有向通信拓扑和时延条件下的无人机集群时变编队控制

针对无人机（UAV）集群在有向通信拓扑和存在通信时延条件下的时变编队控制问题进行了研究。建立了无人机集群二阶离散时间系统模型，基于无人机自身实时信息和相邻无人机带通信时延的状态信息，设计了分布式编队控制协议。通过理论分析，得到了无人机集群能够实现时变编队的充要条件，给出了可行的期望编队的表达式。在集群通信拓扑有生成树的条件下，分析了控制协议中待定参数和状态更新周期满足的耦合约束条件，并给出了参数设计的流程。仿真结果表明:即使在较大的通信时延下，所设计的控制协议也能实现无人机集群时变编队控制，验证了理论分析的正确性和有效性。      

基于终端滑模控制的四旋翼无人机编队控制

本文以四旋翼无人机为研究对象,基于终端滑模控制技术,实现了四旋翼无人机系统的编队飞行控制。在构建四旋翼无人机数学模型的基础上,为每架四旋翼无人机设计了广义误差状态,基于广义误差状态提出编队控制目标。为实现编队控制目标,设计了基于终端滑模控制的编队控制器,最终所有四旋翼无人机的广义误差状态收敛到零时即实现期望的编队队形,进一步结合有限时间稳定性理论给出了上述编队控制器有限时间稳定性证明。最后用一个仿真实例验证了所提出算法的有效性,并将本文提出的控制器与基于线性滑模控制的控制器进行对比,实验证明所提出的控制算法具有更好的编队控制效果。     

基于Agent与元胞自动机的无人机集群混合式控制

高效有序的集群控制方式是集群顺利完成作战任务的前提。针对无人机集群控制问题,结合集中式与分布式2种控制方式,提出基于Agent与元胞自动机的集群混合式控制。从无人机集群作战流程出发构建了无人机集群控制体系框架、通信拓扑结构及集群控制规则,将集群个体由上至下分为中心长机、小组长机、个体无人机3个层次,高层级对低层级采用自上而下的集中式控制,同层级采用自下而上的分布式控制。在此基础上,利用Agent模型的层次性与元胞自动机模型的同质性,设计了基于Agent与元胞自动机的集群混合式控制模型,实现2种控制方式有效结合,元胞自动机模型实现集群基本的聚合、分离、速度一致规则,Agent模型实现不同层级个体间的协同交互规则。在编队集结与保持任务背景下,对分布式、集中式与混合式3种控制进行对比仿真,结果表明:基于混合式控制的集群在编队可控性、跟随性、一致性以及降低通信负载等方面具有明显优势,验证了混合式集群控制方法的有效性。      

微小型机器人嵌入式自驾仪设计

分析了不同类型微小型机器人对自驾系统的共性需求.提出了一种基于ARM(Advanced RISC Microprocessor)和μCOS-II的嵌入式自驾仪设计方法,给出了从需求分析、功能设计、结构设计、硬件设计、软件设计的系统设计过程,并分别从上述各方面对自驾仪的通用性进行了探讨.层次化的体系结构、模块化的硬件、结构化的软件以及无精确模型的模糊控制方法使得设计出的自驾仪经过简单的硬件调整和软件定制,就能适用于仿生机器鱼、履带机器人、小型无人机等不同的微小型机器人平台.经过多次试验验证,该自驾仪性能稳定、具有一定的通用性,弥补了专用自驾仪在多元异构群体中应用时的成本高、协调控制困难、兼容性和维护性差等不足.     

航天器集群控制与规划算法仿真验证平台设计

航天器集群作为一种新兴的多航天器协同模式,已经成为分布式空间系统的一个重要研究课题。很多关于航天器集群的关键技术需要在地面进行仿真、分析和验证。针对上述需求,设计了一种仿真验证平台,在地面实现了对航天器智能集群导航、规划与控制算法的全物理分析和验证。首先,给出了仿真验证平台的几种位姿识别方案,重点分析了一种基于单目相机的全局位姿识别技术,提出了一种基于气浮技术的航天器集群控制与规划算法仿真验证平台的总体设计方案,并定义了集群的运动场行为函数,设计了基于滑模控制的路径规划算法。最后,通过仿真验证了本方法的可行性和有效性。     

基于寒鸦配对交互行为的无人机集群编队控制

受寒鸦群配对飞行行为机制的启发,提出了一种配对交互模型,并应用于解决无人机（UAV）集群编队控制问题。首先,模仿寒鸦个体间的配对交互,设计配对交互时的邻居选择机制,基于社会力,考虑惯性加速、远距吸引、近距排斥、速度匹配和运动阻尼,分别建立配对个体和未配对个体的运动学微分方程,完成配对交互模型的构建。然后,在无人机模型基础上,设计基于寒鸦配对交互机制的无人机集群编队控制器。最后,通过2组仿真实验研究所提模型应用于无人机集群时的特性。结果表明,寒鸦配对交互模型能保证无人机集群运动的一致性,通过减小无人机交互的平均邻居数量,从而减小无人机集群的通信负载,并且当单向刺激时,配对无人机作为信息无人机时集群有更高的应激精度。      

无人集群系统时变编队H∞控制

针对有向通信拓扑网络下具有通信时滞与外部干扰的无人集群系统（AUSS）时变编队H_∞控制问题进行了研究。首先,基于AUSS期望编队构型信息、无人机（UAV）实时状态信息以及通信UAV之间带通信时滞的状态误差信息提出了AUSS的编队控制方法,通过变量替换将AUSS的编队控制问题转换成低维闭环系统的渐近稳定问题,并以线性矩阵不等式（LMI）形式给出了系统稳定的充分条件与最大允许通信时滞的计算公式。其次,通过构造Lyapunov-Krasovskii（L-K）泛函,证明了存在通信时滞与外部干扰条件下AUSS能够实现时变编队。最后,通过数值仿真验证所设计方法的准确性与有效性。      

基于事件触发的多机编队目标跟踪控制

为解决多机编队目标跟踪过程中存在的机间通信和控制更新频繁的问题，提出了一种具有事件触发机制的多机编队目标跟踪控制算法。首先，给出了一种具有事件触发策略的编队队形描述与目标跟踪一体化算法，简化了算法设计的复杂度，并使触发机制的工作过程更加直观；其次，给出了分布式目标跟踪控制律，并仅利用状态估计信息设计了事件触发函数，使无人机间通信与控制更新问题转换为判别触发函数的取值问题，同时设计了最小触发间隔系数，避免了可能存在的"Zeno行为"；最后，以编队不同的运动模式对算法进行了仿真验证。研究结果表明:所提算法能使无人机编队在机间通信与控制更新次数明显减少的情况下跟踪上目标。      

基于D3QN的无人机编队控制技术

针对无人机编队中控制器设计需要基于模型信息，以及无人机智能化程度低等问题，采用深度强化学习解决编队控制问题。针对编队控制问题设计对应强化学习要素，并设计基于深度强化学习对偶双重深度Q网络（D3QN）算法的编队控制器，同时提出一种优先选择策略与多层动作库结合的方法，加快算法收敛速度并使僚机最终能够保持到期望距离。通过仿真将设计的控制器与PID控制器、Backstepping控制器对比，验证D3QN控制器的有效性。仿真结果表明：该控制器可应用于无人机编队，提高僚机智能化程度，自主学习保持到期望距离，且控制器设计无需模型精确信息，为无人机编队智能化控制提供了依据与参考。     

多四旋翼无人机系统分布式分层编队合围控制

针对带有多个领航者与跟随者的欠驱动四旋翼无人机群系统, 提出了一种分布式分层编队合围控制方法。设计分层分布式有限时间滑模估计器, 实现在仅有部分领航者获取到期望轨迹的条件下, 每架无人机都能生成其满足控制需求的估计位置信息。针对六自由度欠驱动四旋翼无人机模型的特点, 提出一种无人机位置层和姿态层的分层控制方法, 实现了无人机对所生成的估计位置的跟踪控制, 该方法采用高阶导数逼近算法, 防止在求解期望角速度的过程中出现微分爆炸。所提方法能在满足姿态稳定收敛的条件下实现有效的编队合围控制。通过数值仿真验证了所提方法的有效性。      

基于RQPSO-DMPC的多无人机编队自主重构控制方法

针对敌方防御区域内各种威胁,为了实现隐蔽突防并实施对敌有效打击,在突防过程中多无人机(UAV)编队需要进行重构控制,并且编队内的相互避碰问题与通信约束问题也需考虑。通过建立无人机虚拟领航编队模型并引入邻居集,采用分布式模型预测控制(DMPC)同时构建多无人机编队的重构代价函数,提出采用改进量子粒子群优化(RQPSO)算法进行求解,并将求解结果与采用粒子群优化算法的结果进行对比。仿真结果表明,本文算法能够有效控制多无人机编队完成自主重构,实现安全隐蔽突防任务。     

未知环境下无人机集群协同区域搜索算法

针对无人机集群在无先验信息的未知环境中协同搜索的问题,提出了一种以覆盖率为实时搜索奖励的无人机集群协同区域搜索算法。首先建立覆盖分布地图（CDM）来描述任务环境,并采用Hadamard积实现CDM的快速更新,继而基于CDM计算覆盖率来定量描述实时搜索效果。将无人机集群视为一个控制系统,基于分布式模型预测控制理论建立系统的预测模型,并将预测周期内最大覆盖率增量设为奖励函数,采用差分进化算法进行求解,得到最优解作为系统的最优输入。仿真结果表明,所提算法能够对区域进行覆盖搜索,在出现突发情况时,覆盖率远高于平行搜索方法。      

基于搜索意图交互的无人机集群协同搜索算法

针对无先验信息条件下无人机集群的协同搜索问题,提出一种以覆盖率为引导,以机间安全距离、通信距离、偏航角调整及搜索边界等为约束的无人机集群协同搜索算法。通过建立环境地图矩阵对任务区域进行描述,进一步定义环境地图更新算子实现搜索过程中环境地图的快速更新。设计了集群协同搜索任务的回报函数,采用粒子群算法进行求解,得到每架无人机在已知环境地图下的最优决策,即决策意图。每架无人机在获取其他成员决策意图的基础上重新进行决策,实现协同决策。针对不同规模集群提出了集中式和分布式2种协同决策方案。仿真结果表明,所提算法能够对存在未知威胁的不规则任务区域进行有效覆盖搜索,覆盖率远高于不进行协同决策的个体决策方法。      

基于粒子群算法的阻抗控制在机械臂柔顺控制中的应用

阻抗控制策略是实现机械臂的末端力柔顺控制的一种重要方法.然而,针对阻抗控制参数的确定,目前尚缺乏通用算法.粒子群算法具有概念简单、易行、鲁棒性好等特点,适用于阻抗控制参数的确定与优化.通过分析基于力反馈的笛卡尔空间阻抗控制结构,采用粒子群算法整定阻抗控制参数.结合阻抗控制自身特点对粒子群算法做了相应改进,并通过仿真验证了优化后的阻抗控制算法可实现对七自由度机械臂的柔顺控制且具有较好的鲁棒性.     

基于LADRC的无人机高精度定高控制

针对复杂气流扰动对无人机（UAV）航迹高度控制的影响,对存在复杂气流扰动下的定高控制策略、控制结构和控制器参数优化展开研究,实现高精度高度控制。基于线性自抗扰控制（LADRC）确定总体控制架构,设计扩张状态观测器（ESO）观测估计纵向高度通道和速度通道中存在的总扰动,在控制中引入扰动补偿,减小扰动对系统输出造成的影响。对UAV在飞行过程中存在的大气紊流扰动或离散突风等风干扰分析其功率谱密度,构造考虑风扰动对高度影响、时域响应特性和稳定裕度的综合目标函数,通过粒子群优化算法得到具有高精度、高抗干扰性能的控制器参数,优化中考虑风干扰的功率谱密度分布,减小了控制器参数设计的保守性。通过与常规比例-积分-微分（PID）控制器控制效果进行对比,说明基于线性自抗扰控制器的纵向高度控制的优异性能。