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.     

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．     

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.     

无人机编队飞行导航方法及其仿真研究

研究无人机导航优化编队问题,编队各成员的高精度定位是无人机协同编队飞行的关键技术和难点.为了提高编队定位的精度,提出了一种长机组合导航和长/僚机相对测量的编队成员导航定位方法,在编队导航系统模型的基础上,采用卡尔曼滤波原理估计出各成员的惯导误差,经校正后得到精确的导航信息,并进行仿真.仿真结果表明,改进的方法对所设计的长机与僚机的导航定位是完全可行的,编队各成员均获得较高的测地导航精度.     

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.     

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。     

基于非线性动态逆的无人机编队协同控制

针对多无人机在空间机动过程中的编队形成与保持控制问题,提出一种基于非线性动态逆的无人机编队控制方法.将编队控制过程分解为两步:首先给出分布式长机状态估计算法,各编队无人机根据"相邻"无人机状态解算自身的期望运动指令;其次是设计接于非线性动态逆的编队控制器,使各无人机快速跟踪其期望指令并形成和保持稳定队形.仿真实验表明,编队长机进行空间机动过程中,各僚机能够准确估计其状态,快速形成并维持队形稳定.     

无人机编队飞行快速试验系统设计

为缩小针对无人机编队控制问题的理论研究与实际应用之间的脱节,设计了一套无人机编队飞行快速试验系统,包括基于X-Plane的硬件在回路(HIL)仿真系统和飞行试验系统.HIL仿真系统和飞行试验系统中使用相同的自驾仪和地面控制站,通过HIL仿真可以提前发现并修正在仿真中暴露的问题,从而减少飞行试验所需的时间和成本,缩短方法从理论到应用的时间.试验系统中解决了无人机之间及无人机与地面站之间的通信问题,使得无人机之间可以直接通信,不用通过地面站转发,且单个地面站可以监视和管理多架无人机.采用网络化的软、硬件设计,使得试验系统能够用于验证各种通信拓扑的编队控制算法.为验证上述系统的有效性,设计长机-僚机编队控制方法对试验系统进行验证.结果表明,通过HIL仿真验证的自驾仪可以直接移植到飞行试验系统中,只需微调一些控制参数即可快速实现无人机编队飞行.     

基于长机—僚机模式的无人机编队方法及飞行实验研究

针对目前无人机编队方法无法在实际飞行实验中应用的问题,设计了基于长机—僚机跟踪模式的双机 协同编队算法,以双机的空间距离为控制对象,将所有的控制指令转化为速度、航向和高度指令．为实现实际编队 飞行,基于实验室自行研发的小型无人机,建立双串口地面控制系统硬件平台,重点解决了双串口的实现及双机数 据同步问题．地面跑车实验和实际飞行实验表明：该地面控制系统可以很好地实现双机的数据通信,控制指令实时 上传准确,协同算法正确有效．     

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。     

基于信息图的多无人机三维协同搜索动目标方法

针对多无人机协同搜索区域内多运动目标问题,考虑传感器的探测概率与虚警概率、无人机的飞行与避撞约束和目标随机运动等特征,提出基于信息图的多无人机三维协同搜索方法.以无人机搜索的短期收益、长期收益和协调收益的平衡为核心,考虑无人机三维运动的特征,构建多无人机协同搜索的数学规划模型,并设计包含目标存在概率、环境不确定度、重访信息素和搜索增益4个因子的搜索信息图.基于滚动规划架构,整合新提出的剪枝方法进行模型的求解.在典型的协同搜索场景下,通过数值仿真验证所提方法的有效性.仿真结果表明,所提出的方法可以在秒级的时间内做出每架无人机的三维航迹决策,重访信息素和搜索增益因子可以引导无人机捕获更多的目标.对比仿真结果表明,所提出的方法可以在捕获更多目标的同时具有更少的误判次数,有效提升了多无人机协同搜索的任务效能.     

无人机编队飞行的分布式控制策略与控制器设计

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,分析了编队飞行所必须涉及的队形保持、约束条件以及行为协调等关键性问题,进而引入分布式编队飞行控制策略并简要介绍了其优越性.根据分布式策略的层级概念,先后讨论了单机控制器的设计与上层的编队控制器的设计.最后分别进行了单机的FDC(flight dynamic and control)仿真和双机编队仿真.仿真结果表明,设计的控制器在执行效率和控制性能等方面具有突出的优势.     

多运动目标的多无人机协同搜索追踪策略

针对多无人机协同搜索追踪区域内多运动目标问题,考虑无人机的传感器与避撞等约束和目标随机运动等特征,提出了以垂线搜索为基础的多无人机协同搜索追踪策略.策略包含任务分配和航迹规划两部分.在任务分配部分,设计了航道均分垂线搜索算法,将搜索资源在区域内均匀分配,提高协同搜索效能.在航迹规划部分,设计了改进的人工势场算法,避免发生机间碰撞,保障飞行安全.在典型场景下,仿真验证了策略的有效性,相比传统垂线搜索方法,本策略能在保证安全的前提下,引导无人机群捕获更多的目标,有效提升了多无人机协同搜索追踪的效果.     

一种多约束下无人机编队的模型预测控制算法

针对多无人机在编队飞行过程中需满足机间避碰、通信、避障等约束的问题,设计一种考虑多约束的分布式模型预测控制算法,使无人机编队在满足上述约束的前提下,实现轨迹跟踪、队形保持.首先,在不考虑通信时延、外界干扰、噪声的情况下,以四旋翼为控制对象,建立线性时不变的单机及编队运动模型;然后,在考虑状态约束、输入约束、机间避碰、机间通信、避障等多种约束的情况下,以轨迹跟踪、队形保持为控制目标,基于虚拟领航策略设计一种分布式模型预测控制算法;接着,对优化问题的可行性以及编队系统的渐近稳定性进行分析,其中算法的终端部分设计、相容性约束设计是保证系统稳定的关键;最后,利用6架无人机仿真验证所提出控制算法的有效性.     

基于群智能-一致性理论的无人机编队全过程飞行航迹规划方法

针对无人机编队执行任务全过程飞行规划问题,提出一种基于多步粒子群优化的无人机编队航迹规划算法.首先,对无人机和执行任务策略进行建模,将编队执行任务全过程划分为编队成形、执行任务、返航、解散和无人机降落5个阶段,设计不同阶段的飞行策略;其次,针对不同的终端约束条件,设计多类多层优化指标,提出多步粒子群算法,并引入模型预测控制滚动优化航路点,得到适用于不同阶段的能严格满足约束条件的航路规划方法;然后,建立旋转坐标系,将航路点信息转换为编队控制律中的理想航向和高度信息,得到能通过航路点的编队控制算法;最后,利用编队控制算法去执行航路规划方法给出的航路点,生成航迹,得到编队航迹规划算法.仿真结果表明,所提规划方法比传统方法更适用于编队飞行,能为编队规划执行任务全过程的平滑航迹,具有良好的通用性.     

基于气动参数调节的无人机抗扰动控制算法

无人机飞行受到气动阻尼扰动,从而导致控制稳定性不好。当前采用翼型截面气动参数调节的方法进行无人机抗扰控制,以扭角以及振动方向等参数为约束指标,参数调节的模糊度较大,对气动姿态参数调节的稳定性不好。文中提出基于气动参数调节的无人机抗扰动控制算法。该算法根据无人机的飞行工况构建各阶模态对应的气弹耦合方程,在速度坐标系、体坐标系、弹道坐标系三维坐标系下构建无人机的飞行动力学和运动学模型;采用卡尔曼滤波方法实现对无人机飞行参数的融合调节和小扰动抑制处理,并采用末端位置参考模型进行无人机飞行轨迹的空间规划设计;在卡尔曼滤波预估模型中实现对动力学模型的线性化处理,采用气弹模态参数识别方法进行无人机的飞行扰动调节;将姿态控制作为内环,获得位置环状态反馈调节参数;以无人机的升力系数和扭力系数作为气动惯性参数进行飞行姿态的稳定性调节,从而实现无人机抗扰动控制律的优化设计。采集飞机的俯仰角、横滚角和航向角作为原始数据在Matlab中进行仿真分析,仿真结果表明,采用所提方法进行无人机抗扰动控制的稳定性较好,对气动参数进行在线估计的准确性较高,航向角误差降低12.4%,抗扰动能力提升8dB,收敛时间比传统方法缩短0.14 s,无人机飞行的抗扰动性和飞行稳定性得到提高。所提方法在无人机飞行控制中具有很好的应用价值。     

Consensus-based three-dimensionalmulti-UAV formation control strategy with high precision

We propose a formation control strategy for multiple unmanned aerial vehicles (multi-UAV) based on second-order consensus, by introducing position and velocity coordination variables through neighbor-to-neighbor interaction to generate steering commands. A cooperative guidance algorithm and a cooperative control algorithm are proposed together to maintain a specified geometric configuration, managing the position and attitude respectively. With the whole system composed of the six-degree-of-freedom UAV model, the cooperative guidance algorithm, and the cooperative control algorithm, the formation control strategy is a closed-loop one and with full states. The cooperative guidance law is a second-order consensus algorithm, providing the desired acceleration, pitch rate, and heading rate. Longitudinal and lateral motions are jointly considered, and the cooperative control law is designed by deducing state equations. Closed-loop stability of the formation is analyzed, and a necessary and sufficient condition is provided. Measurement errors in position data are suppressed by synchronization technology to improve the control precision. In the simulation, three-dimensional formation flight demonstrates the feasibility and effectiveness of the formation control strategy.     

基于自适应粒子群算法的多无人机混合编队技术

为了解决无人机群体在复杂战场环境下的编队、避障、避碰问题,提出了一种将基于行为法和虚拟领航者法相结合的混合编队技术;为无人机编队设计了奔向目标、队形保持、避碰及避障共4种基本行为,通过对编队无人机的行为权重参数进行调整控制无人机编队的机动,编队无人机的行为权重参数通过自适应粒子群算法进行优化,然后对编队无人机的基本行为进行矢量合成,归一化处理后控制无人机的机动;仿真实验测试证明了该方法能使无人机群体保持期望的队形,实现了编队避障和内部避碰,进而更有效地完成编队任务,提高了多无人机编队的机动性能,促进了多无人机混合技术的发展。     

面向城市巡防的多无人机协同航迹规划

无人机（UAV）因其低成本、高动态性与低部署性等优点被逐渐应用于城市巡防中。为提高异构无人机航迹规划的效率,首先建立了考虑无人机的任务执行率、航迹代价和撞击代价的多无人机任务规划模型。其次针对传统优化算法容易陷入局部最优解,均匀性差等问题,将差分策略和Levy飞行策略引入乌鸦搜索算法中对算法进行改进,提出基于Levy飞行策略的混合差分乌鸦搜索算法（LDCSA）,将剪枝处理和Logistic混沌映射机制加入快速遍历随机树（rapidly-exploring random trees,RRT）算法中,并通过改进的RRT算法进行航迹初始化。最后建立了3维的城市模型进行仿真实验,将所提算法与粒子群（PSO）、模拟退火（SA）、乌鸦搜索（CSA）算法对比,仿真结果表明该算法能提高全局收敛性与鲁棒性、缩短收敛时间、提高无人机执行覆盖率和减少能耗,在解决多无人机航迹规划问题中更具有优势。