无人机集群自组织避障建模与控制策略研究

针对无人机集群自组织避障问题,在集群系统认知模型的基础上,采用自下而上的建模方法,对单个个体建立变系数控制器,包括一致性运动模块和避障模块。借鉴地球偏转力原理增加了回转力作用,以克服人工势场法存在的振荡和极小值问题。在此基础上,针对所有个体和部分个体能感知障碍物的情况,分别提出自组织避障的控制策略,实现了集群自组织避障。仿真结果表明,所建立的模型和控制方法是有效的。     

未知环境下无人机集群协同区域搜索算法

针对无人机集群在无先验信息的未知环境中协同搜索的问题,提出了一种以覆盖率为实时搜索奖励的无人机集群协同区域搜索算法。首先建立覆盖分布地图（CDM）来描述任务环境,并采用Hadamard积实现CDM的快速更新,继而基于CDM计算覆盖率来定量描述实时搜索效果。将无人机集群视为一个控制系统,基于分布式模型预测控制理论建立系统的预测模型,并将预测周期内最大覆盖率增量设为奖励函数,采用差分进化算法进行求解,得到最优解作为系统的最优输入。仿真结果表明,所提算法能够对区域进行覆盖搜索,在出现突发情况时,覆盖率远高于平行搜索方法。      

基于情景分析的航空集群决策规则库构建方法

针对传统的规则学习算法很难解决顶层决策，以及现阶段航空集群作为一种新兴的作战样式，没有太多现成的数据和案例可供参考，暂不具备"从战争中学习战争"条件等难题，从战争设计的角度出发，探讨性地提出了一种基于情景分析的规则库构建方法。首先，从系统演化的外部触发条件和内部驱动机制出发，提出了基于事件触发-规则驱动的自主决策机制；然后，将航空集群决策规则拆分为事件、条件、动作3部分，并采用事件-条件-动作（ECA）描述机制进行规范化表达；最后，借鉴情景分析理论的思想，通过详细分析作战过程的逻辑关系、状态变迁，实现对象、事件、行为的关联，并以无人机自主察打任务规则提取为例进行了验证分析。     

有向通信拓扑和时延条件下的无人机集群时变编队控制

针对无人机（UAV）集群在有向通信拓扑和存在通信时延条件下的时变编队控制问题进行了研究。建立了无人机集群二阶离散时间系统模型，基于无人机自身实时信息和相邻无人机带通信时延的状态信息，设计了分布式编队控制协议。通过理论分析，得到了无人机集群能够实现时变编队的充要条件，给出了可行的期望编队的表达式。在集群通信拓扑有生成树的条件下，分析了控制协议中待定参数和状态更新周期满足的耦合约束条件，并给出了参数设计的流程。仿真结果表明:即使在较大的通信时延下，所设计的控制协议也能实现无人机集群时变编队控制，验证了理论分析的正确性和有效性。      

无人机集群编队控制演示验证系统

为验证无人机集群编队控制算法在实际环境中的有效性,基于四旋翼无人机平台和双数据链、双地面站冗余设计,搭建了分布式控制的无人机集群编队控制演示验证系统。基于分层控制和封装的思想,将无人机控制系统分为执行层和决策层。执行层采用PIX自驾仪进行封装,只需修改自驾仪参数,不需针对不同无人机平台开发相应的控制策略,就能实现对异构集群的控制。需要验证不同的编队控制算法时,只需对决策层的控制算法进行修改即可,使系统具有较强的适应性和扩展性。演示验证系统采用双地面站和数据链,可实现在多种网络拓扑或通信失败情况下的无人机集群控制,具有较高的稳定性和安全性。应用领导-跟随协同编队控制算法,验证了本文演示验证系统的功能和性能。