一种基于一致性的四旋翼无人机编队避障方法

针对一致性方法无法实现四旋翼无人机编队避障的问题,在航迹规划空间中引入势场来避免编队无人机间和编队无人机与障碍物间发生碰撞。以一致性方法为基础引导四旋翼无人机形成期望队形,为提高算法的收敛速度并且避免四旋翼无人机之间发生碰撞,增加了目标点的引力场和无人机间的斥力场;为有效避开外部环境中的障碍物,增加了障碍物的斥力场,并且构建了四旋翼无人机编队避障控制协议。仿真结果表明,新构建的控制协议能够引导编队无人机有效避开障碍物,并且能够恢复预期编队队形。     

基于改进人工势场的无人机编队避障

针对无人机编队飞行过程中的障碍物规避问题,提出了基于改进人工势场的避障控制方法。定义了空域障碍物产生的斥力势场,并给出了无人机规避障碍物的速度场,与基于虚拟长机的队形保持控制方法相结合,使无人机能够在感知到障碍物时使用改进人工势场法避障,并在避障结束后对队形恢复过程进行优化,使无人机能够更迅速恢复原有队形。仿真结果表明,该方法能够有效规避障碍物。     

复杂环境下多无人机轨迹姿态协同控制

考虑多无人机在实际飞行过程中的避障需求，在建立面向控制的四旋翼无人机轨迹姿态模型基础上，为克服传统多无人机为每架无人机规划轨迹的不足，研究了基于多无人机中心点的轨迹设计策略。进一步，考虑避障约束，基于半定规划进行迭代区域扩张完成了多无人机的安全飞行区域及队形设计。在此基础上，基于干扰补偿策略为每架无人机设计了协同控制器，最终确保了多无人机在多障碍环境下的安全飞行。     

基于群智机理的集群防碰撞控制

在执行作战任务以及民用中,无人机集群由于具备高可靠性和高效费比的特点而受到广泛关注;随着城市低空空域的开放,作战环境的动态复杂性剧增,对无人机集群防碰撞提出了严峻的挑战。针对无人机集群执行任务时的编队个体之间防碰撞以及遭遇突发障碍时的集群防碰撞问题,提出了基于群智机理的集群防碰撞控制方法。通过引入力学概念,设计了集群内部吸引力、排斥力以及编队构型力的模型;通过集群个体间的信息共享以及类脑知识发育,构建了基于群信息共享和类脑反射的无人机防碰撞模型。仿真结果表明：所提集群控制方法提高了集群的集结效率,而且在遭遇突发障碍时能够规避动态障碍,再次完成编队重构;群智机理的引入缩短了无人机集群面临突发障碍时的反应时间。     

基于改进一致性算法的无人机编队控制

编队飞行是指多架无人机保持以一定队形进行飞行的状态,相比于单架飞机执行任务,无人机编队能够增加搜索面积,提高飞机飞行性能,增大完成任务成功率。编队控制是实现编队安全高效完成指定任务的前提。本文以一致性理论为基础,针对无人机运动模型的特点与实际飞行要求,对基本的一致性算法进行改进,提出了改进一致性无人机编队控制算法。首先利用纵向和横侧向解耦的自动驾驶仪模型给出了无人机的三自由度运动方程,根据机动性与飞行性能要求定义了各方向上的加速度、速度与角速度约束。基于一致性理论,将编队控制分为平面与纵向2个方向进行,在状态控制的基础上,利用各状态变量间的几何关系对无人机运动自由度进行转换,加入编队队形信息,设计了编队控制算法。为了使算法生成的指令信号满足约束条件,提出了"最小调整"约束条件处理策略。依据粒子群算法对各无人机的爬升加速度进行优化,以避免机间碰撞。仿真结果表明：提出的编队控制算法具备编队成形与变换功能,能够使无人机编队状态快速收敛到指定值,且保持指定队形,无人机飞行状态满足所有约束条件。     

基于自组网策略的多机编队与防撞任务研究

近年来多旋翼无人机编队飞行技术取得了巨大的突破,将无人机技术与自组网技术相结合将会促进无人机集群技术的发展。为了促进无人机编队飞行技术的发展,以5架六旋翼无人机为研究对象,重点研究了基于自组网策略的多旋翼无人机队形组成、队形保持、队形重构以及飞行过程中的避碰策略,设计了数据闭环的地面编队控制软件并进行试飞验证。测试结果表明,该数据闭环地面编队控制软件稳定可靠,实现了编队队形组成、保持、重构以及在队形变换过程中的机间避碰等功能,对多旋翼无人机编队飞行工程化实现具有一定的参考价值。     

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PX4飞控的多旋翼无人机编队跟踪系统设计

为解决单架无人机续航能力不足、执行任务单薄、应用场合受限等问题，目前多无人机协同跟踪具有极其重要的研究价值。以多旋翼无人机为研究对象，设计了一种基于 PX4飞控的多旋翼无人机协同编队系统。利用飞控底层软件，将设计的制导律进行移植，通过ROS系统对无人机进行外部控制，各个僚机和长机之间能够实时获取其他无人机位置，然后通过控制器得到指令速度，从而形成预设跟踪编队。仿真实验结果表明，整个编队系统对目标的跟踪精确有效，并且所设计的制导律可以在PX4飞控架构下实现对地面目标的编队跟踪，提高了多旋翼编队跟踪系统的稳定性。     

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。     

基于极值搜索的四旋翼无人机自抗扰控制

为了提高四旋翼无人机飞行过程中的抗干扰能力,提出了基于极值搜索算法的自抗扰控制技术。首先,建立了四旋翼无人机非线性数学模型;然后,设计了基于极值搜索的自抗扰控制器,对无人机的位置和姿态进行控制;同时,设计扩张状态观测器估计系统内部及外部总扰动,对系统扰动进行补偿。仿真结果表明,所提方法不仅能抑制外界干扰,而且能显著改善飞行控制系统的瞬态性能和稳态性能。     

基于强化学习的多无人机避碰计算制导方法

针对大量固定翼无人机在有限空域内的协同避碰问题,提出了一种基于多智能体深度强化学习的计算制导方法。首先,将避碰制导过程抽象为序列决策问题,通过马尔可夫博弈理论对其进行数学描述。然后提出了一种基于深度神经网络技术的自主避碰制导决策方法,该网络使用改进的Actor-Critic模型进行训练,设计了实现该方法的机器学习架构,并给出了相关神经网络结构和机间协调机制。最后建立了一个实体数量可变的飞行场景模拟器,在其中进行"集中训练"和"分布执行"。为了验证算法的性能,在高航路密度场景中进行了仿真实验。仿真结果表明,提出的在线计算制导方法能够有效地降低多无人机在飞行过程中的碰撞概率,且对高航路密度场景具有很好的适应性。     

基于改进人工势场法的无人机避让航迹规划

随着无人机技术的不断发展，以及无人机应用领域的不断扩展，无人机与有人机在低空空域的融合运行是我国通用航空事业发展的必然趋势，而感知与规避技术是无人机与有人机间避免碰撞的重要保障。在对感知与规避技术进行详细阐述的基础上，对其关键技术问题之一的避让航迹规划进行了研究。首先，针对传统人工势场法的局部震荡问题提出了解决方案；其次，结合感知与规避实际背景，对威胁区模型进行了优化，并对无人机自身性能约束进行了建模；最后，对改进算法进行了仿真验证，阐明了其对无人机动力能源消耗、避让时间和任务执行效率等方面的影响。     

考虑UAV性能约束的变速度自主避障算法研究

动态不确定环境下,为有效地提升UAV执行任务的安全性和可靠性,在UAV自主避障过程中考虑了自身的性能约束条件.在速度障碍圆弧法的基础上,考虑UAV的法向和纵向加速度约束范围,研究了速度障碍圆弧随速度矢量变化的规律,提出了一种考虑UAV性能约束的变速度自主避障算法.该算法在考虑自身性能约束条件下,为实现UAV对威胁障碍的避碰提供了更大的避碰裕度.最后,对考虑UAV性能约束的变速度自主避障算法进行了验证,仿真结果证明了算法的有效性和可行性.     

无人机空中冲突探测与避撞研究

近年来，无人机运输业迅猛发展，其飞行过程中的冲突探测与避撞问题成为亟需解决的关键问题。在无人机周围建立合理的三维空间模型，优化包括紧急避撞区域、一般避撞区域、监视及提前避撞区域的三级避撞区域系统，并利用ADS-B 报文提供的无人机位置、速度等信息，基于无人机一般二维平面上的冲突探测与避撞算法，通过增加垂直方向上的冲突识别来改进冲突探测算法，对比调速、调向两种避让方案在各避撞区域的成功率。结果表明：改进算法能在无人机数量大幅增加的情况下有效识别冲突无人机，同时采用先调速后调向的避让方案，避撞成功率达到99.75%，可为保障无人机的飞行安全提供有效策略。     

基于改进RRT算法的无人机航路规划与跟踪方法研究

为了使航路规划算法在三维动态环境下能够快速规划出较优可行航路,基于快速扩展随机树算法(RRT),对规划航路点进行了无人机飞行动力学约束,并且设计了局部航路动态优化策略。针对传统的航路跟踪控制律跟踪较为曲折的航线时跟踪误差较大的问题,通过将规划算法得出的姿态指令引入姿态控制回路的方式,提高了航路跟踪控制算法的快速性与准确性。在此基础上,搭建了无人机验证平台,利用该验证平台完成了无人机自主避障飞行试验,对算法的有效性进行了验证,并对算法性能进行了评估。     

基于改进人工势场算法的无人机群避障算法研究

针对无人机运动避障人工势场算法本身存在的极小值问题和局部最小值问题，采用改进的人工势场算法，提出了一种新的路径规划方法。不同于目前的人工势场法，该模型从双机相互作用开始，在障碍物斥力的基础上，增加了无人机之间的斥力，同时定义集群的前置形心作为另一个引力源。算法分析表明，该方法能够有效避免无人机陷入局部最小值，并增强了无人机机群的控制和避障能力。基于该无人机控制模型，给出了路径规划设计并进行了仿真实验。实验结果表明，基于该模型的无人机机群控制具有更好的避障性能和追踪目标的能力。