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...     

基于滑模干扰观测器的无人机编队动态面控制

针对采用虚拟结构法无人机编队中的不确定性问题,提出了一种基于滑模干扰观测器的编队控制器设计方案。采用滑模干扰观测器对汇总不确定项进行估计和补偿。在此基础上,采用动态面控制(DSC)算法设计了每架无人机的三个通道的编队控制器,克服了反演控制算法的"微分膨胀"影响。利用Lyapunov稳定性理论分析了控制参数的选取条件,保证了闭环系统是半全局一致最终有界的,且编队跟踪误差最终足够小。以5架小型无人机构成编队为例开展了编队飞行仿真分析。仿真结果表明,基于滑模干扰观测器的动态面控制算法保证了编队控制系统的控制精度和鲁棒性,有效地克服了不确定项的影响。     

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。     

基于神经网络的MIMO非线性最小相位系统鲁棒自适应控制

 针对一类模型未知的具有不确定性和外部干扰的多输入多输出（MIMO）非线性最小相位系统提出了鲁棒自适应输出反馈跟踪控制方案。用高斯径向基函数（RBF）神经网络逼近对象未知非线性,用高增益观测器估计系统不可测量状态。所设计的鲁棒自适应控制器不仅能使闭环系统稳定,所有状态有界,而且跟踪误差一致最终有界,并保证最终边界足够小。仿真结果表明了所提出方法的有效性。     

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。     

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。     

切换拓扑下异构无人集群编队-合围跟踪控制

针对异构无人集群存在层内不同协同控制目标以及层间协同耦合的控制问题，提出了“编队-合围跟踪”控制的定义与框架，采用具有时变输入的跟踪-领导者来生成集群系统的整体参考轨迹，克服了现有编队-合围控制中无法有效控制集群整体宏观运动的缺陷。对于存在切换拓扑的高阶异构集群系统，基于分布式鲁棒自适应估计技术以及预先定义的合围控制策略，利用邻居局部信息交互构造了分布式编队-合围跟踪控制器，给出了分层耦合情况下控制器的多步设计方法。采用共同李雅普诺夫稳定性理论，证明了切换拓扑条件下异构集群实现输出编队-合围跟踪的充分条件。通过无人机-无人车异构集群的仿真例子，验证了所提出的编队-合围跟踪控制方法的有效性。     

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.     

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。     

基于鲁棒故障观测器的非线性离散系统容错控制设计

针对存在执行器故障以及未知干扰的非线性离散系统,提出了一种鲁棒故障估计与容错控制方法。首先在未知系统干扰作用下,设计鲁棒故障观测器实现系统状态和执行器故障的同步估计;然后根据鲁棒故障观测器得到的系统状态估计和故障估计信息设计容错控制器,进行状态反馈容错控制,同时基于D稳定与H_∞控制理论对鲁棒故障观测器和容错控制器进行设计,实现了多约束条件下的故障估计与容错控制;最后用飞行控制系统模型验证了所提方法的有效性。     

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。     

考虑输入饱和的固定翼无人机自适应增益滑模控制

针对复杂环境下的固定翼无人机飞行控制问题，考虑输入饱和以及复杂外界干扰的影响，提出一种基于自适应滑模控制方法的固定翼无人机飞行控制策略。首先，对固定翼无人机模型进行介绍，将模型分为姿态子系统和速度子系统；其次，针对姿态子系统和速度子系统的特点以及控制需求，分别采用自适应多变量螺旋滑模和自适应快速超螺旋滑模设计姿态控制器和速度控制器，该策略无需设计干扰观测器对外界干扰进行估计，仍然可以实现固定翼无人机对姿态参考指令和速度参考指令的有限时间精确跟踪，并基于Lyapunov的稳定性分析方法证明了闭环系统的稳定性。最后，对本文所提出的控制策略进行了仿真验证，结果表明该控制策略具有良好的控制性能。     

直连式三体绳系卫星姿态鲁棒最优跟踪控制

 针对存在参数不确定性以及外部有界干扰的直连式三体旋转绳系卫星系统姿态跟踪控制问题,提出了一种分布式鲁棒最优控制方法。该方法首先针对单体绳系卫星姿态模型,在不考虑参数不确定性和干扰的条件下,应用Hamilton-Jacobi-Bellman方程设计了最优控制器;接着,考虑到实际系统存在参数不确定性和干扰,采用自适应与鲁棒误差积分方法在线学习参数不确定性和有界干扰,与最优控制器结合设计了鲁棒最优控制器,使闭环系统满足了性能指标达到最小的要求,并应用Lyapunov稳定性定理证明了其闭环系统的渐近稳定性。进一步考虑到绳系卫星系统的运动同步性,将单体绳系卫星姿态控制器设计扩展至直连式三体绳系卫星姿态系统,设计了分布式鲁棒最优控制器。最后在MATLAB/Simulink平台上进行了仿真,验证了方法的可行性与有效性,表明其具有潜在的应用前景。     

航空发动机T-S分布式系统自适应鲁棒滑模控制

为提高航空发动机非线性不确定分布式控制系统的鲁棒性,考虑参数摄动,外部干扰,随机时延的影响,采用一种基于飞行包线划分的航空发动机T-S模糊模型,进行了鲁棒自适应滑模控制方法的研究。基于鲁棒H∞理论,针对模糊规则的状态空间模型,推导了滑模运动渐进稳定的充分条件,设计具有扰动抑制性能的鲁棒滑模面;基于并行分布补偿技术,采用与T-S模型相同的模糊规则,确定全局模糊滑模控制器设计策略,在此基础上,采用自适应技术估计未知干扰上界,设计了自适应滑模控制器,并证明了系统在控制器作用下的到达性。仿真结果表明该方法能够保证系统渐进稳定,对所考虑的不确定性因素鲁棒性较好,有效削弱了抖振,对不同工作点和干扰条件具有良好的适应性。     

基于相对方向的非线性无人机群反步编队跟踪控制

针对具有未知动态模型的非线性无人机群的编队问题，设计了基于神经网络的反步控制策略。首先，通过径向基(RBF)神经网络来逼近无人机的未知非线性动态，增加系统的鲁棒性和抗扰能力；然后，引入方向刚性图理论，结合反步控制策略，设计了仅基于方向信息的无人机群编队分布式控制器，并通过Lyapunov方法证明了控制系统的稳定性；最后，通过Simulink仿真验证了控制器的有效性。     

基于多模型切换的鲁棒自适应控制器

系统参数发生跳变时,为了解决多变量系统暂态响应变差的问题,提出一种基于多模型切换的鲁棒自适应控制器。该控制器由多个鲁棒自适应控制器组成,鲁棒自适应控制器保证系统存在未建模动态时能够使自适应系统稳定运行,引入的多模型策略保证系统参数跳变时具有良好的暂态性能。仿真结果表明,所提出的多模型鲁棒自适应控制器能够加快系统的响应速度,提高系统的暂态性能。     

不确定航空发动机分布式控制系统自适应滑模控制

针对存在参数摄动、外部干扰的航空发动机不确定性分布式控制系统，在系统具有时变输入时延和干扰上界未知的情况下，设计了具有鲁棒性能的自适应滑模控制器。基于预测控制和矩阵奇异值理论，对初始的发动机离散分布式模型进行等效线性变换，得到不显含时延项的规范形系统模型，便于进行滑模面参数的求解；在给定的H∞指标下，推导了滑模运动在非匹配不确定性作用下渐进稳定的充分条件，给出了线性矩阵不等式(LMI)形式的滑模面参数设计方法；最后，设计对干扰具有估计功能的自适应率，在此基础上提出自适应滑模控制器。仿真结果表明:所设计的控制器能够有效降低外部干扰对系统动态性能的影响，在所考虑的不确定性因素作用下，系统的滑模运动具有理想的H∞性能。当外部干扰强度变化时，控制器的鲁棒性较好，状态收敛时间小于0.8s，且不存在抖振。      

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。