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。     

基于蚁群算法的群机器人自组织聚集行为建模

针对群机器人聚集行为模式的形成,建立了基于质点系力学系统、以及感知状态加权的自组织运动模型,实现了机器人运动状态的自主转移。建立了关于聚集行为的聚集度、均匀度等评价指标,通过实验分析比较不同模型的聚集性能,为群机器人自组织聚集行为模式的形成奠定了基础。使用分析选定的模型,对有边界约束和无边界约束2种情况进行了自组织聚集行为仿真试验,实现了不同群体规模的最大范围的有效覆盖感知,验证了模型的正确性。