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。     

切换拓扑下无人机集群系统时变编队控制

针对多无人机(UAV)间通信拓扑可能发生变化的情况,研究了具有二阶积分特性的无人机集群系统的轨迹跟踪与时变编队控制问题。基于一致性方法设计了编队控制器,将编队控制问题转换成闭环系统的稳定性问题,引入了切换拓扑平均驻留时间的概念,并在此基础上利用线性矩阵不等式(LMI)方法,给出了控制器设计步骤。通过构造分段连续Lyapunov函数,证明了切换拓扑下无人机集群系统能够实现对指定轨迹的跟踪并且实现时变编队飞行。以三维空间运动的无人机集群系统为例进行了仿真验证,结果表明本文所提方法能够解决切换拓扑下无人机集群系统的轨迹跟踪与时变编队问题。     

异构多智能体系统分组输出时变编队跟踪控制

空地协同控制是前沿的热点研究之一,以无人机、无人车为代表的空地智能体动力学模型的差异为研究带来了挑战。研究了高阶异构多智能体系统在有向拓扑条件下的分组输出时变编队跟踪控制问题,提出了虚拟领导者、分组领导者以及跟随者组成的三层协同控制架构。虚拟领导者用于规划整个多智能体系统的状态轨迹,分组领导者跟踪虚拟领导者所提供的轨迹信息,并相互协作以实现分组间的协同配合。跟随者跟踪分组领导者的输出并实现期望的输出编队。在有向通信拓扑结构条件下,基于局部邻居间的相对信息、观测器理论和滑模控制理论构造了控制协议,利用Lyapunov稳定性理论证明协议的有效性。数值仿真结果表明提出的方法能够实现无人机、无人车等异构智能体的空地协同,具有较好的工程应用价值。     

水面无人艇集群编队控制技术综述

随着海上作业任务的日渐复杂以及水面无人艇控制理论的发展，单水面无人艇航行控制能力的局限性逐渐显现，集群编队控制技术得到了广泛关注。针对水面无人艇集群编队控制技术，分析了当前国内外应用情况与技术研究现状，重点从典型编队队形适用性、编队控制系统结构形式、编队协同控制方法、编队控制通信技术及异构条件下协同控制技术等方面分析了水面无人艇集群编队控制技术的研究进展。最后，进行了总结和展望，以期为水面无人艇集群编队控制技术的研究提供有益的参考。     

面向无人机空中加油紧密编队的鲁棒控制方法

针对无人机空中加油紧密编队系统鲁棒控制问题，提出了一种基于障碍函数的自适应干扰观测器的分布式鲁棒编队控制方法。对固定翼无人机外环动力学模型进行转换，构造了具有非匹配和匹配扰动的二阶多体系统简化模型，并基于障碍函数设计了相应通道的自适应干扰观测器；利用邻机状态信息定义了相应的一致误差函数，在此基础上，基于编队系统通信拓扑结构，引入干扰补偿机制，开发了空中加油无人机紧密编队系统分布式鲁棒控制器，以实现理想的异构无人机编队跟踪控制性能。基于Lyapunov稳定性理论，分析了闭环系统的稳定性和收敛性。最后，通过将所提方法应用在由不同型号的1架加油机和2架受油机构成的编队系统上，进行数值仿真验证。所得到仿真结果与理论分析一致，验证了设计的干扰观测器和控制器的有效性。     

多无人机协同控制方法及应用研究

多无人机集群作战是未来战争的重要形式。作为集群作战中的关键技术,协同控制有着极为广泛的应用,例如多无人机编队飞行、协同侦查与集群攻击等。简述了多无人机集群作战的发展历程,归纳了集群作战过程中的关键技术,给出了协同控制方法的分类与体系结构。然后,从编队控制、合围控制、跟踪控制3个方面,总结了近年来国内外关于协同控制方法的研究成果。重点介绍了编队控制中的四种典型方法及相关应用,分析了各类编队控制方法的优缺点。最后对多无人机协同控制方法的未来发展方向进行了展望。     

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。     

固定翼无人机紧密编队的鲁棒协同跟踪控制

固定翼无人机（UAV）具有典型的欠驱动、非线性等特点,导致航点自主跟踪设计难度大,同时紧密编队飞行过程中无人机之间运动耦合与气动干扰明显,进一步增加了高性能控制设计难度。为此,本文针对固定翼无人机紧密编队飞行的航点自主跟踪问题,综合考虑轨迹平滑性、运动协同性和跟踪鲁棒性等需求,依托全驱系统建模方法提出了一种多层次鲁棒协同跟踪控制架构。该架构包括上层运动规划、中层协同滤波及底层鲁棒协同跟踪控制3个核心部分。上层运动规划根据离散航点指令,融合虚拟结构法和迭代线性二次型优化,实时生成可行、平滑的运动轨迹。在此基础上,为改善跟踪控制的瞬态性能,引入分布式协同滤波思想,对规划轨迹进行滤波处理,生成每架无人机个体的参考信号。最后,考虑到紧密编队中气动耦合与系统不确定性等挑战,设计了一种基于不确定性及干扰观测器的鲁棒协同跟踪控制方法,实现了编队轨迹的精确跟踪以及队形的可靠保持。所提出的鲁棒协同跟踪控制架构考虑了紧密编队飞行中的多种约束与挑战,实现了编队运动规划与跟踪控制的综合设计,可以有效提升系统自主性、协同性和鲁棒性。最后,通过5架固定翼无人机的紧密编队飞行仿真对所提方法进行综合测试,验证了方法的...     

带时变通信时间延迟的卫星编队姿态协同自适应L2增益控制

针对卫星编队姿态协同分布式控制问题,提出一种基于Lyapunov方法的编队飞行协同控制策略.首先,考虑到实际编队飞行中星问通信存在时变时间延迟及模型不确定问题,结合变结构控制的思想设计一种针对时滞系统稳定性分析的Lyapunov函数,从而由直接Lyapunov方法得到可对模型参数进行估计的自适应分布式姿态协同控制器,并...     

基于有向图的航天器编队飞行自适应姿态协同控制

在有向通信拓扑下研究了编队航天器自适应姿态协同控制问题。针对航天器编队飞行系统中存在外部扰动和模型不确定性的情况,通过选取包含相对姿态误差和绝对姿态误差的辅助变量,提出了一种鲁棒自适应控制策略。提出了自适应律估计转动惯量矩阵和扰动上界等未知参数,并且利用Lyapunov稳定性理论分析了闭环系统的渐近稳定性。与滑模控制等传统鲁棒控制不同,所设计的鲁棒自适应控制器是连续的,更便于航天器编队飞行系统的实现。最后通过仿真验证了该控制策略能够实现高精度的编队飞行跟踪控制。     

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。     

无人机编队队形保持控制器的分散设计方法

针对无人机编队中邻近无人机的数学模型相互耦合的特性,提出了一种分布式编队队形保持控制器的分散设计方法。将无人机编队模型分解成解耦部分和关联部分。对解耦部分直接使用鲁棒控制方法设计控制器,对关联部分采用改进的关联系统分布式控制方法设计控制器。将两个控制器结合起来,控制无人机编队飞行。仿真结果表明:该控制器可以控制无人机编队,在定常运动和机动过程中,都能收敛到期望队形,并且对外界干扰具有一定的鲁棒性。控制器设计过程是分散的,涉及的计算的维数和单个无人机模型的维数相当,具有运算量小的优点。     

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。     

飞行器集群协同制导控制方法及应用研究

分析了目前多飞行器协同作战的发展现状与趋势，指出了多飞行器以编队形式进行协调与配合，可以有效提高突防概率与作战效能。针对飞行器集群协同制导控制技术，分析梳理了相关的技术难点。然后，分别对协同任务规划与动态目标分配方法和多飞行器编队协同控制方法、多约束条件下的分布式协同制导方法的国内外研究现状进行了介绍。最后对飞行器集群协同制导控制技术进行了总结，并对未来的发展方向进行了展望。     

基于分布式自适应的多智能体容错一致性控制

针对"领航者-跟随者"的多智能体编队，由于领航者系统出现故障引起编队通讯中断而不能完成任务的问题，提出了一种基于一致性理论的分布式自适应控制方法，用于解决该问题。首先，以一个位于顶点的智能体作为领航者，其余3个位于同一条线上的智能体作为跟随者，由此所构成的三角形编队作为被控对象。其中，领航者速度方向作为编队的前行方向，跟随者位于领航者之后。其次，基于图论，对智能体局部信息参数进行分布式自适应更新，并设计分布式自适应控制律，用于弥补多智能体编队中领航者故障所造成的影响。同时，根据相邻智能体的局部信息，设计整体分布式自适应容错控制律，进一步通过构建合理的Lyapunov函数，证明所设计控制器的稳定性，以及"领航者-跟随者"之间相对横向以及相对纵向的距离误差均收敛于固定常数。最后，仿真验证表明：所提出的自适应控制方法具有良好的鲁棒性，这也为工程实践提供了理论依据。     

一种基于信息一致性的卫星编队协同控制策略

提出一种基于信息一致性的分布式协同控制策略,实现了卫星编队的构型建立、保持与整体机动。首先根据编队各星的初始相对状态,应用一阶一致性算法,协商估计出编队整体系统基准参考点的相对状态;再根据编队整体系统模型预测方程,以凸优化方法规划出期望重构机动路径;之后设计了基于二阶一致性算法的反馈协同控制律,使各星彼此协同地跟踪期望路径与构型、整体机动参考信息,并证明了系统的稳定性。仿真结果表明:只要在基准参考点一致性估计过程中信息拓扑图中存在最大生成树,该策略就能实现卫星编队的协同机动;反馈协同控制律能有效消除相对初始状态误差与地球非球形摄动J2项引起的各星状态偏离,并具有较好的容错性;与传统方法相比,本文方法在燃料消耗总量与均衡性方面均有所改善,且在构型快速建立或重构时,燃料消耗总量方面优势较为明显。     

联合连通拓扑下多无人机编队控制

针对在联合连通拓扑条件下的多无人机系统,研究了具有二阶动力学系统模型的多无人机系统时变编队控制问题。基于一致性理论,设计了一致性控制器,将联合连通拓扑条件下的编队控制问题简化为低阶时间平均系统的渐进稳定性问题。利用Lyapunov函数证明了所设计的控制器能够实现编队控制,并利用线性矩阵不等式(LMI)方法给出了控制器的设计算法。在三维空间中,对多无人机系统进行了仿真,验证了所设计的一致性控制器能够使得多无人机系统在联合连通拓扑条件下形成时变编队。     

集群空间控制框架下的四旋翼编队飞行研究

针对四旋翼编队控制问题,采用水平通道与高度通道解耦的四旋翼动力学模型,基于集群空间控制方法设计了编队控制器。首先介绍了集群空间控制方法的两个重要概念,即集群空间变量和集群运动学关系,进而以3架四旋翼为例,详细地给出了集群空间编队控制器的设计思路。在选取集群变量并建立编队与单机的运动学关系后,设计了不完全微分PD控制器以产生集群控制指令。不完全微分PD控制与常规PD控制相比,前者抗高频干扰能力更强。最后通过仿真验证了该编队控制算法能够完成多架四旋翼的队形放大和队形保持任务,且具有较高的控制精度和较好的抗高频干扰能力。     

基于蜂群编队形式的气动耦合优化模型研究

为提高小型蜂群无人机紧密编队协同飞行时的整体气动效率,强化系统作战效能,文中以某蜂群无人机平台为研究对象,对其集群编队飞行时的气动耦合问题进行了深入研究。针对不同作战任务场景,设计了几类以典型长-僚机编队为模块单元的编队飞行结构,利用耦合涡流模型的数值仿真方法,完成了双机编队单元的寻优设计,同时基于双机编队单元优化结果,运用遗传算法,得到集群飞行时,各无人机单元气动增量数据传递信息,并辅以计算流体力学仿真验证,确定了完整的气动数据传递体系。最终建立了多任务、多条件、多目标导向的气动耦合优化模型,实现了集群优化飞行策略方法,达到了作战能力倍增的效果。