结合速度观测器和方向信息的无人机编队控制

针对现阶段基于方向信息的编队跟踪控制方法需要提前预知系统期望速度的问题,提出了基于分布式速度观测器的无人机群编队控制策略。通过速度观测器和基于方向信息的编队控制器的结合,解决了部分无人机在编队过程中无法直接获取速度信息的问题。系统的编队采用了领导者-跟随者结构,通过改变领导者的相对位置来完成缩放任务。控制器的设计引入了旋转矩阵来实现编队系统的旋转任务,然后通过Lyapunov方法证明了控制器的稳定性。最后通过仿真软件的缩放和旋转试验证明了控制策略的有效性。     

基于分布式自适应的多智能体容错一致性控制

针对"领航者-跟随者"的多智能体编队，由于领航者系统出现故障引起编队通讯中断而不能完成任务的问题，提出了一种基于一致性理论的分布式自适应控制方法，用于解决该问题。首先，以一个位于顶点的智能体作为领航者，其余3个位于同一条线上的智能体作为跟随者，由此所构成的三角形编队作为被控对象。其中，领航者速度方向作为编队的前行方向，跟随者位于领航者之后。其次，基于图论，对智能体局部信息参数进行分布式自适应更新，并设计分布式自适应控制律，用于弥补多智能体编队中领航者故障所造成的影响。同时，根据相邻智能体的局部信息，设计整体分布式自适应容错控制律，进一步通过构建合理的Lyapunov函数，证明所设计控制器的稳定性，以及"领航者-跟随者"之间相对横向以及相对纵向的距离误差均收敛于固定常数。最后，仿真验证表明：所提出的自适应控制方法具有良好的鲁棒性，这也为工程实践提供了理论依据。     

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。     

大规模UAV编队信息交互拓扑的分级分布式生成

UAV编队信息交互拓扑的优化设计是保证UAV编队安全性和任务执行高效性的重要基础。目前队形保持下UAV编队信息交互拓扑生成算法局限于小规模编队,且优化目标单一。针对这一问题,采用了分级分簇结构扩展信息交互拓扑层级,以满足大规模场景,同时以提高编队续航能力和减少编队总通信代价为组合优化目标,提出了基于最小树形图的分级分布式领航-跟随者编队信息交互拓扑生成算法,并通过OMNeT++进行了仿真验证。实验结果表明在考虑位置误差传递迭代时,分级分布式领航-跟随者编队的总通信代价明显低于传统领航-跟随者编队,且通过周期性更新簇首,网络能耗更加均衡,提高了编队续航能力;在80架UAV编队规模下,分级分布式领航-跟随者编队生成算法能够在0.3 s内求解完成,相比于传统领航-跟随者编队算法,求解效率提高了约2.5倍;在100架UAV编队规模下,分级分布式领航-跟随者编队生成算法能够在0.4 s内求解完成,而传统领航-跟随者编队由于位置误差的传递迭代已不能保持原有队形。     

异构多智能体系统分组输出时变编队跟踪控制

空地协同控制是前沿的热点研究之一,以无人机、无人车为代表的空地智能体动力学模型的差异为研究带来了挑战。研究了高阶异构多智能体系统在有向拓扑条件下的分组输出时变编队跟踪控制问题,提出了虚拟领导者、分组领导者以及跟随者组成的三层协同控制架构。虚拟领导者用于规划整个多智能体系统的状态轨迹,分组领导者跟踪虚拟领导者所提供的轨迹信息,并相互协作以实现分组间的协同配合。跟随者跟踪分组领导者的输出并实现期望的输出编队。在有向通信拓扑结构条件下,基于局部邻居间的相对信息、观测器理论和滑模控制理论构造了控制协议,利用Lyapunov稳定性理论证明协议的有效性。数值仿真结果表明提出的方法能够实现无人机、无人车等异构智能体的空地协同,具有较好的工程应用价值。     

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。     

基于MAS的无人机编队飞行智能优化控制

 针对无人机编队飞行的实际背景和限制条件,提出了一种基于多智能体系统（MAS）技术的编队飞行的智能优化控制策略和实现算法。利用多Agent之间的交互作用,以灵活便捷的方式进行各单机之间的协同优化,从而可实现多架无人机的自主编队飞行。考虑到leader-follower原理的支配机制,对面向编队飞行的僚机控制律与实现算法进行了重点研究,设计了僚机编队控制器,通过仿真实验验证了其鲁棒性和稳定性。最后针对编队队形的变换与躲避威胁等特殊情况对无人机编队单元之间的协调优化进行了仿真验证和分析。     

无人机紧密编队队形构成控制

针对无人机编队飞行问题,通过借鉴Agent体系结构确定无人机编队的控制结构.建立了以航迹坐标系为参考坐标系的长机与僚机的相对运动模型,根据僚机距离长机最优位置的误差,利用李亚普诺夫稳定性理论设计队形构成中僚机的控制律.最后通过建立的六自由度非线性飞行仿真平台进行仿真验证,结果表明所设计的控制律能稳定引导无人机完成编队的队形构成.     

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。     

基于信息一致性的无人机紧密编队集结控制

提出了基于信息一致性的分段式无人机紧密编队集结控制策略,将集结过程分为3步:参考集结点选取和目标集结点分配、形成松散编队以及形成紧密编队。首先,以线切入预定航线的方式计算参考集结点,按照松散编队队形展开生成目标集结点,并利用基于三维距离空间的优化选择算法,将目标集结点快速、准确地分配给每架无人机。然后,使用速度一致性实现向目标集结点定点集结和向松散编队伴航集结,通过非精确的航迹控制快速形成松散编队,提高编队集结的效率。接下来,启动速度、姿态一致性来实现编队最终的精确航迹控制,并逐步压缩编队队形进入紧密编队,避免发生碰撞,完成从松散编队到紧密编队的平稳过渡,同时准确地跟踪预定航线。使用协同修正方法抑制了测量误差、协同误差和通信延迟,提高了紧密编队的稳定性和控制精度。最后,基于MATLAB平台环境对所提三维集结控制策略进行了仿真,验证了其合理性与有效性。     

Spacecraft formation-containment flying control with time-varying translational velocity

This paper investigates the problem of Spacecraft Formation-Containment Flying Control (SFCFC) when the desired translational velocity is time-varying. In SFCFC problem, there are multiple leader spacecraft and multiple follower spacecraft and SFCFC can be divided into leader spacecraft’s formation control and follower spacecraft’s containment control. First, under the condition that only a part of leader spacecraft can have access to the desired time-varying translational velocity, a velocity estimator is designed for each leader spacecraft. Secondly, based on the estimated translational velocity, a distributed formation control algorithm is designed for leader spacecraft to achieve the desired formation and move with the desired translational velocity simultaneously. Then, to ensure all follower spacecraft converge to the convex hull formed by the leader spacecraft, a distributed containment control algorithm is designed for follower spacecraft. Moreover, to reduce the dependence of the designed control algorithms on the graph information and increase system robustness, the control gains are changing adaptively and the parametric uncertainties are handled, respectively. Finally, simulation results are provided to illustrate the effectiveness of the theoretical results.     

Event-triggered control for containment maneuvering of second-order MIMO multi-agent systems with unmatched uncertainties and disturbances

This paper is concerned with distributed containment maneuvering of second-order Multi-Input Multi-Output (MIMO) multi-agent systems with non-periodic communication and actuation. The agent is subject to unmatched nonlinear dynamics and external disturbances. Event-triggered containment maneuvering control methods is developed based on a modular design. Specifically, an estimator module is constructed based on neural networks and the non-periodic obtained follower information through event-triggered communication. Next, a controller module is designed by using the identified information from the estimator module and a third-order linear tracking differentiator. An event-triggered mechanism is introduced for updating the actuator. Then, a path update law is designed based on the non-periodic leader information through event-triggered communication. The closed-loop system cascaded by the estimation subsystem and control subsystem is proved to be input-to-state stable, and Zeno behavior is excluded in the control process. The proposed method is capable of reducing the consumption of communication and actuation. A simulation example is provided to substantiate the effectiveness of the proposed event-triggered control method for distributed containment maneuvering of second-order MIMO multi-agent systems.     

多导弹三维编队控制

 多导弹编队控制可极大提高多枚导弹协同作战的效能。重点研究了多导弹编队控制涉及的2个主要问题：编队结构问题和三维编队保持控制器设计问题。提出了改进的领弹-跟随弹编队模式,结合多级分布式控制策略,解决了领弹失效时队形无法保持的问题;设计了基于相对误差的三维非线性跟随弹编队控制器,得到相应的跟踪控制律。不管领弹如何机动,跟随弹与领弹的相对距离始终为指定的期望值,同时跟随弹的速度、航向角和滚转角也能与领弹保持一致,通过仿真验证了所设计的编队控制器具有鲁棒性和稳定性。     

基于自适应方法的多无人机编队队形控制

针对"长机-僚机"近距编队队形因风场扰动而不能保持期望队形的问题,首先,提出了一种自适应队形保持控制的方法,该方法可用于抵消因风场不确定性对无人机的横侧向和前行方向所产生的距离误差,同时能够保持无人机编队稳定飞行。其次,由于风场的不确定性会引起"长机-僚机"之间的动力学发生变化,因此设计了一种基于"长机-僚机"相对运动模型的自适应控制律用以估计风场在3个方向的大小,进而控制无人机之间的相对运动以消除风场不确定性所产生的距离误差并保持速度的一致性,最终实现保持期望的队形。再次,通过构建合理的李雅普诺夫函数,证明无人机编队在风场干扰下能够保持编队稳定飞行,同时"长机-僚机"之间相对横向、横侧向以及纵向的距离误差均接近零。最后,通过仿真验证：所提出的自适应控制方法具有良好的鲁棒性,这为工程实践提供理论依据。     

基于Leader-Follower编队的无人机协同跟踪地面目标制导律设计

对地面目标的自动跟踪是无人机在任务应用阶段需要解决的重要问题之一,多无人机协同跟踪能够提高对目标运动状态的估计精度并降低目标丢失的概率,因而具有重要研究意义。本文提出了一种基于Leader-Follower编队的无人机协同跟踪制导方法,解决了传统Standoff跟踪模式对地面目标的速度范围限制问题。首先,通过控制无人机的航向不断趋近于地面目标牵连跟踪圆切线方向的方法设计了Leader无人机自动跟踪地面目标的制导律并完成了稳定性证明;其次,通过控制Follower无人机的速度和航向角逐渐趋近于Leader无人机速度和航向的协同跟踪策略,分别设计了Follower无人机自动跟踪Leader无人机的制导律和编队相位协同制导律并完成了稳定性证明;最后,分别针对静止目标、匀速直线运动目标和变速运动目标的跟踪问题进行了仿真验证,结果表明所提出的制导方法能够实现对不同运动状态地面目标的自动协同跟踪,并且跟踪性能优于基于李雅普诺夫向量法的制导方法。     

Cooperative formation control of multiple aerial vehicles based on guidance route in a complex task environment

In recent years, formation control of multi-agent has been a significant research subject in the field of cooperative control. However, previous works have mainly concentrated on formation control for simple point-mass model and linear model. In contrast, this paper presents a novel cooperative algorithm for multiple air vehicles formation control, which aims to devise a control strategy based on guidance route to achieve precisely coordinated formation control for a group of fixed-wing aircraft in a complex task environment. The proposed method introduces the leader-follower structure for effective organization of the multi-agent coordination. Moreover, the Partial Integrated Formation and Control (PIFC) is adopted to design the control law for Guidance-Route based Formation Control (GRFC). Additionally, the proposed approach designs two guidance-route generation strategies for two special situations to demonstrate the effectiveness of GRFC in complex task environments. Theoretical analysis reveals that the proposed control protocol for guidance command can ensure the overall stability and tracking accuracy of the system. Numerical simulations are performed to illustrate the theoretical results, and verify that the proposed approach can achieve coordinated formation control precisely in a complex task environment.