集群无人机队形重构及虚拟仿真验证

队形重构是集群无人机（UAV）控制的重要问题，指无人机按照要求安全、无碰撞地从一个队形变换到另一个队形，其难点在于快速规划最优安全轨迹并控制无人机进行轨迹姿态的高精度跟踪。针对集群无人机队形重构的上述问题，首先，基于CAPT（Concurrent Assignment and Planning of Trajectories）算法，解决了多无人机的目标分配和轨迹生成的实时性问题，实现了集群无人机的最优安全路径规划；其次，提出一种有限时间多变量积分滑模连续控制算法，解决了无人机轨迹姿态的高精度跟踪问题，并通过MATLAB仿真验证了该控制算法的有效性；最后，为了更加真实直观地演示无人机三维仿真效果，建立了基于Gazebo-ROS的无人机仿真平台，实现了12架四旋翼无人机队形重构"建模-仿真-可视化"的一体化仿真演示，验证了上述路径规划算法和轨迹姿态控制算法的有效性。     

基于Gauss伪谱法的临近空间飞行器上升段轨迹优化

综合考虑密度变化、声速变化、发动机推力变化及地球引力等因素对飞行轨迹的影响,研究了与实际飞行环境更加相符的临近空间飞行器燃料最优爬升轨迹。针对该问题在气动数据处理和优化求解上存在的困难,提出一种基于Gauss伪谱法(Gauss Pseudospectral Method,GPM)的求解策略。首先,依据气动数据特点,设计拟合模型对气动参数进行高精度拟合;其次,为避免间接法和传统直接法的缺点,将Gauss伪谱法和序贯二次规划(Sequential Quadratic Programming,SQP)相结合,对存在边值及加速度约束的轨迹优化问题进行求解,获得最优飞行轨迹。仿真结果表明,在更为真实的飞行环境下,利用GPM和SQP相结合的方法可在5.83s获得一条精度为10-4～10-6左右的飞行轨迹。     

基于深度迁移学习的航天器故障诊断

随着航天科技的发展，智能故障诊断技术是确保航天器控制系统安全、自主运行的关键技术之一.由于在轨航天器遥测数据样本少、噪声高、未标记，因此缺乏自适应能力、学习能力的传统故障诊断方法难以准确诊断在轨航天器故障.本文针对上述问题提出一种基于深度迁移学习的航天器故障诊断方法，为在轨航天器实时故障诊断提供了可行方法.首先，对航天器运行数据进行预处理，将多维时域信号转换为二维图像信号；其次，搭建基于残差网络的故障诊断深度学习框架，并利用地面测试数据与其他航天器在轨运行数据对网络进行预训练；进而，为了实现当前在轨航天器实时故障诊断，本文采用迁移学习自适应方法，设计网络联合分布自适应代价函数，对故障诊断模型进行参数重调，使模型适应当前在轨航天器故障诊断任务.仿真结果表明，所提出的基于深度迁移学习的故障诊断方法可以快速准确的诊断出航天器故障.     

柔性航天器振动主动抑制及姿态控制

针对柔性航天器柔性附件振动主动抑制及姿态高精度快速稳定问题，研究了一种输入成形器（IS）-自适应有限时间干扰观测器（FDO）-有限时间积分滑模控制器综合的设计方法。首先，基于柔性模态的频率及阻尼信息，获得能够有效抑制柔性振动的输入成形器形式，并与系统参考输入进行卷积，得到期望参考输入；其次，基于航天器动力学模型，设计一种新型的自适应有限时间干扰观测器，避免了综合干扰上界必须已知的约束，且保证干扰估计误差有限时间收敛至零，实现对干扰及残余振动影响的快速精确估计；最后，基于观测器的估计值，设计多变量有限时间积分滑模控制器，保证对期望参考输入的高精度快速跟踪控制，并进行严格的稳定性证明。仿真结果表明，该综合设计策略能够保证柔性附件振动抑制75%，姿态稳定度达到10^-4数量级。     

可重复使用运载器再入轨迹与制导控制方法综述

可重复使用运载器（RLV）是未来实现快速、可靠及廉价进出空间的必然趋势，也是当前航空航天领域的研究热点。对RLV再入段的轨迹优化、制导及控制方法进行了综述。在RLV再入轨迹优化方法上，分别从间接法、直接法以及伪谱法等方面进行了综述，在深入分析每类方法特点的基础上，对其未来发展趋势进行了展望；在RLV再入制导方法上，分别从离线标称轨迹制导、在线轨迹重构制导、预测校正制导等方面进行了综述，对每类再入制导方法进行了优缺点分析，并对未来发展方向进行了总结；在RLV再入姿态控制方法上，分别从线性控制方法、非线性控制方法、智能控制方法等方面对其进行了综述，并对其特点和未来发展趋势进行了分析。最后，对RLV再入制导控制一体化方法进行了综述，指出了未来RLV制导控制一体化研究中亟需解决的关键问题。     

复杂环境下多无人机轨迹姿态协同控制

考虑多无人机在实际飞行过程中的避障需求，在建立面向控制的四旋翼无人机轨迹姿态模型基础上，为克服传统多无人机为每架无人机规划轨迹的不足，研究了基于多无人机中心点的轨迹设计策略。进一步，考虑避障约束，基于半定规划进行迭代区域扩张完成了多无人机的安全飞行区域及队形设计。在此基础上，基于干扰补偿策略为每架无人机设计了协同控制器，最终确保了多无人机在多障碍环境下的安全飞行。     

基于连续螺旋滑模的无人机分布式编队控制

为了解决复杂环境中无人机分布式编队控制问题,考虑外界干扰影响和状态信息不完全反馈情况,对无人机设计分布式编队控制器。无人机利用自身位置反馈,基于二阶精确微分器设计状态观测器,得到无人机速度和干扰的估计值;结合自身估计信息和邻机位置、速度的估计,基于连续螺旋滑模控制方法设计编队控制器和姿态跟踪控制器;稳定性分析保证了无人机闭环系统稳定性。基于Matlab/Simulink数值仿真和软件在环实时仿真平台,验证了所设计控制算法的有效性,并演示了三维可视化仿真结果。     

柔性航天器姿态机动轨迹设计及跟踪控制

针对柔性航天器姿态机动的“快速性”及“稳定性”矛盾，研究了一种优化与控制综合的姿态机动轨迹设计与跟踪控制方法。首先，考虑柔性航天器姿态机动过程中既快又稳的需求，建立姿态机动的多目标多约束条件，优化获得姿态机动轨迹，在满足快速性基础上，最大限度提高稳定性；其次，设计新型的快速鲁棒输入成形器(FRIS)，与传统输入成形器相比，FRIS具有更短的作用时间及更强的鲁棒性，能够有效抑制柔性附件振动，为姿态机动的“快速性”及“高精度”奠定基础；最后，设计新型自适应连续终端滑模控制器(ACTSMC)，避免增益过估计，提高控制精度，实现对期望姿态轨迹的有限时间快速高精度跟踪控制。数值仿真校验了所提方法的有效性。     

基于改进蚁群算法的多机器人任务分配

任务分配是多机器人系统需要解决的首要问题.针对传统蚁群算法求解多机器人任务分配收敛速度慢且易陷入局部最优问题,提出了改进蚁群算法.考虑多机器人任务分配问题,建立多旅行商问题模型,采用蚁群算法优化出解空间,然后采用遗传算法中的变异算子对每个机器人执行任务的顺序进行优化,并根据模拟退火过程中Metropolis准则以一定的概率接受优化过程中较差的解.在复杂约束条件下,为解决蚁群算法收敛速度慢且易陷入局部极小问题,引入局部优化变异算子和改进模拟退火算法.仿真结果表明,改进蚁群算法可以更好的解决多机器人任务分配问题.