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。     

一种基于蜂拥策略的分布式无人机编队控制方法

在无人机编队控制中,传统的主从式集中编队控制方式需要大量信息交互,对机间通信的要求较高.针对具有虚拟领航者的分布式无人机自组织编队跟踪问题,运用有界蜂拥算法对无人机模型进行求解.首先,提出了一种有界控制输入的蜂拥算法,并对算法的稳定性进行了分析;其次,对无人机进行了建模,提出了虚拟受力点的概念,并对虚拟受力点进行受力分析,将算法中的加速度转化成无人机径向速度与偏航速度的更新,以达到分布式无人机编队自组织以及跟踪虚拟领航者的目的;最后,通过仿真验证了算法和模型的有效性.     

基于MAS的无人机编队飞行智能优化控制

 针对无人机编队飞行的实际背景和限制条件,提出了一种基于多智能体系统（MAS）技术的编队飞行的智能优化控制策略和实现算法。利用多Agent之间的交互作用,以灵活便捷的方式进行各单机之间的协同优化,从而可实现多架无人机的自主编队飞行。考虑到leader-follower原理的支配机制,对面向编队飞行的僚机控制律与实现算法进行了重点研究,设计了僚机编队控制器,通过仿真实验验证了其鲁棒性和稳定性。最后针对编队队形的变换与躲避威胁等特殊情况对无人机编队单元之间的协调优化进行了仿真验证和分析。     

基于零空间方法的四旋翼无人机避障与协同编队控制

针对四旋翼无人机在编队飞行执行任务时可能遭遇障碍物问题,考虑多无人机避障及机间避撞的需求,提出 1种基于零空间方法的四旋翼无人机避障与协同编队控制算法。首先,建立四旋翼无人机动力学模型,并建立虚拟控制量简化控制模型;其次,基于零空间方法进行避障与协同编队控制算法研究,将无人机任务执行分解为目标趋向任务、避障避撞任务和协同编队任务,并根据优先级进行任务融合得到期望速度;再次,基于 PID方法设计控制律;最后,通过仿真验证所提控制算法的有效性。所提方法可保证四旋翼无人机在编队飞行中遭遇障碍物时的飞行安全。     

基于多智能体的多无人机编队算法

多架无人机协同攻击能够充分利用各个飞机的作战资源和空间占位,是未来空战的主要模式,对多无人机进行编队具有比较重要的实际意义。多智能体技术通过采用各智能体间的通信、合作、协调、管理及控制来表达实际系统的结构、功能及行为特性,为实际问题提供一种统一的框架。本文简要介绍了多智能体的概念及易于协调管理的特点,从多智能体系统理论和群集控制思想出发,对多无人机编队问题进行了分析和描述.     

人工势场与虚拟结构相结合的无人机集群编队控制

采用人工势场法进行无人机集群编队控制时,无人机集群通常难以准确地到达期望位置,且容易陷入局部极点问题。针对上述问题,提出一种人工势场与虚拟结构相结合的无人机集群编队控制方法。在三维空间中设立虚拟结构质点,并将其分为编队参考点和目标参考点两部分,通过建立集群个体间以及个体与编队参考点之间的人工势场,使得无人机集群在该势场作用下以编队参考点为参考形成预设编队,再通过建立目标参考点和编队参考点之间的人工势场,使得无人机集群在该势场作用下跟随编队参考点轨迹到达期望位置。仿真结果表明,在随机的初始位置条件下,无人机集群可以跟随编队参考点快速形成预设编队,并准确地到达期望位置。     

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.     

非对称机动能力多无人机智能协同攻防对抗

协同攻防对抗是未来军用无人机的重要作战场景。针对不同机动能力无人机群体间的攻防对抗问题，建立了多无人机协同攻防演化模型，基于多智能体强化学习理论，研究了多无人机协同攻防的自主决策方法，提出了基于执行-评判（Actor-Critic）算法的集中式评判和分布式执行的算法结构，保证算法稳定收敛的同时，提升执行效率。无人机的评判模块使用全局信息评价决策优劣引导策略学习，而执行时只需要依赖局部感知信息进行自主决策，提高了多机攻防对抗的效能。仿真结果表明，所提的多无人机强化学习方法具备较强的自进化属性，赋予了无人机一定智能，即稳定的自主学习能力，通过不断演化，能自主学习提升协同对抗的决策效能。     

无人机自主控制发展趋势研究

根据无人机自主控制的定义与内涵,将无人机自主控制关键技术划分为态势感知技术、规划与协同技术、自主决策技术和执行任务技术,并针对这四项关键技术发展所涉及内容分别进行了层级研究,初步给出了我国无人机自主控制层级发展规划和层级发展趋势图,可以为我国建立无人机自主控制能力标准或者开展无人机自主控制研究项目提供参考.     

无人机编队支撑网络的协同通信中继策略

针对无人机编队支撑网络优化选择中继成员进而提高编队协同通信能力问题，基于端到端技术（Device-to-Device，D2D），提出了一种同时考虑无人机编队成员的邻近域及编队成员间的社会性依存关系来优化选择中继成员的中继策略，旨在既能保证无人机编队的基本通信能力，又能同时优化提高编队的吞吐量，从而进一步提升编队支撑网络的整体性能。研究结果表明，所提的无人机编队支撑网络中继成员优化选择策略在系统吞吐量方面较已有方法具有明显优势。     

一种多智能体协同信息一致性算法

以无人机(UAVs)/导弹集群为代表的多智能体协同作战在未来战场中占有重要地位。协同信息的共享和一致性是多智能体系统完成协同、编队、集结、同步等协同任务的关键基础和前提。首先,基于邻居系统和团势能建立了信息一致性模型,将多智能体的协同信息的偏差映射为团势能。然后,通过以并行能量最小化求解马尔可夫随机场最大后验概率的方法实现了分布式无中心条件下的协同信息一致性。与传统的一致性算法相比,所提出的算法引入了虚拟基准的概念。当无外部基准输入时,基于平均场方法,通过邻居之间的协同信息交互建立虚拟基准;当存在领航节点或虚拟领航节点时,将领航节点协同信息的状态及状态导数作为虚拟基准。仿真结果表明:所得出的算法具有对网络规模不敏感、快速收敛、高鲁棒性的优点;对有/无基准输入的情况可采用相同的算法,体现了算法具有较好的适应性。     

固定翼集群无人机空中模拟对接技术

自主空中加油技术对于提高无人机（UAV）续航能力，扩大作战半径，增加载荷重量以及提升战略部署等方面有着重要的意义，是未来智能集群无人机系统的必备技术。本文以“无人争锋（UI-STRIVE）”空中握手比赛为背景，对固定翼集群无人机空中模拟对接相关技术及策略进行了研究。首先，针对固定翼集群无人机飞行速度快、编队密集程度高等特点，设计了集群无人机空中对接流程以及基于Dubins路径规划的时间最短的追机方案，并采用非线性制导律进行航路跟踪；其次，基于模拟锥套的先验信息设计了一组弱分类器，并通过级联的方式实现对模拟锥套的快速检测；然后，设计了沿加油机航线方向进行精确对接的策略，并结合无人机姿态先验以及模拟锥套尺寸信息推导了精确对接阶段制导参数解算方法；最后，设计了相应的固定翼集群无人机系统，并以4机编队参加了第2021届“无人争锋”空中握手比赛，参赛结果验证了本文所提出固定翼集群无人机系统以及其技术和策略的可行性。     

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。     

旋翼无人机群编队涌现控制

针对无人机群自主编队飞行中存在的执行任务单一、通信链数据交互量巨大的问题,提出了一种以分布式通信为基础的多Swarm中心的无人机群编队模型。首先根据涌现计算的基本思想构建四项基本局部规则来建立无人机群编队模型,然后把Lyapunov稳定性理论和单架无人机运动模型结合起来为每一架无人机设计了速度控制器,并证明了其相关理论。不同属性的无人机在混乱的初始条件下能够自动分类、聚集并形成不同形状的稳定编队队形,并飞向各自的目标执行任务。仿真结果表明了该编队方法的有效性。     

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。     

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。     

基于近端策略优化的空战决策算法研究

面对未来有/无人机协同作战场景,实时准确的空战决策是制胜的关键。复杂的空中环境、瞬变的态势数据以及多重繁琐的作战任务,使有/无人机协同作战将替代单机作战成为未来空战的发展趋势,但多智能体建模和训练过程却面临奖励分配困难、网络难收敛的问题。针对5v5 有/无人机协同的空战场景,抽象出有人机和无人机智能体的特征模型,提出基于近端策略优化算法的空战智能决策算法,通过设置态势评估奖励引导空战过程中有/无人机智能体的决策行为向有利态势发展,实现在与环境的实时交互中,输出空战决策序列。通过仿真实验对所提空战决策算法进行验证,结果表明：本文提出的算法在经过训练学习后,能够适应复杂的战场态势,在连续动作空间中得到稳定合理的决策策略。     

无人机近距编队飞行建模与仿真

无人机编队飞行有着单架无人机无法比拟的优点,但属于较新的研究领域。从无人机未来发展需求出发,根据近距编队的特点,提出了一种近距编队控制方法,并以双机近距编队为基础对控制律设计和算法实现进行了研究。通过建立僚机旋转参考系下的双机编队相对运动模型,同时考虑长机翼尖涡对僚机产生的气动耦合效应,基于PI控制设计了一种无人机近距编队飞行控制器,通过仿真验证和比较分析,证明僚机可以很好地跟随长机的机动保持编队构型,验证了提出的编队飞行控制方法的可行性和有效性。     

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。     

基于反步推演法的多机编队队形重构控制

针对多无人机（UAV）集结期望的队形和达到稳态速度缓慢影响作战效率，基于反步推演法设计了一种协同导引控制律，用于解决多无人机快速队形重构和快速达到稳定状态。本文以一架虚拟长机为中心，3架僚机在3个顶点组成的三角形编队作为被控对象，且长机的速度方向作为编队的前行方向，僚机跟随长机编队飞行。采用长机导引机制，建立每架僚机的误差动力学模型；基于图论建立任意两架无人机之间的通讯模式，通过反步推演法得到多无人机编队队形保持的导引控制律。通过构建合理的Lyapunov函数，证明所提出的控制方法在编队集结和队形保持的有效性，同时将所提出的方法与模型预测控制（MPC）方法和拉普拉斯方法进行对比，更进一步验证所提方法有效性。仿真结果表明：每架无人机不仅能够按照期望的队形飞行，而且以动态响应快和稳态误差小收敛于虚拟长机的运动轨迹。