息.以此为基础,采用模块化思想独立设计快速终端滑模跟踪控制律,实现车轮滑移率的连续、快速的跟踪控制.最后,结合车辆动力学仿真软件建立模型在环测试系统,仿真验证本文提出的车轮滑移率跟踪控制器的可行性和有效性.     

状态观测器对系统状态的控制

观测器在控制理论中非常重要.当状态不能观测时,应设计状态观测器来估计状态.理论分析和数值仿真证实了用所设计的观测器来估计状态的有效性.     

Leader-following多自主体系统时变编队跟踪控制

考虑时变时延,研究了高阶leader-following多自主体系统的分布式时变编队跟踪控制问题.针对连续高阶多自主体系统,设计了基于观测器的时变编队跟踪控制协议,通过状态变换,将系统的时变编队跟踪控制问题,转变为误差系统的稳定性问题.然后利用图论及李雅普诺夫稳定定理,研究了系统实现时变编队跟踪控制的充分条件,并且指出时变编队参考函数与时变时延无关.最后,数据仿真结果证明了所设计的协议能使follower自主体实现时变编队,并且跟踪leader自主体的轨迹.     

基于一致性的无人机编队飞行几何构型控制

本文研究群体无人机系统编队飞行中的几何构型控制问题。采用一阶运动学模型进行系统描述,用有向图来表示其通信网络结构,将领导者-跟随者控制结构和一致性跟踪理论相结合,提出了一种协同控制算法,在不需要每台无人机都能接收到领导者状态信息的情况下,使无人机在编队飞行过程中改变几何构型的同时还可以相应改变行进方向。最后通过仿真验证了该控制算法的有效性。     

基于有限视觉信息的小型无人机编队控制

依据大雁飞行时依靠视觉信息形成V字形编队的群体行为,研究装载单目鱼眼镜头的小型无人机凭借视觉信息控制编队的问题.通过数学方法刻画小型无人机的"视觉盲区",并设计代价函数来表征小型无人机在不同飞行状态中的"视觉代价".据此提出一种基于代价函数的控制律,在保证无人机任意时刻不飞入其他无人机"视觉盲区"的前提下,利用梯度下降...     

基于线性扩张状态观测器的平行泊车路径跟踪

为了消除外界干扰和转向系统运动学模型的不确定性的影响,建立了平行泊车系统的车辆运动学模型,设计了一个三阶线性扩张状态观测器,该观测器可将外界干扰和模型不确定性看作系统总的扰动量进行观测和补偿,而不需要建立被控对象的精确数学模型.基于该观测器,设计了平行泊车路径跟踪控制器,并对其性能进行了仿真和实车验证.仿真结果表明,所设计的平行泊车路径跟踪控制器的控制效果优于传统PID控制器,抗外界干扰能力更强.实车试验结果表明,该路径跟踪控制器能够精确控制车辆完成平行泊车任务,最大误差仅为0.111 m.     

离散多智能体系统的分布式编队跟踪控制

本文研究了离散多智能体系统在固定有向拓扑中的分布式编队控制,同时假设此系统跟踪时变参考状态。首先,针对一阶系统设计了控制协议,给出了系统稳定时协议参数需满足的充要条件,结果表明,跟踪误差的上限正比于采样周期。其次,针对二阶系统,考虑了速度一致性,其编队控制协议可用同样的方法研究。最后通过仿真,结果证明了所设计协议的有效性。     

基于非线性扰动观测器的四旋翼鲁棒编队控制

为了补偿四旋翼飞行器编队飞行过程中受到的模型不确定性和外部干扰,提出了一种分布式非线性扰动观测器(NDOB).首先,考虑四旋翼模型不确定性和外部干扰,提出了一种新的四旋翼动力学模型.其次,在四旋翼飞行器的内部姿态回路中应用非线性扰动观测器,并且引入低通滤波器以滤除低频干扰.最后,引入风和不规则负载作为线性/非线性外部干扰,将NDOB控制器应用在领导-跟随的四旋翼编队中.仿真结果表明,在该观测器的作用下,扰动观测器能够完全抑制系统外部的线性风扰动,编队队形的整体偏移率在x和y轴上分别下降到0.01%和0.5%.对于非线性不规则负载运输实验,非线性扰动观测器对扰动的补偿率达到99.36%,能够有效地补偿四旋翼飞行器编队飞行过程中受到的模型不确定性和外部干扰.     

基于PSO的多机器人编队控制

提出了一种新的编队算法。该算法针对不同的编队形状,根据机器人的位置信息,构造不同的函数,利用群体智能优化算法中的微粒群算法进行函数优化,优化过程中的最优解作为机器人的运动方向。最后利用该算法实现了线形、三角形、六边形和圆形编队,仿真结果表明了该算法的有效性。     

基于状态预测的无人机导航控制

基于飞行惯性对无人机路径导航实时控制和控制精度的影响,将灰色预测模型与模糊PID控制进行融合,提出了基于无人机飞行状态预测的导航控制策略.将无人机飞行状态预测信息作为系统状态调节的输入,构建灰色预测模糊PID航向控制系统,达到对无人机进行实时、准确导航飞行控制的目的.仿真实验结果表明:灰色预测模糊PID控制器可以有效提高无人机导航控制系统的鲁棒性、实时性,与传统的PID控制器相比,其控制性能更优.