基于动态流体扰动原理的三维滚动航路规划

针对复杂环境中存在运动目标、移动威胁与突发威胁等多种情况,将动态流体扰动算法与滚动优化策略相结合,进行无人机(UAV)三维动态航路规划.基于移动目标运动信息与威胁运动信息引入相对初始流场,用扰动矩阵量化表示障碍物或威胁对相对初始流场的扰动影响,计算相对扰动流场,进而得到实际流场流线即无人机规划航路.充分利用实时环境信息,综合考虑未来运动态势,在有限时域内采用动态流体扰动算法规划出可选航路,然后构建目标函数,滚动优化反应系数,实现在线航路规划.仿真结果表明,该算法能较好地适用于复杂动态环境.      

基于图像骨架和贪婪算法的无人机航路规划

针对无人机在执行低空突防任务时最大生存概率以及自身飞行约束的要求,对传统的人工势场法进行改进,提出基于图像骨架和贪婪算法的航路规划方法.对可飞区域提取图像骨架生成赋权图,采用Dijkstra方法搜索最小代价路径实现航路初规划;提出了曲率可控的贪婪算法对初规划结果进行优化,使最终的路径同时满足最小转弯半径和最短航程的要求.仿真结果表明该方法是一种有效的航路规划方法.     

无人机复杂环境中跟踪运动目标的实时航路规划

在复杂地形环境中,无人机在跟踪运动目标时,现有的航路规划方法在实时性和可行性上存在一定缺陷.提出了一种新的滚动窗口启发方向计算方法,使其能够跟踪运动目标,同时在滚动窗口内采用流函数法进行避障.根据无人机约束,滚动窗口为三角形,并设计了基于行为的伸缩功能.在流函数中,利用水势能方法克服了陷阱地形并进行了航路平滑.仿真结果表明:这种混合算法对于复杂地形条件下跟踪运动目标的航路规划,能够减小规划算法的时间和空间复杂度,使规划出的航路适于无人机飞行.     

未知区域中四旋翼无人机集群协同搜索与围捕算法

四旋翼无人机集群可以被用来进行区域侦察,以建立对环境与兴趣目标的认知。为四旋翼无人机集群提出一种分布式协同搜索算法和动态目标包围技术，以解决在未探测区域定位和监测目标中所遇到的挑战。为降低所提算法的复杂度，通过栅格划分方法将任务区域划分为2级栅格子区域。考虑到动态目标的随机性，设计一种数字信息素来引导多无人机对任务区域进行2次搜索，并以快速搜索到目标为奖励函数，通过滚动优化决策得到最优解作为无人机的输入。然后，基于一致性协议设计一种多无人机协同跟踪与围捕协议，以获取动态目标的实时信息。数个仿真结果与室外飞行实验验证了所提算法能够使四旋翼无人机对未知区域中动态目标进行有效搜索与动态监视。     

三维真实地形环境下无人机救援航路规划方法

利用无人机(UAV)的三维飞行能力,采用优化方法规划路径,能够使其在救援任务中比地面车辆以更短的时间到达救援区域,提高救援效率.针对真实的地理环境,根据无人机约束采用均匀化网格方法进行地形建模,之后根据地形数据的特点设计适合数学计算与求解的数据结构.最后设计了包含偏离代价、高度代价、地形跟随/回避代价、威胁代价和安全距离代价的综合性能指标函数,并采用航路点交叉和网格搜索代替航路点搜索的方法,对蚁群算法进行改进完成航路规划.仿真结果表明:本文方法能够直接处理三维地形数据,在保持地貌的前提下,完成了无人机的三维航路规划任务,得到满足无人机约束的三维最优航路,提高了航路规划方法的实用价值.      

基于指数平均动量鸽群优化的多无人机协同目标防御

针对多无人机(UAV)协同目标防御问题,提出了一种基于指数平均动量鸽群优化(EM-PIO)算法。针对三维空间中的多无人机协同目标防御系统进行建模,得到了无人机支配区域的曲面约束方程,并获得了双方无人机的最优控制输入量。采用多级罚函数法构造了优化算法的目标函数,并通过所提出的EM-PIO算法来求解最优目标点。将所提EM-PIO算法与遗传算法(GA)和粒子群优化(PSO)算法进行仿真对比实验,验证了所提EM-PIO算法更加有效解决多无人机协同目标防御问题。      

基于解耦优化和环流APF的多平台协同攻击任务规划

为提升协同攻击任务规划效率，借助人工势场（APF）方法求解速度快的优势，提出多平台协同攻击任务规划方法。针对任务规划问题中任务分配与航路规划的耦合问题，提出基于独立航路规划的解耦（ID）与基于直接距离的解耦（DD）2种解耦框架；建立考虑打击目标价值总和、攻击平台与目标距离极差、攻击平台与目标距离总和等因素的指标函数，采用遗传算法进行任务分配求解；提出环流APF方法，避免了传统APF方法因局部极小值而无解的问题，并提出同时到达控制策略与航路冲突规避策略，实现多平台同时到达航路规划。在不同场景下比较了耦合方式、ID、DD 3种任务规划框架的规划结果，并对比了传统APF方法与环流APF方法的航路规划结果。结果表明，解耦方式能够得到与耦合方式接近的结果，并且计算耗时明显低于耦合方式；环流APF方法相比传统APF方法求解可行性更高，航路性能更好。对于存在大块障碍的场景，推荐使用ID方式获得更好的准确度，在障碍稀疏的场景下，推荐使用DD方式以减少计算耗时。      

基于合同网的对地观测资源动态协同规划方法

卫星、无人机等对地观测资源已经成为执行灾害救援、灾损评估等多样化监测任务的主要观测手段，而大规模任务的随机调整和动态执行环境是快速制定对地观测方案的核心难点。针对此问题，提出一种面向不确定环境的对地观测资源动态协同规划方法，以动态高效地制定异构观测资源的协同观测方案。首先，结合合同网协议提出一种自下而上的分布式动态协同框架，以整合空天地异构观测资源构建分布式、动态、松耦合的协同观测网络。然后，根据该协同框架提出多轮组合分配方法及优化算法以快速动态地分配大规模监测任务。最后，通过仿真实验证明，在任务持续并发的动态不确定环境中，基于合同网的动态协同规划方法在提升了约25%任务完成率的同时，降低了约20%的运行时间，实现了任务完成率与方法运行时间的平衡。      

基于搜索意图交互的无人机集群协同搜索算法

针对无先验信息条件下无人机集群的协同搜索问题,提出一种以覆盖率为引导,以机间安全距离、通信距离、偏航角调整及搜索边界等为约束的无人机集群协同搜索算法。通过建立环境地图矩阵对任务区域进行描述,进一步定义环境地图更新算子实现搜索过程中环境地图的快速更新。设计了集群协同搜索任务的回报函数,采用粒子群算法进行求解,得到每架无人机在已知环境地图下的最优决策,即决策意图。每架无人机在获取其他成员决策意图的基础上重新进行决策,实现协同决策。针对不同规模集群提出了集中式和分布式2种协同决策方案。仿真结果表明,所提算法能够对存在未知威胁的不规则任务区域进行有效覆盖搜索,覆盖率远高于不进行协同决策的个体决策方法。      

自适应引导长度的无人机航迹跟踪方法

为保证无人机安全稳定的飞行,实现高精度的航迹跟踪,基于引导点的非线性制导算法,提出了一种引导长度自适应的航迹跟踪方法。首先建立无人机运动学模型,依此对非线性的制导算法进行理论分析与试验验证,建立无人机飞行速度与引导长度之间的关系。之后引出引导长度自适应的航迹跟踪方法,详细讨论方法的具体实现过程。最后通过各种情况下的仿真对比试验,验证所提出方法的有效性。仿真结果表明,所提出的方法能较精确地跟踪各种复杂航迹,同时在较大的初始偏差和航路点临时切换的情况下能稳定、快速地收敛到期望航迹,更好地满足各种实际飞行任务的需求。     

一种多机协同打击的快速航迹规划方法

针对多架自杀式无人机对重要目标进行协同打击的问题,在飞行器运动学、飞行器碰撞、时空协同等约束条件下,提出了一种空间分层分布的协同打击策略,在满足飞行器碰撞约束的前提下,有效提高了对重要目标防御系统的抵抗能力与飞行器自身的生存率。在此基础上,进一步提出了一种空间协同的多机打击快速航迹规划方法,结合Dubins曲线,将飞行器数目增加带来的计算量指数增长的问题,转化为多项式乘积形式的计算量,实时生成满足时空协同要求的次优航迹。通过仿真实验与实际飞行试验验证了所提方法的有效性,无人机可以在生成航迹的引导下,有效到达打击目标。      

无人机自主引导跟踪与避障的近端策略优化

针对无人机地面动态目标跟踪问题，建立了远距离自主引导与近距离伴飞避障2个阶段的马尔可夫决策过程模型。在此基础上，提出了一种改进的近端策略优化（PPO）算法。考虑到无人机接收到的数据具有时序性且环境状态存在上下文关联，所提算法采用长短期记忆（LSTM）网络，通过无人机与目标的实时位置关系等状态信息来计算奖励值，更新网络参数，并进行自适应优化迭代。通过基于ROS系统的仿真测试平台进行试验，结果表明：所提算法安全有效地实现了侦察任务全过程的自主机动，与传统的PPO算法相比，LSTM的引入缩短了模型训练时间，跟踪与避障的效率明显提高，进一步加强了算法的鲁棒性、准确性和实时性。     

无人机固定时间路径跟踪容错制导控制

针对无人机存在外部环境干扰及执行机构故障情况下的固定时间路径跟踪容错制导控制进行研究，提出了固定时间收敛的视线制导控制算法，利用反步法及固定时间收敛的视线制导控制算法确保无人机路径跟踪误差在固定时间内收敛。通过在视线制导控制算法中引入指令滤波器及误差补偿器，避免反步法中虚拟控制量微分项的复杂计算。为了抑制制导控制过程中系统状态剧烈变化，引入障碍李雅普诺夫函数对偏航角速度误差进行限制。通过非线性固定时间观测器对不确定性进行估计补偿，消除执行机构故障及外部环境干扰等因素对跟踪性能的影响。仿真结果表明:所提算法具备有效性和鲁棒性，具有良好的路径跟踪容错制导控制性能。      

基于诱导航线的多无人机编队飞行控制方法

针对无人机编队飞行控制问题,提出了一种基于诱导航线的协同控制方法,僚机根据当前相对于期望位置的误差和长机的飞行状态生成诱导航线并进行跟踪;针对飞行过程中的突发障碍采用改变编队队形的方法进行规避;针对无人机之间可能出现的碰撞情况,根据无人机到达碰撞点的时间以及位置分别从高度以及航向两方面进行躲避,仿真结果表明:采用此方法无人机能够保持稳定的编队,并同时能够躲避飞行过程中的障碍以及避免飞机之间的碰撞。      

Finite-time asteroid hovering via multiple-overlapping-horizon multiple-model predictive control

This paper investigates the asteroid hovering problem using the Multiple-Overlapping-Horizon Multiple-Model Predictive Control method. The effectiveness of the predictive controllers in satisfying control constraints and minimizing the required control effort is making Model Predictive Control a desirable control method for asteroid exploration missions which consist of the asteroid hovering phase. However, the computational burden of Model Predictive Control is an obstacle to employing the asteroid’s complex gravitational field model. As an alternative option, the Multiple Horizon Multiple-Model Predictive Control method has been introduced previously, which could provide a solution with the less computational burden with respect to the nonlinear Model Predictive Control. It was shown that it is not necessary to deduce the exact dynamics model to predict the system’s behavior during a long period using this approach. However, the calculated control acceleration was not smooth enough because of the crisp borders of consecutive horizons, which may cause an image motion and degrades the geometric accuracy of high-resolution images in asteroid hovering missions. In this paper, the Multiple-Overlapping-Horizon Multiple-Model Predictive Control method is introduced instead to solve the problem of controlling acceleration fluctuations by overlapping consecutive horizons. Numerical simulation results are presented to validate the effectiveness of the proposed control method, and its advantage is demonstrated accordingly for the asteroid hovering problem in achieving the hovering position and velocity.     

基于混合动态信念传播的多无人机协同定位算法

针对多无人机(UAVs)协同定位问题,提出一种基于混合动态信念传播的定位算法。在部分无人机GPS信号丢失的情况下,该算法可根据其他无人机的GPS观测,相邻无人机之间的相对距离观测,以及无人机加速度计的输出,对每个无人机的位置和速度状态进行分布式在线估计。首先用因子图模型描述多无人机的联合信念状态,接着给出一种混合动态信念传播推理算法计算图模型中的每个变量节点(对应于每个无人机)状态的边缘后验分布。推理过程仅包括每个无人机对自身局部信息的处理以及相邻无人机之间的信息交互,因此该算法可完全分布式实现。通过仿真实验以及与传统协同定位算法的比较,表明了本文算法的有效性。      

一种基于图论的机场空域无人机流量控制方法

城市物流无人机机场需具有同时起降多架无人机的能力，针对中小型垂直起降无人机设计了一种单入口单出口、航路交叉、多停机坪的机场模型，提出了一种基于图论的飞行安全优先的流量控制方法。根据机场内无人机飞行状态，控制无人机进离场时间，规划出机场内飞行航路，保证无人机飞行安全。仿真结果表明:该流量控制方法可以确保无人机在机场空域内安全有序飞行；分别测试了面积不同的机场进场与进离场运行容量，在单个停机坪面积一定时，停机坪数量越多进场容量越大，但进离场容量反而越小；因此在设计机场时，在给定的机场面积情况下，需要合理规划停机坪数量。      

输入受限下多无人机三维协同路径跟踪控制

针对多无人机在三维空间的协同路径跟踪问题,设计了基于反步法的协同控制器。考虑无人机在飞行过程中的输入饱和问题,加入辅助控制系统,以确保系统在输入受限下仍能保持良好的控制性能。将无人机六自由度非线性模型反馈线性化处理,同时考虑无人机飞行时受到的外界不确定扰动及自身模型存在的未建模动态,利用径向基函数在线估计补偿,提高了系统的鲁棒性和抗干扰能力。为了解决反步法需要对虚拟控制量求导导致的控制器复杂问题,引入一阶滤波器,避免对虚拟控制量的求导。利用图论解决无人机机间通信问题,基于一致性理论实现了多无人机的协同控制。基于Lyapunov稳定性理论,证明了系统的稳定性,仿真结果表明,所设计的路径跟踪协同控制器能够达到良好的协同跟踪控制效果。