基于神经网络的多机协同编队控制器设计

针对多架无人机协同编队飞行控制问题,设计了一种基于BP神经网络的无人机编队飞行控制器.以两机编队为单元,僚机同时跟踪长机和相邻僚机,根据相对位置和参考坐标系统,采用BP神经网络训练得到最佳的PID控制参数,设计三通道PID控制器并对编队系统进行分布式协同控制,使系统快速跟踪指令并保持编队队形.对四架无人机组成的编队系统进行仿真,系统编队可快速保持期望队形,表明设计的编队控制系统具有良好的稳定性和较强的抗干扰能力.     

伪卫星协同编队控制与仿真

为保持4颗编队伪卫星的最佳几何布局,设计了一种综合自适应神经网络编队控制器,利用李亚普诺夫稳定性理论证明了“长机-僚机”方式的两机编队系统的稳定性。以两机编队为单元,根据相对位置和参考坐标系统,采用综合自适应神经网络结构对伪卫星系统进行分布式协同编队控制,使系统快速跟踪指令并保持最佳编队队形。对以无人机为平台的4颗伪卫星编队进行仿真,结果表明僚机能够快速跟随长机飞行并保持最佳编队队形,证明该编队控制器具有良好的稳定性和鲁棒性。     

大规模固定翼无人机集群编队控制方法

针对大规模固定翼无人机集群的编队控制问题,提出一种分层分组控制方案.首先,设计一种分布式的无人机集群分层分组控制架构,将集群内所有无人机分成若干独立且不相交的群组,并在群组内分别形成“长机层”和“僚机层”;其次,对各群组内的长机设计协同路径跟随控制律,使长机收敛到各自期望路径上的虚拟目标点,并通过对各虚拟目标点的协调控制实现长机的协同,进而实现各群组间的协同;然后,对各组的僚机设计控制律以跟随其所在群组的长机,使其与长机保持期望的相对位置且朝向一致.设计的大规模集群编队控制律考虑了固定翼无人机的控制约束和环境中风的影响,并证明了闭环系统的稳定性.100架固定翼无人机集群的全流程数值仿真,验证了所提出控制方法的有效性.     

小型无人机编队飞行的控制律设计与仿真

针对一种小型无人机模型及其编队飞行的实际背景和限制条件,采用长一僚机（leader—wingman）编队模式,按前向、侧向和垂直方向3个通道分别设计了僚机编队控制律,从而使三维编队问题得以简化．对于多机编队的情况,应用基于长机模式（leadermode）和前机模式（frontmode）的2种编队控制策略,并通过仿真实验和比较分析,证实了长机模式的优越性．通过2架小型无人机编队队形保持和多架无人机在大机动飞行情况下的队形保持与队形变换等一系列仿真实验,验证了提出的编队飞行控制律的可行性和有效性．     

基于领航-跟随的有人/无人机编队队形保持控制

针对有人/无人机编队飞行过程中的队形保持问题,采用领航-跟随策略设计一种有人/无人机编队队形保持控制器.首先从编队作战体系和控制原理角度设计有人/无人机编队控制系统结构;然后基于领航有人机与跟随无人机平面位姿的几何关系,建立编队内相对距离-角度运动学模型;最后在考虑僚机控制系统时变扰动的情况下,针对编队运动学模型特点设计动态反馈自适应编队队形保持控制器,并利用李雅普诺夫理论证明编队控制器的稳定性.仿真结果表明,所设计的控制器能够克服僚机控制模型不确定性带来的扰动影响,可以实现编队由初始误差到期望队形的快速调整以及稳定队形的保持.     

无人机编队队形保持变换控制器设计

研究无人机编队队形保持变换的控制设计问题.由于控制系统队形跟踪应保证姿态的稳定性,针对两架无人机在“长机-僚机”编队结构中的左菱形编队飞行控制系统,为了有效控制飞行队形,保持变换,提出了根据编队飞行的几何关系推导编队相对运动学方程,结合无人机的自动驾驶仪模型建立了相应的编队飞行线性化数学模型.采用PID控制方法分别对速度、航向和高度设计了一种能通过控制编队间距实现队形变换的三维编队队形保持变换的控制器,并进行仿真.仿真结果表明所设计的控制器能够有效地控制无人机编队,在飞行过程中可以稳定地保持队形,并能根据任务要求合理进行编队,并无碰撞,为设计提供了依据.     

基于鸽群行为机制的多无人机自主编队

受启发于无人机(unmanned aerial vehicle,UAV)编队飞行与生物群体社会性行为的相似性,本文提出了一种基于鸽群行为机制的多无人机自主编队控制方法.首先通过模仿鸽群特有的层级行为,建立了鸽群行为机制模型.该模型在已有群集模型基础上,采用有向图和人工势场理论对鸽群中的拓扑结构和领导机制进行建模.在深入分析无人机自主编队飞行仿生机理的基础上,设计了一种基于鸽群行为机制的无人机自主编队控制器.该控制器以鸽群行为机制模型为核心,还包含两个辅助环节,即控制指令解算器和状态转换器.最后,通过系列仿真实验验证了无人机群可在本文所设计的无人机自主编队控制器作用下形成预期的编队队形,并可在复杂长机运动条件下保持队形.     

基于CMAC的无人机紧密编队飞行控制研究

针对多无人机紧密编队飞行控制系统,提出一种基于小脑模型神经网络的编队飞行队形保持控制器。该控制器以飞行控制系统横向、纵向及垂直方向通道的动态误差作为小脑模型关节控制器（CMAC）的激励信号,并与常规的PID控制器相结合构成系统的复合控制。仿真结果表明：该控制器能够控制无人机编队,在定常运动和机动过程中都可以保持期望队形,且这种控制方法具有超调量较小,鲁棒性强,响应速度快,抗干扰能力强等优点。     

基于分布式模型预测控制的无人机编队控制

针对多四旋翼无人机编队在巡航飞行过程中队形形成和保持问题,采用分布式模型预测控制方法将该问题转化为在线滚动优化问题.建立线性时不变的编队运动模型,进而在考虑状态和输入约束,不考虑时延、外界干扰、噪声的情况下,利用领航跟随策略设计一种分布式模型预测控制器,通过引入自身和邻居的假设状态轨迹设计代价函数.其中邻居信息的交互是在有向、时不变通信拓扑结构下进行的.基于该控制器,无人机能够在跟踪目标轨迹的同时,快速形成预先设定的队形并保持队形飞行.通过引入终端等式约束保证系统稳定,进而将目标函数作为Lyapunov函数,给出编队系统渐近稳定的充分条件.最后,利用6架无人机仿真验证控制算法的有效性和优越性.     

基于多任务的无人机编队控制研究

考虑到多架无人机编队飞行的特点,将松散编队及协同思想应用到紧密编队控制中,提出了一个三架无人机协同作战编队的飞行控制系统设计方法;在编队飞行动力学模型的基础上,设计了基于特征结构配置的无人机横侧向控制律,进行指定航路的飞行控制;然后,设计编队控制器,两架僚机可紧紧跟随长机并保持队形稳定;仿真结果表明,设计的控制器可以控制多架无人机进行紧密编队飞行,具有一定的实用性和推广价值。     

无人机三维编队飞行的鲁棒H∞控制器设计

针对无人机编队控制中模型不确定性与外干扰同时存在的情况,首先基于无人机自身的自动驾驶仪和编队运动学关系建立了无入机编队的三维数学模型,这种建模方式物理意义明晰;进而提出一种基于鲁棒H∞控制理论的编队控制器设计方法,按前向、侧向和垂直方向3个通道分别设计控制律,降低了鲁棒控制器的调参难度,简化了三维编队控制问题.仿真结果表明了所设计的控制器的有效性,可实现无碰撞、快速、稳定地保持和调整无人机编队队形,具有良好的鲁棒性能.     

多UAV协同突防规划与仿真

针对在复杂大范围环境下低窄突防的多无人飞行器,通过分析威胁环境和协同突防的相关要素,提出了协同规划框架.设计了基于空间冲突预处理的打击时序协同算法;提供突防效能计算的基于变步长时间同步日标分配算法:通过协同突防航迹选掸优化算法的不断迭代计算,实现协同突防规划.仿真分析验证了规划算法的有效性.     

不确定移动机器人编队间接自适应模糊动力学控制

研究不确定非完整移动机器人Leader/Follower编队动力学控制问题,对Follower提出了自适应队形跟踪控制方法.首先,基于队形方程设计了运动学队形跟踪控制器,使用Backstepping技术扩展出队形跟踪误差动力学方程;然后,利用自适应模糊系统逼近其不确定项,构造了间接自适应模糊动力学队形跟踪控制器;最后,证明了队形跟踪误差可收敛到原点的小邻域内.仿真结果验证了所提出控制策略的有效性.     

Design and implementation of a leader-follower cooperative control system for unmanned helicopters

In this paper, we present a full scheme for the cooperative control of multiple unmanned aerial vehicle (UAV) helicopters. We adopt the leader-follower pattern to maintain a fixed geometrical formation while navigating the UAVs following certain trajectories. More specifically, the leader is commanded to fly on some predefined trajectories, and each follower is controlled to maintain its position in formation using the measurement of its inertial position and the information of the leader position and velocity, obtained through a wireless modem. More specifications are made for multiple UAV formation flight. In order to avoid possible collisions of UAV helicopters in the actual formation flight test, a collision avoidance scheme based on some predefined alert zones and protected zones is employed. Simulations and experimental results are presented to verify our design.     

基于能量成型的双足机器人解耦控制

研究带有膝关节和髋关节的双足机器人在3D (three-dimensional)空间稳定行走的控制器设计.通过构建概循环拉格朗日函数,将双足机器人的3D动态系统解耦成前向和侧向两部分,对前向部分设计势能成型控制器,使前向获得稳定行走步态;用输出零动态控制器控制侧向,满足系统的动态解耦条件.仿真结果表明了所提出方法的有效性.     

Hybrid Consensus-Based Formation Control of Fixed-Wing MUAVs

Hybrid consensus-based formation control is designed in this paper for a team of fixed-wing unmanned aerial vehicles (UAVs). The UAVs moving at fixed altitudes are controlled through a novel hybrid controller to drive them to a goal location while maintaining a predefined formation. The hybrid automaton has two discrete modes, each with continuous dynamics: a regulation mode and a formation keeping mode. The controller in the regulation mode uses local UAV state information to achieve its desired location, while the formation controller utilizes the neighbor UAVs’ state and controller information. The theoretical conjecture is verified by simulation results.     

二阶饱和线性系统的线性最优容错吸引域

考虑执行器故障影响,研究了二阶饱和线性系统的吸引域估计问题.通过适当定义容错吸引域,并采用椭圆逼近,使得系统的吸域域具有容错能力.为了保证容错吸引域的收敛性能,通过状态反馈将闭环系统极点配置在圆形极点区域内.基于参数空间,给出了圆形极点区域对应的反馈增益向量空间的不等式表示.在反馈增益向量窄间和执行器幅值的约束下,基于...     

一种基于反推技术和ESO补偿的解耦控制方法

针对一类非线性多入多出系统,设计了一种新的解耦控制器.首先采用反推技术设计每一个子系统的等效输入;然后用扩张状态观测器(ESO)对各个子系统的耦合、外扰和参数时变等不确定作用进行动态估计,并把估计值引入到反推控制器中进行补偿,最终实现解耦和摔制.利用Lyapunov稳定性理论证明了该方法的收敛性;数例仿真表明了该方法可获得较快的响应速度及较好的解耦效果和鲁棒性.     

基于粒子滤波的ＧＰＳ多径估计

针对全球卫星定位系统中的多径参数估计问题,提出一种基于粒子滤波的算法.首先,使用信号压缩技术以利于粒子权的计算;然后,采用Rao-Biackwellization方法来降低粒子滤波估计的状态空间维数;最后,通过Laplace方法得到一个优化的重要分布.仿真实验表明了该算法的有效性.