基于PX4飞控的多旋翼无人机编队跟踪系统设计

为解决单架无人机续航能力不足、执行任务单薄、应用场合受限等问题，目前多无人机协同跟踪具有极其重要的研究价值。以多旋翼无人机为研究对象，设计了一种基于 PX4飞控的多旋翼无人机协同编队系统。利用飞控底层软件，将设计的制导律进行移植，通过ROS系统对无人机进行外部控制，各个僚机和长机之间能够实时获取其他无人机位置，然后通过控制器得到指令速度，从而形成预设跟踪编队。仿真实验结果表明，整个编队系统对目标的跟踪精确有效，并且所设计的制导律可以在PX4飞控架构下实现对地面目标的编队跟踪，提高了多旋翼编队跟踪系统的稳定性。     

切换拓扑下无人机集群系统时变编队控制

针对多无人机(UAV)间通信拓扑可能发生变化的情况,研究了具有二阶积分特性的无人机集群系统的轨迹跟踪与时变编队控制问题。基于一致性方法设计了编队控制器,将编队控制问题转换成闭环系统的稳定性问题,引入了切换拓扑平均驻留时间的概念,并在此基础上利用线性矩阵不等式(LMI)方法,给出了控制器设计步骤。通过构造分段连续Lyapunov函数,证明了切换拓扑下无人机集群系统能够实现对指定轨迹的跟踪并且实现时变编队飞行。以三维空间运动的无人机集群系统为例进行了仿真验证,结果表明本文所提方法能够解决切换拓扑下无人机集群系统的轨迹跟踪与时变编队问题。     

基于高增益观测器的四旋翼无人机轨迹跟踪控制

为了实现四旋翼无人机对给定姿态的快速跟踪,基于Terminal滑模控制方法设计了一种四旋翼无人机的姿态控制器,在设计滑模面时引入非线性函数来保证跟踪误差在有限时间内收敛。考虑在线速度未知的情况下,通过设计高增益观测器来对无人机速度进行观测,并利用所观测的信号设计位置控制器。最后利用Lyapunov理论证明了系统的稳定性。仿真结果表明,四旋翼无人机在线速度不可测的情况下,仍可进行轨迹跟踪控制。     

基于干扰观测器的四旋翼无人机离散时间容错控制

为了飞行控制方案便于在计算机上实现，针对具有外部干扰和执行器加性故障的四旋翼无人机（UAV）角度运动方程，给出一种基于干扰观测器的离散时间跟踪控制方案。通过设计离散时间干扰观测器抑制外部干扰和执行器故障的不利影响，并结合干扰观测器设计离散时间控制器。通过数值仿真验证了基于干扰观测器的离散时间容错控制方案的有效性。仿真结果表明，设计的离散控制器能够保证外部干扰和执行器故障综合作用下的四旋翼UAV系统跟踪控制性能。     

基于滑模控制的四旋翼无人机自适应跟踪控制

针对四旋翼无人机在系统内部模型参数不确定性情况下的轨迹跟踪问题,提出了一种基于滑模控制的四旋翼无人机自适应跟踪控制方法。首先,采用单位四元数来描述系统姿态,将系统分解为位置子系统和姿态子系统;考虑到位置子系统的欠驱动特性,引入了虚拟控制力,跟踪位置信息并解算出实际升力和理想姿态;其次,通过自适应滑模控制器补偿了质量和转动惯量的不确定性,实现了轨迹的跟踪;最后,利用Lyapunov理论证明了闭环系统的稳定性。仿真结果表明了算法的有效性。     

基于反步滑模法的四旋翼飞行器轨迹跟踪控制

针对四旋翼飞行器轨迹跟踪对控制的精确性、稳定性要求高的特点,采用反步滑模法设计了四旋翼飞行器轨迹跟踪控制器。首先,基于反步滑模法针对所建四旋翼飞行器非线性模型设计轨迹跟踪控制器,并采用内外双回路结构分别控制姿态和位置;然后,从理论上证明了所设计的控制器的稳定性。仿真结果表明,所设计的控制器能够很好地实现轨迹跟踪控制。     

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。     

基于鲁棒迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机高精度轨迹跟踪问题,充分考虑外部扰动等因素,提出了一种带遗忘因子的基于可变增益的前馈-反馈鲁棒迭代学习控制算法。其中,前馈迭代学习控制器采用选择迭代学习方案,弥补了传统的基于遗忘因子迭代学习控制方法的不足,且控制器学习增益可随迭代变化,可以加快算法的收敛性。反馈控制器采用比例-微分控制器,可以保持系统稳定并且加快跟踪误差收敛速度。最后通过收敛性分析和四旋翼仿真试验验证了所提出算法的有效性,所设计算法具有很好的鲁棒性和较高精度。     

基于线性自抗扰的四旋翼无人机轨迹跟踪控制

针对四旋翼无人机在轨迹跟踪控制过程中存在的不确定性和外部扰动,提出了一种基于线性自抗扰的轨迹跟踪控制方法。首先,基于线性自抗扰设计了四旋翼控制器,将四旋翼无人机的轨迹跟踪控制系统分成内外两个控制环路,外环由PD控制,内环由线性自抗扰控制;然后,进行了仿真验证与分析,并与基于补偿的PD控制方法进行对比分析;最后,开展了飞行验证。研究结果表明,线性自抗扰控制器不仅调节时间短,而且能补偿系统所受到的内、外干扰,提高系统的稳定性,较好地满足了系统性能要求,其抗干扰能力也优于基于补偿的PD控制。     

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。     

多无人机绳索悬挂协同搬运固定时间控制

针对多无人机绳索悬挂协同搬运跟踪控制问题,设计了一种新的固定时间协同跟踪控制算法。首先,通过旋量分析,计算系统不同状态下的有效旋量空间,并根据静力学平衡计算系统在有效旋量空间约束下的拉力容许裕度。其次,在保证绳索张紧以及最大拉力约束的条件下,基于微分平坦性以及绳索拉力优化分配算法,规划编队的期望跟踪轨迹。然后,基于Udwadia-Kalaba方程建立系统动力学模型,设计了连续的基于类超扭滑模和积分滑模的鲁棒控制项,以补偿系绳拉力给无人机造成的扰动,并设计了基于双极限齐次性原理的固定时间无人机协同外环位置控制器。针对无人机内环姿态稳定控制,设计了固定时间姿态稳定控制器。仿真结果表明,绳索拉力满足张紧和最大拉力约束,且设计的固定时间协同跟踪控制算法保证了系统在固定时间内稳定跟踪期望轨迹。     

基于滑模的多无人机系统协同编队控制

针对具有非完整约束的多无人机系统编队控制问题，提出了一种基于滑模的协同编队控制算法。控制目标是使多无人机系统能够收敛到期望编队，并且能够跟踪上期望的运动轨迹。在领导-跟随结构中，编队的期望运动轨迹由一个动态的虚拟领导者来表示，仅部分跟随者先验已知虚拟领导者信息，并且所有跟随者之间只能局部交互信息。首先，采用分布式状态观测器，使所有跟随者能够在有限时间内估计出虚拟领导者的状态。然后，利用该观测器的估计状态，提出了基于滑模的协同编队控制算法。最后，基于李雅普诺夫稳定性理论证明了多无人机系统的稳定性,并且通过5架无人机的仿真验证了所提算法的有效性。     

基于反步推演法的多机编队队形重构控制

针对多无人机（UAV）集结期望的队形和达到稳态速度缓慢影响作战效率,基于反步推演法设计了一种协同导引控制律,用于解决多无人机快速队形重构和快速达到稳定状态。本文以一架虚拟长机为中心,3架僚机在3个顶点组成的三角形编队作为被控对象,且长机的速度方向作为编队的前行方向,僚机跟随长机编队飞行。采用长机导引机制,建立每架僚机的误差动力学模型;基于图论建立任意两架无人机之间的通讯模式,通过反步推演法得到多无人机编队队形保持的导引控制律。通过构建合理的Lyapunov函数,证明所提出的控制方法在编队集结和队形保持的有效性,同时将所提出的方法与模型预测控制（MPC）方法和拉普拉斯方法进行对比,更进一步验证所提方法有效性。仿真结果表明：每架无人机不仅能够按照期望的队形飞行,而且以动态响应快和稳态误差小收敛于虚拟长机的运动轨迹。     

Adaptive formation control of quadrotor unmanned aerial vehicles with bounded control thrust

In this paper, the flight formation control problem of a group of quadrotor unmanned aerial vehicles (UAVs) with parametric uncertainties and external disturbances is studied. Unit-quaternions are used to represent the attitudes of the quadrotor UAVs. Separating the model into a translational subsystem and a rotational subsystem, an intermediary control input is introduced to track a desired velocity and extract desired orientations. Then considering the internal parametric uncertainties and external disturbances of the quadrotor UAVs, the priori-bounded intermediary adaptive control input is designed for velocity tracking and formation keeping, by which the bounded control thrust and the desired orientation can be extracted. Thereafter, an adaptive con-trol torque input is designed for the rotational subsystem to track the desired orientation. With the proposed control scheme, the desired velocity is tracked and a desired formation shape is built up. Global stability of the closed-loop system is proven via Lyapunov-based stability analysis. Numer-ical simulation results are presented to illustrate the effectiveness of the proposed control scheme.     

基于Leader-Follower编队的无人机协同跟踪地面目标制导律设计

对地面目标的自动跟踪是无人机在任务应用阶段需要解决的重要问题之一,多无人机协同跟踪能够提高对目标运动状态的估计精度并降低目标丢失的概率,因而具有重要研究意义。本文提出了一种基于Leader-Follower编队的无人机协同跟踪制导方法,解决了传统Standoff跟踪模式对地面目标的速度范围限制问题。首先,通过控制无人机的航向不断趋近于地面目标牵连跟踪圆切线方向的方法设计了Leader无人机自动跟踪地面目标的制导律并完成了稳定性证明;其次,通过控制Follower无人机的速度和航向角逐渐趋近于Leader无人机速度和航向的协同跟踪策略,分别设计了Follower无人机自动跟踪Leader无人机的制导律和编队相位协同制导律并完成了稳定性证明;最后,分别针对静止目标、匀速直线运动目标和变速运动目标的跟踪问题进行了仿真验证,结果表明所提出的制导方法能够实现对不同运动状态地面目标的自动协同跟踪,并且跟踪性能优于基于李雅普诺夫向量法的制导方法。     

基于零空间方法的四旋翼无人机避障与协同编队控制

针对四旋翼无人机在编队飞行执行任务时可能遭遇障碍物问题,考虑多无人机避障及机间避撞的需求,提出 1种基于零空间方法的四旋翼无人机避障与协同编队控制算法。首先,建立四旋翼无人机动力学模型,并建立虚拟控制量简化控制模型;其次,基于零空间方法进行避障与协同编队控制算法研究,将无人机任务执行分解为目标趋向任务、避障避撞任务和协同编队任务,并根据优先级进行任务融合得到期望速度;再次,基于 PID方法设计控制律;最后,通过仿真验证所提控制算法的有效性。所提方法可保证四旋翼无人机在编队飞行中遭遇障碍物时的飞行安全。     

基于预设性能的四旋翼无人机编队安全控制

针对四旋翼无人机编队系统存在模型不确定性、未知外部干扰与内部碰撞等问题,提出一种基于预设性能的安全控制方法。首先使用预设性能函数结合误差转换方法,将防止内部碰撞的不等式约束问题转换为无约束问题。同时针对模型中的不确定项,使用神经网络进行逼近;针对神经网络逼近误差与未知外部干扰组成的复合干扰,使用非线性干扰观测器进行估计,并分别设计位置与姿态子系统控制器,避免了编队内四旋翼无人机的碰撞。然后借助Lyapunov方法证明了闭环系统所有信号的收敛性。最后通过数值仿真验证了所提控制方法的有效性。     

Virtual target guidance-based distributed model predictive control for formation control of multiple UAVs

The paper proposes a Virtual Target Guidance (VTG)-based distributed Model Predictive Control (MPC) scheme for formation control of multiple Unmanned Aerial Vehicles (UAVs). First, a framework of distributed MPC scheme is designed in which each UAV only shares the information with its neighbors, and the obtained local Finite-Horizon Optimal Control Problem (FHOCP) can be solved by swarm intelligent optimization algorithm. Then, a VTG approach is developed and integrated into the distributed MPC scheme to achieve trajectory tracking and obstacle avoidance. Further, an event-triggered mechanism is proposed to reduce the computational burden for UAV formation control, which takes into consideration the predictive state errors as well as the convergence of cost function. Numerical simulations show that the proposed VTG-based distributed MPC scheme is more computationally efficient to achieve formation control of multiple UAVs in comparison with the traditional distributed MPC method.