考虑扰动的无人机集群协同态势感知一致性评估

无人机（UAV）集群协同态势感知（SA）一致性是无人机集群协同作战的关键,对一致性进行评估至关重要。针对态势感知过程中面临的强不确定性等问题,在一致性评估指标体系的基础上,提出了基于证据推理规则的态势感知一致性评估方法,将各类指标信息统一至置信结构,并充分考虑指标的权重与可靠度。采用扰动分析法对复杂战场环境进行模拟,提出考虑扰动的态势感知一致性评估方法,并对算法进行了总结。最后,通过仿真算例和对比研究验证了所提方法在不确定性表达、一致性评估和无人机集群的环境适应性研究等方面的有效性。     

一种基于语义信息辅助的无人机视觉/惯性融合定位方法CSCD

视觉传感器在无人机室内定位中发挥着重要作用。传统基于特征点的视觉里程计算法通过底层亮度关系进行描述匹配,抗干扰能力不足,会出现匹配错误甚至失败的情况,导航系统的精度及鲁棒性有待提升。由于室内环境存在丰富的语义信息,提出了一种基于语义信息辅助的无人机视觉/惯性融合定位方法。首先,将室内语义信息进行因子建模,并与传统的视觉里程计方法进行融合;然后,基于惯性预积分方法,在因子图优化中添加惯性约束,以进一步提高无人机在动态复杂环境下的定位精度和鲁棒性;最后,通过无人机室内飞行试验对算法的定位精度进行了分析。试验结果表明,相较于传统的视觉里程计算法,该方法具有更高的精度和鲁棒性。     

Improving multi-target cooperative tracking guidance for UAV swarms using multi-agent reinforcement learning

Multi-Target Tracking Guidance(MTTG) in unknown environments has great potential values in applications for Unmanned Aerial Vehicle(UAV) swarms. Although Multi-Agent Deep Reinforcement Learning(MADRL) is a promising technique for learning cooperation, most of the existing methods cannot scale well to decentralized UAV swarms due to their computational complexity or global information requirement. This paper proposes a decentralized MADRL method using the maximum reciprocal reward to learn cooper...     

区域导航无人机空中基准站的多源信息融合容错导航系统研究

作为卫星导航系统的补充和备份,区域导航服务系统近年来得到较大发展。在基于无人机的区域导航服务系统中,无人机自身的定位精度对区域导航服务系统的可靠运行有直接的影响。针对无人机导航传感器及系统的容错和可靠性问题,设计了具有针对性和自优化功能的多源信息融合容错导航方案,提出了一种优化的基于矢量分配形式的自适应联邦滤波算法。通过对每个状态量设计不同的信息分配系数,实现传感器量测噪声的动态优化调整,有效减小了传感器故障对融合导航系统的影响,提高了无人机导航系统的鲁棒性。验证分析表明,该方法可以减小子滤波器故障信息对融合导航系统联邦滤波全局估计的影响,避免了故障子滤波器在信息重置过程中对系统造成的污染,提高和保障了无人机空中基准站多源信息融合导航系统的稳定性和可靠性。     

结合核相关滤波器和深度学习的运动相机中无人机目标检测

针对无人机与相机快速相对运动造成的运动模糊问题，以及小型无人机外观信息缺失和背景复杂造成漏警和虚警问题，提出了一种新的无人机检测-跟踪方法。针对成像尺寸小于32像素×32像素的无人机目标，提出改进的多层特征金字塔的分类和目标框回归器作为目标检测器，克服漏警。利用检测结果初始化基于核相关滤波的目标跟踪器，并持续修正跟踪结果，跟踪结果为剔除检测器虚警提供依据。在跟踪过程中，引入对观测场景纹理自适应的相机运动补偿策略实现目标重定位。多场景下的实验结果表明：提出的方法在对高速运动小目标的检测和跟踪指标上显著优于传统方法，且运动补偿机制的引入进一步增强了方法在极端复杂场景下的鲁棒性。     

基于神经网络补偿动态逆的飞翼布局无人机姿态控制方法

将动态逆控制技术应用于飞翼式布局无人机的姿态控制回路,以适应飞翼布局无人机控制系统要求。介绍了动态逆控制器解耦控制原理,以及神经网络补偿结构的作用和设计方法,并基于无人机非线性姿态运动学和动力学模型设计了基于神经网络补偿的动态逆控制器。在强耦合、强非线性的飞翼布局无人机模型上,通过数学仿真验证了系统具有良好的动态性能和稳态特性,控制器具有很强的鲁棒性。     

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%.     

Formation flight of fixed-wing UAV swarms: A group-based hierarchical approach

This paper investigates a formation control problem of fixed-wing Unmanned Aerial Vehicle (UAV) swarms. A group-based hierarchical architecture is established among the UAVs, which decomposes all the UAVs into several distinct and non-overlapping groups. In each group, the UAVs form hierarchies with one UAV selected as the group leader. All group leaders execute coordinated path following to cooperatively handle the mission process among different groups, and the remaining followers track their direct leaders to achieve the inner-group coordination. More specifically, for a group leader, a virtual target moving along its desired path is assigned for the UAV, and an updating law is proposed to coordinate all the group leaders’ virtual targets; for a follower UAV, the distributed leader-following formation control law is proposed to make the follower’s heading angle coincide with its direct leader, while keeping the desired relative position with respect to its direct leader. The proposed control law guarantees the globally asymptotic stability of the whole closed-loop swarm system under the control input constraints of fixed-wing UAVs. Theoretical proofs and numerical simulations are provided, which corroborate the effectiveness of the proposed method.     

基于角加速度估计的非线性增量动态逆控制及试飞

针对非线性增量动态逆（INDI）控制方法运用到飞行试验时需要进行状态量导数（角加速度）的实时估计并且存在延迟等问题进行了研究,并给出了工程应用上的实际解决方案。对试飞无人机（UAV）平台进行了动力学建模,利用非线性增量动态逆控制方法和控制器分层设计方法设计了无人机姿态控制系统。采用卡尔曼滤波器设计了角加速度估计器为控制律提供角加速度实时反馈。通过基于模型的控制系统设计方法将控制律实现,并进行实际试飞试验。结果表明：该控制方法工程上可实现,具备良好的鲁棒性和指令跟踪能力。     

基于改进Q学习的IMA系统重构蓝图生成方法

重构蓝图定义了故障状态下系统软硬件资源的重新配置方案,是实现综合模块化航空电子系统重构容错的关键。提出了一种基于改进Q学习的重构蓝图生成方法,综合考虑负载均衡、重构影响、重构时间、重构降级等多优化目标,并应用模拟退火框架改进探索策略,提高了传统Q学习算法的收敛性能。实验结果表明,与模拟退火算法、差分进化算法、传统Q学习算法相比,本文提出的改进Q学习算法效率更高,所生成重构蓝图质量更高。     

无人机类脑吸引子神经网络导航技术

当前无人机在非结构化或未知环境下飞行主要采用SLAM进行导航与定位,存在如下突出问题：依赖高精度昂贵激光雷达等环境感知传感器;需要建立准确世界和无人机物理模型;受环境影响较大;自主智能水平较低,无法较好地满足无人机对导航系统的要求,需要发展自主智能的导航方式。基于吸引子神经网络的类脑导航技术,无需训练模型参数,不依赖高精度传感器,无需精确建模,且复杂环境下鲁棒性较强,具有解决上述问题的潜力。简要阐述了动物大脑导航机理,分析了吸引子神经网络和基于吸引子神经网络的类脑导航关键技术,最后讨论了吸引子类脑导航技术在无人机应用中的挑战。     

基于深度强化学习的无人机栖落机动控制策略设计

无人机栖落机动飞行是一种无需跑道的降落方法，能够提升无人机在复杂环境下执行任务的适应能力。针对具有高非线性、多约束特性的无人机栖落机动过程，提出了一种基于模仿深度强化学习的控制策略设计方法。首先，建立了固定翼无人机栖落机动的纵向非线性动力学模型，并设计了无人机栖落机动的强化学习环境。其次，针对栖落机动状态动作空间大的特点，为了提高探索效率，通过模仿专家经验的方法对系统进行预训练。然后，以模仿学习得到的权重为基础，采用近端策略优化方法学习构建无人机栖落机动的神经网络控制器。最后，通过仿真验证了上述控制策略设计方法的有效性。     

弹性飞翼无人机鲁棒姿态控制设计

针对大展弦比飞翼布局无人机的刚体运动与弹性运动耦合动力学模型,提出了一种基于反步法的鲁棒非线性控制方法。该方法考虑了飞翼无人机的非线性因素,将动态面反步控制作为内环控制抵消系统的非线性因素;同时考虑系统实际存在的弹性耦合项、参数不确定项以及外部扰动,将内环反步控制与飞翼无人机模型整体作为新的被控对象,引入最优化理论对新的被控对象设计了外环鲁棒控制器。仿真结果表明,所提出的控制器不仅满足飞翼无人机姿态跟踪性能的要求,且对模型不确定性和气动弹性影响具有鲁棒性。     

飞行器系统效能评估的改进模糊方法研究

提出了飞行器系统效能评估的改进模糊综合评判模型,采用模糊定权法,根据相对隶属度确定因素权重,并依据最大隶属度原则做出决策,提高评判方法的客观性和准确性,克服了经验定权的模糊方法存在主观性较强的不足。将改进的模糊综合评判模型用于对飞行器系统设计方案进行量化评判和筛选,分别对6种复合材料机翼结构效能、2种无人机和3种巡航导弹的隐身和气动效能进行了评估;并将结果与灰关联模型的评判结果对比,验证了模型的有效性,得到了对工程设计具有参考价值的结论。     

无人机着陆控制的特征结构配置方法实现

针对无人机纵向着陆系统的控制需求,采用特征结构配置方法的设计方案。阐述了全状态反馈理论基础上的特征结构配置的原理以及根据设计指标确定特征结构配置的方法,并对某型无人机纵向飞控系统动态响应进行分析,给出仿真实例。仿真结果表明,应用特征结构配置方法设计出的控制器,能够使飞机准确地跟踪期望轨迹,满足系统动态性能要求。在工程中具有一定的实用价值     

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...     

基于算子理论的系统可重构性评价与自主重构

针对航天器在轨资源严重受限（包括计算资源、硬件资源以及能量资源）的特点，开展了基于算子理论的航天器姿态控制系统可重构性评价方法和自主重构策略的研究。首先，基于稳定核表示（SKR）和稳定像表示（SIR）的算子理论给出了系统可重构性评价指标，定量地描述了系统的重构能力，突破了基于互质分解理论的系统可重构性评价方法对系统线性性质的局限。同时，基于以上结果，给出了系统可重构性最大边界，为设计人员设计自主重构策略提供了明确的指标；然后，通过在设计阶段考虑系统可重构性，充分挖掘并利用系统重构潜力，为自主重构策略的设计提供理论指导；最后，通过仿真验证了所提方法的有效性和正确性。     

非合作航天器姿态接管无辨识预设性能控制

在对非合作航天器进行姿态接管控制时,可能面对目标航天器参数未知、构型改变引起的不确定性及目标施加的非合作控制输入等挑战。针对上述问题提出了一种基于预设性能控制理论的非合作航天器姿态接管控制方法。首先,建立了姿态跟踪运动的非奇异拉格朗日型模型;然后,利用跟踪微分器构造不包含角速度信息的广义状态量,设计无需参数辨识的非奇异预设性能控制器,并证明了系统状态变量的有界性和控制系统在预设的性能指标以内。最后,通过数值仿真验证了所提出方法的有效性及其对时变参数不确定性和非合作控制输入的鲁棒性。     

无人机动态飞行参数处理及应用策略

飞行参数处理能够有效地评价无人机在飞行过程中的行为,将其与故障注入技术相集成能够合成测试无人机系统可靠性的完整技术。文中结合无人机的特点提出了一种面向飞行参数时序数据流的飞行参数处理方案,利用飞行参数处理技术实时判读无人机的行为,监测机载设备故障在无人机系统中的传播过程。首先在分析无人机飞行参数数据特征的基础上,着重研究了飞行参数实时数据采集和数据处理方法;然后构造了一个实际的飞行参数处理系统UAVFDD_01,并分析了动态飞行参数处理过程。系统可靠性测试试验结果表明设计的系统能够满足无人机可靠性测试的要求。     

基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制

提出了一种基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制方法.该方法通过给误差变量赋予不同权值因子提高LS-SVM的鲁棒性,采用修剪算法提高LS-SVM的稀疏性;该方法从某涡扇发动机输入输出空间中建立其正常模型,采用阈值判别法对传感器故障进行实时监视与诊断,并用模型输出值代替故障传感器测量值反馈回闭环控制系统,实现对发动机的自适应重构控制.仿真结果表明,该方法能及时准确地定位故障,并进行有效的自适应重构控制.