基于LPV系统的折叠翼仿生变形无人机模型预测控制方法研究

为了改善折叠翼仿生变形无人机变形暂态过程纵向控制性能,利用线性变参数(Linear Parameter Varying, LPV)系统的模型预测控制(Model Predictive Control,MPC)方法,在线性时不变(LTI)系统MPC控制方法的基础上,运用线性变参数(LPV)系统的MPC控制,使MPC在线优化问题转化成二次规划(QP)问题,可将成熟的数值算法在线求解。将该方法运用于折叠翼仿生变形无人机,仿真结果表明,相对于非支配排序的遗传算法NSGA-II-PID,该方法具有更好的控制性能和输入约束能力。研究结果为变形无人机的暂态控制提供了一种更优的选择,可以促进变形无人机暂态控制技术的进一步发展。     

基于UML的无人机飞控系统建模

针对无人机飞控系统功能及其复杂而又难以比较全面的描述,提出利用面向对象统一建模语言UML对飞控系统进行建模,可直观地描述飞控系统,并可以从不同角度较全面地描述飞控系统。首先简要介绍了飞控系统的原理和功能,在此基础上,利用UML例图、类图、协作图、顺序图、活动图,分别从整体、静态、动态角度描述了飞控系统。使用这种方法对飞控系统建模可应用在无人机系统仿真建模中,对无人机系统仿真建模具有积极的研究意义。     

基于平衡流形的航空发动机LPV建模方法

针对航空发动机线性变参数模型,基于平衡流形原理,研究了一种改进LPV建模方法.首先,根据平衡流形原理,构造涡扇发动机平衡流形参数化形式.其次,根据某型涡扇发动机非线性模型,建立基于局部线性模型的涡扇发动机准LPV模型.然后,建立基于平衡流形的航空发动机改进准LPV模型,即:利用平衡流形参数化形式,根据调度变量实时估算发动机平衡态,以更新发动机准LPV模型的参考平衡态.最后,通过对发动机从慢车状态到最大状态的阶梯加速过程进行仿真,表明改进UP模型的稳态和动态响应特性与发动机非线性模型保持很好地一致.     

无人机系统的仿真建模研究

在对无人机系统概念分析的基础上，通过对无人机系统中各个子系统工作原理的分析，对其遥控遥测子系统中的通讯系统部分进行了数学建模，结合无人机本体的动力学模型，建立了其内外环飞行控制系统的数学模型，并进行了一个无人机空中徘徊待机对地压制攻击任务的仿真计算，结果表明，所建立的数学模型可以满足战术任务的要求。     

无人机系统建模仿真研究及应用

对固定翼无人机系统运动模型进行了分析和研究.并以某大型无人机为例,阐述了无人机系统建模仿真技术在无人机的使用过程中的重要作用.     

太阳能无人机能源系统的多维耦合建模

针对太阳能无人机能源系统建模的耦合性考虑不足、能量流动过程描述不全面等问题,将外部大气环境、无人机的姿态角度等不同维度下影响能源系统运行的多个因素纳入到建模过程中,先后给出了非均质大气环境模型、无人机运动模型、电机模型、减速器模型、螺旋桨模型、光伏电池模型和蓄电池模型的建立过程,并建立了各模型间的耦合关系,得到反映非均质大气环境下、动态飞行行为的太阳能无人机中能量流动的耦合模型。仿真结果表明：该模型可以完整的描述外部大气环境和无人机飞行姿态对无人机发电功率以及动力负荷功率的影响等耦合作用,适合用于仿真分析和地面半实物仿真平台的搭建。     

一种基于拟合目标函数随动系统的建模与仿真

随动系统主要用于跟踪空中飞行目标,目标的方位可以由水平方位角和高低角度确定,由于水平角和高低角随时间变化的函数往往很复杂,在求控制系统的稳态误差时,难以对目标输入函数进行拉普拉斯变换;采用一种用曲线来拟合逼近目标函数的方法,达到了很好的效果;进而根据系统精度要求可以确定控制系统的放大增益。通过对随动系统的控制和分析,建立控制系统的数学模型,得到随动系统跟随目标函数的响应曲线;随动系统要求有很好的稳定性和很高的精度,采用了一种滞后-引前的校正方法,用MATLAB仿真模拟,并进行时域和频域的综合分析,得到了理想的仿真结果。     

无人机用燃料电池阴极供气系统建模与控制

燃料电池因其高效、无污染、噪声小等特点,被认为是未来最具有潜力的无人机（UAV）用动力源,燃料电池阴极供气系统的控制技术是决定燃料电池系统性能和可靠性的关键。针对无人机用质子交换膜燃料电池（PEMFC）阴极供气系统,首先,考虑外界温度、压力、空气密度以及雷诺数等随高度变化的参数,建立了跨高度离心空压机模型并分析了其在不同高度下的工作特性,基于无刷直流电机反电势特征构建了高速空压机驱动电机模型。其次,通过计算燃料电池阴极氧气和氮气的动态分压获取了PEMFC电堆输出电压。设计了基于分数阶PI^λD^μ的过氧比和阴极气压控制方法,驱动电机采用有限集模型预测控制（MPC）实现快速的转矩响应,仿真结果表明设计的控制器可在无人机跨高度运行条件下实现过氧比的快速调节,同时维持阴极气压稳定,满足燃料电池阴极供气需求。     

基于改进蚁群算法的无人机路径规划

针对传统无人机路径规划算法存在规划效率低以及无法满足特定任务需求的缺点,提出了基于改进蚁群优化算法的无人机路径规划算法。首先,将待规划区域栅格化,给每一个网格按顺序编号;其次,在路径搜索时引入了一种双向搜索机制,对信息素的更新规则和下一步节点的选择方法做出改进;最后,提出了一种新的方法来整合两组蚂蚁生成的路径,并给出了若干仿真试验结果。结果表明,所提算法相比传统算法更能有效避免过早陷入局部最优,收敛速度加快,生成满足任务约束的最短路径。     

基于改进遗传算法的多无人机路径规划

对多无人机在动态环境下的路径规划问题进行了分析与建模,模型将无人机区分为就绪、工作、返航、失控4种状态;考虑了机群工作效率和威胁区域的生存概率,提出一种基于改进遗传算法的多无人机的路径规划方法。方法设计了新的编码、解码方法和具有明确物理意义的适应度评价函数,以加快实时的运算速度和提高运算精度。通过计算机仿真表明方法具有良好的多无人机动态路径规划能力。     

A systematic method of smooth switching LPV controllers design for a morphing aircraft

This paper is concerned with a systematic method of smooth switching linear parametervarying(LPV) controllers design for a morphing aircraft with a variable wing sweep angle. The morphing aircraft is modeled as an LPV system, whose scheduling parameter is the variation rate of the wing sweep angle. By dividing the scheduling parameter set into subsets with overlaps, output feedback controllers which consider smooth switching are designed and the controllers in overlapped subsets are interpolated from two adjacent subsets. A switching law without constraint on the average dwell time is obtained which makes the conclusion less conservative. Furthermore,a systematic algorithm is developed to improve the efficiency of the controllers design process. The parameter set is divided into the fewest subsets on the premise that the closed-loop system has a desired performance. Simulation results demonstrate the effectiveness of this approach.     

基于改进A^*算法的无人机快速轨迹规划方法

针对旋翼无人机在三维障碍物环境中自主飞行时路径搜索速度慢、轨迹生成通常忽略无人机动力学特性的问题,发展一种基于改进A^*算法并同时考虑无人机动力学特性和运动学性能的快速轨迹规划方法。首先,在三维障碍物环境中运用改进A^*算法通过剔除部分网格节点降低A^*算法的节点计算量,提升算法的路径搜索速度;其次,以最小化飞行轨迹的四阶导数作为目标函数,以路径点处的位置、速度、加速度等各阶导数作为约束条件优化飞行轨迹;最后,在三维障碍物环境中对比A^*算法改进前后的路径搜索结果,并对优化的飞行轨迹进行仿真飞行测试。结果表明:改进A^*算法大幅降低了A^*算法的节点计算量,显著提升了路径搜索速度;且无人机能够始终以较小位置误差沿优化轨迹光滑连续飞行。     

An intelligent target detection method of UAV swarms based on improved KM algorithm

Complete and efficient detection of unknown targets is the most popular application of UAV swarms. Under most situations, targets have directional characteristics so that they can only be successfully detected within specific angles. In such cases, how to coordinate UAVs and allocate optimal paths for them to efficiently detect all the targets is the primary issue to be solved. In this paper, an intelligent target detection method is proposed for UAV swarms to achieve real-time detection requirements. First, a target-feature-information-based disintegration method is built up to divide the search space into a set of cubes. Theoretically, when the cubes are traversed, all the targets can be detected. Then, a Kuhn-Munkres (KM)-algorithm-based path planning method is proposed for UAVs to traverse the cubes. Finally, to further improve search efficiency, a 3D real-time probability map is established over the search space which estimates the possibility of detecting new targets at each point. This map is adopted to modify the weights in KM algorithm, thereby optimizing the UAVs’ paths during the search process. Simulation results show that with the proposed method, all targets, with detection angle limitations, can be found by UAVs. Moreover, by implementing the 3D probability map, the search efficiency is improved by 23.4%–78.1%.     

变体无人机动力学模型及切换控制研究

针对能够在飞行过程中进行结构变形的变体无人机,考虑由变形引起的气动力与力矩,惯性力与力矩的非线性变化,建立其在质点系假设条件下的多体动力学模型。根据切换系统理论,将变体无人机视为一类线性切换系统,选择设计点,采用极点配置方法针对各设计点处的线性子系统设计控制器,再制定以变形量为决策变量的控制切换方案,构成切换控制系统。通过建立公共Lyapunov函数,推导了能够保证闭环切换系统在结构变形过程中一致有界的充分条件。以变体无人机Fire-Bee为例,验证了方案的有效性,仿真结果表明闭环系统无论在固定结构下还是变形过程中都具有良好的动态特性。     

基于改进A*算法的无人机航迹规划

借鉴A*算法思想,提出了一种改进A*算法的无人机航迹规划方法.针对在传统A*算法中将规划区域栅格化、只能在特定方向按照特定步长扩展节点的不足,采用圆形节点扩展方法,可以实现变方向和变步长扩展节点.通过仿真进行了验证,结果表明改进的航迹规划方法可以绕过威胁,安全到达目标点.     

基于改进人工蜂群算法的无人机实时航迹规划

为了适应现代战争战场环境的复杂性,针对所建立的突发威胁模型,提出了一种基于改进人工蜂群算法的无人机航迹规划方法,对无人机进行动态航迹寻优,并通过MATLAB进行了仿真验证。仿真结果表明,所设计的方法能够根据实时出现的威胁状况进行动态航迹规划、评价和选优,同时满足实时性要求。     

基于改进ARA*算法的无人机在线航迹规划

针对无人机三维在线航迹规划对算法速率、航迹最优性的需求,提出了基于改进ARA^*算法的无人机在线航迹规划方法。首先,建立无人机三维航迹规划的数学模型;然后,提出了节点空间约简策略、局部启发项策略以提高算法收敛速率,并针对复杂规划环境提出了启发因子自适应递减策略。仿真结果表明,所提算法能够快速、稳定地生成首条可行航迹,并在剩余时间内不断提高航迹质量,可应用于不同类型的在线规划任务,动态地适应规划时间与航迹最优性的要求。     

基于逆向有限元法的变形机翼鱼骨的变形重构

变形监测技术能够为自适应变形机翼的变形控制系统提供参考信息,是保证结构安全性以及优化结构的运行性能的重要手段。传统的基于光学成像的变形测量方法已经不能满足自适应智能结构的实时变形监测的要求。由于变形机翼表面受气动载荷影响,不便于直接在变形机翼蒙皮表面布置应变传感系统,目前还没有针对鱼骨结构这种真实复杂机翼结构的变形重构研究,大多针对机翼翼型的变形重构研究是将整个机翼简化成简单的翼形板、梁结构。针对上述问题,本文首次以真实复杂变形机翼主承力结构——鱼骨为研究对象,提出了一种基于逆向有限元（iFEM）算法与位移分段叠加思想结合的变形监测方法,根据Mindlin板变形理论建立四节点逆向壳单元,采用应变传感系统测得鱼骨结构表面应变分布作为算法输入,然后基于最小二乘变分方程求解结构应变场和位移场之间的传递函数,重构鱼骨结构的变形形状,为反演机翼翼型的变形形状提供方法。针对真实自适应变形机翼的主要承力构件开展了变形实验,实验结果表明,机翼鱼骨在分别偏转5°、10°、15°的情况下,逆向有限元法能准确重构鱼骨变形形状,验证了基于逆向有限元法的变形重构方法在真实自适应变形机翼结构变形重构研究中的有效性和准确性。     

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。