无人机参数优化自抗扰编队保持控制器设计

针对无人机编队飞行中的队形保持问题,采用结合粒子群算法的自抗扰控制技术对控制器进行设计,使响应过程具有良好的动态品质和较小的稳态误差。建立三维空间内基于相对误差的无人机编队飞行模型,并在此基础上设计了跟踪微分器、扩展状态观测器和非线性状态反馈自抗扰控制器,采用粒子群算法对控制器中部分参数进行优化整定。仿真结果表明,设计的结合粒子群算法的改进自抗扰控制器具有良好的控制性能,能以较高的精度实现无人机编队保持任务。     

基于自适应粒子群优化算法的无人机三维航迹规划

针对传统的粒子群优化算法容易陷入局部最优解的问题,提出了一种自适应粒子群优化算法,在迭代寻优过程中自适应地调节惯性权重和2个学习因子的数值。建立了无人机在山区环境执行勘察任务的航迹规划环境模型,分析了无人机自身约束条件。设计了自适应粒子群优化算法的适应度函数和航迹规划算法流程。分别采用自适应粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所提出的自适应粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。     

基于群智能算法的鲁棒飞行控制律参数优化

针对飞行控制律设计过程中由于名义模型和实际飞机之间的参数偏离所导致的不确定性问题,基于传统频域分析法、μ分析以及蒙特卡洛拉偏仿真分析,提出了一种控制律优化算法。该算法以控制系统的时域、复域、频域以及多输入多输出(MIMO)系统的μ值组合而成的不满足概率来构建代价函数,再通过混合遗传粒子群算法进行代价函数最值的迭代寻优,最终得到最优反馈控制增益参数。以某小型无人机横航向控制律为例开展分析和优化,结果表明优化后的控制律既能满足飞行性能响应指标要求,又具有满意的鲁棒稳定性,验证了该算法具有良好的优化作用。     

无人机控制律仿真

文中将粒子群优化算法及动态逆控制方法,应用到无人机控制律的设计与仿真验证中。设计了动态逆控制律及其仿真,引用了基于动态逆控制理论的无人机控制律。应用动态逆控制(Dynamic Inversion Control,DIC)技术,设计了姿态角速率回路与姿态角回路,作为无人机控制系统的内回路;应用PID (比例、积分、微分控制技术,设计了三轴位移回路,作为控制系统的外回路。通过PSO优化算法及样条函数,设计了符合无人机使用要求的航迹曲线。最后,对航迹点进行样条插值,得到平滑的航迹曲线。对无人机控制律响应与航迹跟踪,进行了综合仿真验证。仿真结果表明,所设计的无人机控制律,在允许精度的范围内,跟踪无人机预定航迹效果良好,满足无人机飞行控制需求。     

无人机动态面自适应容错路径跟踪控制

针对固定翼无人机定高盘旋路径跟踪控制问题,基于动态面自适应控制设计了期望路径与时间无关的参数化路径跟踪双环控制器。首先,考虑无人机偏航执行机构的乘性故障,引入滑模函数设计了内环姿态容错控制器;然后,考虑外界非线性时变有界扰动,通过RBF神经网络在线估计补偿未知非线性量;接着,引入一阶滤波器,解决了虚拟控制量求导导致的控制器复杂问题;最后,利用Lyapunov理论证明了算法的稳定性。仿真结果表明,所设计的算法能够实现执行器存在故障时的路径跟踪控制,控制误差收敛于有界值。     

基于改进粒子群算法的旋翼无人机三维航迹规划

针对标准粒子群算法因为惯性因子固定导致航迹规划不理想,以及固定斜率粒子群算法惯性因子斜率调节不灵活的问题,在算法中引入折线斜率惯性因子形式,使其斜率根据需要可以进行灵活调节,提高算法对旋翼无人机三维航迹的规划成功率,且减小航迹长度。首先,根据旋翼无人机实际飞行环境建立三维果园环境模型,根据路径长度、躲避障碍、飞行范围和航迹高度范围来构造适应度函数;然后,分析了标准和固定斜率粒子群算法的原理,找到了算法的缺陷,对其进行了改进,并给出了详细的实现步骤。数据对比显示：在进行旋翼无人机三维航迹规划时,相比于其他两种粒子群算法,折线粒子群算法对于航迹规划的成功率和航迹长度有明显改善。     

基于比例导引角度线性化的无人机避障研究

基于无人机与障碍物之间的几何关系,在极坐标系下建立了无人机与障碍物之间的运动学方程,通过引入基于角度线性化的比例导引律,使无人机能够顺利避开障碍物。引入的基于角度线性化的比例导引律是关于无人机相对速度航向角与避障点视线角的函数,由比例函数及偏差函数组成。为解决初始时刻相对速度航向角不满足引入导引律的问题,在调节函数中加入了指数项。通过稳定性证明,得到了满足要求的导引律参数取值范围。最后对设计的避障算法进行了仿真,仿真结果验证了算法的有效性。     

基于粒子群算法的伪卫星布站优化设计

针对伪卫星布站问题,采用粒子群智能优化算法,以导航定位中精度因子作为粒子群适应度函数,采用线性递减惯性权值策略,通过适当次数的进化与迭代,最终寻找到最优化的伪卫星布站设计方案。通过对两条竖直平面内的抛物线轨迹进行仿真验证,结果表明,基于粒子群算法的伪卫星布站优化设计方案可以减小全程精度因子,提高了伪卫星独立定位系统的定位精度。     

不同目标函数参数优化的FOPI直流调速控制

为了提高直流调速系统性能,将直流调速系统速度控制器设计为分数阶PI(FOPI),并与整数阶PI控制特性进行比较。在确定FOPI/PI控制器参数时,根据不同目标函数用粒子群算法对控制器参数进行了优化,并分析了不同目标函数所确定的控制器参数对调速系统性能的影响。仿真表明:FOPI有较好的控制性能。在设计控制器参数时,可根据性能要求选用不同的目标函数优化设计控制器参数。     

基于粒子群算法的导弹PID控制参数选择

PID控制在导弹控制系统的设计中得到了较多的应用,但PID控制器的性能依赖于其参数的整定和优化。利用粒子群算法对控制器的参数进行优化,并对俯仰通道控制系统进行了仿真研究,结果表明,攻角和俯仰角速度都取得了较好的效果,当气动参数具有不确定性时,效果依然较好,验证了方法的有效性。     

基于粒子群算法的导弹PID控制参数选择

PID控制在导弹控制系统的设计中得到了较多的应用,但PID控制器的性能依赖于其参数的整定和优化。利用粒子群算法对控制器的参数进行优化,并对俯仰通道控制系统进行了仿真研究,结果表明,攻角和俯仰角速度都取得了较好的效果,当气动参数具有不确定性时,效果依然较好,验证了方法的有效性。     

基于Leader-Follower的多无人机编队轨迹跟踪设计

针对四旋翼无人机（UAV）群在轨迹跟踪过程中易受外界干扰而引起跟踪误差的问题，设计了基于Leader-Follower的多无人机协同编队轨迹跟踪控制方法。在该系统中，首先通过积分反步法（IBS）对所建四旋翼飞行器模型设计Leader无人机的轨迹跟踪控制器。其次设计了滑模控制（SMC）器，以控制Leader与Follower无人机实现期望的编队队形并同时跟踪参考轨迹。然后通过数值仿真验证了算法的有效性，仿真结果表明，系统具有良好的控制精度。最后通过视觉定位系统进行实验，结果表明所设计的控制器能够实现多个无人机轨迹跟踪和编队控制，所设计的算法具有可行性。     

基于扩张状态观测器的四旋翼无人机姿态受限控制

针对在参数不确定性和外部干扰影响下的四旋翼无人机姿态受限控制问题,设计了一种基于扩张状态观测器(Extended State Observer,ESO)的四旋翼无人机姿态受限控制方法。首先,基于四旋翼无人机姿态运动模型构造ESO对集中扰动进行在线估计;其次,结合障碍Lyapunov函数设计反步控制器,以克服无人机姿态受限问题;另外,还对所提出的控制策略进行了稳定性分析。最后,通过对比仿真试验验证了该控制方法的有效性和优越性。     

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

基于自抗扰控制的共轴直升机姿态控制律设计

以某型共轴双旋翼无人直升机作为研究对象,对无人机返航进场与降落着舰阶段的抗扰动问题进行研究。针对海上着舰环境下的外界干扰与不确定性问题,选用自抗扰控制器设计共轴直升机姿态控制律,以提高共轴直升机对外部扰动的抗扰性能。针对自抗扰控制律调整参数过多问题,设计改进粒子群算法进行自动参数优化。仿真结果表明:改进粒子群算法能够显著提高参数整定速度,且精度更高;优化参数后的自抗扰控制律在强干扰环境下具备良好的动态响应与鲁棒性。     

基于免疫粒子群算法的滑油屑末支持向量机预测模型设计

将人工免疫理论的克隆选择算法中的抗体克隆、变异和抑制策略引入粒子群优化算法中,提出了一种基于克隆选择的免疫粒子群优化算法,克服了基本粒子群算法易于陷入局部最优解的缺点.针对支持向量机预测模型的参数选择影响其预测精度的问题,引入免疫粒子群优化算法设计了参数自适应优化的航空发动机滑油屑末支持向量机预测模型.仿真结果表明:与传统的交叉验证试算法相比,基于免疫粒子群优化的预测模型实现了参数的自动择优,并且提高了预测精度.      

倾转双旋翼无人机风场扰动下的建模和控制器设计

针对可倾转双旋翼无人机容易受外界风场扰动和模型不确定性影响的问题,设计了基于自抗扰控制技术的飞行姿态和PID轨迹组合控制。通过分析阵风对无人机姿态的影响,利用牛顿-欧拉法推导出有风条件下的双旋翼动力学方程;然后,通过Dryden大气紊流模型建立了无人机所处的风场环境;最后,用自抗扰控制器对无人机的动力学模型作干扰补偿,并采用粒子群算法进行参数整定,解决自抗扰技术参数繁多、人工调节复杂的问题。仿真结果表明,所设计的自抗扰姿态控制和PID轨迹组合控制器能有效抑制紊流风扰动,实现稳定飞行。     

基于变权重变异鸽群优化的无人机空中加油自抗扰控制器设计

针对空中加油过程中的受油机模型建模误差和强扰动以及自抗扰控制器（ADRC）人工参数整定难的问题，提出了一种基于变权重变异鸽群优化（VWMPIO）算法的无人机自抗扰控制器优化算法。首先，给出了六自由度无人机（UAV）模型，基于自抗扰控制结构设计了一种受油机的姿态控制器，在此基础上用所提出的变权重变异鸽群优化算法整定了自抗扰控制器参数。随后，将变权重变异鸽群优化与其他基本鸽群优化算法、粒子群优化算法进行了实验对比，并从控制性能和抗噪声性能的角度对自抗扰控制器和传统的比例-微分-积分（PID）控制器进行了仿真对比。实验结果表明所提算法能提高复杂态势环境下无人机空中加油的控制精度和扰动抑制性能。     

面向无人机空中加油紧密编队的鲁棒控制方法

针对无人机空中加油紧密编队系统鲁棒控制问题，提出了一种基于障碍函数的自适应干扰观测器的分布式鲁棒编队控制方法。对固定翼无人机外环动力学模型进行转换，构造了具有非匹配和匹配扰动的二阶多体系统简化模型，并基于障碍函数设计了相应通道的自适应干扰观测器；利用邻机状态信息定义了相应的一致误差函数，在此基础上，基于编队系统通信拓扑结构，引入干扰补偿机制，开发了空中加油无人机紧密编队系统分布式鲁棒控制器，以实现理想的异构无人机编队跟踪控制性能。基于Lyapunov稳定性理论，分析了闭环系统的稳定性和收敛性。最后，通过将所提方法应用在由不同型号的1架加油机和2架受油机构成的编队系统上，进行数值仿真验证。所得到仿真结果与理论分析一致，验证了设计的干扰观测器和控制器的有效性。     

基于遗传算法的柔性飞翼布局阵风减缓设计

将飞翼布局飞机的阵风减缓设计转化为多目标优化问题.基于气动伺服弹性稳定裕度修正个体适应度,建立了改进的多目标非支配排序遗传-阵风减缓算法(NSGA-GLA算法).基于无控飞机的阵风响应特性,提出了阵风减缓控制方案.以翼根弯矩、俯仰角速率和舵偏角最小为目标,采用NSGA-GLA算法对控制器增益参数进行了优化.仿真结果表明,所设计的控制器能够有效改善飞机的阵风响应特性,实现阵风减缓.