基于DE-MADDPG的多无人机协同追捕策略

针对多无人机协同对抗快速目标的追逃博弈问题,研究了多无人机的协同追捕策略。基于解耦多智能体深度确定性策略梯度算法DE-MADDPG研究了多无人机协同对抗快速目标的追捕策略,设计了多无人机协同追捕的全局奖励和局部奖励两种奖励函数,训练后的多无人机能够有效地执行协同追捕任务。通过设置快速目标的多种逃逸控制策略,仿真验证了所设计的方法能够利用追捕无人机的数量优势,通过协作完成对快速目标的协同围捕,并且通过比较,验证本文所提出的算法相比MADDPG算法更快地取得了收敛效果。     

大攻角导弹的导引运动建模与导引律设计

介绍了在大攻角情况下,建立的导弹目标的追逃运动模型;阐明了在目标运动详细信息未知的条件下,应用基于李雅普诺夫稳定性理论的鲁棒控制方法,提出的一种非线性鲁棒制导算法.仿真结果验证了导引运动模型的正确性和制导算法的有效性.     

基于迭代滑模的机械臂控制策略

针对机械臂这类非线性的不确定性系统,基于迭代学习控制与滑模控制策略,提出了一种有效的迭代滑模控制方法。该控制方法通过将滑模控制律引入到迭代学习控制中,并运用Lyapunov理论对控制律进行证明,从而确保系统的稳定性。基于拉格朗日力学法建立动力学模型,得到相对简化的n关节机械臂模型。以一个二关节机械臂为例,通过MATLAB仿真验证所提控制策略可有效提高关节的跟踪速度与跟踪精度,并且在一定程度上可减缓传统滑模控制的抖振现象,与传统迭代学习控制相比,系统具有鲁棒性。物理试验验证了所提控制策略的有效性。     

基于深度Q网络的多智能体逃逸算法设计CSCD

当前多智能体追逃博弈问题通常在二维平面下展开研究,且逃逸方智能体运动不受约束,同时传统方法在缺乏准确模型时存在设计控制策略困难的问题。针对三维空间中逃逸方智能体运动受约束的情况,提出了一种基于深度Q网络(DQN)的多智能体逃逸算法。该算法采用分布式学习的方法,逃逸方智能体通过对环境的探索学习得到满足期望的逃逸策略。为提高学习效率,根据任务的难易程度将智能体策略学习划分为两个阶段,并设计了相应的奖励函数引导智能体探索满足期望的逃逸策略。仿真结果表明,该算法所得逃逸策略效果稳定,并且具有泛化能力,在改变一定的初始位置条件后,逃逸方智能体也可成功逃逸。     

一类不确定时滞系统的时滞依赖型鲁棒H∞控制器设计新方法

针对一类具有状态滞后和凸多面体不确定性的连续时间系统,研究了其鲁棒H∞控制器的设计问题.通过引入两个附加的松弛矩阵使Lyapunov矩阵和系统矩阵得到分离,得到了一个新的具有更低保守性的鲁棒H∞性能判据,并基于该判据设计了系统的鲁棒H∞状态反馈控制器.设计的状态反馈控制器不但保证闭环系统的二次稳定性,同时使系统的H∞范数小于一个给定的衰减水平γ.并且设计了一个迭代算法来得到问题的次最优解.通过数值仿真验证了所提出的控制器设计方法的可行性和有效性.     

基于贝叶斯优化的磁光阱多参数自主优化系统

磁光阱是一种冷却陷俘原子的装置，磁光阱实验参数的优化是冷原子实验中基础且重要的工作，人工手动优化参数需耗费大量时间，且很难确保最终参数是全局最优的。基于贝叶斯优化的机器学习方法是一种对目标表达式未知、非凸、多峰的量子物理系统进行参数优化的有效方案，该过程通常远快于人工手动调节，且有更大概率找到全局最优值。提出了一种基于贝叶斯优化方法的冷原子多参数自主实时优化实验方案，该方案通过成本函数构造、控制程序编写、贝叶斯算法优化等形成一个可自主优化的闭环系统。实验结果表明，经过约30 min的迭代优化，所提方案可有效完成磁光阱系统的多参数优化，并得到最优的实验结果；所提方案验证了贝叶斯优化方法在多参数物理系统中应用的可行性，通过改进成本函数，还可应用于其他的复杂多参数实验物理系统最优参数快速确定。     

伴飞诱饵干扰下的自杀式无人机攻击策略

针对敌方存在伴飞诱饵情况下我方自杀式无人机的攻击策略问题展开研究。首先,根据自杀式无人机的作战特点,提出一种改进的Lanchester方程,即在分析机载传感装置作战性能的基础上,建立起作战双方兵力损耗的微分方程,以得到能够描述自杀式无人机的作战规律。然后,将最优控制方法应用于Lanchester方程中的攻击策略分析,以Lanchester方程为状态方程,以无人机的攻击概率为控制变量,分别得到终端时刻固定和可变两种情况下的最优控制模型,并采用高斯伪谱法对最优控制问题进行求解,以得到最优攻击策略。最后,对敌方杀伤力未知时我方无人机的攻击策略进行分析,同样可以得到相应的最优攻击策略。在给定的初始条件下进行了一系列仿真验证,仿真结果表明了模型的合理性和算法的有效性,所述方法可以为相应的空战决策提供依据。     

机动目标跟踪-火控综合系统动态品质分析

研究了机载雷达机动目标跟踪算法,用强迫奇异摄动技术求出了三维追逃微分对策问题的次最优策略。借助于上述算法和策略,建立了一种符合实战情况的跟踪－火控综合系统。从大闭环角度对该综合系统动态品质进行了详细的仿真研究。结果表明,该综合系统能较长时间地锁定目标,准确地实现对目标的三维攻击,并且避免了求解最优控制中经常出现的两点边值问题,使数值计算量大为减少。     

基于多智能体混合学习的多星协同动态任务规划算法(英文)

针对多星协同动态任务规划问题,以往多采用基于启发式的重规划算法,但是由于启发式策略依赖于具体任务,使得优化性受到影响。注意到协同规划的历史信息对后续协同规划的影响,本文提出了一种基于策略迭代的多智能体强化学习和迁移学习的混合学习算法求解该问题近似最优策略。本文的多智能体强化学习方法利用神经网络描述各颗卫星的强化学习策略,通过协同进化的方法迭代搜索具有最优拓扑结构和连接权重的策略神经网络个体。针对随机出现的观测任务请求导致历史学习策略失效,通过迁移学习将历史学习策略转换为当前初始策略,保证规划质量前提下加快多星协同任务规划速度。仿真实验及分析结果表明本文算法对动态随机出现的任务请求有良好的适应性。     

基于普通分离原理的制导/估计综合设计方法

现有的先进制导律研究常常分离设计最优估计器和最优制导律,但是这种分离设计没有被证明是有效和最优的设计方法.本文基于普通分离原理(GST),提出一种制导/估计综合设计方法.首先,将拦截器反导作战模型考虑为一类非线性、非高斯追逃拦截问题,建立了噪声环境中追逐-逃逸对策模型;其次,引入追逃未达集概念,利用几何方法将估计器设计...     

冗余飞轮构型下力矩分配策略设计与分析

 主要研究了航天器姿控系统中冗余飞轮构型的力矩分配问题。在阐明该问题的基础上,首先给出了能量最优的力矩分配策略,并考虑飞轮力矩约束对其进行了限幅处理;接着基于静态最优化理论和飞轮系统性质,对四飞轮和多飞轮情况分别设计了相应的力矩最优分配策略,由于可有效地输出飞轮系的最大力矩,其有重要的工程应用价值;最后研究并对比了几种典型构型下两种分配策略所能输出的力矩包络,表明了所设计方法的有效性。     

基于复合地标导航的动平台四旋翼飞行器自主优化降落技术

针对四旋翼飞行器在依靠地标导航完成动平台自主降落任务中存在的目标易丢失、地标定位死区大和降落可靠性差等问题，设计了一种基于复合地标导航的动平台四旋翼飞行器自主优化降落系统。该系统以圆环地标和二维码构成复合地标来解决仅用单一地标定位时存在的定位死区大和定位范围小等问题。针对地标识别丢失、动平台车轮打滑和码盘标定不精确等问题，建立动平台的精确运动模型同时考虑码盘包含未知测量偏差，基于扩展卡尔曼滤波器实现了对动平台连续位姿的在线估计。最终，基于动平台位姿估计结果以最小Jerk指标设计降落轨迹和降落策略，实现了四旋翼飞行器在动平台上高效平稳的降落。为验证所提系统的有效性，设计了仿真和实际降落实验，验证了所提复合地标实现摄像头距离在0.5~6.0 m内的综合完整定位；所设计的动平台状态估计器能在码盘存在未知测量偏差的情况下准确估计出平台的实时位姿，同时所提自主优化降落策略和轨迹规划算法保证了可靠的动平台降落。     

双重未知干扰解耦的多传感器系统偏差校正与状态估计

具有未知干扰输入的随机系统状态估计问题广泛存在于控制、通信、信号处理和故障诊断等领域，但目前的研究成果大多局限于单传感器动态离散系统。针对状态方程含有未知干扰、量测方程含有未知偏差的多传感器系统状态估计问题开展了研究，提出了一种双重未知干扰解耦下的最小方差无偏估计滤波器。首先，建立量测偏差通用演化模型；然后，解耦偏差演化模型中的未知输入，设计最小方差无偏估计器对量测干扰偏差进行估计；之后，利用估计出的量测偏差来校正动态系统测量值；最后，根据量测偏差校正后的系统模型设计最优状态观测器，获得具有最小方差无偏的状态估计。径向飞行控制系统的例子验证了所提方法的有效性，与相关方法的仿真对比反应了所提方法的优越性。     

Decentralized adaptive sliding mode control of a space robot actuated by control moment gyroscopes

An adaptive sliding mode control(ASMC) law is proposed in decentralized scheme for trajectory tracking control of a new concept space robot.Each joint of the system is a free ball joint capable of rotating with three degrees of freedom(DOF).A cluster of control moment gyroscopes(CMGs) is mounted on each link and the base to actuate the system.The modified Rodrigues parameters(MRPs) are employed to describe the angular displacements,and the equations of motion are derived using Kane's equations.The controller for each link or the base is designed separately in decentralized scheme.The unknown disturbances,inertia parameter uncertainties and nonlinear uncertainties are classified as a ‘‘lumped" matched uncertainty with unknown upper bound,and a continuous sliding mode control(SMC) law is proposed,in which the control gain is tuned by the improved adaptation laws for the upper bound on norm of the uncertainty.A general amplification function is designed and incorporated in the adaptation laws to reduce the control error without conspicuously increasing the magnitude of the control input.Uniformly ultimate boundedness of the closed loop system is proved by Lyapunov's method.Simulation results based on a three-link system verify the effectiveness of the proposed controller.     

Adaptive Two-Stage Extended Kalman Filter for a Fault-Tolerant INS-GPS Loosely Coupled System

The well-known conventional Kalman filter requires an accurate system model and exact stochastic information. But in a number of situations, the system model has an unknown bias, which may degrade the performance of the Kalman filter or may cause the filter to diverge. The effect of the unknown bias may be more pronounced on the extended Kalman filter (EKF), which is a nonlinear filter. The two-stage extended Kalman filter (TEKF) with respect to this problem has been receiving considerable attention for a long time. Recently, the optimal two-stage Kalman filter (TKF) for linear stochastic systems with a constant bias or a random bias has been proposed by several researchers. A TEKF can also be similarly derived as the optimal TKF. In the case of a random bias, the TEKF assumes that the information of a random bi?s is known. But the information of a random bias is unknown or partially known in general. To solve this problem, this paper proposes an adaptive two-stage extended Kalman filter (ATEKF) using an adaptive fading EKF. To verify the performance of the proposed ATEKF, the ATEKF is applied to the INS-GPS (inertial navigation system-Global Positioning System) loosely coupled system with an unknown fault bias. The proposed ATEKF tracked/estimated the unknown bias effectively although the information about the random bias was unknown.     

轨迹跟踪伺服系统的鲁棒复合控制

针对控制输入饱和受限且带有未知扰动的电机伺服系统,提出一种实现曲线轨迹准确跟踪的鲁棒复合控制方案。该方案引入一个参考信号生成器和一个扩展状态观测器,其中参考信号生成器可根据目标轨迹信号构造出对应的状态量,扩展状态观测器用于对系统的状态量和扰动进行估计, 采用反馈与前馈相结合构成最终的控制律。利用Lyapunov理论对闭环系统的稳定性进行了严格分析。在MATLAB中进行了仿真研究,随后在一个DSP控制的永磁直线电机二维伺服平台进行了试验验证。结果表明:所提的控制方案能在轨迹跟踪任务中取得优越的瞬态性能和稳态准确性,而且对目标轨迹和扰动的幅值差异具有较好的鲁棒性。     

一类非线性系统的反演变结构控制及应用

针对一类非线性系统 ,将其变换为易于设计变结构控制规律的规范型。利用小脑关节神经网络( CMAC)估计系统中的不确定函数 ,利用 CMAC神经网络和多面滑模技术估计出变换后系统的状态 ,最后利用变结构控制技术设计出控制器 ,特点是无需已知不确定性函数及其各阶导数的上界 ,与经典设计方法相比 ,所提出的方案允许非参数化不确定性。最后将此方法应用于空空弹控制系统的设计中 ,仿真结果表明了该方法的有效性