一类复杂通信条件下高阶线性群系统编队控制

针对时变时延、拓扑不确定和外部扰动等复杂通信条件下的高阶线性群系统编队控制问题进行研究。首先,建立了群系统编队控制问题的数学描述,并基于一致性最近邻原则给出了编队控制协议框架。其次,提出了群系统实现编队的充要条件。通过状态分解和变量代换,给出了约束条件下,编队控制协议的设计方法。同时,为得到群系统所允许最大时延边界,引入自由权矩阵,得到了保守性较小的线性矩阵不等式（LMI）判据条件。仿真实验验证了编队控制方法对于有界时变时延、拓扑不确定以及外部扰动具有一定的鲁棒性。      

无人集群系统时变编队H∞控制

针对有向通信拓扑网络下具有通信时滞与外部干扰的无人集群系统（AUSS）时变编队H_∞控制问题进行了研究。首先,基于AUSS期望编队构型信息、无人机（UAV）实时状态信息以及通信UAV之间带通信时滞的状态误差信息提出了AUSS的编队控制方法,通过变量替换将AUSS的编队控制问题转换成低维闭环系统的渐近稳定问题,并以线性矩阵不等式（LMI）形式给出了系统稳定的充分条件与最大允许通信时滞的计算公式。其次,通过构造Lyapunov-Krasovskii（L-K）泛函,证明了存在通信时滞与外部干扰条件下AUSS能够实现时变编队。最后,通过数值仿真验证所设计方法的准确性与有效性。      

二阶多智能体系统自抗扰编队跟踪与避撞控制

在多智能体编队的目标跟踪任务中,智能体受环境中的障碍物的遮挡作用会丢失目标,而外部扰动会影响系统的时变编队跟踪的控制效果。为此,研究了这两种因素同时存在情况下的二阶多智能体系统时变编队跟踪和避撞控制。采用基于目标跟踪优先级的切换拓扑控制策略以实现在障碍物遮挡环境中对目标的持续跟踪,根据自抗扰理论设计包含扰动补偿项的编队跟踪控制器。首先,基于一致性方法提出切换拓扑下自抗扰时变编队跟踪控制协议,并给出一种基于跟踪微分器的编队指令生成方法;其次,设计了求解控制参数的算法并给出协议作用下系统的稳定性分析和证明;然后,基于人工势场法设计避撞控制协议;最后,提出障碍物遮挡环境下自抗扰时变编队跟踪控制协议。仿真实验结果表明:所设计的控制协议在上述两种因素存在时仍具有良好的控制效果。      

拒止环境下基于"忠诚僚机"的护航策略

护航策略一直是各军事大国的重点研究内容之一,拒止环境具有强电磁干扰、强对抗博弈等特点,进而对护航策略提出了更高的要求。提出了一种基于分布式时变编队跟踪控制方法的护航策略,该策略中由高成本长机探测到敌方来袭导弹,在进行规避的同时,释放多个低成本僚机担任“忠诚僚机”。采用时变编队跟踪的控制方法,使僚机始终处于长机与敌方来袭导弹的视线轴上,必要时牺牲僚机以保全长机。针对敌方来袭导弹的方位角是全局信息,设计了分布式观测器对其进行估计。在拒止环境下,复杂电磁干扰带来通信时断时续,导致长机与僚机及僚机与僚机之间的通信拓扑存在切换。为应对电磁干扰对通信拓扑的破坏,提高抗电磁干扰能力,考虑僚机外部扰动和长机规避机动动作同时存在的情况,基于观测器理论、自适应控制理论和滑模控制理论,构造了具体通信拓扑切换机制的分布式控制协议,并利用Lyapunov理论证明了僚机采用该协议能够实现拒止环境下基于“忠诚僚机”的护航策略。通过仿真模拟导弹来袭场景,验证了所提策略的有效性。      

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。      

基于Agent与元胞自动机的无人机集群混合式控制

高效有序的集群控制方式是集群顺利完成作战任务的前提。针对无人机集群控制问题,结合集中式与分布式2种控制方式,提出基于Agent与元胞自动机的集群混合式控制。从无人机集群作战流程出发构建了无人机集群控制体系框架、通信拓扑结构及集群控制规则,将集群个体由上至下分为中心长机、小组长机、个体无人机3个层次,高层级对低层级采用自上而下的集中式控制,同层级采用自下而上的分布式控制。在此基础上,利用Agent模型的层次性与元胞自动机模型的同质性,设计了基于Agent与元胞自动机的集群混合式控制模型,实现2种控制方式有效结合,元胞自动机模型实现集群基本的聚合、分离、速度一致规则,Agent模型实现不同层级个体间的协同交互规则。在编队集结与保持任务背景下,对分布式、集中式与混合式3种控制进行对比仿真,结果表明:基于混合式控制的集群在编队可控性、跟随性、一致性以及降低通信负载等方面具有明显优势,验证了混合式集群控制方法的有效性。      

基于持续-保持机制的多智能体系统跟踪控制

考虑到实际应用中，由于外部干扰或通信能力有限，连续通信有时无法保证，研究了间歇通信下二阶多智能体的跟踪控制问题。在持续性通信无法保证的场景下，为了提升间歇通信下系统的收敛性能，引入非周期性的持续-保持控制机制，设计了一种面向二阶多智能体系统的一致性跟踪控制协议。基于矩阵论和图论知识，并结合双线性变换证明了非周期性间歇通信结构下系统可以实现一致性跟踪，进而得到了针对无向拓扑网络的一致性跟踪条件。仿真实验验证了理论结果的正确性。     

基于终端滑模控制的四旋翼无人机编队控制

本文以四旋翼无人机为研究对象,基于终端滑模控制技术,实现了四旋翼无人机系统的编队飞行控制。在构建四旋翼无人机数学模型的基础上,为每架四旋翼无人机设计了广义误差状态,基于广义误差状态提出编队控制目标。为实现编队控制目标,设计了基于终端滑模控制的编队控制器,最终所有四旋翼无人机的广义误差状态收敛到零时即实现期望的编队队形,进一步结合有限时间稳定性理论给出了上述编队控制器有限时间稳定性证明。最后用一个仿真实例验证了所提出算法的有效性,并将本文提出的控制器与基于线性滑模控制的控制器进行对比,实验证明所提出的控制算法具有更好的编队控制效果。     

基于寒鸦配对交互行为的无人机集群编队控制

受寒鸦群配对飞行行为机制的启发,提出了一种配对交互模型,并应用于解决无人机（UAV）集群编队控制问题。首先,模仿寒鸦个体间的配对交互,设计配对交互时的邻居选择机制,基于社会力,考虑惯性加速、远距吸引、近距排斥、速度匹配和运动阻尼,分别建立配对个体和未配对个体的运动学微分方程,完成配对交互模型的构建。然后,在无人机模型基础上,设计基于寒鸦配对交互机制的无人机集群编队控制器。最后,通过2组仿真实验研究所提模型应用于无人机集群时的特性。结果表明,寒鸦配对交互模型能保证无人机集群运动的一致性,通过减小无人机交互的平均邻居数量,从而减小无人机集群的通信负载,并且当单向刺激时,配对无人机作为信息无人机时集群有更高的应激精度。      

基于搜索意图交互的无人机集群协同搜索算法

针对无先验信息条件下无人机集群的协同搜索问题,提出一种以覆盖率为引导,以机间安全距离、通信距离、偏航角调整及搜索边界等为约束的无人机集群协同搜索算法。通过建立环境地图矩阵对任务区域进行描述,进一步定义环境地图更新算子实现搜索过程中环境地图的快速更新。设计了集群协同搜索任务的回报函数,采用粒子群算法进行求解,得到每架无人机在已知环境地图下的最优决策,即决策意图。每架无人机在获取其他成员决策意图的基础上重新进行决策,实现协同决策。针对不同规模集群提出了集中式和分布式2种协同决策方案。仿真结果表明,所提算法能够对存在未知威胁的不规则任务区域进行有效覆盖搜索,覆盖率远高于不进行协同决策的个体决策方法。      

多四旋翼无人机系统分布式分层编队合围控制

针对带有多个领航者与跟随者的欠驱动四旋翼无人机群系统, 提出了一种分布式分层编队合围控制方法。设计分层分布式有限时间滑模估计器, 实现在仅有部分领航者获取到期望轨迹的条件下, 每架无人机都能生成其满足控制需求的估计位置信息。针对六自由度欠驱动四旋翼无人机模型的特点, 提出一种无人机位置层和姿态层的分层控制方法, 实现了无人机对所生成的估计位置的跟踪控制, 该方法采用高阶导数逼近算法, 防止在求解期望角速度的过程中出现微分爆炸。所提方法能在满足姿态稳定收敛的条件下实现有效的编队合围控制。通过数值仿真验证了所提方法的有效性。      

变质心固定翼无人机动力学分析与抗扰控制

变质心无人机具有气动效率更高、隐身性能更好、机翼结构更加简单等优点。提出了时滞更小、结构更加简单的单滑块变质心无人机布局方案，分析了滑块参数对变质心无人机动力学特性的影响，在此基础上给出了滑块的理想安装位置，并研究了变质心无人机布局方案控制效率随速度的变化情况。针对变质心无人机强耦合、强非线性的特点，基于粒子群算法(PSO)设计了自抗扰控制器(ADRC)，其中扩张状态观测器估计出包含耦合和参数摄动的总和扰动项，并基于此进行动态补偿。仿真结果验证了所设计控制器的有效性和鲁棒性。