无人机全空域飞行影响因素分析

进入全空域飞行是未来无人机发展的必然趋势,所面临的关键问题是安全性和空中交通管理.根据无人机大、中、小型,低、中、高速并存的特点,分析了无人机安全性和影响其全空域飞行能力的关键因素与改进方法,包括建立分类管理机制,提高自主导航与控制能力,进行动态任务规划,采取协调机制,增强环境感知与规避能力等.进一步提出了无人机空域飞行的建模/仿真理论框架,目标是在提高无人机可靠性的基础上,使其具备全空域飞行能力,从而降低无人机使用成本、提高空域共享能力,实现有人机、无人机共享空域.      

无人机的自主飞行控制

随着自主控制技术的发展,无人机在使用范围上将有较大的突破.高新技术的飞速发展及其在无人机上的不断应用,使无人机向多功能、快速反应及高可靠性方向发展.     

倾转三旋翼无人机倾转定高控制研究

针对倾转旋翼无人机在倾转过程中的高度控制问题,提出一种基于灰狼优化的神经网络自适应控制方法,用于一种倾转三旋翼无人机倾转过程的飞行控制.首先,建立了无人机的非线性数字仿真模型;其次,基于神经网络自适应控制方法分别设计了无人机的高度控制器和姿态控制器,并用灰狼优化算法对神经网络的参数和控制器的参数寻优;再次,设计了倾转过...     

基于遗传算法(GA)的具有约束的飞行轨迹规划

轨迹规划的一个最基本目标是规划飞机通过威胁空间并实现任务目标的飞行轨迹,这个轨迹需满足任务规划所确定的约束,这些约束包括：地形、威胁（静、动态）、燃油、时间、飞行性能等,构成了一个多维、多模态且具有组合爆炸的搜索空间,造成了轨迹规划的具有挑战性的难题。对基于ＧＡ的自适应搜索技术的轨迹规划方法和轨迹规划器进行了研究。提出了用来解决满足约束条件最优飞行轨迹问题的描述方法。     

基于系统分类和安全评估的无人机空域集成

无人机的空域集成,即无人机进入非隔离空域飞行与有人机共享空域,是未来发展的必然趋势,这也给空中交通管理带来了新的挑战.参照美国的空域集成计划,需要建立在空域详细分类的基础上,根据无人机的综合能力逐步实现无人机从单一空域到多空域,从隔离空域到非隔离空域的动态运行.而无人机的综合能力分类可以从体系划分和安全能力两个角度出发,综合衡量;其中,无人机体系基于自主能力和监管方式两个关键因素来划分.基于这种方法,分析可以初步确定一类无人机可以飞行的空域类型,以及跨越不同空域的方式,从而实现无人机空域集成.     

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。     

无人机高机动抗扰轨迹跟踪控制方法

针对传统的四旋翼控制方法在高机动飞行时控制效果不佳,难以跟踪机动性较强的轨迹且控制精度较低的问题,设计了基于增量非线性动态逆控制(INDI)方法和微分平坦前馈的轨迹跟踪控制器,不仅提高了高机动轨迹的跟踪精度,也增强了抗扰能力。由于角加速度无法直接获得,该方法对其非常敏感,设计了多种角加速度估计方法进行对比,通过飞行试验选择了效果最佳的互补滤波方法。试验结果证明:设计的基于互补滤波的前馈INDI方法可以控制飞行器快速、准确地跟踪高机动轨迹,且具有较强的抗扰能力。      

俯仰操纵方式对自转旋翼机操稳特性的影响

为了研究不同的俯仰操纵方式对于旋翼机飞行动力学特性的影响,首先基于解析形式叶素法给出自转旋翼的建模方法,并建立了对象无人旋翼机的数学模型;然后分析了2种操纵方式在配平、稳定性及操纵性等方面的差异。研究表明,2种操纵方式各有优缺点:旋翼操纵方式的配平俯仰姿态变化更小且长周期稳定性更好,但螺旋模态不稳定;升降舵操纵方式的螺旋稳定性更好,且俯仰可达力矩较大,但高速配平迎角为负且存在速度静不稳定的问题。针对2种操纵方式,分别设计集成了2架样例无人旋翼机并进行了飞行试验。基于试验数据分析了无人旋翼机飞行过程中自转旋翼的转速变化特性;分别对2架无人旋翼机进行了姿态控制律设计与试验,较好地实现了姿态跟踪控制,并基于试飞数据验证了无人旋翼机数学模型。      

基于CHC算法的无人机航迹规划方法

利用改进的遗传算法——跨世代异物种重组大变异(CHC, Cross generation Heterogeneous recombination Cataclysmic mutation)算法提出了一种无人机的航迹规划方法.初始种群即初始航线集利用具有启发式信息的搜索算法产生;适应度函数为距离指标与威胁指标的组合形式;选择操作群体为当前群体与上世代群体的群体总和,由于大个体群操作,可以更好地保持遗传多样性;交叉操作采用单点交叉方法,交叉点取为2条航线中距离最近的2个点;变异操作的步骤是:首先在航线中搜索出2个点,然后算出这2个点之间的直线距离与实际航线距离的比值,如果这个比值小于某一阈值则以这2个点为端点重新规划一条航线.由于考虑到了无人机约束条件的限制,从而避免了盲目性且加快了收敛速度.仿真结果表明该方法比基本遗传算法要快而且满足最优条件.