基于Agent与元胞自动机的无人机集群混合式控制

高效有序的集群控制方式是集群顺利完成作战任务的前提。针对无人机集群控制问题,结合集中式与分布式2种控制方式,提出基于Agent与元胞自动机的集群混合式控制。从无人机集群作战流程出发构建了无人机集群控制体系框架、通信拓扑结构及集群控制规则,将集群个体由上至下分为中心长机、小组长机、个体无人机3个层次,高层级对低层级采用自上而下的集中式控制,同层级采用自下而上的分布式控制。在此基础上,利用Agent模型的层次性与元胞自动机模型的同质性,设计了基于Agent与元胞自动机的集群混合式控制模型,实现2种控制方式有效结合,元胞自动机模型实现集群基本的聚合、分离、速度一致规则,Agent模型实现不同层级个体间的协同交互规则。在编队集结与保持任务背景下,对分布式、集中式与混合式3种控制进行对比仿真,结果表明:基于混合式控制的集群在编队可控性、跟随性、一致性以及降低通信负载等方面具有明显优势,验证了混合式集群控制方法的有效性。      

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D3QN的无人机编队控制技术

针对无人机编队中控制器设计需要基于模型信息，以及无人机智能化程度低等问题，采用深度强化学习解决编队控制问题。针对编队控制问题设计对应强化学习要素，并设计基于深度强化学习对偶双重深度Q网络（D3QN）算法的编队控制器，同时提出一种优先选择策略与多层动作库结合的方法，加快算法收敛速度并使僚机最终能够保持到期望距离。通过仿真将设计的控制器与PID控制器、Backstepping控制器对比，验证D3QN控制器的有效性。仿真结果表明：该控制器可应用于无人机编队，提高僚机智能化程度，自主学习保持到期望距离，且控制器设计无需模型精确信息，为无人机编队智能化控制提供了依据与参考。     

弱信息交互条件下的无人机集群决策方法

随着无人系统与智能技术的发展，作为无人系统的典型应用之一的无人机集群，在民用与军事领域的应用前景越来越广阔，当集群规模较大时，传统的组网通信方式会受到带宽、干扰等限制，极大影响无人机集群的协同作战效能。基于此，提出一种弱信息交互条件下的无人机集群决策模型(WIIUSM)，不依赖无人机之间的双向数据交互，仅依靠单向视觉感知的方式实现期望的集群行为。建立了弱信息交互的无人机集群模型，采用改进后的遗传算法(IGA)作为优化方法对决策模型进行优化。以区域搜索任务为例进行仿真测试，将所提方法与基于顶层规划的蛇形方法进行对比，证明了所提方法在搜索效率层面的有效性；测试了不同比例无人机失效条件下搜索效率的下降程度，与蛇形方法进行对比，证明所提方法具有一定的鲁棒性。     

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。     

基于终端滑模控制的四旋翼无人机编队控制

本文以四旋翼无人机为研究对象,基于终端滑模控制技术,实现了四旋翼无人机系统的编队飞行控制。在构建四旋翼无人机数学模型的基础上,为每架四旋翼无人机设计了广义误差状态,基于广义误差状态提出编队控制目标。为实现编队控制目标,设计了基于终端滑模控制的编队控制器,最终所有四旋翼无人机的广义误差状态收敛到零时即实现期望的编队队形,进一步结合有限时间稳定性理论给出了上述编队控制器有限时间稳定性证明。最后用一个仿真实例验证了所提出算法的有效性,并将本文提出的控制器与基于线性滑模控制的控制器进行对比,实验证明所提出的控制算法具有更好的编队控制效果。     

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.      

未知环境下无人机集群协同区域搜索算法

针对无人机集群在无先验信息的未知环境中协同搜索的问题,提出了一种以覆盖率为实时搜索奖励的无人机集群协同区域搜索算法。首先建立覆盖分布地图（CDM）来描述任务环境,并采用Hadamard积实现CDM的快速更新,继而基于CDM计算覆盖率来定量描述实时搜索效果。将无人机集群视为一个控制系统,基于分布式模型预测控制理论建立系统的预测模型,并将预测周期内最大覆盖率增量设为奖励函数,采用差分进化算法进行求解,得到最优解作为系统的最优输入。仿真结果表明,所提算法能够对区域进行覆盖搜索,在出现突发情况时,覆盖率远高于平行搜索方法。      

基于态势认知的无人机集群围捕方法

无人机集群围捕是智能无人机“蜂群”作战的一种重要任务方式。现有集群围捕方法大多建立在环境已知的基础上，面对未知的任务环境时围捕策略经常性失效。针对此问题，提出了基于态势认知的发育模型，探索一种对环境适应性较佳的围捕方法。首先，对集群围捕行为分解，将围捕离散化；然后，基于深度Q神经网络（DQN），设计一种围捕策略的生成方法；最后，建立状态-策略知识库，并通过大量有效数据的训练，针对不同环境获得不同的策略，对知识库进行发育。仿真结果表明:提出的基于态势认知的发育模型，能够有效适应不同环境，完成不同环境下的围捕。      

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。      

基于信息素决策的无人机集群协同搜索算法

针对无人机(UAV)集群在未知环境中无先验信息条件下的搜索问题,提出了一种以信息素为决策机制的无人机集群协同搜索算法。首先,考虑无人机通信约束,建立了有外部节点的星型网络通信和无外部节点的自组织网络通信2种形式的搜索模型。其次,通过环境地图向信息素地图映射的方法建立任务环境模型。将任务过程分为3个阶段,在搜索阶段,无人机通过不断地移动实现本机信息素地图的更新;在通信阶段,通过通信网络实现多机信息素地图的融合;在决策阶段,根据局部信息和全局信息做出决策,并将栅格信息素浓度作为决策函数来引导无人机的位置更新。基于信息素地图覆盖率来定量描述搜索效果。最后,仿真结果表明,所提算法能够对区域进行覆盖搜索,表现为搜索效率高、抗毁性强、受集群的初始位置影响小。      

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。      

小型旋翼无人机潜射控制器设计

小型旋翼无人机在潜射过程中的弹射和姿态控制直接影响着潜射工程任务的成败。针对小型旋翼无人机在潜射过程中姿态难以快速调整、发射初始姿态易受海浪干扰等问题,提出一种无人机潜射系统的控制方案。采用带有矢量控制的助推火箭来调整无人机在发射段的姿态,并通过海浪预测模型优化无人机发射时间窗口;针对小型旋翼无人机在弹出后旋翼展开时的姿态不稳定问题,采用基于L1自适应控制方法的姿态控制律进行无人机的增稳设计。仿真结果表明:助推火箭的矢量控制发动机能够在2s内快速调整无人机的俯仰姿态,设计的L1自适应姿态控制律能够在无人机旋翼展开的2s内实现俯仰姿态的稳定控制,并且对潜射场景中气动参数的不确定变化具有一定的鲁棒性。      

基于嵌套饱和的四旋翼无人机吊挂负载控制器设计

针对四旋翼无人机吊挂负载系统飞行中的摆角抑制问题,考虑过快位置机动容易引起吊挂大幅度摆动,提出了一种基于嵌套饱和的四旋翼无人机吊挂负载控制器。首先,利用扩张状态观测器估计干扰,设计具有强抗扰能力的垂直位置控制器;其次,基于简化模型通过构建李雅普诺夫函数,设计控制摆角收敛的抑摆控制器;最后,基于一种嵌套饱和控制方法,设计了限制机动速度的水平位置控制器。与已有控制方法的仿真对比表明,该控制器不但能保证四旋翼无人机吊挂负载系统稳定飞行,还能在大幅度位置机动指令下有效减小最大摆幅。     

基于变量集结预测控制的四旋翼无人机控制器设计

针对四旋翼无人机路径跟踪问题,设计了一种基于变量集结预测控制的控制器。首先以四旋翼无人机状态空间模型为基础建立预测模型;接着设计控制器时采用分段集结的策略把控制量集结成三段优化序列以减少优化计算量,并降低优化保守性,为了进一步加强系统稳定性,控制器引入终端代价函数和终端约束;最后用四旋翼无人机的动力学模型作为被控对象进行仿真验证,结果表明：该控制器能使四旋翼无人机在三轴方向均能实现一个良好的路径跟踪效果。与传统方法相比,这种基于变量集结的预测控制策略能够减小在线优化量,更适合四旋翼无人机飞控芯片的应用。