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。     

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。     

基于神经网络补偿动态逆的飞翼布局无人机姿态控制方法

将动态逆控制技术应用于飞翼式布局无人机的姿态控制回路,以适应飞翼布局无人机控制系统要求。介绍了动态逆控制器解耦控制原理,以及神经网络补偿结构的作用和设计方法,并基于无人机非线性姿态运动学和动力学模型设计了基于神经网络补偿的动态逆控制器。在强耦合、强非线性的飞翼布局无人机模型上,通过数学仿真验证了系统具有良好的动态性能和稳态特性,控制器具有很强的鲁棒性。     

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。     

无人机-无人车异构时变编队控制与扰动抑制

研究了无人机-无人车异构系统时变输出编队控制与扰动抑制问题，要求多无人机与无人车在受到未知外部扰动的情况下，保持设计的输出时变编队构型。首先，对无人机与无人车进行单体运动学与动力学建模，同时建立扰动模型，并引入代数图论概念，建立异构集群系统的协同控制模型。然后，对各无人机-无人车设计了具有分层架构的分布式时变输出编队控制器，包含基于一致性理论的编队中心估计项和基于内模原理的扰动抑制补偿项。进一步分析异构系统实现输出时变编队的可行性条件，给出了分布式编队控制器的参数选取算法，并证明了时变编队控制器构成的闭环系统的稳定性。最后，通过仿真算例来验证所设计的编队控制器的有效性。     

基于预设性能的四旋翼无人机编队安全控制

针对四旋翼无人机编队系统存在模型不确定性、未知外部干扰与内部碰撞等问题,提出一种基于预设性能的安全控制方法。首先使用预设性能函数结合误差转换方法,将防止内部碰撞的不等式约束问题转换为无约束问题。同时针对模型中的不确定项,使用神经网络进行逼近;针对神经网络逼近误差与未知外部干扰组成的复合干扰,使用非线性干扰观测器进行估计,并分别设计位置与姿态子系统控制器,避免了编队内四旋翼无人机的碰撞。然后借助Lyapunov方法证明了闭环系统所有信号的收敛性。最后通过数值仿真验证了所提控制方法的有效性。     

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。     

航空发动机神经网络反步控制方法

针对航空发动机非线性和不确定性的特点,提出了一种基于神经网络的反步控制方法.采用径向基神经网络估计未知系统方程,并用一种平滑切换法有效避免了控制器奇异问题.反步法的设计基于Lya-punov稳定性原理,保证了闭环系统一致渐近有界.最后针对某型涡扇发动机非线性模型设计了高压转速控制器,仿真结果验证了该方法的有效性.      

软管连接约束下的加油机/无人机编队跟踪控制

在自主空中加油任务中,针对受油无人机（UAV）与加油机对接后形成的软管约束下的编队跟踪控制问题,提出一种基于领航-跟随的加油编队跟踪控制方法。首先,建立软管约束下加油编队运动学/动力学模型。然后设计非奇异终端滑模编队快速收敛控制器,以满足软管约束下加油编队的快速收敛需求;再考虑复杂气流和软管未知扰动,结合扩张状态观测器和PI型动态逆控制,设计无人机轨迹跟踪控制器,并基于Lyapunov稳定性分析证明闭环系统可实现有限时间的快速稳定。最后,通过数值仿真来验证所设计加油编队控制方法的有效性。     

弹性飞翼无人机鲁棒姿态控制设计

针对大展弦比飞翼布局无人机的刚体运动与弹性运动耦合动力学模型,提出了一种基于反步法的鲁棒非线性控制方法。该方法考虑了飞翼无人机的非线性因素,将动态面反步控制作为内环控制抵消系统的非线性因素;同时考虑系统实际存在的弹性耦合项、参数不确定项以及外部扰动,将内环反步控制与飞翼无人机模型整体作为新的被控对象,引入最优化理论对新的被控对象设计了外环鲁棒控制器。仿真结果表明,所提出的控制器不仅满足飞翼无人机姿态跟踪性能的要求,且对模型不确定性和气动弹性影响具有鲁棒性。     

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。     

无人机参数优化自抗扰编队保持控制器设计

针对无人机编队飞行中的队形保持问题,采用结合粒子群算法的自抗扰控制技术对控制器进行设计,使响应过程具有良好的动态品质和较小的稳态误差。建立三维空间内基于相对误差的无人机编队飞行模型,并在此基础上设计了跟踪微分器、扩展状态观测器和非线性状态反馈自抗扰控制器,采用粒子群算法对控制器中部分参数进行优化整定。仿真结果表明,设计的结合粒子群算法的改进自抗扰控制器具有良好的控制性能,能以较高的精度实现无人机编队保持任务。     

不确定强耦合下四旋翼姿态鲁棒自适应控制

针对多源不确定强耦合下的四旋翼无人机姿态控制问题，首次设计了一种多层逼近自适应神经网络动态面控制算法。区别于以往的加性耦合不确定研究，考虑无人机飞行控制中的乘性耦合多源不确定估计与补偿问题。首先，构建不确定四旋翼无人机姿态动力学模型，并基于神经网络与傅里叶展开实现乘性耦合不确定的巧妙转换；其次，将自适应技术与反步法相结合，设计多层逼近自适应控制律；同时将动态面技术用于解决反步法中虚拟控制律求导问题。完整理论分析与仿真实验表明了所述控制策略的有效性。     

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。     

无人机动态面自适应容错路径跟踪控制

针对固定翼无人机定高盘旋路径跟踪控制问题,基于动态面自适应控制设计了期望路径与时间无关的参数化路径跟踪双环控制器。首先,考虑无人机偏航执行机构的乘性故障,引入滑模函数设计了内环姿态容错控制器;然后,考虑外界非线性时变有界扰动,通过RBF神经网络在线估计补偿未知非线性量;接着,引入一阶滤波器,解决了虚拟控制量求导导致的控制器复杂问题;最后,利用Lyapunov理论证明了算法的稳定性。仿真结果表明,所设计的算法能够实现执行器存在故障时的路径跟踪控制,控制误差收敛于有界值。     

基于深度强化学习的无人机栖落机动控制策略设计

无人机栖落机动飞行是一种无需跑道的降落方法，能够提升无人机在复杂环境下执行任务的适应能力。针对具有高非线性、多约束特性的无人机栖落机动过程，提出了一种基于模仿深度强化学习的控制策略设计方法。首先，建立了固定翼无人机栖落机动的纵向非线性动力学模型，并设计了无人机栖落机动的强化学习环境。其次，针对栖落机动状态动作空间大的特点，为了提高探索效率，通过模仿专家经验的方法对系统进行预训练。然后，以模仿学习得到的权重为基础，采用近端策略优化方法学习构建无人机栖落机动的神经网络控制器。最后，通过仿真验证了上述控制策略设计方法的有效性。     

无人机近距离编队飞行模型建立及控制器设计

针对无人机编队飞行问题，提出了无人机近距离编队飞行的建模方法。采用全状态量反馈．同时将气动干扰作为非线性反馈，设计出一套适用于无人机近距离编队飞行的自动驾驶仪。通过仿真验证，表明此控制器能较好地稳定优化后的编队飞行结构，并具有良好的鲁棒性。     

多模式下无人机紧密编队飞行控制仿真研究

针对复杂场景下固定翼无人机紧密编队的飞行控制问题,提出了使用三种不同飞行模式的控制策略以及对应控制参数的优化整定方法。首先建立了考虑涡流效应的紧密编队飞行非线性模型,然后针对不同飞行场景设计了协同飞行模式、队形变换模式和花式飞行模式,最后使用爬山-遗传算法对编队控制器的参数进行了优化。仿真结果表明,所设计的编队控制方法和优化参数可以稳定并有效地进行不同模式下的无人机编队飞行控制。     

带有自适应参数近似的块控反步飞行控制器设计

针对有翼导弹含有未知气动参数时的飞行控制问题,设计了一种带有自适应参数近似的块控反步飞行控制器.分析了块控反步控制器设计的假设条件,并放宽了对指令信号和输入矩阵的部分限制.将导弹动态模型中的未知气动参数转换为待估计参数矩阵,采用自适应参数近似律对未知参数矩阵进行估计,相比使用神经网络逼近未知函数更为简单,易于实现.将滤...     

基于视线的无人机鲁棒自适应编队控制设计

针对基于视线的无人机编队动力学非线性不确定的特性,设计了一种基于鲁棒自适应控制的编队控制系统.首先建立了基于视线的长机-僚机编队方式下的无人机编队动力学模型,而后将其转换成伪控制形式,将伪控制量分解成参考模型的输出、比例微分控制输出与神经网络自适应输出三项,采用误差观测器的输出训练神经网络以实现误差补偿,利用Lyapunov理论对误差的有界性进行了证明,设计了伪控制保护以防止执行器超出物理范围.最后建立了无人机六自由度非线性模型并进行仿真,结果表明设计的编队控制系统可以使僚机有效地跟踪做不确定机动的长机.