基于相对方位信息和单间距测量的多智能体编队协同控制

由多个载体组成的多智能体系统对复杂环境具有更高的适应性,能够完成传统单个载体无法完成的任务。针对多智能体编队集结与队形移动跟踪问题,提出了一种改进的多智能体编队协同控制新算法。首先,以拒止环境下跟随智能体仅能通过光学传感器测量相对方位信息为任务背景,针对\"领导者——第一跟随者\"结构的多智能体编队,提出了基于相对方位信息与单间距测量的控制器,使得第一跟随者智能体可以追随移动的领导者智能体,并且可以通过改变与领导者智能体的间距对编队整体队形进行缩放控制。其次,提出一种了改进的分布式控制律,使得其他跟随者智能体可以仅通过两个相对方位信息完成编队飞行。然后,根据Lyapunov第二方法,构建了系统的能量函数,验证了所提出算法的稳定性。最后,通过数值仿真实验对所提算法进行了验证。仿真结果表明,基于该控制律多智能体系统能够完成编队集结、队形缩放和编队飞行的任务。     

有人/无人机协同编队控制研究综述

有人/无人机协同作战是未来联合作战的重要作战样式之一,开展协同编队控制相关理论和技术研究,将有效促进协同作战能力的提升。针对有人/无人机协同编队控制问题,剖析有人/无人机协同作战的内涵,分析归纳协同作战验证项目的进展情况及发展趋势。在梳理有人/无人机协同编队控制结构的基础上,结合有人/无人机平台使用特点,从编队作战运用流程视角出发,对有人/无人机协同编队控制方法、编队生成与保持、编队重构、编队避障的研究现状进行系统综述,提出了下一步亟待解决的问题及深入探索的方向。相关研究可为有人/无人机协同作战运用提供技术参考和方向指导,具有重要的军事意义。     

多临近空间拦截器编队拦截自主协同制导控制技术研究

分析了目前高超声速飞行器的发展现状和发展趋势,指出高超武器已经给现有的防空反导武器系统带来极大威胁和挑战。针对高超声速飞行器的拦截问题,分析梳理了相关的技术难点。为保证拦截成功,采用多枚拦截器编队拦截高超声速目标是目前高效可行的技术途径,而多临近空间拦截器自主协同制导控制技术则是关键技术。针对多临近空间拦截器编队攻击自主协同制导控制技术,分别从建模、决策规划、感知、制导、控制以及评估6个方面提出需要解决的关键技术问题。最后对多临近空间拦截器编队拦截自主协同制导控制技术进行了总结与展望。     

多导弹编队齐射攻击分散化协同制导方法

针对多导弹编队齐射攻击在时间上的协同要求,将攻击时间可控制导律(ITCG)与一致性分散化协调算法相结合,提出一种多导弹编队齐射攻击的分散化协同制导方法.编队内各导弹采用相邻局部通信,编队之间则通过各编队通信拓扑生成树的根节点进行通信.设计了导弹编队内和编队间的分散化协调策略,实现多导弹编队齐射攻击的分散化协调.推导了攻击时间最优的集中式多导弹协同制导律,并将其与分散化协调策略相结合,设计了多导弹编队齐射攻击的分散化协同制导律.最后,通过仿真表明了该方法的有效性.     

无人机自主编队制导律设计

自主编队是无人机集群作战的关键技术.提出了一种基于视线的三维无人机双机与多机自主编队方法.制导律采用横纵分离的经典PD控制方式进行设计,建立了加入制导律的双机、多机的质点相对运动学模型,通过求解该模型在平衡点处的雅克比矩阵的特征根,来判断制导律的稳定性.仿真结果表明:设计的制导律能有效导引无人机构成编队,并保持编队飞行.     

编队无人机的高生存力协同航路规划方法

提出了一种基于多目标遗传算法的编队无人机高生存力协同航路规划方法。方法由备选航路生成和协同规划两个步骤组成。备选航路生成的目的是为编队中的每一个无人机生成多条航路,该步骤采用的算法是多目标遗传算法。协同规划的目的是为各个无人机从备选航路中选择航路,使得各个无人机同时到达目标区域,以增加任务突然性,提高整个编队的生存力。通过仿真算例,把方法与基于Voronoi图的方法作了对比,给出了方法的优缺点分析。     

均等通信时滞下多UAV协同编队控制

多无人机(UAV)系统编队控制中,时滞是无法回避的问题,研究时滞对多UAV编队形成和系统稳定性的影响,具有重要理论价值。重点研究均等通信时滞下多UAV协同编队控制问题,并获得系统的稳定性条件。首先,设计具有均等通信时滞的协同编队控制律,得到多UAV编队系统的闭环时滞状态方程;在恒定均等时滞下,考虑到系统模型不确定性,基于线性矩阵不等式(LMI)理论得到系统的时滞依赖稳定性条件;最后,进行仿真实验,结果表明多UAV编队系统是稳定的,期望的编队队形能够形成并保持。     

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。     

空间多刚体系统编队及姿态的协同综合控制

针对由多个非线性系统组成的多子系统的协同控制问题,给出了一种基于输出反馈的协同控制律的设计方法,并将其应用于空间多个刚体的编队控制和姿态的协同控制系统中,给出了空间多刚体系统编队控制及姿态协同控制问题有解的充分条件,设计了多刚体编队及姿态稳定的协同综合控制律。仿真结果表明,这种控制方法是有效的、可行的,所设计的控制器能够使整个刚体系统在空间运行过程中保持一定的队形,并且同时稳定控制描述各个刚体系统姿态的四元数。     

考虑避免碰撞的编队卫星自适应协同控制

基于势函数法研究具有模型不确定性的编队飞行卫星避免碰撞的自适应协同控制.势函数法的思想为设计碰撞区域势函数值较大,所设计的控制律使得系统势函数具有减小的趋势,从而实现避免碰撞的编队飞行任务.首先,在无外部参考轨迹的情况下,通过引入避免碰撞势函数,提出一种自适应协同控制器,编队卫星最终实现速度一致和避免碰撞.进一步,考虑已知外部参考轨迹的情形,基于新的势函数方法,设计新的自适应协同控制器,能够同时实现避免碰撞、速度一致、卫星跟踪参考轨迹的目的.对于所提出的两种控制方法,均通过合理地应用Lyapunov稳定性理论分析了闭环系统的稳定性.仿真结果表明了所设计控制方法的有效性.     

一种自主四旋翼飞行器控制系统结构研究

四旋翼无人飞行器在军事及民用领域都有很重要的应用,但目前主要是以遥控控制为主,其自主飞行能力较弱,因此提出了一种针对四旋翼飞行器的自主控制架构,它可根据设置好的飞行轨迹进行自主巡航飞行.该自主飞行架构主要分为两部分,分别为导航控制系统和姿态控制系统.导航控制系统根据航线信息解算系统控制姿态角及飞行速度,并把解算结果交给姿态控制系统,由姿态控制系统完成实际飞行器姿态的控制.通过航线自主飞行仿真对该方法的可行性进行了验证.结果表明,该自主控制架构明晰,易于实际控制系统的实现,具有实际应用价值.     

无人机空中加油自主编队控制器设计

针对自主空中加油(AAR)任务中的飞行器编队形成问题,提出了一个完整的自主控制器方案。采用基于视线的编队制导律控制队形,产生制导指令。针对加油编队过程中产生的模型误差和尾涡扰动等不确定性,基于RBF神经网络和自适应Backstepping方法,设计了UAV姿态和速度非线性控制律来在线逼近和补偿不确定性,保证系统的鲁棒性和稳定性。使用协调转弯方式将航迹角指令转换为姿态指令,以实现控制律对航迹角指令的精确跟踪。最后,仿真结果验证了制导律和控制律的有效性。     

无人直升机高精度位置控制

为了提高无人直升机在有限平台着陆时的位置控制精度,提出了一种高精度的位置控制策略。首先分析了无人直升机高精度位置控制的难点以及常规位置控制策略存在的不足;其次,基于非线性反馈PID的原理,并结合无人直升机着陆阶段位置控制的特殊性,确定了高精度的位置控制方案以及控制参数的设计方法。仿真结果表明,在强扰动环境下,高精度位置控制策略比常规位置控制策略具有更高的位置控制精度和更强的扰动抑制能力,对提高着陆的安全性有非常重要的意义。     

非线性动态逆空中加油自主对接控制

为实现无人机空中加油自主对接控制,建立了尾流影响下的UAV六自由度模型。基于非线性动态逆,设计了空中加油自主对接控制律。在常规非线性动态逆控制律设计的基础上,改进了航迹、姿态、角速率和自动油门等回路。通过设计航迹跟踪控制律和动态逆自动油门,实现了对锥套位置的跟踪和对接;考虑协调转弯约束和爬升速率约束,在设计过程中以姿态角代替气流角,克服了气流角控制带来的幅值、速率过大的问题,使受油机的控制更加稳定。最后通过仿真,验证了动态逆自主对接控制律的有效性。     

Intrinsic evolution of safe control strategies for autonomous spacecraft

Autonomous space vehicles need adaptive control strategies that can accommodate unanticipated environmental conditions. Although it is not difficult to construct alternative control strategies, a proper evaluation frequently can only be done by actually trying them out in the real physical environment. It therefore becomes imperative that any candidate control strategy be deemed safe - i.e., it does not damage any systems - prior to being tested online. How to do this has been a challenging problem. We propose a solution to this problem. Our approach uses an evolutionary algorithm (EA) to intrinsically evolve new control strategies. All candidate strategies are checked for safety using formal methods. More specifically, an EA evolves a series of finite state machines (FSMs), each of which encodes a unique control strategy. Model checking guarantees whether all safety properties are satisfied in the strategy. A numerical example is included to illustrate our approach.     

Cooperative coalition for formation flight scheduling based on incomplete information

This study analyzes the cooperative coalition problem for formation scheduling based on incomplete information. A multi-agent cooperative coalition framework is developed to optimize the formation scheduling problem in a decentralized manner. The social class differentiation mechanism and role-assuming mechanism are incorporated into the framework, which, in turn, ensures that the multi-agent system(MAS) evolves in the optimal direction. Moreover, a further differentiation pressure can be achieved to help MAS escape from local optima. A Bayesian coalition negotiation algorithm is constructed, within which the Harsanyi transformation is introduced to transform the coalition problem based on incomplete information to the Bayesian-equivalent coalition problem based on imperfect information. The simulation results suggest that the distribution of agents' expectations of other agents' unknown information approximates to the true distribution after a finite set of generations. The comparisons indicate that the MAS cooperative coalition algorithm produces a significantly better utility and possesses a more effective capability of escaping from local optima than the proposal-engaged marriage algorithm and the Simulated Annealing algorithm.     

Cooperative formation control of multiple aerial vehicles based on guidance route in a complex task environment

In recent years,formation control of multi-agent has been a significant research subject in the field of cooperative control.However,previous works have mainly concentrated on formation control for simple point-mass model and linear model.In contrast,this paper presents a novel cooperative algorithm for multiple air vehicles formation control,which aims to devise a control strategy based on guidance route to achieve precisely coordinated formation control for a group of fixed-wing aircraft in a complex task environment.The proposed method introduces the leader-follower structure for effective organization of the multi-agent coordination.Moreover,the Partial Integrated Formation and Control (PIFC) is adopted to design the control law for Guidance-Route based Formation Control (GRFC).Additionally,the proposed approach designs two guidance-route generation strategies for two special situations to demonstrate the effectiveness of GRFC in complex task environments.Theoretical analysis reveals that the proposed control protocol for guidance command can ensure the overall stability and tracking accuracy of the system.Numerical simulations are performed to illustrate the theoretical results,and verify that the proposed approach can achieve coordinated formation control precisely in a complex task environment.     

基于动态面控制的多弹协同制导控制方法

为实现多枚导弹对目标进行饱和攻击,基于动态面控制理论设计了具有攻击时间约束的制导控制方法.综合弹目距离方程和动力学方程建立了制导控制一体化模型,改进设计了基于弹目距离信息的协同策略;考虑导弹速度变化、目标运动、导弹框架角受限以及避免控制器奇异等因素,设计了协同策略中的关键参数,并给出了导弹群理想协同攻击时间的选取方法.在导弹控制输入受限的前提下,采用动态面控制理论设计了导弹扰动鲁棒控制器.仿真结果表明,所提方法能够在满足多种约束的前提下,以较高的精度实现对目标的饱和攻击.     

Lessons learned from the autonomous power system

The autonomous power system (APS) project at the NASA Lewis Research Center is described. The project is designed to demonstrate the applications of integrated intelligent diagnosis, control, and scheduling techniques to space power distribution systems. It consists of the autonomous power expert system (APEX) for fault detection, isolation, and recovery; the autonomous intelligent power scheduler, for efficient assignment of activity start times and resources; and power hardware (Brassboard) to emulate a space-based power system. Each part of the system was critiqued based on individual performance as well as the ability to interact with the other portions of the APS project. These critiques were used to determine guidelines for new and improved components     

Unit coordination knowledge enhanced autonomous decision-making approach of heterogeneous UAV formation

Enhancing Autonomous Decision-Making(ADM) for unmanned combat aerial vehicleformations in beyond-visual-range air combat is pivotal for future battlefields, whereas the predom-inant reinforcement learning technique for ADM has been proven to be inadequately fitting com-plex tactical Unit Coordination(UC), limiting the integrity of decision-making for formations. Thisstudy proposes a knowledge-enhanced ADM method, with a focus on UC, to elevate formationcombat effectiveness. The main innovation is integrating data mining technique with tactical knowl-edge mining and integration. Foremost, based on Frequent Event Arrangement Mining(FEAM)theory, a cross-channel UC knowledge mining method is designed by introducing data flow, whichis capable of capturing dynamic coordinative action sequences. Then, a dual-mode knowledge inte-gration method is proposed by employing the Graph Attention Network(GAT) and attenuatedstructural similarity, bolstering the interplay between autonomous UC tactics fitting and knowledgeinjection. The experimental results demonstrate that the algorithm surpasses the existing methods,providing more strategic maneuver trajectories and a win rate of more than 90% in different sce-narios. The method is promising to augment the autonomous operational capabilities of unmannedformations and drive the evolution of combat effectiveness.