巡检无人机编队轨迹跟踪控制研究

针对单架无人机在多线电路巡检工程中效率低下的问题,提出一种巡检无人机编队控制巡检方法。针对编队过程中的饱和输入现象,采用领导者-跟随者控制算法进行无人机编队控制;在控制过程中将饱和考虑为干扰量,采用指数收敛观测器对饱和输入量进行估计;在姿态子系统控制中加入指数观测器来设计控制律,提升了编队系统的鲁棒性,最后通过李雅普诺夫稳定性分析判断系统最终达到渐近稳定。仿真结果表明了所提出控制算法的有效性。     

基于扰动观测器的无人机固定时间编队协同控制

针对无人机的编队控制问题,基于虚拟领航者编队方法,提出了 1种基于固定时间超螺旋干扰观测器的反步控制策略。首先,设计了 1种固定时间超螺旋扰动观测器,以保证在固定时间内,对无人机编队机动所受扰动的快速观测;其次,针对编队控制问题,设计了基于超螺旋扰动观测器的反步控制策略,该控制器显著降低了抖振效应;然后,使用李雅普诺夫理论和固定时间理论,分析了控制策略的固定时间稳定性;最后,通过仿真算例验证了所提出的控制策略的有效性与可行性。     

软管连接约束下的加油机/无人机编队跟踪控制

在自主空中加油任务中,针对受油无人机（UAV）与加油机对接后形成的软管约束下的编队跟踪控制问题,提出一种基于领航-跟随的加油编队跟踪控制方法。首先,建立软管约束下加油编队运动学/动力学模型。然后设计非奇异终端滑模编队快速收敛控制器,以满足软管约束下加油编队的快速收敛需求;再考虑复杂气流和软管未知扰动,结合扩张状态观测器和PI型动态逆控制,设计无人机轨迹跟踪控制器,并基于Lyapunov稳定性分析证明闭环系统可实现有限时间的快速稳定。最后,通过数值仿真来验证所设计加油编队控制方法的有效性。     

基于滑模的多无人机系统协同编队控制

针对具有非完整约束的多无人机系统编队控制问题，提出了一种基于滑模的协同编队控制算法。控制目标是使多无人机系统能够收敛到期望编队，并且能够跟踪上期望的运动轨迹。在领导-跟随结构中，编队的期望运动轨迹由一个动态的虚拟领导者来表示，仅部分跟随者先验已知虚拟领导者信息，并且所有跟随者之间只能局部交互信息。首先，采用分布式状态观测器，使所有跟随者能够在有限时间内估计出虚拟领导者的状态。然后，利用该观测器的估计状态，提出了基于滑模的协同编队控制算法。最后，基于李雅普诺夫稳定性理论证明了多无人机系统的稳定性,并且通过5架无人机的仿真验证了所提算法的有效性。     

切换拓扑下无人机集群系统时变编队控制

针对多无人机(UAV)间通信拓扑可能发生变化的情况,研究了具有二阶积分特性的无人机集群系统的轨迹跟踪与时变编队控制问题。基于一致性方法设计了编队控制器,将编队控制问题转换成闭环系统的稳定性问题,引入了切换拓扑平均驻留时间的概念,并在此基础上利用线性矩阵不等式(LMI)方法,给出了控制器设计步骤。通过构造分段连续Lyapunov函数,证明了切换拓扑下无人机集群系统能够实现对指定轨迹的跟踪并且实现时变编队飞行。以三维空间运动的无人机集群系统为例进行了仿真验证,结果表明本文所提方法能够解决切换拓扑下无人机集群系统的轨迹跟踪与时变编队问题。     

基于距离的无人机编队路径跟踪控制

针对复杂通信环境下无人机编队跟踪控制问题，提出了基于距离的无人机编队路径跟踪容错控制方法。基于刚性图编队控制框架，引入距离误差，实现编队控制，并针对无人机编队生成的收敛速度问题，引入预设性能技术，以指定跟踪性能生成无人机编队。针对无人机执行器可能出现的故障，利用自适应滑模容错控制技术，实现具有容错性能的编队控制。考虑无人机在飞行环境中遇到的不确定扰动和模型自身存在的未建模动态，引入神经网络控制器，提高控制算法的抗干扰能力。最后，基于Lyapunov理论证明了所设计编队控制系统的稳定性，仿真验证了控制方法的有效性。     

基于预测控制的无人机编队内部避碰

针对无人机编队内部避碰问题,首先采用基于预测控制的方法,解决了在即将发生碰撞情况下无人机的航向调整问题;然后,建立了航路回归模型,解决了无人机避碰后,迅速回归预定航路的问题。仿真结果表明,文章给出的避碰方法能够有效解决无人机编队内部碰撞问题。     

基于零空间方法的四旋翼无人机避障与协同编队控制

针对四旋翼无人机在编队飞行执行任务时可能遭遇障碍物问题,考虑多无人机避障及机间避撞的需求,提出 1种基于零空间方法的四旋翼无人机避障与协同编队控制算法。首先,建立四旋翼无人机动力学模型,并建立虚拟控制量简化控制模型;其次,基于零空间方法进行避障与协同编队控制算法研究,将无人机任务执行分解为目标趋向任务、避障避撞任务和协同编队任务,并根据优先级进行任务融合得到期望速度;再次,基于 PID方法设计控制律;最后,通过仿真验证所提控制算法的有效性。所提方法可保证四旋翼无人机在编队飞行中遭遇障碍物时的飞行安全。     

多无人机协同控制方法及应用研究

多无人机集群作战是未来战争的重要形式。作为集群作战中的关键技术,协同控制有着极为广泛的应用,例如多无人机编队飞行、协同侦查与集群攻击等。简述了多无人机集群作战的发展历程,归纳了集群作战过程中的关键技术,给出了协同控制方法的分类与体系结构。然后,从编队控制、合围控制、跟踪控制3个方面,总结了近年来国内外关于协同控制方法的研究成果。重点介绍了编队控制中的四种典型方法及相关应用,分析了各类编队控制方法的优缺点。最后对多无人机协同控制方法的未来发展方向进行了展望。     

一种基于蜂拥策略的分布式无人机编队控制方法

在无人机编队控制中,传统的主从式集中编队控制方式需要大量信息交互,对机间通信的要求较高.针对具有虚拟领航者的分布式无人机自组织编队跟踪问题,运用有界蜂拥算法对无人机模型进行求解.首先,提出了一种有界控制输入的蜂拥算法,并对算法的稳定性进行了分析;其次,对无人机进行了建模,提出了虚拟受力点的概念,并对虚拟受力点进行受力分析,将算法中的加速度转化成无人机径向速度与偏航速度的更新,以达到分布式无人机编队自组织以及跟踪虚拟领航者的目的;最后,通过仿真验证了算法和模型的有效性.     

A guidance law for UAV autonomous aerial refueling based on the iterative computation method

The rendezvous and formation problem is a significant part for the unmanned aerial vehicle（UAV） autonomous aerial refueling（AAR） technique. It can be divided into two major phases： the long-range guidance phase and the formation phase. In this paper, an iterative computation guidance law（ICGL） is proposed to compute a series of state variables to get the solution of a control variable for a UAV conducting rendezvous with a tanker in AAR. The proposed method can make the control variable converge to zero when the tanker and the UAV receiver come to a formation flight eventually. For the long-range guidance phase, the ICGL divides it into two sub-phases： the correction sub-phase and the guidance sub-phase. The two sub-phases share the same iterative process. As for the formation phase, a velocity coordinate system is created by which control accelerations are designed to make the speed of the UAV consistent with that of the tanker.The simulation results demonstrate that the proposed ICGL is effective and robust against wind disturbance.     

Formation flight of fixed-wing UAV swarms: A group-based hierarchical approach

This paper investigates a formation control problem of fixed-wing Unmanned Aerial Vehicle (UAV) swarms. A group-based hierarchical architecture is established among the UAVs, which decomposes all the UAVs into several distinct and non-overlapping groups. In each group, the UAVs form hierarchies with one UAV selected as the group leader. All group leaders execute coordinated path following to cooperatively handle the mission process among different groups, and the remaining followers track their direct leaders to achieve the inner-group coordination. More specifically, for a group leader, a virtual target moving along its desired path is assigned for the UAV, and an updating law is proposed to coordinate all the group leaders’ virtual targets; for a follower UAV, the distributed leader-following formation control law is proposed to make the follower’s heading angle coincide with its direct leader, while keeping the desired relative position with respect to its direct leader. The proposed control law guarantees the globally asymptotic stability of the whole closed-loop swarm system under the control input constraints of fixed-wing UAVs. Theoretical proofs and numerical simulations are provided, which corroborate the effectiveness of the proposed method.     

基于改进一致性算法的无人机编队控制

编队飞行是指多架无人机保持以一定队形进行飞行的状态,相比于单架飞机执行任务,无人机编队能够增加搜索面积,提高飞机飞行性能,增大完成任务成功率。编队控制是实现编队安全高效完成指定任务的前提。本文以一致性理论为基础,针对无人机运动模型的特点与实际飞行要求,对基本的一致性算法进行改进,提出了改进一致性无人机编队控制算法。首先利用纵向和横侧向解耦的自动驾驶仪模型给出了无人机的三自由度运动方程,根据机动性与飞行性能要求定义了各方向上的加速度、速度与角速度约束。基于一致性理论,将编队控制分为平面与纵向2个方向进行,在状态控制的基础上,利用各状态变量间的几何关系对无人机运动自由度进行转换,加入编队队形信息,设计了编队控制算法。为了使算法生成的指令信号满足约束条件,提出了"最小调整"约束条件处理策略。依据粒子群算法对各无人机的爬升加速度进行优化,以避免机间碰撞。仿真结果表明：提出的编队控制算法具备编队成形与变换功能,能够使无人机编队状态快速收敛到指定值,且保持指定队形,无人机飞行状态满足所有约束条件。     

基于预测控制方法的UAV编队飞行

针对传统UAV编队控制律显式考虑约束能力不强的不足,基于预测控制方法和虚拟结构控制策略,设计了一种分布式编队控制律。该控制律能显式地考虑各种约束,每个UAV仅需要滚动求解有限时域优化问题得到自身控制输入,提出了一种简单的代价惩罚的方法实现障碍规避,并将优先级策略引入UAV之间避碰中。仿真结果表明,所设计的编队控制律具有...     

基于反步推演法的多机编队队形重构控制

针对多无人机（UAV）集结期望的队形和达到稳态速度缓慢影响作战效率，基于反步推演法设计了一种协同导引控制律，用于解决多无人机快速队形重构和快速达到稳定状态。本文以一架虚拟长机为中心，3架僚机在3个顶点组成的三角形编队作为被控对象，且长机的速度方向作为编队的前行方向，僚机跟随长机编队飞行。采用长机导引机制，建立每架僚机的误差动力学模型；基于图论建立任意两架无人机之间的通讯模式，通过反步推演法得到多无人机编队队形保持的导引控制律。通过构建合理的Lyapunov函数，证明所提出的控制方法在编队集结和队形保持的有效性，同时将所提出的方法与模型预测控制（MPC）方法和拉普拉斯方法进行对比，更进一步验证所提方法有效性。仿真结果表明：每架无人机不仅能够按照期望的队形飞行，而且以动态响应快和稳态误差小收敛于虚拟长机的运动轨迹。     

Virtual target guidance-based distributed model predictive control for formation control of multiple UAVs

The paper proposes a Virtual Target Guidance (VTG)-based distributed Model Predictive Control (MPC) scheme for formation control of multiple Unmanned Aerial Vehicles (UAVs). First, a framework of distributed MPC scheme is designed in which each UAV only shares the information with its neighbors, and the obtained local Finite-Horizon Optimal Control Problem (FHOCP) can be solved by swarm intelligent optimization algorithm. Then, a VTG approach is developed and integrated into the distributed MPC scheme to achieve trajectory tracking and obstacle avoidance. Further, an event-triggered mechanism is proposed to reduce the computational burden for UAV formation control, which takes into consideration the predictive state errors as well as the convergence of cost function. Numerical simulations show that the proposed VTG-based distributed MPC scheme is more computationally efficient to achieve formation control of multiple UAVs in comparison with the traditional distributed MPC method.