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。     

无人机集群编队控制演示验证系统

为验证无人机集群编队控制算法在实际环境中的有效性,基于四旋翼无人机平台和双数据链、双地面站冗余设计,搭建了分布式控制的无人机集群编队控制演示验证系统。基于分层控制和封装的思想,将无人机控制系统分为执行层和决策层。执行层采用PIX自驾仪进行封装,只需修改自驾仪参数,不需针对不同无人机平台开发相应的控制策略,就能实现对异构集群的控制。需要验证不同的编队控制算法时,只需对决策层的控制算法进行修改即可,使系统具有较强的适应性和扩展性。演示验证系统采用双地面站和数据链,可实现在多种网络拓扑或通信失败情况下的无人机集群控制,具有较高的稳定性和安全性。应用领导-跟随协同编队控制算法,验证了本文演示验证系统的功能和性能。      

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。      

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。      

四旋翼无人机执行器可重构性量化评价方法研究

随着对系统安全性和可靠性要求的不断提高，故障系统的自主恢复能力即系统的可重构性受到高度关注，然而现有对于控制系统可重构性量化评价的方法主要针对线性系统，因此以具有强耦合、欠驱动、强非线性的四旋翼无人机（quadrotor UAV）为被控对象，提出了一种基于双滑模面鲁棒观测器与马氏距离结合的非线性系统可重构性量化评价方法。首先，在四旋翼无人机非线性模型的基础上，设计了具有对扰动和故障均不敏感的双滑模面鲁棒观测器，用于实现对系统状态的准确估计；其次，在执行器饱和及系统状态误差指标双约束条件下，采用基于马氏距离的相似度法，对非线性系统可重构性进行量化评价；最后，通过四旋翼无人机仿真实验验证了所提方法的有效性。结果表明，所提方法能够真实反映不同故障程度下系统的可重构性量化水平，为非线性故障系统控制策略调整补偿提供了重要依据。      

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。      

基于事件驱动的多飞行器编队协同控制

针对多飞行器系统协同控制问题,研究了基于事件驱动机制的控制设计方法。结合有向通信拓扑和编队位置描述建立了空间多飞行器系统的模型,在飞行器编队中引入事件驱动方法,设计了一般形式的事件触发函数,在非触发时间内利用触发时刻的信息生成了协同控制律,使得飞行器在非持续通信下能够形成三维空间任意给定的队形,并从理论上给出了协同控制问题的稳定性证明。提出的方法不需要飞行器系统的全局信息,飞行器只需要在触发时刻进行通信和控制器的更新,更有利于实际情形中的应用。仿真结果验证了该方法的有效性。     

输入受限下多无人机三维协同路径跟踪控制

针对多无人机在三维空间的协同路径跟踪问题,设计了基于反步法的协同控制器。考虑无人机在飞行过程中的输入饱和问题,加入辅助控制系统,以确保系统在输入受限下仍能保持良好的控制性能。将无人机六自由度非线性模型反馈线性化处理,同时考虑无人机飞行时受到的外界不确定扰动及自身模型存在的未建模动态,利用径向基函数在线估计补偿,提高了系统的鲁棒性和抗干扰能力。为了解决反步法需要对虚拟控制量求导导致的控制器复杂问题,引入一阶滤波器,避免对虚拟控制量的求导。利用图论解决无人机机间通信问题,基于一致性理论实现了多无人机的协同控制。基于Lyapunov稳定性理论,证明了系统的稳定性,仿真结果表明,所设计的路径跟踪协同控制器能够达到良好的协同跟踪控制效果。      

电磁航天器编队位置跟踪自适应协同控制

通过引入一致性理论针对电磁航天器编队相对位置协同控制问题设计了自适应协同控制器。分析了电磁航天器编队的基本原理,建立了电磁航天器编队相对运动精确的非线性动力学方程。基于电磁力远场计算模型的不确定性,对相对运动动力学模型进行了修正。在电磁力计算模型不确定和航天器间存在通信时延的条件下,对位置跟踪控制的目标设计了自适应协同控制器。考虑到电磁航天器磁矩产生能力的不同,给出了通过优化进行磁矩分配的方案。通过仿真表明:所设计的自适应协同控制器不仅实现了对期望轨迹的准确跟踪,而且相比人工势函数法,暂态维持编队构型的能力提高了4.9倍,并且所给出的磁矩分配方案实现了磁矩的合理分配。     

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。      

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。     

基于诱导航线的多无人机编队飞行控制方法

针对无人机编队飞行控制问题,提出了一种基于诱导航线的协同控制方法,僚机根据当前相对于期望位置的误差和长机的飞行状态生成诱导航线并进行跟踪;针对飞行过程中的突发障碍采用改变编队队形的方法进行规避;针对无人机之间可能出现的碰撞情况,根据无人机到达碰撞点的时间以及位置分别从高度以及航向两方面进行躲避,仿真结果表明:采用此方法无人机能够保持稳定的编队,并同时能够躲避飞行过程中的障碍以及避免飞机之间的碰撞。      

基于多点逆模型组的直升机慢切换姿态控制

针对传统直升机自适应模型逆姿态控制方法中单点逆模型的不足,提出基于多点逆模型组的慢切换控制方法.该方法构造多点逆模型组取代单点逆模型,将直升机姿态误差控制系统转化为切换系统;引入驻留时间的概念,构造慢切换逻辑,从理论上给出了系统的稳定条件.与传统方法进行了对比仿真,结果表明:该方法有效地减轻了自适应元件的补偿负担,显著提高了其控制性能;系统在切换过程中保持稳定,并具有较强的性能鲁棒性.     

基于时变增益ESO的多航天器SO(3)姿态协同控制

针对多航天器姿态协同控制问题,基于特殊正交群（SO（3））研究了存在干扰情形下的控制设计方法。结合有向通信拓扑建立了多航天器SO（3）模型,在此模型的基础上提出了一种时变增益扩张状态观测器（ESO）对系统的总干扰进行估计,削弱了常值增益ESO的峰化现象。利用相邻航天器的信息给出了旋转矩阵形式的协同指令,进一步基于SO（3）方法设计了协同控制器。同时采用ESO的输出在所设计的控制器中对系统的干扰进行补偿,从理论上给出了ESO的收敛性以及闭环系统的稳定性证明,保证多航天器系统能够实现稳定协同。仿真结果验证了本文方法的有效性和快速性。