无人机近距编队飞行建模与仿真

无人机编队飞行有着单架无人机无法比拟的优点,但属于较新的研究领域。从无人机未来发展需求出发,根据近距编队的特点,提出了一种近距编队控制方法,并以双机近距编队为基础对控制律设计和算法实现进行了研究。通过建立僚机旋转参考系下的双机编队相对运动模型,同时考虑长机翼尖涡对僚机产生的气动耦合效应,基于PI控制设计了一种无人机近距编队飞行控制器,通过仿真验证和比较分析,证明僚机可以很好地跟随长机的机动保持编队构型,验证了提出的编队飞行控制方法的可行性和有效性。     

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.     

基于蜂群编队形式的气动耦合优化模型研究

为提高小型蜂群无人机紧密编队协同飞行时的整体气动效率,强化系统作战效能,文中以某蜂群无人机平台为研究对象,对其集群编队飞行时的气动耦合问题进行了深入研究。针对不同作战任务场景,设计了几类以典型长-僚机编队为模块单元的编队飞行结构,利用耦合涡流模型的数值仿真方法,完成了双机编队单元的寻优设计,同时基于双机编队单元优化结果,运用遗传算法,得到集群飞行时,各无人机单元气动增量数据传递信息,并辅以计算流体力学仿真验证,确定了完整的气动数据传递体系。最终建立了多任务、多条件、多目标导向的气动耦合优化模型,实现了集群优化飞行策略方法,达到了作战能力倍增的效果。     

应用极值搜索算法优化无人机近距离编队飞行

针对无人机近距离编队飞行问题，采用极值搜索算法．解决其中僚机所需动力最小化的控制问题。在近距离飞行编队中，充当僚机的无人机会受到前面长机产生的旋涡力的影响，旋涡力是两飞机间距离的函数，以僚机的俯仰角作为搜索目标，寻求两无人机问的最大旋涡力．使得僚机所消耗动力最小，从而构造出最优的飞行编队结构。通过仿真．验证了所设计的控制方法能够极大地节省僚机的能量。     

多无人机编队飞行气动耦合仿真

针对多无人机紧密编队飞行中的气动耦合问题,提出了一种基于涡流模型分析和计算流体力学(CFD)仿真相结合的气动耦合研究方法.该方法首先在分析长机尾涡对僚机产生诱导速度的基础上,分别建立了僚机气动增量、两机相对位置及相对方位的数学模型,进一步通过仿真计算得到编队飞行时的最佳间距,最后利用CFD对长机与僚机间的气动耦合效应进行了仿真.结果表明:X-47B无人机按此间距编队飞行时,僚机的升阻比从5.4774提高到7.2231.     

基于自抗扰控制技术的无人机编队控制器设计

针对无人机编队飞行控制系统,采用长机-僚机结构,建立以僚机速度方向为x轴的固连于僚机的旋转坐标系。根据无人机的自动驾驶仪模型以及两机的编队飞行几何关系,建立了编队运动数学模型,设计了分别适用于无人机航向和速度两个通道的自抗扰编队控制器。仿真结果表明,所设计的控制器可以通过控制编队间距,方便、精准地控制无人机编队飞行,能够实现无人机编队飞行过程中队形的变换和保持,且控制系统结构具有良好的扩充性。这种控制方法超调量小,鲁棒性强,优于传统控制方法。     

多无人机编队队形保持优化控制仿真研究

采用多无人机编队保持队形的优化控制可以通过调节较少参数使各无人机能够精确跟踪领航无人机,达到稳定编队队形的目的。以简化的自动驾驶仪模型作为编队保持控制系统的内回路,基于以长机为参考的旋转坐标系建立相对运动学模型,采用全局渐近稳定控制方法设计了多无人机编队保持控制器。经过仿真验证,该控制器实现了长机在三维空间机动飞行时僚机能够迅速跟踪长机并保持编队队形的稳定,且响应速度和跟踪精度较为理想。仿真结果表明,该控制器能够实现多无人机编队队形在三维空间下的保持。     

无人机编队的高阶滑模控制方法研究

在未知干扰环境下,对无人机编队飞行的稳定性和精度提出了更高的要求,采用常规滑模控制的编队算法由于"抖振"等问题,不适应高精度和稳定性的要求.针对此问题,提出了一种基于高阶滑模控制的编队飞行控制方法,以三架无人机编队为例,建立了三维空间高阶滑模控制编队控制模型,实现了长机的航路跟踪及僚机的编队队形控制和保持.仿真结果表明...     

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。     

多无人机同时到达的分散化控制方法

多无人机(UAV)同时到达是典型的协同控制问题,在编队飞行、协同攻击中都有应用。以多无人机协同多目标攻击为应用背景,对多无人机同时到达问题进行了研究。考虑到战场环境的动态性和不确定性以及无人机自身的特点,提出一种适用于多无人机同时到达的分散化控制方法,其内容包括仅依靠局部信息交互的分散化控制结构和基于一致性算法的分散化控制策略。为方便操作员控制无人机群体的整体行为,分别设计了引入外部参考信号和虚拟Leader的分散化控制策略。根据路径规划和速度控制的不同特点将二者结合起来,利用它们的互补优势来应对路径误差和突发威胁等不利因素的影响。仿真结果表明,本文提出的分散化控制方法能够实现多无人机同时到达,并且具有很好的灵活性、鲁棒性、可靠性和可伸缩性。     

基于自组网策略的多机编队与防撞任务研究

近年来多旋翼无人机编队飞行技术取得了巨大的突破,将无人机技术与自组网技术相结合将会促进无人机集群技术的发展。为了促进无人机编队飞行技术的发展,以5架六旋翼无人机为研究对象,重点研究了基于自组网策略的多旋翼无人机队形组成、队形保持、队形重构以及飞行过程中的避碰策略,设计了数据闭环的地面编队控制软件并进行试飞验证。测试结果表明,该数据闭环地面编队控制软件稳定可靠,实现了编队队形组成、保持、重构以及在队形变换过程中的机间避碰等功能,对多旋翼无人机编队飞行工程化实现具有一定的参考价值。     

复杂环境下多无人机轨迹姿态协同控制

考虑多无人机在实际飞行过程中的避障需求，在建立面向控制的四旋翼无人机轨迹姿态模型基础上，为克服传统多无人机为每架无人机规划轨迹的不足，研究了基于多无人机中心点的轨迹设计策略。进一步，考虑避障约束，基于半定规划进行迭代区域扩张完成了多无人机的安全飞行区域及队形设计。在此基础上，基于干扰补偿策略为每架无人机设计了协同控制器，最终确保了多无人机在多障碍环境下的安全飞行。     

Cascade-type guidance law design for multiple-UAV formation keeping

A procedure to compute guidance commands for controlling the relative geometry of multiple unmanned aerial vehicles (UAVs) in formation flight is proposed. The concepts of branch, global leader, and local leader/follower are used to represent the whole formation geometry. A positive-definite function defined in terms of the formation error is then introduced and the Lyapunov stability theorem is used to obtain the cascade type guidance law. This scheme leads to the synchronized flight of all UAVs while maintaining formation geometry. The results of a high fidelity nonlinear simulation of a reconnaissance and surveillance mission example are presented to show the effectiveness of the proposed guidance law.     

类X?47B无人机菱形编队气动干扰数值模拟

设计了一种由4架类X?47B飞翼布局无人机（UAVs）组成的菱形编队。通过求解RANS方程的数值模拟方法,研究了菱形编队无人机气动干扰问题,详细分析了影响机理,定量给出了编队减阻效果。计算结果表明:头机气动性能基本保持不变。两侧僚机受上洗气流影响,其减阻效果明显。尾机主要受下洗气流影响,其阻力增大,对编队久航和远航不利。在重力配平条件下,两侧僚机飞行阻力的减小是由攻角减小和诱导阻力减小共同引起的。尾机在编队中飞行阻力的增大主要是攻角增大带来的阻力增加,诱导阻力增大仅带来了20%的阻力增量。从减小下洗气流对尾机的不利影响出发,对不同垂向间距的尾机升阻特性进行了研究,并参考雁群头鸟变换行为机制,给出了无人机菱形编队飞行建议。      

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。     

Flight safety measurements of UAVs in congested airspace

Describing spatial safety status is crucial for high-density air traffic involving multiple unmanned aerial vehicles (UAVs) in a complex environment. A probabilistic approach is proposed to measure safety situation in congested airspace. The occupancy distribution of the airspace is represented with conflict probability between spatial positions and UAV. The concept of a safety envelope related to flight performance and response time is presented first instead of the conventional fixed-size protected zones around aircraft. Consequently, the conflict probability is performance-dependent, and effects of various UAVs on safety can be distinguished. The uncer-tainty of a UAV future position is explicitly accounted for as Brownian motion. An analytic approximate algorithm for the conflict probability is developed to decrease the computational consumption. The relationship between safety and flight performance are discussed for different response times and prediction intervals. To illustrate the applications of the approach, an experi-ment of three UAVs in formation flight is performed. In addition, an example of trajectory planning is simulated for one UAV flying over airspace where five UAVs exist. The validation of the approach shows its potential in guaranteeing flight safety in highly dynamic environment.     

结合跳点引导的无人机随机搜索避撞决策方法

针对无人机在城市空域环境和密集交通流下的避撞决策问题，提出马尔科夫决策过程（MDP）和蒙特卡洛树搜索（MCTS）算法对该问题进行建模求解。蒙特卡洛树搜索算法在求解过程中为保证实时性而使其搜索深度受限，容易陷入局部最优，导致在含有静态障碍的场景中无法实现避撞的同时保证全局航迹最优。因此结合跳点搜索算法在全局规划上的优势，建立离散路径点引导无人机并改进奖励函数来权衡飞行路线，在进行动态避撞的同时实现对静态障碍的全局避撞。经过多个实验场景仿真，其结果表明改进后的算法均能在不同场景中获得更好的性能表现。特别是在凹形限飞区空域仿真模型中，改进后的算法相对于原始的蒙特卡洛树搜索算法，其冲突概率降低了36%并且飞行时间缩短47.8%。