分布式多无人机的时变编队非线性控制设计

研究了基于分布式通信网络的多无人机时变编队控制问题,考虑到外界扰动对多无人机协同编队系统的影响,提出一种新的连续非线性鲁棒编队控制方法.首先基于一致性方法构造了分布式无人机编队误差系统,降低了编队控制器对全局编队信息的要求;然后采用一种基于误差符号函数积分的鲁棒控制算法补偿未知外界扰动的影响,提高了无人机编队系统的鲁棒性,并基于Lyapunov分析的方法,证明了多无人机编队误差的半全局渐进收敛性;最后在四旋翼无人机编队实验平台上进行了多无人机时变编队的实时实验验证,实验结果表明,所提出的分布式编队控制算法可以实现多无人机时变编队控制,且具有较好的协同性能和抗干扰能力.     

固定翼无人机集群分布式固定时间编队跟踪控制

为实现固定翼无人机集群对理想编队构型的跟踪,研究了执行器存在未建模动态和不确定性的无人机集群系统的固定时间编队跟踪控制问题。首先,建立了无人机集群的三自由度运动学模型。其次,基于一种收敛时间独立于初始条件的固定时间终端滑模,设计了分布式固定时间编队协同跟踪控制器,利用控制器中的鲁棒项补偿外部扰动,通过Lyapunov稳定性理论证明了闭环系统的固定时间稳定性。最后,对所设计的控制器进行了数值仿真验证,仿真结果表明：所设计的控制器能够使无人机集群在固定时间内组成理想编队构型,同时系统具有鲁棒性。     

多无人机完全分布式有限时间编队控制

针对分布式通信网络,研究多无人机完全分布式编队生成和保持控制问题.基于滑模和自适应方法设计自适应耦合增益,进而结合与邻居无人机之间的相对状态设计一种新的有限时间编队控制器.该算法去掉了传统编队控制器依赖通信网络范围和拓扑及Leader无人机状态等全局信息的限制,基于Lyapunov理论证明无人机编队误差在有限时间可以收敛到边界可调的邻域内.对三维运动的多无人机编队进行仿真验证,结果显示,所设计的编队控制算法可以实现多无人机有限时间完全分布式编队生成和保持.     

基于神经网络的无人机滑模飞行控制设计

针对无人机受扰运动,基于Backstepping方法和非线性滑模控制提出了一种鲁棒神经网络飞行控制方案。对无人机姿态角速度层的系统不确定性项,采用径向基函数神经网络并对其权值进行在线调整,从而实现对其进行逼近。将回馈递推设计方法与滑模控制方法结合起来,基于神经网络的输出为无人机设计了一种回馈递推滑模飞行控制器。所设计的飞行控制器用于无人机的姿态控制,仿真结果表明所研究的无人机鲁棒神经网络飞行控制方案是有效的。     

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.     

具有未知干扰的无人机鲁棒滑模飞行控制

研究无人机飞行稳定性控制问题,由于无人机飞行控制系统存在时变外部干扰,飞行过程中升阴比变化激烈,控制稳定性难度较大。利用滑模控制良好的鲁棒能力提出一种神经网络的鲁棒飞行控制方法。因神经网络有良好非线性逼近能力,可对无人机飞行系统中的不确定进行在线逼近,并将神经网络权值误差引入到权值的自适应律中用以改善系统的动态性能。利用神经网络的组合,设计无人机鲁棒滑模飞行控制器。控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器,能有效减小系统的跟踪误差。最后将所设计的鲁棒滑模控制对无人机飞行姿态控制进行仿真。仿真结果表明,新方法能提高无人机的鲁棒飞行控制能力且能实现无人机姿态的精确跟踪和稳定性控制。     

变结构三阶一致性无人机编队控制

对多无人机的编队飞行控制问题进行了研究,解决了多无人机编队构成并稳定飞行和编队内某无人机失事情况下其它无人机仍保持队形稳定飞行的问题.首先,基于图论设计编队通讯网络.其次,基于三阶一致性理论设计编队控制器,通过积分得到每架无人机的目标位置和速度.在编队内无人机失事情况下,设计变结构通讯网络,并给出编队通讯结构变化规则.仿真结果表明,上述控制方案能够保证多无人机迅速构成编队并稳定飞行,在编队内无人机失事情况下,能够保证其它无人机依旧按目标路径和编队形状稳定飞行.     

基于光流的四旋翼直升机鲁棒自主着陆控制

针对小型四旋翼无人机自主着陆问题,提出了一种基于光流的高度估计方法和基于信号补偿的高度鲁棒控制器设计方法.首先从通用光流运动模型出发,采用奇异值分解方法求解无人机线速度和深度的比值,通过对垂直速度和高度比值积分获得高度数据.其次,将考虑地效影响和其它不确定性的高度通道非线性模型分解为标称线性模型和等效扰动两部分,并设计基于信号补偿的高度鲁棒控制器,该控制器由标称控制器和鲁棒补偿器组成,其中标称控制器使得标称闭环系统达到期望的高度跟踪特性,鲁棒补偿器用于抑制等效扰动的影响.最后从理论上证明了该控制器可以保证高度跟踪误差在有限时间内收敛至指定的原点邻域内.四旋翼无人机自主着陆的实验结果验证了所提出的基于光流的高度估计和鲁棒控制方法的有效性.     

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.     

基于方位信息的无人机编队控制设计与验证

本文主要研究了无人机编队的抗扰跟踪控制设计. 针对各无人机只能获取邻机方位信息的情况, 文章设计了一种新的非线性控制器以完成多无人机系统的编队形成与跟踪任务. 考虑到无人机系统易受外界扰动影响的特性, 采用Leader-Follower式编队方法, 通过引入Leader位置信息来矫正基于方位信息的无人机编队系统的位置漂移.将反步法设计结合自适应设计与鲁棒控制设计, 来补偿未知参数与未知外界扰动对多无人机编队系统造成的影响,提高了多无人机方位编队系统的鲁棒性. 然后, 基于Lyapunov分析方法证明了系统的稳定性. 最后, 搭建了四旋翼无人机编队实验平台, 进行了基于方位信息的编队形成与跟踪飞行实验, 并与PD控制器进行了对比实验. 飞行实验结果验证了算法的有效性与实用性.     

基于H∞回路成形的无人机纵向鲁棒控制器研究

针对无人机飞行参数及气动参数的不确定性问题,根据H∞理论,提出基于回路成形的无人机鲁棒控制器设计方法.以某小型无人机纵向控制系统为例,采用H∞回路成形设计方法,设计了俯仰角保持控制器;通过选取合适的预补偿器和后补偿器,改善系统奇异值曲线形状,应用小增益定理综合H∞鲁棒控制器,并得出鲁棒稳定裕度;进行数字仿真验证,在仿真中加入5 m/s常值风干扰与20％气动参数摄动等不确定性因素,结果表明,闭环系统能在受到干扰后1.1s恢复到平衡状态,且阶跃响应最大调节时间为1.6s,最大超调量为2.4％,说明所设计的控制器具有满意的抗干扰能力和鲁棒稳定性.     

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.     

一类具有L∞范数有界扰动的非线性系统鲁棒控制

首先针对不确定非线性系统,基于L∞范数定义了鲁棒稳定化和鲁棒跟踪控制问题.然后利用反馈线性化技术和Lvapunov方法,设计了相应的鲁棒控制器.仿真结果验证了控制器设计的正确性.     

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。     

基于T-S模糊模型的复杂系统的灵敏度分析

为模拟空间对接强制校正阶段的推出和拉近过程,提出基于六自由度并联机器人位置内环的柔顺力控制策略.综合考虑参数变化、模型变动和外来干扰等不确定性,利用μ综合控制理论设计鲁棒力控制器,并通过μ分析比较鲁棒力控制器和经典力控制器的鲁棒稳定性和鲁棒性能.鲁棒力控制器和经典力控制器的实验结果,表明了所设计鲁棒力控制器的有效性和优越性.     

一类具有L∞ 范数有界扰动的非线性系统鲁棒控制

首先针对不确定非线性系统, 基于 L_∞ 范数定义了鲁棒稳定化和鲁棒跟踪控制问题. 然后利用反馈线性化技术和Lyapunov方法, 设计了相应的鲁棒控制器. 仿真结果验证了控制器设计的正确性.     

基于分布式一致性的无人机编队控制方法

多无人机系统中,系统状态的一致性是实现多无人机协同控制的基础,针对多无人机中存在的三维空间编队控制问题,提出一种分布式一致性的无人机编队协同控制方法。在主机-从机组成的多无人机系统的基础上,引入分布式结构,设计无人机控制系统模型并建立无人机编队协同机制。根据协同机制设计基于一致性算法的协同编队控制器、基于匈牙利算法的任务分配策略以及避障策略。分别在简易模拟器和基于ROS-Gazebo的实景模拟器中仿真验证了协同控制方法的有效性。结果表明：无人机群能够有效地完成协同编队任务,并且可以通过调整层次结构进行有效编队重构。     

鲁棒控制在飞翼无人机控制律设计中的应用

与常规无人机相比,飞翼布局无人机有其特殊的操稳特性;为了保证飞翼布局无人机具有良好的操稳特性,飞行控制系统的控制性能和鲁棒性能要求更高;首先介绍了基于LMI的鲁棒H2/H∞控制理论,然后采用LMI工具箱设计了某型飞翼布局无人机纵向增稳控制系统的控制律,得到增稳后的无人机纵向模态特性,同时对升降舵操纵、风切变和测量噪声进行了动态特性仿真;结果表明,设计的控制律改善了飞机的动态特性,具有良好鲁棒性能和抑制外界干扰的能力.     

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.     

无人侦察机目标跟踪系统鲁棒控制

在已建立的陀螺稳定平台数学模型的基础上,利用定量反馈理论,设计了无人机目标跟踪系统的鲁棒控制器,并对某型无人机目标跟踪鲁棒控制系统进行了仿真,结果表明:采用QFT鲁棒控制器可以有效地消除干扰影响,较好地实现了高低环与方位环的解耦,较准确地实现了目标跟踪.