基于空间两点的视觉自主着陆导引算法设计

为提高无人机着陆效率,从着陆速度向量场和导引律设计两方面研究改进。首先,基于椭圆设计速度向量场,实现飞行路程更短、机动性能要求更低的着陆轨迹。然后,基于像素坐标系与机体坐标系的关系,设计无人机的航迹方位角指令;以椭圆切线方向为参考,结合合作矢量特征,设计航迹倾斜角指令;利用图像信息,设计速度大小指令。最后,理论比较了传统轨迹与提出轨迹对方向机动性性能的要求,给出了轨迹参数与无人机方向机动性性能的关系。利用Simulink搭建系统仿真平台,计算满足要求的合作矢量特征。结果表明,无人机以曲线轨迹准确软着陆到目标,满足实际运用的需要。      

A new modeling scheme for powered parafoil unmanned aerial vehicle platforms: Theory and experiments

A novel framework is established for accurate modeling of Powered Parafoil Unmanned Aerial Vehicle (PPUAV). The model is developed in the following three steps: obtaining a linear dynamic model, simplifying the model structure, and estimating the model mismatch due to model variance and external disturbance factors. First, a six degree-of-freedom linear model, or the structured model, is obtained through dynamic establishment and linearization. Second, the data correlation analysis is adopted to determine the criterion for proper model complexity and to simplify the structured model. Next, an active model is established, combining the simplified model with the model mismatch estimator. An adapted Kalman filter is utilized for the real-time estimation of states and model mismatch. We finally derive a linear system model while taking into account of model variance and external disturbance. Actual flight tests verify the effectiveness of our active model in different flight scenarios.     

基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点，随着无人机自主智能的不断提高，无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务，构建了典型的任务场景，基于深度确定性策略梯度网络（DDPG）算法，设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题，通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡，提高了算法的训练效率。仿真结果表明，训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务，任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值，人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。     

一种地理围栏内无人机航迹跟踪方法

针对UTM体制中无人机在地理围栏内的飞行监视问题,提出一种约束状态相关模态转换混合估计算法(CSDTHE)。采用随机线性混杂系统模型对无人机运动状态进行建模,利用CV、CT和CA三种模态描述无人机的飞行状态,以构建地理围栏内无人机运行的通用模态转换模型框架。利用飞行模态改变点(FMCP)定义相关模态转换参数,设计模态转换条件,生成模态转换概率矩阵,从而建立与状态相关的模态转换模型。运用约束卡尔曼滤波(CKF)方法对直线阶段和转弯阶段的无人机运动速度分别施加等式约束,并通过仿真实验验证了CSDTHE算法对无人机跟踪的有效性。     

Distributed intelligent self-organized mission planning of multi-UAV for dynamic targets cooperative search-attack

This article studies the cooperative search-attack mission problem with dynamic targets and threats, and presents a Distributed Intelligent Self-Organized Mission Planning (DISOMP) algorithm for multiple Unmanned Aerial Vehicles (multi-UAV). The DISOMP algorithm can be divided into four modules: a search module designed based on the distributed Ant Colony Optimization (ACO) algorithm, an attack module designed based on the Parallel Approach (PA) scheme, a threat avoidance module designed based on the Dubins Curve (DC) and a communication module designed for information exchange among the multi-UAV system and the dynamic environment. A series of simulations of multi-UAV searching and attacking the moving targets are carried out, in which the search-attack mission completeness, execution efficiency and system suitability of the DISOMP algorithm are analyzed. The simulation results exhibit that the DISOMP algorithm based on online distributed down-top strategy is characterized by good flexibility, scalability and adaptability, in the dynamic targets searching and attacking problem.     

一种基于语义信息辅助的无人机视觉/惯性融合定位方法CSCD

视觉传感器在无人机室内定位中发挥着重要作用。传统基于特征点的视觉里程计算法通过底层亮度关系进行描述匹配,抗干扰能力不足,会出现匹配错误甚至失败的情况,导航系统的精度及鲁棒性有待提升。由于室内环境存在丰富的语义信息,提出了一种基于语义信息辅助的无人机视觉/惯性融合定位方法。首先,将室内语义信息进行因子建模,并与传统的视觉里程计方法进行融合;然后,基于惯性预积分方法,在因子图优化中添加惯性约束,以进一步提高无人机在动态复杂环境下的定位精度和鲁棒性;最后,通过无人机室内飞行试验对算法的定位精度进行了分析。试验结果表明,相较于传统的视觉里程计算法,该方法具有更高的精度和鲁棒性。     

低空无人机路径规划算法综述

随着无人机技术的发展,无人机在低空的应用场景越来越多,复杂的低空环境对无人机路径规划算法提出了新的要求。本文总结了近年来常用的无人机路径规划算法,包括图搜索算法,线性规划算法,智能优化算法（遗传算法、粒子群算法、蚁群算法）,强化学习算法;对这些算法的原理、适用场景及其优缺点进行了归纳分析;并基于无人机发展现状对无人机路径规划算法进行了展望。     

基于 LSTM的飞控系统状态监控

监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。     

基于改进YOLO V5的无人机航拍图像小目标检测方法

本文针对无人机航拍目标检测技术中目标聚集、目标较小及实时性差等问题,将YOLO V5的主干架构进行改进,简化Neck网络,提出了一种提高检测速度又能准确识别的无人机航拍图像检测技术方案。经过仿真实验测试,改进后的YOLO V5网络在保持识别精度的同时,检测速率提升了31%,满足无人机在航拍作业时对于准确性与实时性的要求。     

考虑瞬态特性的无人机自适应容错控制设计

针对固定翼无人机纵向轨迹跟踪控制问题,基于反馈线性化和模型跟随控制设计基础控制器,实现无故障情况下闭环系统的稳定和轨迹渐近跟踪控制。考虑固定翼无人机的执行器可能发生不同类型及大小的故障,分别针对各种不同故障模式设计与之对应的补偿控制器。为综合解决执行器故障的多重不确定性问题,采用加权融合与自适应控制相结合的方式设计综合控制器结构,并对与故障相关的控制器参数进行估计。最后,通过在基础控制器设计中添加H∞补偿项,以抑制故障补偿控制器参数估计误差对闭环系统输出跟踪性能造成的不利影响。理论分析和仿真结果表明,所提出的控制方案不仅能保证闭环系统的稳定性,而且在发生不确定执行器故障的情况下,固定翼无人机姿态控制系统输出能渐近跟踪给定的参考模型输出,通过设计适当的H∞补偿器参数可以改善故障补偿控制过程中的瞬态性能。