基于试飞数据的高空长航时无人机任务剖面优化方法

针对高空长航时无人机的任务剖面优化问题,综合考虑无人机的飞行特点,提出了阶梯式的巡航策略。建立了基于试飞数据的无人机任务剖面数学模型,将任务剖面优化问题转化为约束条件下求极值的问题,采用了免疫粒子群算法对问题进行求解。最后,将计算结果应用到飞行试验中,并与传统任务剖面试飞结果进行了对比。结果表明,该方法得到的任务剖面航程明显优于传统任务剖面。     

基于改进BP算法的长航时无人机效能提升研究

利用思维进化算法建立改进的BP神经网络模型,对无人机巡航时外部飞行环境与发动机工作特性之间建立多变量耦合关系。通过对飞行数据分析,规划无人机飞行策略,并利用模型预测结果辅助完成飞行前和飞行中的方案设计。飞行验证表明,与未经优化的飞行方案相比,优化后的飞行方案明显提升了长航时无人机的任务效能。该预测模型可应用于无人机复杂科目或风险科目的飞行前任务规划设计、任务模拟演练和风险评估等方面。     

六旋翼无人机单个旋翼失效后性能变化研究

针对六旋翼城市物流无人机RA3在一个旋翼失效后继续巡航的性能参数变化问题进行了研究。综合考虑了无人机的飞行特点，建立了飞行任务剖面各阶段模型，包括悬停、爬升、降落和巡航阶段，通过搭建测试平台和进行试验获得动力参数。模型算例表明：当无人机的一个旋翼失效后继续飞行，剩余工作旋翼的转速和功率均会增大；虽然各个旋翼的功率和能耗有所增加，但是同样的电池电量提供的续航里程与无故障正常巡航时基本相同。     

长航时无人机续航性能试飞方法优化研究

利用解析算法可计算长航时,无人机在典型任务剖面下巡航段的最有利航程和续航时间,及其对应的飞行参数,分析无人机等高变速、等速变高和等高等速3种巡航方式,及不同飞行参数的选取,对其巡航段航程和续航时间的影响。结果表明:在均选取最佳飞行参数时,等高变速巡航方式能达到最大续航能力,等高等速巡航方式的效果次于等高变速和等速变高巡航方式。该研究结果可直接应用在型号试飞中的任务性能、续航性能科目试飞及后续部队作战使用试飞中,根据无人机的控制方式,选择合适的飞行策略提升长航时无人机作战效能。     

基于非正交多址的空中基站MEC资源分配技术

无人机由于具有高机动性、灵活性以及低成本等优势，在移动边缘计算（MEC）网络中发挥了重要的作用。但仍存在不少需要应对的挑战，例如，如何设计无人机部署方案及如何利用无人机有限的计算和通信资源等挑战。针对旋翼无人机周期移动辅助MEC网络下的用户能耗问题，考虑无人机的周期性飞行，对其飞行轨迹进行数学建模，优化用户的总功耗，并基于非正交多址技术提出一种无人机移动部署MEC资源分配与无人机轨迹优化算法。该算法应用连续凸逼近优化无人机计算资源的分配及用户的发射功率，通过块坐标下降法和迭代法优化得到无人机最佳飞行轨迹。仿真结果表明与无人机的静态部署、圆形轨迹部署相比，所提算法能有效降低用户的总功耗。     

基于遗传模拟退火算法的无人机航迹规划

航迹规划技术是无人机任务规划系统中重要的核心技术之一,无人机飞行空间广阔,需要一种快速搜索最佳路径的方法.首先在飞行区域中建立数字地图模型和防空威胁区模型,在满足无人机飞行约束条件的情况下,为无人机航迹规划提供一种遗传模拟退火算法,充分利用模拟退化算法的概率突跳特性和遗传算法强大的快速搜索能力.仿真结果表明,使用该算法无人机能够自动避开模拟数字地图的威胁区,搜索出一条安全有效航迹,并保证航线的完整性和最优性.     

基于改进A^*算法的无人机快速轨迹规划方法

针对旋翼无人机在三维障碍物环境中自主飞行时路径搜索速度慢、轨迹生成通常忽略无人机动力学特性的问题,发展一种基于改进A^*算法并同时考虑无人机动力学特性和运动学性能的快速轨迹规划方法。首先,在三维障碍物环境中运用改进A^*算法通过剔除部分网格节点降低A^*算法的节点计算量,提升算法的路径搜索速度;其次,以最小化飞行轨迹的四阶导数作为目标函数,以路径点处的位置、速度、加速度等各阶导数作为约束条件优化飞行轨迹;最后,在三维障碍物环境中对比A^*算法改进前后的路径搜索结果,并对优化的飞行轨迹进行仿真飞行测试。结果表明:改进A^*算法大幅降低了A^*算法的节点计算量,显著提升了路径搜索速度;且无人机能够始终以较小位置误差沿优化轨迹光滑连续飞行。     

基于改进蚁群算法的无人机航路规划

为了提高无人机(UAV)的作战效率和生存概率,在执行任务之前必须设计出高效的无人机飞行航路.针对这一问题,采用了蚁群算法进行航路规划,并对蚁群算法进行了改进.提出了保留最优解、自适应状态转换规则和自适应信息激素更新规则,有效的提高了算法算收敛速度和解的性能.最后用改进的蚁群算法对无人机任务航路进行了仿真,仿真结果表明,该算法是一种有效的航路优化算法.     

太阳能/氢能无人机总体设计与能源管理策略研究

针对小型低空长航时电动无人机需求,给出了太阳能/氢能混合能源动力系统集成方案和小型低空长航时无人机构型。针对典型任务剖面,综合考虑太阳能电池和氢燃料电池特性,提出了一种考虑全机重量能量耦合关系的总体设计方法和任务剖面驱动的能源管理策略;建立了能源系统模型,给出了能源控制流程,开发了能源管理仿真平台。以1.5 kg任务载荷为例,完成了无人机总体方案设计,仿真分析了各种能源特性对飞行结果的影响。结果表明:能源管理策略能够根据任务剖面的要求合理配置能源系统的功率,满足各阶段的功率需求;无人机在冬至日航时为21 h、夏至日可实现跨昼夜飞行;在能源系统重量相同情况下,该混合能源无人机的航时分别是纯锂电池无人机和燃料电池无人机的5.5倍和1.2倍。     

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。     

基于改进神经网络的无人机起飞滑跑性能

文中通过对无人机的起飞滑跑过程,及起飞滑跑阶段的控制策略进行研究,对传统起飞滑跑性能理论计算方法的,局限性进行分析,提出一种基于改进神经网络算法的,无人机起飞滑跑性能计算方法。通过建立改进的神经网络模型,对各种环境条件下的发动机推力进行计算,依据飞行试验结果,利用单参数分析换算法,可以预测出不同环境条件下的无人机起飞滑跑性能。通过多架次飞行试验表明,基于改进神经网络算法的,无人机起飞滑跑性能计算方法精度较高,该方法与传统理论计算方法相比,更贴合工程实际应用,还可应用到无人机复杂任务环境,或新使用环境下的适应性分析中,达到降低飞行风险的目的。     

基于辨识模型的无人机鲁棒飞行控制方法

提出了一种基于系统辨识获取飞行动力学模型并进行鲁棒飞行控制律综合设计的方法。首先利用混合遗传粒子群优化算法,从真实试飞数据中辨识建立无人机动力学模型,然后基于随机鲁棒原理的设计方法和辨识模型,设计了无人机鲁棒飞行控制律。飞行试验验证表明,在无气动数据情况下所设计出的高性能鲁棒飞行控制律满足了无人机飞控研制的需求。     

基于蚁群算法的无人机航路规划

为了提高无人机(UAV)作战任务的成功率，在敌方防御区域内执行攻击任务前必须规划设计出高效的无人机飞行航路，保证无人机能够以最小的被发现概率及可接受的航程到达目标点。针对这一问题，对新近发展的蚁群算法进行了讨论，提出了适用于航路规划的优化方法，并对无人机的攻击任务航路进行了仿真计算。仿真结果表明，该方法是一种有效的航路规划方法。     

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。     

多中心无人机集群维修保障任务分配优化研究

针对多中心无人机集群维修保障任务分配问题,分析无人机集群维修保障任务的约束条件,以最小化无人机等待时间、保障人员的等待时间为目标函数,并考虑保障人员的工作公平性建立无人机集群维修保障任务分配模型,通过人工蜂群算法进行优化求解。算例表明：模型与以飞行距离最短为目标的先到先服务模型相比,无人机准备时长减少了0.8%,保障人员等待时长减少了21.0%,保障总时长减少了4.3%,提高了无人机维修保障的敏捷性,实现了人员工作的均衡分布,验证了模型和算法的可行性。     

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。     

面向任务需求的模块化无人机配置方法

为了实现成本约束下面向任务需求的模块化无人机（UAVs）高效配置，基于无人机需求集和模块备选元素集，构建了任务需求与模块备选元素之间的关联矩阵；以无人机总体成本为约束条件，建立了需求满意度评价模型，引入了改进粒子群算法以获得无人机专用模块的最优配置方案，并通过算例与其他2种优化算法对比，验证了本文优化算法的有效性，进而提出了一种面向模块化无人机的配置方法。以某任务场景为例，在预定成本约束下构建了3型无人机的模块配置方案，并与文献中的单兵无人机参数配置进行对比，验证了配置方案的合理性。结合不同配置方案的成本计算结果表明，提出的模块化无人机配置方法能够实现无人机性能、成本与多种任务用途需求的协同匹配。在此基础之上，开展了模块化无人机多个配置方案单体成本、面向任务运用成本的对比分析，探讨了无人机配置参数对其单机及集群运用成本的影响规律，间接验证了本文算法对无人机单机及集群运用成本控制的支撑作用。     

基于改进贪心算法的无人机集群协同任务分配

无人机集群由于其强大的信息共享与行为协作等优势,在军事、民用及科研等领域发挥了重要作用.然而无人机集群在执行大规模任务时,任务的时间约束、时序关系以及性能要求都对集群任务的协同规划与分配提出了巨大的挑战.针对多无人机协同飞行约束下的任务分配问题,本文提出了一种基于改进贪心算法的无人机集群协同任务分配算法,在保证无人机间...     

无人机飞行试验参数辨识研究

针对大型无人机飞行试验,探讨了无人机气动导数的参数辨识过程。根据无人机飞行试验数据特点及模态激励方式,分析并实践了相应的数据处理过程,修正了试飞数据;结合参数的相关性分析,建立了合适的气动模型,进行了气动导数辨识并验证了部分导数,辨识结果是真实可信的。所研究内容对验证和优化无人机空气动力和飞控设计进而合理地评价无人机的性能和品质具有重要意义。