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。     

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。     

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。     

基于滑模干扰观测器的无人机编队动态面控制

针对采用虚拟结构法无人机编队中的不确定性问题,提出了一种基于滑模干扰观测器的编队控制器设计方案。采用滑模干扰观测器对汇总不确定项进行估计和补偿。在此基础上,采用动态面控制(DSC)算法设计了每架无人机的三个通道的编队控制器,克服了反演控制算法的"微分膨胀"影响。利用Lyapunov稳定性理论分析了控制参数的选取条件,保证了闭环系统是半全局一致最终有界的,且编队跟踪误差最终足够小。以5架小型无人机构成编队为例开展了编队飞行仿真分析。仿真结果表明,基于滑模干扰观测器的动态面控制算法保证了编队控制系统的控制精度和鲁棒性,有效地克服了不确定项的影响。     

基于相对方位信息和单间距测量的多智能体编队协同控制

由多个载体组成的多智能体系统对复杂环境具有更高的适应性,能够完成传统单个载体无法完成的任务。针对多智能体编队集结与队形移动跟踪问题,提出了一种改进的多智能体编队协同控制新算法。首先,以拒止环境下跟随智能体仅能通过光学传感器测量相对方位信息为任务背景,针对"领导者——第一跟随者"结构的多智能体编队,提出了基于相对方位信息与单间距测量的控制器,使得第一跟随者智能体可以追随移动的领导者智能体,并且可以通过改变与领导者智能体的间距对编队整体队形进行缩放控制。其次,提出一种了改进的分布式控制律,使得其他跟随者智能体可以仅通过两个相对方位信息完成编队飞行。然后,根据Lyapunov第二方法,构建了系统的能量函数,验证了所提出算法的稳定性。最后,通过数值仿真实验对所提算法进行了验证。仿真结果表明,基于该控制律多智能体系统能够完成编队集结、队形缩放和编队飞行的任务。     

基于小脑模型关节控制器的无人机集群快速终端滑模容错控制

针对受执行器故障和外界干扰影响的集群无人机（UAV）协同编队控制问题，提出了一种自适应快速非奇异积分滑模（FNISM）容错控制（FTC）方法。为使集群无人机在执行任务时具有良好的协同跟踪性能，通过对无人机实际飞行情况的分析，考虑了无人机编队飞行时的执行器故障和尾涡扰动等对跟踪性能的不利影响。采用小脑模型关节控制器神经网络（CMANN）来估计并消除外部干扰的影响，同时运用CMANN逼近补偿执行器故障。研究表明：所提出的容错控制方案可以保证无人机编队闭环系统在故障情况下的最终一致有界稳定，并且可以通过减小滑模设计参数提高收敛速度，通过增大虚拟和实际控制器参数提高控制精度。4架无人机的集群编队在该方法、基于径向基神经网络（RBFNN）的鲁棒动态面容错控制、比例微分（PD）滑模容错控制3种方法下的对比仿真结果表明该方法在无人机集群编队出现故障时具有更优异的协同控制性能。     

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。     

多无人机绳索悬挂协同搬运固定时间控制

针对多无人机绳索悬挂协同搬运跟踪控制问题,设计了一种新的固定时间协同跟踪控制算法。首先,通过旋量分析,计算系统不同状态下的有效旋量空间,并根据静力学平衡计算系统在有效旋量空间约束下的拉力容许裕度。其次,在保证绳索张紧以及最大拉力约束的条件下,基于微分平坦性以及绳索拉力优化分配算法,规划编队的期望跟踪轨迹。然后,基于Udwadia-Kalaba方程建立系统动力学模型,设计了连续的基于类超扭滑模和积分滑模的鲁棒控制项,以补偿系绳拉力给无人机造成的扰动,并设计了基于双极限齐次性原理的固定时间无人机协同外环位置控制器。针对无人机内环姿态稳定控制,设计了固定时间姿态稳定控制器。仿真结果表明,绳索拉力满足张紧和最大拉力约束,且设计的固定时间协同跟踪控制算法保证了系统在固定时间内稳定跟踪期望轨迹。     

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。     

攻击角约束的拦截弹制导控制一体化设计

针对拦截弹的攻击角约束制导问题,提出了一种基于反演滑模和扩张状态观测器(ESO)的制导控制一体化(IGC)设计方法。首先,基于弹目相对运动方程和拦截弹的非线性动力学方程,建立了拦截弹IGC模型,设计了ESO估计目标加速度和自动驾驶仪回路的干扰;在此基础上,基于干扰估计值和反演滑模方法,设计了IGC算法获取虚拟控制力矩,同时基于李雅普诺夫理论分析了闭环系统的稳定性;然后,利用动态控制分配技术将所获取的期望控制力矩分配到实际执行机构;最后,通过仿真结果验证了所设计的IGC+ESO算法的有效性。     

基于Leader-Follower的多无人机编队轨迹跟踪设计

针对四旋翼无人机（UAV）群在轨迹跟踪过程中易受外界干扰而引起跟踪误差的问题，设计了基于Leader-Follower的多无人机协同编队轨迹跟踪控制方法。在该系统中，首先通过积分反步法（IBS）对所建四旋翼飞行器模型设计Leader无人机的轨迹跟踪控制器。其次设计了滑模控制（SMC）器，以控制Leader与Follower无人机实现期望的编队队形并同时跟踪参考轨迹。然后通过数值仿真验证了算法的有效性，仿真结果表明，系统具有良好的控制精度。最后通过视觉定位系统进行实验，结果表明所设计的控制器能够实现多个无人机轨迹跟踪和编队控制，所设计的算法具有可行性。     

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.     

考虑输入饱和的固定翼无人机自适应增益滑模控制

针对复杂环境下的固定翼无人机飞行控制问题，考虑输入饱和以及复杂外界干扰的影响，提出一种基于自适应滑模控制方法的固定翼无人机飞行控制策略。首先，对固定翼无人机模型进行介绍，将模型分为姿态子系统和速度子系统；其次，针对姿态子系统和速度子系统的特点以及控制需求，分别采用自适应多变量螺旋滑模和自适应快速超螺旋滑模设计姿态控制器和速度控制器，该策略无需设计干扰观测器对外界干扰进行估计，仍然可以实现固定翼无人机对姿态参考指令和速度参考指令的有限时间精确跟踪，并基于Lyapunov的稳定性分析方法证明了闭环系统的稳定性。最后，对本文所提出的控制策略进行了仿真验证，结果表明该控制策略具有良好的控制性能。     

考虑多边界状态约束的飞翼布局无人机姿态控制

以大展弦比飞翼布局无人机为研究对象,针对强扰动环境下多边界状态约束时的飞行姿态控制问题,提出一种指令-控制律联合限制的全状态约束控制方法。该控制方法分别独立设计了指令边界限制器、过渡指令产生器和指令跟踪控制器3个部分。首先,基于无人机动力学特性设计的指令边界限制器,利用无人机的各个状态边界来限制姿态控制器的指令,实现了将非受控状态的约束问题转化为受控状态的约束问题;其次,基于"安排过渡过程"的思想并考虑约束限制环节,设计了过渡指令产生器,为无人机在线生成从当前姿态到期望跟踪姿态的过渡指令;最后,基于障碍Lyapunov函数和扩张状态观测器,设计了指令跟踪控制器,使无人机能够克服干扰且快速稳定地跟踪过渡指令。通过采用Lyapunov稳定性理论分析,该控制方法能够保证姿态跟踪误差收敛有界,且始终处于给定区间内部。仿真结果表明,该控制方法能够保证无人机飞行状态在不超出约束边界的同时,实现对姿态指令的准确跟踪。