基于诱导航线的多无人机编队飞行控制方法

针对无人机编队飞行控制问题,提出了一种基于诱导航线的协同控制方法,僚机根据当前相对于期望位置的误差和长机的飞行状态生成诱导航线并进行跟踪;针对飞行过程中的突发障碍采用改变编队队形的方法进行规避;针对无人机之间可能出现的碰撞情况,根据无人机到达碰撞点的时间以及位置分别从高度以及航向两方面进行躲避,仿真结果表明:采用此方法无人机能够保持稳定的编队,并同时能够躲避飞行过程中的障碍以及避免飞机之间的碰撞。      

基于ADDPG策略的超立方体卫星编队控制

针对大规模卫星高精度编队控制问题，提出了一种基于吸引法则的深度确定性策略梯度控制方法(attraction-based deep deterministic policy gradient, ADDPG)。首先阐述了超立方体拓扑编队拓扑构型特性，建立了卫星编队动力学模型，设计了超立方体卫星编队虚拟中心用于衡量编队整体飞行状态。为解决无模型深度强化学习的探索和扩展平衡问题，设计了ε-imitation动作选择策略方法，最终提出了基于ADDPG的卫星编队控制策略。算法不依赖于环境模型，通过充分利用已有信息，可以降低学习模型初期探索过程中的盲目试错。仿真结果表明ADDPG策略以较少的能量消耗达到更高的精度，相比知名算法在加快编队收敛速度的同时，误差减少5%以上，能量消耗减少7%以上，验证了算法的有效性。     

基于粒子群算法的航天器姿态机动路径规划

研究航天器在星载设备受多种几何约束情况下,大角度姿态机动时的姿态路径规划问题.采用罗德里格斯参数描述姿态,将姿态机动路径规划问题转化为点机器人的三维路径规划问题.基于粒子群优化技术设计了航天器复杂约束下大角度姿态机动的路径规划算法.数值仿真结果表明,该方法对于复杂约束下航天器姿态机动的运动规划是有效的.     

近地轨道集群航天器电磁编队飞行非线性反馈控制方法

针对近地轨道集群航天器电磁编队飞行的动力学和控制问题, 提出了一种非线性反馈控制方法. 基于电磁力模型和地磁场模型, 分析了地磁场对近地轨道电磁编队的影响; 建立了集群航天器电磁编队高精度相对轨道动力学模型; 基于Lyapunov稳定性理论设计了一种非线性反馈控制律, 利用该方法对两星电磁编队维持控制进行了仿真验证. 仿真结果表明, 地磁场引起的电磁干扰力可以忽略, 但是电磁干扰力矩的影响必须考虑; 近地轨道集群航天器电磁编队是可控的, 所设计的控制方法是可行的.      

基于路径跟随的改进领航-跟随无人机协同编队方法

针对集群无人机完成高精度协同编队的需要,提出了一种基于路径跟随的改进领航-跟随无人机协同编队方法。首先,在传统A*算法的基础上,引入了障碍威胁系数改进A*算法,为领航无人机规划从起点到目标的全局安全路径;其次,采用Hermite多项式在离散化后对领航无人机的全局安全路径进行参数化表示。当遇到新的障碍信息时,利用改进A*算法重新规划路径;随后,领航无人机将跟随无人机的空间编队信息与编队路径参数信息在集群中完成同步;最后,基于一致性原理设计了编队队形协同控制器,并基于改进人工势场法设计了动态避障控制器。仿真结果表明,与传统的领航-跟随方法相比,该方法可以降低编队误差,提高了复杂曲线路径下无人机的编队精度与稳定性,具有一定的工程应用价值。     

基于ICP的稳态部分可辨编队目标精细跟踪算法

针对稳态编队在部分可辨条件下精细跟踪的难题,提出了一种基于迭代就近点(ICP)的稳态部分可辨编队精细跟踪算法。首先将ICP算法思想应用于编队成员拓扑的点航关联中,将k时刻的位置状态估计通过最近点循环迭代逼近k+1时刻的量测,在关联判决时采用双门限原则应对部分可辨所带来的漏观测问题,以提高关联时的容错性能;进而采用概率最近邻对漏观测航迹进行填补,以进一步保证跟踪的可靠性;最后,采用多模型法实现编队成员航迹滤波更新,以保证航迹的跟踪滤波精度。仿真结果表明,与现有的基于模版匹配的编队目标跟踪算法以及经典的多假设多目标跟踪算法相比,该算法具有较高的跟踪可靠性与精度,且在编队拓扑发生缓慢变化时具有更高的正确跟踪率。     

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。      

未知环境下移动机器人单目视觉导航算法

提出了一种未知环境下移动机器人单目视觉导航算法,算法包括障碍物检测、单目视觉测距和局部路径规划3部分.为减小光照等环境因素对基于特征的障碍物检测的影响,对彩色图像在HSI颜色空间中用基于像素的直方图比较进行分割,获取障碍物轮廓序列的图像坐标点集.在单目视觉测距中,通过几何关系推导法建立图像坐标系和机器人坐标系间的变换关系,进而实现由障碍物图像位置计算其与机器人间的实际距离.局部路径规划对摄像机梯形视场区域转换后的矩形区域建立模型划分栅格,由障碍物轮廓序列图像坐标和单目视觉测距计算构建障碍物栅格图,并用提出的栅格搜索算法搜索障碍物栅格图,得到机器人安全行驶路径.实际环境中进行的实验结果表明,算法能有效减小反光、阴影等的影响,在未知环境中正确规划出机器人局部可行路径实现导航.      

高空太阳能无人机三维航迹优化

为提升高空太阳能无人机的飞行性能和载荷能力,综合考虑无人机运动状态和能量获取、存储、消耗之间的耦合关系,建立了三维航迹优化模型。采用高斯伪谱法在离散点上近似状态变量和控制变量,且在一系列配点上满足动力学方程的约束,将最优控制问题转化为非线性规划问题。针对典型的点到点飞行任务开展了航迹优化,并与常规定高定速航迹进行了对比。结果表明:通过调整飞行姿态,可以使高空太阳能无人机的净吸收能量提高9.2%;综合调整飞行姿态和改变飞行高度两种措施可以获得更大的能量优势,使储能电池剩余电量提高18.8%。      

复杂低空物流无人机路径规划

针对复杂低空物流无人机路径规划问题,考虑空域环境、运输任务等内外限制,以飞行时间、能耗及危险度最小为目标函数,建立多限制条件物流无人机路径规划模型,设计启发算法以快速解算路径。采用栅格法对规划环境表征,引入物流无人机性能约束确保路径可飞。针对A*算法存在的问题及物流无人机航空运输特色,引入栅格危险度因子、货物质量惩罚系数,增加飞行时间、能耗等代价以提升避障能力、降低成本。为匹配所提启发算法解算效率与精度,采用动态加权法对函数赋权。为筛除冗余路径点及保证平稳飞行,采用双向交叉判断法等对原路径优化平滑。为验证所提路径规划模型及启发算法的有效性,对比4种算法规划结果,分析栅格粒度大小与代价权重值对结果的影响。在既定的运输环境及物流无人机性能约束下,研究结果表明:所提算法与A*算法相比,保证了物流无人机飞行安全、能耗少,将飞行时间由406 s降至386 s,降低了5%;飞行路径点数为129个、栅格危险度因子为11.69,降低了姿态改变次数,保证了运输安全;当栅格粒度大小为5 m,代价权重值为0.4、0.1、0.5时,采用所提算法规划的路径最佳。      

混沌多精英鲸鱼优化算法

针对无人机（UAV）的航迹规划问题,提出了一种基于混沌多精英鲸鱼优化算法（CML-WOA）的航迹规划方法。首先,在已知飞行环境下,建立3D飞行空间模型和航迹代价模型。通过引入罚函数,将有约束3D航迹规划问题转化为无约束多维函数优化问题,利用CML-WOA求解模型来获得最优航迹。其次,为克服WOA易陷入局部最优的缺陷,引入立方映射混沌算子改善初始种群,增强种群多样性,并通过自适应框架融入正余弦算法（SCA）,利用多精英搜索策略有效地提高了算法开发能力和探索能力。最后,使用贪婪策略保证了收敛效率。通过20个基准函数测试和航迹规划仿真实验对提出的改进WOA进行验证。结果表明:所提算法相对其他算法,寻优性能明显提升,具有较强局部最优规避能力和更高的收敛精度与收敛速度;能够稳定快速地规划出代价最少、满足约束的安全可行的飞行航迹。      

智能化战术任务管理系统研究

从感知、评价、决策的认知过程研究了现代军机战术任务管理系统的结构、组成和功能,重点研究了态势评估和任务规划两个关键子系统.建立了基于贝叶斯网络和模糊逻辑推理的态势评估算法及威胁评估模型,采用贝叶斯网络对威胁级别进行了评估,运用模糊逻辑对各威胁源的相对重要性进行了推理,实现了对威胁源威胁级别和相对重要性的连续动态评估.研究了基于动态A^*算法的战术飞机飞行路径在线实时规划问题,实现了态势评估与路径规划两子系统之间的集成.研究结果表明了该系统方案和算法的有效性,任务规划系统能够自适应战场态势的变化.     

基于HMDP的无人机三维路径规划

路径规划是UAV(Unmanned Aerial Vehicle)自主飞行的重要保障.初步建立了基于MDP(Markov Decision Processes)的全局路径规划模型,把UAV的路径规划看作是给定环境模型和奖惩原则的情况下,寻求最优策略的问题;为解决算法时空开销大、UAV航向改变频繁的缺点,提出一种基于状态聚类方法的HMDP(Hierarchical Markov Decision Processes)模型,并将其拓展到三维规划中.仿真实验证明:这种简单的规划模型可以有效解决UAV的三维全局路径规划问题,为其在实际飞行中的局部规划奠定了基础.     

基于改进人工鱼群算法的无人直升机编队航迹规划

针对无人直升机（UH）编队的航迹规划问题,提出了一种基于改进人工鱼群算法（AFSA）的航迹规划算法。从邻域学习和算法特性2个角度出发,针对人工鱼群算法中的人工鱼视野模型提出了一种人工鱼自适应视野模型,并对其鱼群的进化策略在无性繁殖方式的基础上进行了改进;从规划原理、代价函数、约束条件3个方面建立了无人直升机编队航迹规划模型;针对航迹规划中普遍存在的搜索效率低、精度差等特有问题改进了所提算法的编码方式和聚类策略。利用三机编队航迹规划的算例对所提算法进行了验证,仿真结果证明,通过对人工鱼群算法的改进、航迹规划模型的建立等措施实现了良好的无人直升机编队航迹规划,同时在搜索效率、收敛速度及求解精度上都有了显著提高。      

基于遗传算法(GA)的具有约束的飞行轨迹规划

轨迹规划的一个最基本目标是规划飞机通过威胁空间并实现任务目标的飞行轨迹,这个轨迹需满足任务规划所确定的约束,这些约束包括：地形、威胁（静、动态）、燃油、时间、飞行性能等,构成了一个多维、多模态且具有组合爆炸的搜索空间,造成了轨迹规划的具有挑战性的难题。对基于ＧＡ的自适应搜索技术的轨迹规划方法和轨迹规划器进行了研究。提出了用来解决满足约束条件最优飞行轨迹问题的描述方法。     

电磁航天器编队动力学建模与运动规划方法

基于电磁航天器作用原理,利用拉格朗日方法,建立电磁航天器“绳系”动力学模型.基于偏差线性化动力学模型,以切向、径向编队为例,分析编队构型保持稳定性,设计构型保持控制律;将双星电磁航天器编队(EMFF,Electromagnetic Formation Flight)重构运动规划问题转化为标准优化问题,利用高斯伪谱优化方法进行求解.并提出序列控制策略,将该双星模型扩展应用于多星电磁编队构型重构问题,转化为多阶段运动规划问题利用多阶段优化方法进行求解.仿真结果表明本文的动力学建模方法和控制方法是可行的.      

小天体探测自主绕飞智能规划建模

针对小天体探测存在显著通讯延迟、任务执行效率低等问题,梳理了小天体探测智能规划需求,面向自主绕飞任务开展了智能规划研究。首先将该问题分解为平台任务智能规划和载荷任务智能规划两部分。针对平台任务智能规划问题,基于PDDL语言设计了探测器自主管理知识模型,提出了基于状态时间线扩展的求解算法;针对任务智能规划问题,建立了基于CSP问题的智能规划数学模型,提出了基于遗传策略的求解算法。最后开发了仿真系统进行算法验证。仿真结果表明:该方法可综合平台与载荷需求,在存储、能源、通信等多种约束条件下,对绕飞探测任务进行统一的任务规划,并得到指令序列和动作序列,能够提高任务管控的智能化程度,降低任务操作的复杂性。     

一种团队自治实体路径规划算法TAEPP

对团队自治实体的路径规划问题进行了分析,提出了一种团队自治实体路径规划算法TAEPP(Team Autonomous Entity Path Planning).该算法是一种集中式的全局规划方法,使用改进的A*算法得到团队中Leader成员的路径,通过对Leader路径的优化得到关键点表和队形转换表,利用关键点表和队形转换表得到团队中非Leader成员的路径.队形转换表可以使行进中的队形变换更合理,减少了队形维护时需要的通信量.通过调整算法中的2个影响因子,可以分别得到侧重于队形和侧重于距离的路径.试验结果验证了TAEPP算法的合理性和有效性.