多无人机编队飞行气动耦合仿真

针对多无人机紧密编队飞行中的气动耦合问题,提出了一种基于涡流模型分析和计算流体力学(CFD)仿真相结合的气动耦合研究方法.该方法首先在分析长机尾涡对僚机产生诱导速度的基础上,分别建立了僚机气动增量、两机相对位置及相对方位的数学模型,进一步通过仿真计算得到编队飞行时的最佳间距,最后利用CFD对长机与僚机间的气动耦合效应进行了仿真.结果表明:X-47B无人机按此间距编队飞行时,僚机的升阻比从5.4774提高到7.2231.     

无人机紧密编队队形构成控制

针对无人机编队飞行问题,通过借鉴Agent体系结构确定无人机编队的控制结构.建立了以航迹坐标系为参考坐标系的长机与僚机的相对运动模型,根据僚机距离长机最优位置的误差,利用李亚普诺夫稳定性理论设计队形构成中僚机的控制律.最后通过建立的六自由度非线性飞行仿真平台进行仿真验证,结果表明所设计的控制律能稳定引导无人机完成编队的队形构成.     

无人机近距编队飞行建模与仿真

无人机编队飞行有着单架无人机无法比拟的优点,但属于较新的研究领域。从无人机未来发展需求出发,根据近距编队的特点,提出了一种近距编队控制方法,并以双机近距编队为基础对控制律设计和算法实现进行了研究。通过建立僚机旋转参考系下的双机编队相对运动模型,同时考虑长机翼尖涡对僚机产生的气动耦合效应,基于PI控制设计了一种无人机近距编队飞行控制器,通过仿真验证和比较分析,证明僚机可以很好地跟随长机的机动保持编队构型,验证了提出的编队飞行控制方法的可行性和有效性。     

应用极值搜索算法优化无人机近距离编队飞行

针对无人机近距离编队飞行问题，采用极值搜索算法．解决其中僚机所需动力最小化的控制问题。在近距离飞行编队中，充当僚机的无人机会受到前面长机产生的旋涡力的影响，旋涡力是两飞机间距离的函数，以僚机的俯仰角作为搜索目标，寻求两无人机问的最大旋涡力．使得僚机所消耗动力最小，从而构造出最优的飞行编队结构。通过仿真．验证了所设计的控制方法能够极大地节省僚机的能量。     

密集编队气动耦合效应分析

简要介绍密集编队飞行时长机旋涡对僚机产生的气动耦合效应，以比奥特－萨瓦尔特定律为基础，初步分析由上洗及侧洗引起的升力、阻力和侧力变化，导出了编队稳定性导数的计算公式，计算及应用举例表明：模型化编队飞行时的气动耦合效应是有实际应用价值的。     

基于自适应方法的多无人机编队队形控制

针对"长机-僚机"近距编队队形因风场扰动而不能保持期望队形的问题,首先,提出了一种自适应队形保持控制的方法,该方法可用于抵消因风场不确定性对无人机的横侧向和前行方向所产生的距离误差,同时能够保持无人机编队稳定飞行。其次,由于风场的不确定性会引起"长机-僚机"之间的动力学发生变化,因此设计了一种基于"长机-僚机"相对运动模型的自适应控制律用以估计风场在3个方向的大小,进而控制无人机之间的相对运动以消除风场不确定性所产生的距离误差并保持速度的一致性,最终实现保持期望的队形。再次,通过构建合理的李雅普诺夫函数,证明无人机编队在风场干扰下能够保持编队稳定飞行,同时"长机-僚机"之间相对横向、横侧向以及纵向的距离误差均接近零。最后,通过仿真验证：所提出的自适应控制方法具有良好的鲁棒性,这为工程实践提供理论依据。     

无人机编队的高阶滑模控制方法研究

在未知干扰环境下,对无人机编队飞行的稳定性和精度提出了更高的要求,采用常规滑模控制的编队算法由于"抖振"等问题,不适应高精度和稳定性的要求.针对此问题,提出了一种基于高阶滑模控制的编队飞行控制方法,以三架无人机编队为例,建立了三维空间高阶滑模控制编队控制模型,实现了长机的航路跟踪及僚机的编队队形控制和保持.仿真结果表明...     

多无人机协同自适应滑模容错控制及仿真研究

针对多无人机编队飞行过程中的僚机故障问题,提出一种基于扩张高增益观测器的自适应滑模容错编队控制方法,以提高编队飞行的稳定性。根据长机-僚机法建立了五机编队的数学模型以及编队中僚机的故障模型,利用扩张高增益观测器对故障僚机三个通道的偏差故障进行观测。在编队控制器中设计了自适应滑模容错控制方法,以消除失效及偏差两种故障对僚机的影响,并运用Lyapunov稳定性理论证明了系统跟踪误差最终有界收敛。仿真结果表明,采用该控制方法无人机编队在僚机故障的情况下,仍然能够保持正常编队飞行。     

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。     

无人机紧密编队飞行气动耦合仿真研究

针对典型的长僚机固定翼双机紧密编队飞行中的气动耦合问题，基于计算流体力学(Computational Fluid Dynamics, CFD)理论，对在同一高度飞行的无人机单机和长僚机双机单元分别进行流场仿真研究。仿真结果表明：在特定的外部环境下，当两架小型无尾后掠翼无人机距离为两倍翼展、机翼在翼展方向重叠12.15%时，僚机的升力增量和阻力负增量均达到最大值，气动效率最佳。     

某小型无人机编队控制器设计及试飞验证

以某小型固定翼无人机作为研究平台,按前向、侧向和垂直方向3个通道设计僚机编队控制器.利用自动驾驶仪的航路飞行模态简化侧向通道编队控制器的设计,并采用在长机航向角发生较大变化时加入基于视线方位角的方法,使僚机保持编队精度.试验结果表明,所提出的编队算法是可用的,并能够很好地控制无人机的编队飞行精度.     

飞机尾涡对飞行安全的影响

针对一次夜间双机编队飞行时发生的空中相撞事故,根据机载黑匣子记录的飞机飞行参数,判明机进入了长机尾涡,利用记录的飞行参数,阐明了飞机进入尾涡的征兆,以及尾涡对飞机仪表,动态和操纵的影响,找出了飞机发生相撞的原因,为防止类惟事故发生,提出了僚机进入长机尾涡后应采取的措施,以供飞行行人员参考。     

基于蜂群编队形式的气动耦合优化模型研究

为提高小型蜂群无人机紧密编队协同飞行时的整体气动效率,强化系统作战效能,文中以某蜂群无人机平台为研究对象,对其集群编队飞行时的气动耦合问题进行了深入研究。针对不同作战任务场景,设计了几类以典型长-僚机编队为模块单元的编队飞行结构,利用耦合涡流模型的数值仿真方法,完成了双机编队单元的寻优设计,同时基于双机编队单元优化结果,运用遗传算法,得到集群飞行时,各无人机单元气动增量数据传递信息,并辅以计算流体力学仿真验证,确定了完整的气动数据传递体系。最终建立了多任务、多条件、多目标导向的气动耦合优化模型,实现了集群优化飞行策略方法,达到了作战能力倍增的效果。     

多无人机编队队形保持优化控制仿真研究

采用多无人机编队保持队形的优化控制可以通过调节较少参数使各无人机能够精确跟踪领航无人机,达到稳定编队队形的目的。以简化的自动驾驶仪模型作为编队保持控制系统的内回路,基于以长机为参考的旋转坐标系建立相对运动学模型,采用全局渐近稳定控制方法设计了多无人机编队保持控制器。经过仿真验证,该控制器实现了长机在三维空间机动飞行时僚机能够迅速跟踪长机并保持编队队形的稳定,且响应速度和跟踪精度较为理想。仿真结果表明,该控制器能够实现多无人机编队队形在三维空间下的保持。     

基于视线的无人机鲁棒自适应编队控制设计

针对基于视线的无人机编队动力学非线性不确定的特性,设计了一种基于鲁棒自适应控制的编队控制系统.首先建立了基于视线的长机-僚机编队方式下的无人机编队动力学模型,而后将其转换成伪控制形式,将伪控制量分解成参考模型的输出、比例微分控制输出与神经网络自适应输出三项,采用误差观测器的输出训练神经网络以实现误差补偿,利用Lyapunov理论对误差的有界性进行了证明,设计了伪控制保护以防止执行器超出物理范围.最后建立了无人机六自由度非线性模型并进行仿真,结果表明设计的编队控制系统可以使僚机有效地跟踪做不确定机动的长机.     

近距编队飞行气动影响建模与分析

针对近距编队飞行面临的相互气动影响问题,采用等效气动效应法建立了尾流气动影响的等效模型.该模型可引入编队飞行六自由度方程.通过仿真验证表明,由等效模型计算出的诱导力与诱导力矩和风洞数据具有较好的符合度,等效模型可直接用于编队飞行建模及控制器的设计与仿真.     

无人机编队飞行控制器设计

主要对两架无人机斜线编队控制进行研究,建立了相应的数学模型,并基于PI控制律分别设计了x,y两个方向的控制器,利用解析和数值计算两种方法解算.仿真结果表明,设计的控制器可以控制僚机跟随长机机动,保持原有的相对位置和姿态.     

基于自抗扰控制技术的无人机编队控制器设计

针对无人机编队飞行控制系统,采用长机-僚机结构,建立以僚机速度方向为x轴的固连于僚机的旋转坐标系。根据无人机的自动驾驶仪模型以及两机的编队飞行几何关系,建立了编队运动数学模型,设计了分别适用于无人机航向和速度两个通道的自抗扰编队控制器。仿真结果表明,所设计的控制器可以通过控制编队间距,方便、精准地控制无人机编队飞行,能够实现无人机编队飞行过程中队形的变换和保持,且控制系统结构具有良好的扩充性。这种控制方法超调量小,鲁棒性强,优于传统控制方法。     

基于MAS的无人机编队飞行智能优化控制

 针对无人机编队飞行的实际背景和限制条件,提出了一种基于多智能体系统（MAS）技术的编队飞行的智能优化控制策略和实现算法。利用多Agent之间的交互作用,以灵活便捷的方式进行各单机之间的协同优化,从而可实现多架无人机的自主编队飞行。考虑到leader-follower原理的支配机制,对面向编队飞行的僚机控制律与实现算法进行了重点研究,设计了僚机编队控制器,通过仿真实验验证了其鲁棒性和稳定性。最后针对编队队形的变换与躲避威胁等特殊情况对无人机编队单元之间的协调优化进行了仿真验证和分析。     

影响图决策方法在编队协同空战中的应用

针对空战环境下出现的大量不确定信息,将影响图决策方法和多Agent系统理论引入到编队协同空战决策研究中,把编队看成一个多Agent系统,编队中的长机和僚机都看成是Agent,利用影响图对多Agent系统进行建模,实现了编队中长机、僚机在不确定空战环境下做出结果最佳的决策。仿真结果表明了决策的有效性。