无人机的老明星和新秀

目前,世界各国在科学实验、环境监测、地理测量、摄影、通信和军事行动中,广泛使用着无人机.本文介绍的无人机有些是20世纪60～70年代的著名无人高空侦察机,有些是曾在阿富汗战争和伊拉克战争中大出风头的新型无人机,也有中国自行研制的几款无人机.     

六旋翼无人机测风系统实测海岛地区风剖面

研制了搭载超声风速仪的六旋翼无人机测风系统,对热带海岛地区近海岸、农业温室基地以及密集建筑群等典型地貌开展风场实测. 结果表明：地面粗糙度指数、摩擦速度和地面粗糙度长度均随场地粗糙度增大而提高. 近海岸风剖面可采用指数律或对数律模型,与我国规范A类、欧洲规范Ⅰ类地貌值均吻合较好,湍流强度明显小于现有规范值;温室基地风剖面符合指数律模型,风剖面和湍流强度与日本规范Ⅲ类地貌值吻合较好;密集建筑群风剖面符合指数律模型,且与美国规范B类地貌值吻合较好,湍流强度与日本规范Ⅳ类地貌值吻合较好. 该研究验证了无人机测风的可靠性,为海岛地区工程结构的抗风设计奠定基础,也为复杂地貌的风场观测、风环境评估与风能资源利用提供了新方法.     

国外无人机自主飞行控制研究

无人机自主飞行控制的研究属于飞行控制的前沿问题,其目的是实现无人机的自主飞行控制、决策和管理。由于其高度的复杂性和智能性,在理论和工程实际上尚处于起步阶段。结合近年来国外的发展状况和一些主要的研究成果,对无人机的自主飞行控制的研究进行了概述。首先介绍了自主控制的概念,然后分别探讨了无人机自主飞行控制中几个相关的关键问题,主要包括飞行中规划与重规划,自主飞行控制的分层结构,以及无人机自主着陆等问题,最后对未来的发展方向和面临的挑战进行了展望。     

面向海上移动目标的空天协同连续观测模型

由于视距限制,对海上移动目标进行连续观测与定位探测难度较大.现有方法通过卫星和无人机等单平台对目标进行观测,不能解决面向海上移动目标连续观测的问题.针对当前单个平台的不足,本文构建了面向海上移动目标的空天协同连续观测模型,并提出了空天协同连续观测策略.空天协同连续观测策略抽取出卫星规划、无人机飞行计划、观测序列、区域预测以及路径规划等五个子问题,并对其进行建模求解.仿真实验表明,该方法大大降低了目标的平均观测周期,有效解决了海上移动目标连续观测问题.     

基于改进RRT的无人机电力杆塔巡检路径规划

为了达到无人机在电力输电线路环境中能够进行有效的路径规划以及轨迹跟踪的目的,立足于RRT(Rapidly Exploring Random Trees)算法,提出一种在电力输电线路中适用于无人机的路径规划算法．该算法在融合无人机的动力学特性,及RRT扩展的随机性的基础上,通过设计最大航向角以及路径高度的约束,使得规划的路径在高度方向上向目标点渐进逼近,并能克服传统RRT在狭窄空间规划失败的问题.算法在ROS(Robot Operating System)-Gazebo环境中进行了仿真试验,验证了该算法在电力输电线路环境下的实用性.     

故障树分析法在无人机项目中的应用

本文详细阐述了故障树分析技术在某无人机上的具体应用,即如何建立故障树并进行定性分析和定量计算,找出系统的薄弱环节。     

无人机快速航迹规划算法

基于快速搜索树提出了一种快速高效同时具有鲁棒性的航迹规划算法.该算法主要包括3部分:选择采样点、搜索扩展树上距采样点最近的节点和扩展节点.首先产生采样点,以一定概率选取目标点作为采样点来提高航迹的质量和规划速度;然后找出搜索树上距采样点最近的节点;最后扩展节点,扩展节点时把航迹约束条件结合到节点扩展过程中,保证了航迹的可行性.这个过程不断迭代,直到找到目标点.仿真结果显示本方法能快速找到近似最优解并且对规划环境有一定的鲁棒性.     

无人机轮式着陆横侧向控制

针对轮式起降无人机着陆过程横侧向控制存在的着陆安全性较低及抗风能力较弱的问题,提出了一种无人机着陆高安全性横侧向控制方案和控制结构。在常规的副翼和方向舵横侧向控制面配置条件下,采用在滚转角和偏航角精确解耦内回路控制的基础上,进行滚转和偏航的综合侧偏外回路控制方法,引入外回路对内回路的滚转角和偏航角指令限幅值随相对高度变化的机制,实现对无人机接地时侧偏距、侧偏速度、滚转角和偏航角的综合控制。对某型无人机的着陆横侧向控制进行设计及仿真,结果表明所提出的着陆横侧向控制能提高无人机的抗侧风能力,在侧风情况下着陆,可有效地将侧偏距、侧偏速度、滚转角和偏航角控制在安全范围内,所采用的着陆横侧向控制对无人机的气动参数摄动具有较强的鲁棒性,并且克服了常规控制中对相对高度信号误差要求高的缺点,在提高着陆安全性的同时,降低了对设备性能的要求。     

无人机集群规避动态障碍物的分布式队形控制

本文研究了无人机集群躲避动态障碍物下的队形控制问题。首先, 引入针对动态障碍物的碰撞预判机制判断集群是否需要对障碍物进行规避。其次, 在动态障碍物与无人机间构造斥力场实现避障。最后, 根据一致性理论设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律, 结合人工势场法实现躲避动态障碍物下集群队形的形成与保持。仿真结果表明, 集群无人机能够在以分布式方式躲避动态障碍物的同时实现队形的形成、保持与重构。     

基于差分自回归移动平均模型、长短期记忆网络模型及相关模型的无人机俯仰角预测

为了提高无人机俯仰角故障数据处理和预测的精确性和可靠性,避免增加无人机试飞成本,利用长短期记忆网络（Long Short Term Memory,LSTM）、注意力机制+LSTM模型和差分自回归移动平均模型（Autoregressive Integrated Moving Average Model,ARIMA）模型预测无人机试飞俯仰角故障数据。结果表明,ARIMA预测结果：MAE（Mean Absolute Error）=0.35,RMSE（Root Mean Square Error）=0.73,MAPE(Mean Absolute Percentage Error)=23.80%;LSTM模型预测结果：MAE=0.49,RMSE=0.74,MAPE=45.20%;注意力机制+LSTM模型预测结果：MAE=0.17,RMSE=0.53,MAPE=18.93%。可见注意力机制+LSTM模型比其余两种模型更适合于试飞俯仰角的数据预测,以上三种方法对无人机故障数据预测都具有实际意义,有效的预测可以推进自动飞行器和移动机器人的异常检测或外国直接投资研究的最新进展,以进一步提高自动和远程飞行操作的安全性。