一种长期稳定的卫星编队队形优化设计方法

 对于卫星编队飞行设计长期稳定以节省控制燃料的队形是一项非常重要的工作，本文提出了一种队形长期稳定的优化设计方法。首先利用Hill方程设计出满足任务要求的相对位置和相对速度的约束关系，以剩下的自由相对位置或相对速度作为优化变量。优化目标选择为主从星在J2摄动下的各平均轨道根数相对漂移率最小。文中的优化算法采用改进的遗传算法，遗传算法作为一种通用的全局最优随机搜索算法，在解决一些复杂问题时它还存在着过早收敛和收敛速度慢的缺陷，针对此问题，本文提出一种改进的遗传算法。仿真结果表明利用这种优化设计方法设计的队形在各种摄动力下能够长期保持稳定。     

无人机编队飞行问题初探

回顾了国内外无人机的发展历史和近年来的发展趋势，简要介绍了无人机在军事、国民经济和科学技术方面的作用。分析了单架无人机执行任务时面临的问题和编队飞行的优势，介绍了国内外在无人机编队飞行方面的研究状况，同时对保证无人机编队飞行的关键技术进行了探讨和分析。     

卫星编队队形保持非线性燃料次优控制

针对卫星编队飞行队形保持推导了一种利用相对轨道根数为反馈量的非线性燃料次优控制算法。该控制算法基于高斯型摄动方程采用Lyapunov控制,控制增益是时变的以便控制某轨道根数时对其余的轨道根数影响最小。这种控制算法接近于燃料最优,且可以调整增益系数来适应推力大小的不同情况。仿真结果表明,该控制方法是有效的,且相比其他的控制算法能够节省更多的燃料。     

基于协同进化粒子群和Pareto最优解的卫星编队队形重构方法

针对卫星编队自主队形重构问题,提出了基于协同进化粒子群优化(CPSO)和Pareto最优解的求解方法.首先,使用Legendre伪谱法(LPM)将队形重构问题离散化为非线性规划(NLP)问题;其次,根据卫星编队的特点及碰撞规避的需要,使用CPSO算法对重构问题采用既独立又集中的求解方式,避免了传统优化方法对梯度的求解;...     

分布式卫星编队飞行队形保持协同控制

针对分布式卫星编队飞行队形保持控制问题提出一种分布式协同控制算法,并给出该协同控制算法与编队卫星星间信息传递拓扑结构之间的关系。该协同控制算法以模型预测控制为基础,利用分布式编队卫星的自然特性以及编队卫星之间的信息传递拓扑结构,采用分布式的算法结构,设计分布式的模型预测协同控制算法。该控制算法是一种在线滚动优化控制算法,同时能够较好地解决存在状态约束、控制输入约束等情形下的各种控制问题。最后通过数值仿真验证了结果的有效性。仿真结果表明,当编队卫星星间信息传递拓扑结构中存在生成树时,提出的分布式协同控制算法能够有效地应用到编队卫星队形保持控制问题上来。     

卫星编队自主队形控制

为了实现高精度的卫星编队飞行,提出了一种基于主从结构的协同控制方法-自主队形控制法。在主星变轨的过程中,卫星编队的队形可以保持不变。文中介绍了该控制法的设计思想,给出了实现结构图,并详细的分析了该方法优缺点。通过算例验证了自主队形控制法的可行性。     

基于相对方位信息和单间距测量的多智能体编队协同控制

由多个载体组成的多智能体系统对复杂环境具有更高的适应性,能够完成传统单个载体无法完成的任务。针对多智能体编队集结与队形移动跟踪问题,提出了一种改进的多智能体编队协同控制新算法。首先,以拒止环境下跟随智能体仅能通过光学传感器测量相对方位信息为任务背景,针对"领导者——第一跟随者"结构的多智能体编队,提出了基于相对方位信息与单间距测量的控制器,使得第一跟随者智能体可以追随移动的领导者智能体,并且可以通过改变与领导者智能体的间距对编队整体队形进行缩放控制。其次,提出一种了改进的分布式控制律,使得其他跟随者智能体可以仅通过两个相对方位信息完成编队飞行。然后,根据Lyapunov第二方法,构建了系统的能量函数,验证了所提出算法的稳定性。最后,通过数值仿真实验对所提算法进行了验证。仿真结果表明,基于该控制律多智能体系统能够完成编队集结、队形缩放和编队飞行的任务。     

大规模UAV编队信息交互拓扑的分级分布式生成

UAV编队信息交互拓扑的优化设计是保证UAV编队安全性和任务执行高效性的重要基础。目前队形保持下UAV编队信息交互拓扑生成算法局限于小规模编队,且优化目标单一。针对这一问题,采用了分级分簇结构扩展信息交互拓扑层级,以满足大规模场景,同时以提高编队续航能力和减少编队总通信代价为组合优化目标,提出了基于最小树形图的分级分布式领航-跟随者编队信息交互拓扑生成算法,并通过OMNeT++进行了仿真验证。实验结果表明在考虑位置误差传递迭代时,分级分布式领航-跟随者编队的总通信代价明显低于传统领航-跟随者编队,且通过周期性更新簇首,网络能耗更加均衡,提高了编队续航能力;在80架UAV编队规模下,分级分布式领航-跟随者编队生成算法能够在0.3 s内求解完成,相比于传统领航-跟随者编队算法,求解效率提高了约2.5倍;在100架UAV编队规模下,分级分布式领航-跟随者编队生成算法能够在0.4 s内求解完成,而传统领航-跟随者编队由于位置误差的传递迭代已不能保持原有队形。     

无人机紧密编队队形构成控制

针对无人机编队飞行问题,通过借鉴Agent体系结构确定无人机编队的控制结构.建立了以航迹坐标系为参考坐标系的长机与僚机的相对运动模型,根据僚机距离长机最优位置的误差,利用李亚普诺夫稳定性理论设计队形构成中僚机的控制律.最后通过建立的六自由度非线性飞行仿真平台进行仿真验证,结果表明所设计的控制律能稳定引导无人机完成编队的队形构成.     

基于MAS的无人机编队飞行智能优化控制

 针对无人机编队飞行的实际背景和限制条件,提出了一种基于多智能体系统（MAS）技术的编队飞行的智能优化控制策略和实现算法。利用多Agent之间的交互作用,以灵活便捷的方式进行各单机之间的协同优化,从而可实现多架无人机的自主编队飞行。考虑到leader-follower原理的支配机制,对面向编队飞行的僚机控制律与实现算法进行了重点研究,设计了僚机编队控制器,通过仿真实验验证了其鲁棒性和稳定性。最后针对编队队形的变换与躲避威胁等特殊情况对无人机编队单元之间的协调优化进行了仿真验证和分析。