无人机自主降落地基/舰基引导方法综述

近年来,随着自主控制技术与任务载荷的快速发展,越来越多的无人机(UAV)具备了良好的任务自主能力。在执行任务过程中,降落阶段的安全风险最大,导航定位精度较差、人员决策失误等是造成降落过程中事故多发的主要原因。通过总结无人机自主降落过程中对引导控制的需求,对国内外无人机军用和民用自主降落解决方案进行了梳理和介绍,对无人机自主降落关键技术和研究现状进行了分析,提出了该领域未来发展的重点方向。      

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DDPG的单目无人机避障算法

提出了一种基于单目相机的小型多旋翼无人机的连续避障策略。所提出的方法包括深度估计和导航决策两个模块。其中,在深度估计模块采用条件对抗网络对无人机采集得到的RGB图片进行训练预处理,在导航决策模块采用深度确定性策略梯度(DDPG)算法实现无人机的连续避障。在此基础上,对DDPG中的Actor网络进行改进,通过使用多模态网络代替原有策略网络,从而抑制无人机飞行震动,提高避障能力。最后,在Airsim仿真环境中进行测试,实验表明所提算法模型经过训练能够使无人机成功躲避障碍物并到达指定目标点,与原有算法相比避障轨迹得到明显改善。     

基于近端策略优化算法的四足机器人步态控制研究

足式机器人步态控制是机器人研究领域的难点问题,应用强化学习让机器人自主学习策略提供了一种很好的解决思路.基于ROS机器人操作系统搭建了四足机器人仿真平台,将近端策略优化算法用于四足机器人步态控制,并与其他深度强化学习算法进行了对比分析.仿真实验结果表明,近端策略优化算法在实际应用中具有更好的训练效果.     

自适应引导长度的无人机航迹跟踪方法

为保证无人机安全稳定的飞行,实现高精度的航迹跟踪,基于引导点的非线性制导算法,提出了一种引导长度自适应的航迹跟踪方法。首先建立无人机运动学模型,依此对非线性的制导算法进行理论分析与试验验证,建立无人机飞行速度与引导长度之间的关系。之后引出引导长度自适应的航迹跟踪方法,详细讨论方法的具体实现过程。最后通过各种情况下的仿真对比试验,验证所提出方法的有效性。仿真结果表明,所提出的方法能较精确地跟踪各种复杂航迹,同时在较大的初始偏差和航路点临时切换的情况下能稳定、快速地收敛到期望航迹,更好地满足各种实际飞行任务的需求。     

基于MDP的诊断策略构建方法

针对传统方法忽略测试通过的不确定性因素,缺乏长周期寻优机制,难以在复杂测试系统中生成全局最优诊断策略的问题,提出了一种基于马尔可夫决策过程(MDP)的诊断策略构建方法。该方法将故障检测、隔离的过程表述为系统故障状态的马尔可夫过程,通过引入折扣因子与目标权重,构造了综合效用准则函数的无限折扣模型,并利用策略迭代算法求解出全局平稳最优诊断策略。实例表明,该方法充分考虑了测试通过的不确定性,可实现全局平稳策略寻优,能够有效地指导测试系统实现快速故障检测和隔离。      

基于多目标优化与强化学习的空战机动决策

为了解决无人机自主空战中的机动决策问题,提出了一种将优化思想与机器学习相结合的机动决策模型。采用多目标优化方法作为决策模型核心,既解决了传统优化方法需要为多个优化目标设置权重的困难,又提高了决策模型的可拓展性;同时在多目标优化的基础上通过强化学习方法训练评价网络进行辅助决策,解决了决策模型在对抗时博弈性不足的缺点。为了测试决策模型的性能,以近距空战为背景,设计了3组仿真实验分别验证多目标优化方法的可行性、辅助决策网络的有效性以及决策模型的总体性能,仿真结果表明,决策模型可以对有机动的敌机进行有效的实时机动对抗。      

基于指数平均动量鸽群优化的多无人机协同目标防御

针对多无人机(UAV)协同目标防御问题,提出了一种基于指数平均动量鸽群优化(EM-PIO)算法。针对三维空间中的多无人机协同目标防御系统进行建模,得到了无人机支配区域的曲面约束方程,并获得了双方无人机的最优控制输入量。采用多级罚函数法构造了优化算法的目标函数,并通过所提出的EM-PIO算法来求解最优目标点。将所提EM-PIO算法与遗传算法(GA)和粒子群优化(PSO)算法进行仿真对比实验,验证了所提EM-PIO算法更加有效解决多无人机协同目标防御问题。     

面向海洋机动目标跟踪监视的卫星重构组网优化与仿真

摘要： 针对海洋机动目标跟踪监视问题,提出通过卫星相位重构调整进行机动目标搜索跟踪的监视策略,构建地理坐标系下机动目标航位预测模型及基于霍曼转移的卫星调相组网方式,并采用NSGA II算法进行优化求解,对比分析卫星重构组网前后的机动目标发现概率.仿真结果表明：在卫星能量消耗允许范围内进行重构组网,能够有效提升对机动目标的发现概率,为海洋机动目标的搜索跟踪问题提供了一定的方法支持.     

面向机动目标跟踪的无人机横侧向制导规律

现有的standoff跟踪制导方法在进行机动目标跟踪时不能同时满足响应速度和稳态精度的要求.对用于航路跟踪的参考点制导法（RPG,Reference Point Guidance）进行改进,推导了无人机（UAV,Unmanned Aerial Vehicle）在跟踪机动目标时的横侧向制导规律.采用二阶非线性微分方程对UAV和目标相对距离的调节过程进行建模,在此基础上分析了改进后RPG的渐近稳定性.仿真结果表明,相比Lyapunov向量场（LVFG,Lyapunov Vector Field Guidance）和模型预测控制（MPC,Model-based Predictive Control）的制导方法,改进RPG的跟踪误差和时间乘以误差绝对值积分（ITAE,Integrated Time Absolute Error）指标均优于LVFG和MPC.因此,所提制导规律能够对机动目标的运动进行有效补偿,并具有更快的响应速度、更高的稳态精度和较好的实时性.      

基于鸽群优化算法的实时避障算法

为保证机器人能安全无碰撞地抵达目标位置,提出一种在改进版圆形扩张（CSE+）法中融合鸽群优化算法的实时避障算法。所提算法引入对障碍物密集程度的判断机制,在障碍分布密集时选择最安全的路径,在障碍物分布稀松的环境中,利用鸽群优化算法在安全范围内寻找下一目标最优位置。此外,还引入了搜索树,可实现死角的检测与避免。仿真结果显示:所提避障算法能提高路径规划的性能,在障碍物分布稀松时效果更加明显,且可实现死角检测并能通过狭长通道。      

基于MPC导引律的AUV路径跟踪和避障控制

针对欠驱动自主水下航行器（AUV）的三维直线路径跟踪和避障控制,基于级联控制策略设计了运动学和动力学控制器。首先,在设计运动学控制器时考虑了纵倾和艏摇角速度存在的约束,应用模型预测控制（MPC）设计了最优导引律。然后,考虑了推进器转速和舵角的饱和,应用滑模控制（SMC）技术设计了动力学控制器,从而保证了系统的鲁棒性。最后,通过仿真实验与基于视线法（LOS）导引律的传统控制方法进行了对比。仿真结果表明:所提方法不仅可以改善欠驱动AUV对三维直线路径的跟踪效果,而且可以有效减少舵角的饱和现象。      

移动机器人自主动态避障方法

针对基于水流场的全向移动机器人动态避障过程中可能出现的避障失效和避障路径过长问题, 提出了一种基于速度斥力场改进人工势场方法的全向移动机器人自主动态避障方法。详细分析基于水流场改进的人工势场法在动态避障过程中存在的移动机器人从障碍物前方绕过而引起的避障路径过长或避障失效问题;在基于水流场的人工势场避障方法中, 根据移动机器人和动态障碍物的相对速度, 引入速度斥力场, 使得移动机器人从动态障碍物的后方通过, 实现全向移动机器人的安全自主动态避障。通过仿真和室内避障实验, 验证了所提自主动态避障方法的有效性和实用性。      

基于凸优化和LQR的火箭返回轨迹跟踪制导

可重复使用运载火箭动力减速段制导,面临各种苛刻的过程约束、终端约束及燃料最省的迫切需求,给制导带来巨大挑战。因此,提出一种基于分段凸优化和线性二次调节器(LQR)的轨迹跟踪制导律。采用分段凸优化方法对火箭基准速度进行跟踪,大幅简化了优化模型从而降低凸优化求解的计算量,同时确保火箭在各种初始误差和模型误差的情况下燃料最省。采用LQR方法实现对火箭飞行位置轨迹的高精度跟踪,抵抗各种误差和干扰的影响。仿真结果表明：相对于传统的LQR跟踪制导方法,所提方法能大幅减少燃料消耗,且在各种误差和干扰下具有较高的轨迹跟踪精度和较强的抗干扰能力;相比于现有的滚动凸优化方法,所提方法能显著降低求解计算量,且方法可靠性更高。     

全向移动机器人动态避障方法

动态避障是全向移动机器人在复杂工作环境下不可或缺的能力。针对在复杂动态环境下传统人工势场法容易陷入局部极小点、目标点不可达和振荡等问题,提出了利用水流场的思想重新定义人工势场的斥力势场函数及其方向,改进方法在不增加计算量的情况下能够使机器人平滑且安全无碰撞到达目标点,实现避障过程。为了实现三维动态仿真,提出了一种基于V-REP与MATLAB的联合仿真方法,并结合改进人工势场法实现全向移动机器人的动态避障模拟,验证了方法的平滑性和可行性。将所提方法应用于实验室内真实场景,全向移动机器人成功实现了动态规避动作,验证了方法的实用性。      

无人直升机三维避障方法及仿真

自主避障是无人直升机（UH）在复杂未知环境中执行飞行任务所必须的能力。针对未知环境下UH避障飞行问题,提出了一种新的三维实时避障方法,通过将三维激光雷达探测视野划分成若干不同半径的扇形柱区和等角度分布的直方柱区,结合雷达探测数据判断障碍物分布情况,UH根据避障方法执行相应的规避动作来实现避障飞行。同时提出一种基于CATIA三维建模软件二次开发的三维仿真方法,该方法可以对未知的飞行环境进行三维建模,结合避障方法实现UH在其中的真实避障飞行模拟,并利用该仿真方法验证了三维避障方法的可行性。      

微小型无人直升机避障最优轨迹规划

针对无人直升机在低空复杂环境下避障飞行问题,提出了一种基于非线性最优控制理论的求解策略.以避障机动飞行时间为优化目标,无人直升机六自由度非线性动力学方程为等式约束,直升机飞行性能限制以及三维空间中障碍物限制等因素为不等式约束,建立了避障机动飞行的最优控制模型.然后利用高斯伪谱法（GPM,Gauss Pseudospectral Method）将轨迹规划问题转化为非线性规划（NLP,Non-Linear Programming）问题,并采用序列二次规划算法进行求解.在此基础上研究了障碍物尺寸对最优轨迹的影响.计算结果表明,该方法能够以较高的精度生成真实可行的避障飞行轨迹,最优机动动作取决于障碍物纵横向尺寸比.      

Online feedback motion planning for spacecraft obstacle avoidance using positively invariant sets

This paper investigates a novel reliable feedback motion planning algorithm for steering a spacecraft to the desired position while satisfying dynamics and environmental constraints, such as actuator constraints, unexpected state constraints, bounded disturbances, etc. The proposed algorithm, termed safeRRT1, applies positively invariant (PI) set transitions to an online sampling approach based on the asymptotically optimal rapidly-exploring random tree (RRT1). A time-varying safe corridor is generated which consists of a sequence of PI sets under the instantaneous constraints. A spacecraft is guaranteed to remain within the corridor when the feedback controllers corresponding to the PI set transitions are executed. Simulations of the spacecraft avoiding obstacles validate the feasibility and effectiveness of the proposed safeRRT1 algorithm.