空战中机群编队分层优化算法

针对机群编队优化计算复杂的问题,提出了一种分层优化算法。根据敌我双方的距离、角度、速度以及飞机导弹、雷达的性能,建立了多机协同任务分配模型。根据空战中常用的基本飞机队形,对敌方机群编队进行分层,对每层分别计算己方对选取各种基本队形时的任务分配结果和队形优化优势值,通过比较得到己方机群编队的每层最优队形,当得到己方每层的最优队形之后,将己方每层最优队形进行组合解码就可得到己方机群编队的最优队形。仿真结果表明该方法能有效地解决机群编队队形优化问题,并且该算法具有较好的实时性。     

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。     

基于射击次数的编队防空队形优化配置

为解决舰艇编队协同防空中抗击多方向来袭目标流的队形部署优化问题,提出了以编队对来袭目标流的综合射击次数为目标函数的优化方法。将编队总射击次数分解为零航路捷径和非零航路捷径下的射击次数之和,利用射击次数与、杀伤区纵深、队形配置向量之间的约束关系,给出了计算方法。以一字队形为例,建立了队形部署优化模型。     

无人机紧密编队队形构成控制

针对无人机编队飞行问题,通过借鉴Agent体系结构确定无人机编队的控制结构.建立了以航迹坐标系为参考坐标系的长机与僚机的相对运动模型,根据僚机距离长机最优位置的误差,利用李亚普诺夫稳定性理论设计队形构成中僚机的控制律.最后通过建立的六自由度非线性飞行仿真平台进行仿真验证,结果表明所设计的控制律能稳定引导无人机完成编队的队形构成.     

编队卫星队形重构防碰撞最优轨迹规划

 针对编队卫星队形重构的轨迹规划问题,提出了直接配置混合整数线性规划(DCMILP)方法。首先将卫星编队飞行问题进行简化,整个过程使用线性化描述;继而将三阶Simpson方法扩展至编队卫星的队形重构过程中,将各卫星的状态量和控制量在各节点处离散化;然后根据目标函数及碰撞规避问题等各种约束条件,将整个过程转化为混合整数线性规划问题,从而可以找到该非凸问题的全局最优解。最后,通过对三维和二维两组编队卫星队形重构进行仿真,由结果可以看出,与传统方法相比该方法快速有效,能够满足实时性的要求,使得卫星编队的自主运行成为可能。     

多无人机编队队形保持优化控制仿真研究

采用多无人机编队保持队形的优化控制可以通过调节较少参数使各无人机能够精确跟踪领航无人机,达到稳定编队队形的目的。以简化的自动驾驶仪模型作为编队保持控制系统的内回路,基于以长机为参考的旋转坐标系建立相对运动学模型,采用全局渐近稳定控制方法设计了多无人机编队保持控制器。经过仿真验证,该控制器实现了长机在三维空间机动飞行时僚机能够迅速跟踪长机并保持编队队形的稳定,且响应速度和跟踪精度较为理想。仿真结果表明,该控制器能够实现多无人机编队队形在三维空间下的保持。     

卫星编队队形重构避碰技术研究

提出了一种新的考虑避碰约束的编队队形重构路径规划方法.首先通过常规编队重构规划方法得出各星的机动策略,以此预测重构过程中各星最小距离,将此最小距离大于安全距离作为约束条件,重新规划出队形重构轨迹.仿真结果表明,该方法计算量小,能够快速地规划出考虑避碰约束时的队形重构卫星机动轨迹,且能有效节省能量消耗.     

小卫星编队飞行队形设计与轨道要素确定

用两体相对运动的线性Hill方程进行了小卫星编队飞行队形的初步设计，并给出编队飞行中各绕飞小卫星轨道要素的确定过程，以空间圆形编队为例，在未考虑摄动情况下，通过仿真验证了Hill方程在小卫星编队队形初步设计中的有效性。     

飞航导弹高动态自主编队协同控制系统的建立与仿真

为了提高多枚飞航导弹自主编队低空突防综合作战效能,建立了由编队队形控制及编队离入队管理等模块组成的高动态自主编队协同控制系统,有效地解决高动态自主编队下导弹编队队形动态变化、编队管理复杂、编队导弹出现网络故障或机械故障等问题。半物理仿真系统实验结果表明,飞航导弹高动态自主编队协同控制方法满足编队实时性、自主性和高动态性要求。     

无人机参数优化自抗扰编队保持控制器设计

针对无人机编队飞行中的队形保持问题,采用结合粒子群算法的自抗扰控制技术对控制器进行设计,使响应过程具有良好的动态品质和较小的稳态误差。建立三维空间内基于相对误差的无人机编队飞行模型,并在此基础上设计了跟踪微分器、扩展状态观测器和非线性状态反馈自抗扰控制器,采用粒子群算法对控制器中部分参数进行优化整定。仿真结果表明,设计的结合粒子群算法的改进自抗扰控制器具有良好的控制性能,能以较高的精度实现无人机编队保持任务。     

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。     

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。     

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.     

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。     

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。     

基于量子行为鸽群优化的无人机紧密编队控制

随着军事、民用需求的提高和相关领域的技术推动，无人机编队协同作业已成为当今人们逐渐关注的焦点。无人机紧密编队是指无人机间侧向距离在1~2倍翼展内的编队，因其可有效改善编队中无人机的气动性能而备受瞩目。基于无人机紧密编队条件下的气动耦合效应，建立三维空间下的状态空间方程描述双机相对运动，并推导了紧密编队条件下的双机最优编队构型，在此构型下将人工势场法和编队控制相结合作为控制系统中的间接控制环，并针对基本鸽群优化算法的寻优缺陷利用量子行为规则对其进行改进，将改进后的鸽群优化算法和无人机控制量结合作为控制系统中的直接控制环，最后通过仿真对比验证了此控制系统对于紧密编队控制的有效性。     

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。     

Spacecraft formation-containment flying control with time-varying translational velocity

This paper investigates the problem of Spacecraft Formation-Containment Flying Control (SFCFC) when the desired translational velocity is time-varying. In SFCFC problem, there are multiple leader spacecraft and multiple follower spacecraft and SFCFC can be divided into leader spacecraft’s formation control and follower spacecraft’s containment control. First, under the condition that only a part of leader spacecraft can have access to the desired time-varying translational velocity, a velocity estimator is designed for each leader spacecraft. Secondly, based on the estimated translational velocity, a distributed formation control algorithm is designed for leader spacecraft to achieve the desired formation and move with the desired translational velocity simultaneously. Then, to ensure all follower spacecraft converge to the convex hull formed by the leader spacecraft, a distributed containment control algorithm is designed for follower spacecraft. Moreover, to reduce the dependence of the designed control algorithms on the graph information and increase system robustness, the control gains are changing adaptively and the parametric uncertainties are handled, respectively. Finally, simulation results are provided to illustrate the effectiveness of the theoretical results.