网络攻击下无人机信息物理系统的自适应状态估计

针对网络攻击下无人机信息物理系统(CPS)的安全状态估计问题,提出了一种基于自适应方差极小化的递推状态估计器(AVMRE)。通过将针对控制输入和传感器数据的恶意攻击分别建模为状态和量测方程中的未知干扰项,建立了未知干扰解耦状态递推估计器,实现滤波误差中的量测未知干扰解耦,利用滤波残差设计自适应调整因子对估计误差上界进行极小化,应用最小方差估计准则求解出算法中的量测增益反馈矩阵。同时引入事件触发机制,使得系统在保持一定估计精度的情况下节省通信资源。此外,给出了滤波误差指数有界性的充分条件。无人机飞行模型仿真验证了本文算法相比传统算法的有效性和优越性。     

面向高超声速飞行器双重不确定性的自适应状态估计

将高超声速飞行器双重不确定性因素建模为未知干扰输入项，针对状态演化方程和量测方程含有不同未知干扰输入的高超声速飞行器控制系统状态估计问题开展研究，提出一种基于自适应方差极小化的递推状态估计器(Adaptive variance minimization based Recursive Estimator, AVMRE)。首先建立了状态估计递推滤波器模型，实现滤波误差中的量测未知干扰解耦，之后引入自适应调整因子刻画状态未知干扰并推导了最小上界估计误差协方差矩阵，最后，基于最小方差估计准则设计了滤波器中的量测增益反馈矩阵。以外部突风和传感器故障为例，受内外部双重不确定性因素影响下的高超声速飞行器仿真实验验证了本文算法的有效性，与相关算法的仿真对比反映了本文算法的优越性。     

双重未知干扰解耦的多传感器系统偏差校正与状态估计

具有未知干扰输入的随机系统状态估计问题广泛存在于控制、通信、信号处理和故障诊断等领域，但目前的研究成果大多局限于单传感器动态离散系统。针对状态方程含有未知干扰、量测方程含有未知偏差的多传感器系统状态估计问题开展了研究，提出了一种双重未知干扰解耦下的最小方差无偏估计滤波器。首先，建立量测偏差通用演化模型；然后，解耦偏差演化模型中的未知输入，设计最小方差无偏估计器对量测干扰偏差进行估计；之后，利用估计出的量测偏差来校正动态系统测量值；最后，根据量测偏差校正后的系统模型设计最优状态观测器，获得具有最小方差无偏的状态估计。径向飞行控制系统的例子验证了所提方法的有效性，与相关方法的仿真对比反应了所提方法的优越性。     

基于复合地标导航的动平台四旋翼飞行器自主优化降落技术

针对四旋翼飞行器在依靠地标导航完成动平台自主降落任务中存在的目标易丢失、地标定位死区大和降落可靠性差等问题，设计了一种基于复合地标导航的动平台四旋翼飞行器自主优化降落系统。该系统以圆环地标和二维码构成复合地标来解决仅用单一地标定位时存在的定位死区大和定位范围小等问题。针对地标识别丢失、动平台车轮打滑和码盘标定不精确等问题，建立动平台的精确运动模型同时考虑码盘包含未知测量偏差，基于扩展卡尔曼滤波器实现了对动平台连续位姿的在线估计。最终，基于动平台位姿估计结果以最小Jerk指标设计降落轨迹和降落策略，实现了四旋翼飞行器在动平台上高效平稳的降落。为验证所提系统的有效性，设计了仿真和实际降落实验，验证了所提复合地标实现摄像头距离在0.5~6.0 m内的综合完整定位；所设计的动平台状态估计器能在码盘存在未知测量偏差的情况下准确估计出平台的实时位姿，同时所提自主优化降落策略和轨迹规划算法保证了可靠的动平台降落。     

引入控制量变化率约束的双层协同轨迹规划器

针对亚音速飞行器编队飞行轨迹规划约束复杂、求解困难的问题,提出了一种引入控制量变化率约束的双层亚音速飞行器协同轨迹规划器。首先,引入控制量变化率约束以保证轨迹可行性,为了避免增加新的状态方程而增加计算量,采用拉格朗日插值多项式计算控制变量变化率,将其作为求解最优控制问题伪谱法的约束条件。然后,使用顶层单飞行器规划器在不考虑多飞行器协同约束的条件下使用较少配点的伪谱法快速求解每个飞行器的粗略轨迹结果,求解结果使用拉格朗日插值作为底层多飞行器规划器的初值。底层多飞行器规划器使用更多的配点以确保求解的精度,在考虑多飞行器协同约束条件下进行伪谱法求解,以解决伪谱法初值敏感问题并提高优化效率。最后仿真结果表明了所提方法的有效性,与引入虚拟控制量而增加状态方程方法相比,此方法计算量更小,求解效率更优,满足协同轨迹规划的要求。