有向通信拓扑和时延条件下的无人机集群时变编队控制

针对无人机（UAV）集群在有向通信拓扑和存在通信时延条件下的时变编队控制问题进行了研究。建立了无人机集群二阶离散时间系统模型，基于无人机自身实时信息和相邻无人机带通信时延的状态信息，设计了分布式编队控制协议。通过理论分析，得到了无人机集群能够实现时变编队的充要条件，给出了可行的期望编队的表达式。在集群通信拓扑有生成树的条件下，分析了控制协议中待定参数和状态更新周期满足的耦合约束条件，并给出了参数设计的流程。仿真结果表明:即使在较大的通信时延下，所设计的控制协议也能实现无人机集群时变编队控制，验证了理论分析的正确性和有效性。      

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RQPSO-DMPC的多无人机编队自主重构控制方法

针对敌方防御区域内各种威胁,为了实现隐蔽突防并实施对敌有效打击,在突防过程中多无人机(UAV)编队需要进行重构控制,并且编队内的相互避碰问题与通信约束问题也需考虑。通过建立无人机虚拟领航编队模型并引入邻居集,采用分布式模型预测控制(DMPC)同时构建多无人机编队的重构代价函数,提出采用改进量子粒子群优化(RQPSO)算法进行求解,并将求解结果与采用粒子群优化算法的结果进行对比。仿真结果表明,本文算法能够有效控制多无人机编队完成自主重构,实现安全隐蔽突防任务。     

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。      

资源约束条件下舰艇编队多智能体协作规划

从分析舰艇编队对海作战的流程出发,在决策过程中引入多智能体系统(MAS,Multi-Agent System)理论,建立了编队协同反舰作战Agent模型.针对舰艇编队Agent协作规划过程中受资源约束产生资源占用冲突的问题,建立一种主从式结构多Agent协作规划模型,并提出一种集中与分布规划相结合的MAS协作规划方法.仿真实例表明:该方法可有效实现作战编队各Agent之间的协作与协调,保证舰艇编队在满足资源约束条件下实现预期战术目标.      

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。      

基于多智能体强化学习的无人艇集群集结方法

为解决数量不定的同构水面无人艇(USV)集群以期望队形协同集结的问题，提出一种基于多智能体强化学习（MARL）的分布式集群集结控制方法。针对USV通信感知能力约束，建立集群的动态交互图，通过引入二维网格状态特征编码的方法，构建维度不变的智能体观测空间；采用集中式训练和分布式执行的多智能体近端策略优化(MAPPO)强化学习架构，分别设计策略网络和价值网络的状态空间和动作空间，定义收益函数；构建编队集结仿真环境，经过训练，所提方法能有效收敛。仿真结果表明：所提方法在不同期望队形、不同集群数量和部分智能体失效等场景中，均能成功实现快速集结，其灵活性和鲁棒性得到验证。     

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。      

无人机全包线模糊T-S建模

针对无人机大包线一体化飞行控制要求,提出全包线模糊T-S(Takagi-Sugeno)建模方法.该方法根据非仿射系统的局部线性化原理,将模糊T-S建模转化为仅对模糊规则中隶属度函数的中心和宽度的优化过程,优化的代价函数为模糊T-S模型对无人机全包线稳定性和操纵性的逼近误差的加权值.基于敏感度逐步扩展前件变量的模糊集以实现全局优化,确定模糊规则的数量和隶属度函数的初值.采用对正则因子启发式调整的Levenberg-Marquardt算法进行快速的局部优化.算例表明,建模算法收敛迅速,所建立的模糊T-S模型采用少量模糊规则实现了对无人机全包线稳定性和操纵性的高精度逼近,适用于无人机全包线一体化控制.     

基于角色切换策略的多无人机协同区域搜索

针对存在随机分布目标的区域快速搜索问题开展研究,考虑无人机有限通信能力和探测信息的实时回传需求,提出了一种基于角色切换策略的多无人机协同区域搜索方法。首先,考虑各无人机平台的历史搜索信息和协同搜索收益,基于概率传感器模型构建了多无人机协同区域搜索求解框架;其次,基于4项无人机节点重要性的评价指标,采用改进逼近理想解排序法（TOPSIS）完成无人机节点重要性评估,通过无人机角色动态切换实现了区域搜索过程中协同搜索收益与网络连通性的平衡;最后,考虑机间防撞、通信保持、无人机运动学等约束条件,利用分布式滚动时域优化方法完成各无人机在线运动规划,实现多无人机协同区域搜索。仿真结果表明了所提方法的可行性和有效性。      

基于VxWorks的无人机模拟器设计与实现CSCD

无人机模拟器通过模拟与地面发控设备的电气接口及逻辑关系和无人机空中飞行全过程实现了对无人机的模拟,是一套用于飞行协同训练及地面发控设备检查的地面辅助设备。该设备采用基于CPCI总线结构、Vx Works操作系统的计算机,实现了串口通信、UDP网络通信、图形人机交互界面等功能。     

网络分布式并行计算的负载平衡

利用分布式系统动态负载平衡的原理,设计了一种适应网络分布式并行计算环境的负载平衡实现机制,采用集中式负载信息收集策略,集中和分布式相结合的传输控制策略.定义了一种新的复合型负载指标来衡量各处理机的负载程度.讨论了相应的理论和实现中的关键问题,给出了主要的实现策略和算法.仿真比较研究表明这种体系结构和相应策略能对网络环境下分布式并行计算提供有力支持.      

一种基于支持向量回归的混合建模方法

近年来,随着计算能力的不断提高,数据驱动的建模方法受到了广泛的关注,对单模式系统进行定量分析的建模方法获得了诸多研究。然而,实际应用中大多数系统为多模式系统,不但各个模式有着不同的连续行为,连续状态还会在模式之间进行切换。针对这一情形,本文提出了经验概率混合自动机模型,并提出了针对该模型的基于支持向量回归(SVR)的多模式定性定量混合建模方法。该方法使用小波技术识别模式切换点,并在各个模式下单独建立支持向量模型,最后使用D-Markov机整合模型。经实例验证,该方法与传统支持向量回归模型的稳定性接近,但精确程度显著提高。