固定翼无人机编队的启发分布式模型预测控制

针对无人机编队飞行控制中队形保持、路径规划、重构、防撞等多重功能需求,采用启发型分布式模型预测控制框架,将需求转化为多目标优化问题中的代价函数与相容性约束求解,实现了对无人机编队飞行的一体化控制.同时,采用分阶段式的轨迹规划算法,融合模型预测轨迹规划与多项式轨迹规划,利用多项式轨迹系数实现高效的邻居轨迹信息交互,从而增大了模型预测控制的预测范围,并降低了规划控制过程中的计算量与通信量.最后,通过9架无人机的协同避障编队仿真,证明了该方法的有效性.     

能耗均衡的三维最优持久编队通信拓扑生成

持久编队通信拓扑的优化是在确保多智能体使用持久编队控制方法保持队形的基础上尽量减少智能体之间的通信能耗。现有的方法可以最小化智能体的通信能耗总和，却未考虑均衡智能体间的通信能耗，而这会导致某些智能体提前退出编队。针对这一问题，以最大化队形保持时间为目标，研究了考虑能耗均衡的三维最优持久编队通信拓扑生成方法。首先，设计了一种通信拓扑离线优化机制，即选择一个合适的周期，在编队运动之前计算出每个周期内的通信拓扑，在编队保持队形过程中据此定期调整通信拓扑，从而避免在线计算和发布通信拓扑带来额外的通信能耗；而在离线计算每个周期内的通信拓扑时，先估计出每个周期开始时每个智能体的剩余通信能量，并据此更新网络拓扑中各通信链接的权重，再从更新后的网络拓扑中生成一个三维最优持久图作为本周期内的通信拓扑。其次，针对每个周期内的三维最优持久图生成问题，由于更新后的网络拓扑中的通信链路权重不对称，导致现有算法难以适用，为此提出了一种基于刚度矩阵和弧添加操作的近似求解算法，并从理论上分析了其时间复杂度和证明了其有效性。最后，通过仿真实验结果验证了该方法可以有效降低并均衡各智能体的通信能耗，相比于所有对比方法的平均...     

基于相对方位信息和单间距测量的多智能体编队协同控制

由多个载体组成的多智能体系统对复杂环境具有更高的适应性,能够完成传统单个载体无法完成的任务。针对多智能体编队集结与队形移动跟踪问题,提出了一种改进的多智能体编队协同控制新算法。首先,以拒止环境下跟随智能体仅能通过光学传感器测量相对方位信息为任务背景,针对"领导者——第一跟随者"结构的多智能体编队,提出了基于相对方位信息与单间距测量的控制器,使得第一跟随者智能体可以追随移动的领导者智能体,并且可以通过改变与领导者智能体的间距对编队整体队形进行缩放控制。其次,提出一种了改进的分布式控制律,使得其他跟随者智能体可以仅通过两个相对方位信息完成编队飞行。然后,根据Lyapunov第二方法,构建了系统的能量函数,验证了所提出算法的稳定性。最后,通过数值仿真实验对所提算法进行了验证。仿真结果表明,基于该控制律多智能体系统能够完成编队集结、队形缩放和编队飞行的任务。     

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。     

基于分布式模型预测控制的多UAV协同区域搜索

针对多无人机(UAV)协同区域搜索问题展开研究。提出了一种基于分布式模型预测控制(DMPC)的多UAV分布式优化搜索方法。首先基于传统的搜索图模型,建立了多UAV协同搜索的问题描述和状态空间模型,然后在DMPC框架下,将集中式多UAV在线优化决策问题转化为各架UAV的小规模分布式优化问题,采用基于纳什最优和粒子群优化(PSO)相结合的算法实现对每个子系统优化问题的迭代求解。仿真结果表明:DMPC方法能够有效地降低多UAV协同搜索决策问题的求解规模,是一种可行的方法。     

均等通信时滞下多UAV协同编队控制

多无人机(UAV)系统编队控制中,时滞是无法回避的问题,研究时滞对多UAV编队形成和系统稳定性的影响,具有重要理论价值。重点研究均等通信时滞下多UAV协同编队控制问题,并获得系统的稳定性条件。首先,设计具有均等通信时滞的协同编队控制律,得到多UAV编队系统的闭环时滞状态方程;在恒定均等时滞下,考虑到系统模型不确定性,基于线性矩阵不等式(LMI)理论得到系统的时滞依赖稳定性条件;最后,进行仿真实验,结果表明多UAV编队系统是稳定的,期望的编队队形能够形成并保持。     

基于预测控制方法的UAV编队飞行

针对传统UAV编队控制律显式考虑约束能力不强的不足,基于预测控制方法和虚拟结构控制策略,设计了一种分布式编队控制律。该控制律能显式地考虑各种约束,每个UAV仅需要滚动求解有限时域优化问题得到自身控制输入,提出了一种简单的代价惩罚的方法实现障碍规避,并将优先级策略引入UAV之间避碰中。仿真结果表明,所设计的编队控制律具有...     

多UAV集群固定拓扑分布式控制方法研究

通过定高飞行假设,建立了集群运行的简化空间模型、基于静止坐标系和运动坐标系的集群控制模型和分布式控制结构。将既定加速度量和势差加速度量按比例结合,控制UAV跟踪轨迹形成并保持集群状态。基于UAV模型和智能体的仿真结果表明,该模型及算法能够实现稳定的UAV固定拓扑集群行为,且具有优越的队形保持和速度控制性能。     

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。     

旋翼无人机群编队涌现控制

针对无人机群自主编队飞行中存在的执行任务单一、通信链数据交互量巨大的问题,提出了一种以分布式通信为基础的多Swarm中心的无人机群编队模型。首先根据涌现计算的基本思想构建四项基本局部规则来建立无人机群编队模型,然后把Lyapunov稳定性理论和单架无人机运动模型结合起来为每一架无人机设计了速度控制器,并证明了其相关理论。不同属性的无人机在混乱的初始条件下能够自动分类、聚集并形成不同形状的稳定编队队形,并飞向各自的目标执行任务。仿真结果表明了该编队方法的有效性。     

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.     

通信和测量受限条件下异构多UAV分布式协同目标跟踪方法

研究了通信和测量受限的异构多无人机(UAV)网络化分布式协同目标观测与跟踪问题.该分布式UAV系统采用长机一僚机异构型网络结构,以实现在电子静默和战术隐身条件下扩大探测和打击纵深.提出改进的一致性信息滤波(ICF)算法,实现通信和测量范围内各UAV节点的分布式信息融合.由于一致性算法的收敛性与网络拓扑结构的连通性密切相...     

自主多无人机的分散化协同控制

协同前提是无人机(UAV)平台间的通信和信息共享,无人机平台之间信息和计算是高度分布的,无人机平台的运动以及通信拓扑的变化,使得集中式协调控制结构很难实现。以最小通信量为基础的分散协同控制具有可扩展性、异构性和动态可重构性等特点,可靠性和鲁棒性较好。针对多无人机平台分散化协同的特点和要求,建立了集中和分散相结合的多无人机平台协同控制系统结构,集中式任务管理系统主要完成目标分配、通信管理和编队管理功能,分散式协同部分主要实现局部任务规划、协调策略及协调控制等功能。分别以多机协同目标跟踪、多机和多编队一致性协调、多机协同编队控制与重构等多无人机平台分散化协同控制技术为应用对象,探讨了分散化协调机制、策略、控制及其与信息之间关系。给出了部分算法的仿真结果。     

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。     

基于改进一致性算法的无人机编队控制

编队飞行是指多架无人机保持以一定队形进行飞行的状态,相比于单架飞机执行任务,无人机编队能够增加搜索面积,提高飞机飞行性能,增大完成任务成功率。编队控制是实现编队安全高效完成指定任务的前提。本文以一致性理论为基础,针对无人机运动模型的特点与实际飞行要求,对基本的一致性算法进行改进,提出了改进一致性无人机编队控制算法。首先利用纵向和横侧向解耦的自动驾驶仪模型给出了无人机的三自由度运动方程,根据机动性与飞行性能要求定义了各方向上的加速度、速度与角速度约束。基于一致性理论,将编队控制分为平面与纵向2个方向进行,在状态控制的基础上,利用各状态变量间的几何关系对无人机运动自由度进行转换,加入编队队形信息,设计了编队控制算法。为了使算法生成的指令信号满足约束条件,提出了"最小调整"约束条件处理策略。依据粒子群算法对各无人机的爬升加速度进行优化,以避免机间碰撞。仿真结果表明：提出的编队控制算法具备编队成形与变换功能,能够使无人机编队状态快速收敛到指定值,且保持指定队形,无人机飞行状态满足所有约束条件。     

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。     

基于量子行为鸽群优化的无人机紧密编队控制

随着军事、民用需求的提高和相关领域的技术推动，无人机编队协同作业已成为当今人们逐渐关注的焦点。无人机紧密编队是指无人机间侧向距离在1~2倍翼展内的编队，因其可有效改善编队中无人机的气动性能而备受瞩目。基于无人机紧密编队条件下的气动耦合效应，建立三维空间下的状态空间方程描述双机相对运动，并推导了紧密编队条件下的双机最优编队构型，在此构型下将人工势场法和编队控制相结合作为控制系统中的间接控制环，并针对基本鸽群优化算法的寻优缺陷利用量子行为规则对其进行改进，将改进后的鸽群优化算法和无人机控制量结合作为控制系统中的直接控制环，最后通过仿真对比验证了此控制系统对于紧密编队控制的有效性。     

基于信息一致性的无人机紧密编队集结控制

提出了基于信息一致性的分段式无人机紧密编队集结控制策略,将集结过程分为3步:参考集结点选取和目标集结点分配、形成松散编队以及形成紧密编队。首先,以线切入预定航线的方式计算参考集结点,按照松散编队队形展开生成目标集结点,并利用基于三维距离空间的优化选择算法,将目标集结点快速、准确地分配给每架无人机。然后,使用速度一致性实现向目标集结点定点集结和向松散编队伴航集结,通过非精确的航迹控制快速形成松散编队,提高编队集结的效率。接下来,启动速度、姿态一致性来实现编队最终的精确航迹控制,并逐步压缩编队队形进入紧密编队,避免发生碰撞,完成从松散编队到紧密编队的平稳过渡,同时准确地跟踪预定航线。使用协同修正方法抑制了测量误差、协同误差和通信延迟,提高了紧密编队的稳定性和控制精度。最后,基于MATLAB平台环境对所提三维集结控制策略进行了仿真,验证了其合理性与有效性。     

Distributed bearing-based formation control of unmanned aerial vehicle swarm via global orientation estimation

Most existing formation control approaches for Unmanned Aerial Vehicle(UAV)swarm assume that global position and global coordinate frame are directly available for each agent. To extend the application domain, this paper proposes a distributed bearing-based formation control scheme, without any reliance on global position or global coordinate frame. The interactions among UAVs are described by a directed topology with two-leader structure. To address the issue of unavailable global coordinate fr...