基于BSP-ANN的四旋翼无人机轨迹跟踪方法

为了降低无人机轨迹跟踪误差,提高系统抗干扰能力,对反步（Backstepping）法进行改进提出一种基于反步神经网络（BSP-ANN）的无人机轨迹跟踪方法。首先,建立了四旋翼无人机运动学模型;然后,结合Backstepping方法在无人机的姿态控制、轨迹跟踪控制系统中引入Sigma-Pi神经网络,同时设计Sigma-Pi神经网络控制率,并证明该控制率满足Lyapunov意义下的系统稳定;最后,分别给出了相应的仿真实验。仿真结果表明：该算法可以有效降低跟踪误差,缩短无人机跟踪时间,同时可以提高系统的抗干扰能力。     

三维动态势函数下编队UAV飞行算法研究

针对三维动态环境下编队无人机(UAV)的路径规划和队形保持问题,提出了基于改进三维动态势函数与约束动力学的编队UAV飞行算法。首先,建立了改进的动态三维人工势函数模型;针对编队UAV的队形保持和重组,通过引入拉格朗日乘子建立了含队形约束的编队UAV约束动力学方程组。仿真结果表明,所提算法在三维动态环境下可有效地进行编队UAV的路径规划、队形保持与重组。     

带有时间与探测约束的“到达-回避”博弈

针对飞行器具有运行时间约束以及所携带探测器具有有限探测范围的现实情况，在传统生命线对策问题的基础上提出了一类考虑时间约束与探测约束的新型“到达-回避”定性微分对策博弈。通过分析对策问题所有可能的中性终端集以及问题对应的哈密顿方程，给出了防御者与进攻者最优博弈策略形式。利用所得到的策略和攻防双方的约束条件，得到了原问题对应界栅的精确解，并通过数值仿真验证了界栅的正确性。所得到的界栅可将博弈空间分为攻防双方的获胜区域，并可用于快速判断博弈问题最终结果，为飞行器攻防博弈双方的策略制定提供理论依据。