基于改进人工势场的无人机编队避障

针对无人机编队飞行过程中的障碍物规避问题,提出了基于改进人工势场的避障控制方法。定义了空域障碍物产生的斥力势场,并给出了无人机规避障碍物的速度场,与基于虚拟长机的队形保持控制方法相结合,使无人机能够在感知到障碍物时使用改进人工势场法避障,并在避障结束后对队形恢复过程进行优化,使无人机能够更迅速恢复原有队形。仿真结果表明,该方法能够有效规避障碍物。     

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。     

基于改进人工势场算法的无人机群避障算法研究

针对无人机运动避障人工势场算法本身存在的极小值问题和局部最小值问题，采用改进的人工势场算法，提出了一种新的路径规划方法。不同于目前的人工势场法，该模型从双机相互作用开始，在障碍物斥力的基础上，增加了无人机之间的斥力，同时定义集群的前置形心作为另一个引力源。算法分析表明，该方法能够有效避免无人机陷入局部最小值，并增强了无人机机群的控制和避障能力。基于该无人机控制模型，给出了路径规划设计并进行了仿真实验。实验结果表明，基于该模型的无人机机群控制具有更好的避障性能和追踪目标的能力。     

一种基于一致性的四旋翼无人机编队避障方法

针对一致性方法无法实现四旋翼无人机编队避障的问题,在航迹规划空间中引入势场来避免编队无人机间和编队无人机与障碍物间发生碰撞。以一致性方法为基础引导四旋翼无人机形成期望队形,为提高算法的收敛速度并且避免四旋翼无人机之间发生碰撞,增加了目标点的引力场和无人机间的斥力场;为有效避开外部环境中的障碍物,增加了障碍物的斥力场,并且构建了四旋翼无人机编队避障控制协议。仿真结果表明,新构建的控制协议能够引导编队无人机有效避开障碍物,并且能够恢复预期编队队形。     

无人机编队构成的分散最优控制方法研究

针对无长机带领、具有固定无向通信拓扑的无人机编队构成控制问题,提出了一种基于"相邻"无人机状态反馈的分散最优控制方法。该方法采用Laplacian矩阵描述编队通信结构,以"相邻"无人机与编队构型间的相对状态误差构建分散最优控制模型,并通过求解具有LMI约束的线性目标最优化问题得到编队各无人机的分散最优控制律。该方法使得多无人机在分散协同的前提下,基于局部信息快速准确地形成预定编队构型,达到运动方向和速度的一致性。仿真实验验证了该方法的有效性。     

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。     

基于量子行为鸽群优化的无人机紧密编队控制

随着军事、民用需求的提高和相关领域的技术推动，无人机编队协同作业已成为当今人们逐渐关注的焦点。无人机紧密编队是指无人机间侧向距离在1~2倍翼展内的编队，因其可有效改善编队中无人机的气动性能而备受瞩目。基于无人机紧密编队条件下的气动耦合效应，建立三维空间下的状态空间方程描述双机相对运动，并推导了紧密编队条件下的双机最优编队构型，在此构型下将人工势场法和编队控制相结合作为控制系统中的间接控制环，并针对基本鸽群优化算法的寻优缺陷利用量子行为规则对其进行改进，将改进后的鸽群优化算法和无人机控制量结合作为控制系统中的直接控制环，最后通过仿真对比验证了此控制系统对于紧密编队控制的有效性。     

基于PX4飞控的多旋翼无人机编队跟踪系统设计

为解决单架无人机续航能力不足、执行任务单薄、应用场合受限等问题，目前多无人机协同跟踪具有极其重要的研究价值。以多旋翼无人机为研究对象，设计了一种基于 PX4飞控的多旋翼无人机协同编队系统。利用飞控底层软件，将设计的制导律进行移植，通过ROS系统对无人机进行外部控制，各个僚机和长机之间能够实时获取其他无人机位置，然后通过控制器得到指令速度，从而形成预设跟踪编队。仿真实验结果表明，整个编队系统对目标的跟踪精确有效，并且所设计的制导律可以在PX4飞控架构下实现对地面目标的编队跟踪，提高了多旋翼编队跟踪系统的稳定性。     

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。     

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。