Virtual target guidance-based distributed model predictive control for formation control of multiple UAVs

The paper proposes a Virtual Target Guidance (VTG)-based distributed Model Predictive Control (MPC) scheme for formation control of multiple Unmanned Aerial Vehicles (UAVs). First, a framework of distributed MPC scheme is designed in which each UAV only shares the information with its neighbors, and the obtained local Finite-Horizon Optimal Control Problem (FHOCP) can be solved by swarm intelligent optimization algorithm. Then, a VTG approach is developed and integrated into the distributed MPC scheme to achieve trajectory tracking and obstacle avoidance. Further, an event-triggered mechanism is proposed to reduce the computational burden for UAV formation control, which takes into consideration the predictive state errors as well as the convergence of cost function. Numerical simulations show that the proposed VTG-based distributed MPC scheme is more computationally efficient to achieve formation control of multiple UAVs in comparison with the traditional distributed MPC method.     

面向林火持续侦察的多无人机分布式控制方法

为解决目前面向林火持续侦察多无人机（UAV）协同控制实用性与自主性不足的问题，基于蔓延速度诱导元胞自动机（SVICA）林火蔓延算法、无人机与传感器建模，构建了较为真实的三维多无人机火场侦察仿真环境与侦察效能指标，提出了一种面向林火持续侦察的多无人机双层分布式控制架构，在行动层基于强化学习训练的人工神经网络（ANN），实现了有风条件下无人机自主火场环绕与地形跟随功能，在策略层设计通过时域均匀分布算法进行各无人机空速的离散自主调节，最终达到多无人机林火持续侦察时域分布的均匀性与即时性目的。通过一系列数值仿真实验，验证了所提出的无人机分布控制策略在无人机损失和补充突发情况下的自适应性。基于无人机数量与侦察效能指标关系的实验与研究，定义了无人机出动阈值并验证了无人机长时间出动回收策略。最终实验结果表明，针对林火持续侦察任务，所提出的多无人机分布式控制方法具备一定的有效性与实用性。     

基于ADRC迭代学习控制的四旋翼无人机姿态控制

针对农用无人机超低空表型遥感和喷药精准悬停易受地效扰动问题，提出了一种自适应ADRC姿态控制器。首先设计了基于ADRC的姿态控制器，结合四旋翼无人机平台在0.9~1.1、1.1~1.3、1.4~1.6、2.0~2.4、2.5~2.9、3.3~3.6 m/s侧向水平风、0.9~1.1 m/s （11°）、1.1~1.3 m/s （13°）、1.4~1.6 m/s （18°）、1.8~2.0 m/s （18°）、2.1~2.5 m/s （18°）前俯向风和侧俯向风下进行干扰的预测和控制量的补偿实验。实验结果显示使用ADRC姿态控制器后无人机抗风性能有较大提升。然而在存在初始误差时，ADRC固定带宽无法满足要求，进一步设计了自适应ADRC姿态控制器（ILC-ADRC）。通过迭代学习控制在线优化自抗扰控制器带宽，实现了不同增益观测器的自适应整定。实验结合四旋翼无人机平台分别进行了机头实际方向与期望方向偏离55°、90°、180°，水平风速1.1~1.3、1.4~1.6、2.0~2.4、2.5~2.9 m/s下使用ADRC和ILC-ADRC的对比。实验结果显示采用ILC-ADRC姿态控制器，在150次控制周期内，偏航角误差均在-15°~15°之间，满足四旋翼无人机偏航角控制精度要求，同时调节时间分别缩短了40%，16.67%，12.5%，53.33%，10.34%，13.95%，27.27%，58.66%，11.86%。     

集群无人机队形重构及虚拟仿真验证

队形重构是集群无人机（UAV）控制的重要问题，指无人机按照要求安全、无碰撞地从一个队形变换到另一个队形，其难点在于快速规划最优安全轨迹并控制无人机进行轨迹姿态的高精度跟踪。针对集群无人机队形重构的上述问题，首先，基于CAPT（Concurrent Assignment and Planning of Trajectories）算法，解决了多无人机的目标分配和轨迹生成的实时性问题，实现了集群无人机的最优安全路径规划；其次，提出一种有限时间多变量积分滑模连续控制算法，解决了无人机轨迹姿态的高精度跟踪问题，并通过MATLAB仿真验证了该控制算法的有效性；最后，为了更加真实直观地演示无人机三维仿真效果，建立了基于Gazebo-ROS的无人机仿真平台，实现了12架四旋翼无人机队形重构"建模-仿真-可视化"的一体化仿真演示，验证了上述路径规划算法和轨迹姿态控制算法的有效性。     

无人机对雷达组网航迹欺骗综述

未来战争对体系作战的需求不仅仅是靠规模"以量取胜",更要有战术上的智谋"以活胜僵"。通过干扰敌方对我方的意图推断,甚至设计出让敌方相信的假意图,能够在双方的博弈中塑造态势,取得先手,从顶层设计和战术策略上掌握主动权。运用无人机对敌方组网雷达进行航迹欺骗就是一种有效的对抗手段,能够在实现对敌探测的同时,消耗敌方雷达组网的计算资源,干扰敌方雷达及幕后指挥员对我方作战意图的推断,同时提高己方态势感知能力和生存力。本文首先介绍了航迹欺骗干扰的概念,并以时间为序,分类梳理了国内外各研究团队在航迹欺骗领域取得的技术成果;然后针对航迹欺骗干扰的特点,详细分析了虚假航迹设计和生成、由不确定性误差导致的估计问题、延时转发策略和同源检验准则、以及动力学约束问题等4个方面的关键问题和技术难点;最后展望了航迹欺骗的应用前景和下一步研究方向。     

基于群智机理的集群防碰撞控制

在执行作战任务以及民用中,无人机集群由于具备高可靠性和高效费比的特点而受到广泛关注;随着城市低空空域的开放,作战环境的动态复杂性剧增,对无人机集群防碰撞提出了严峻的挑战。针对无人机集群执行任务时的编队个体之间防碰撞以及遭遇突发障碍时的集群防碰撞问题,提出了基于群智机理的集群防碰撞控制方法。通过引入力学概念,设计了集群内部吸引力、排斥力以及编队构型力的模型;通过集群个体间的信息共享以及类脑知识发育,构建了基于群信息共享和类脑反射的无人机防碰撞模型。仿真结果表明：所提集群控制方法提高了集群的集结效率,而且在遭遇突发障碍时能够规避动态障碍,再次完成编队重构;群智机理的引入缩短了无人机集群面临突发障碍时的反应时间。     

网络攻击下无人机集群安全协同控制技术

文章综述了网络攻击下无人机集群的安全协同控制技术。首先,对无人机集群相关应用背景以及实际应用中可能遭遇的问题进行介绍;然后,对现有的集群无人机协同控制技术进行总结与分析;最后,简单介绍常见的网络攻击类型与目前的安全协同控制研究进展。在此基础上,针对网络攻击下的无人机集群控制技术现状以及关键科学技术难题进行了总结与展望。     

基于能量优化的无人机机动轨迹生成方法

基于能量优化的无人机机动能够使无人机在不失去决定性位置优势的情况下获取相对于对手的能量优势，足够的能量优势可转换为有效的位置优势，有利于无人机在空战中随时改出当前机动并投入下一机动动作，对于无人机获取空战胜利至关重要。开展了基于能量优化的无人机机动轨迹生成方法研究，通过在无人机机动飞行包线内设计合适的机动指令，使得无人机能量性能指标最优。以上升转弯机动为例进行了机动轨迹生成的详细设计，并与常规上升转弯机动轨迹生成结果进行对比，仿真结果显示所设计的机动动作完成时间缩短了28.6%~83.8%，总能量变化减少了64.7%~70.1%，实现了无人机机动飞行的能量优化。     

无人机地面站人机工效综合评价研究

无人机地面站发展日趋综合复杂,为了减轻地面站操作员工作负荷,避免飞行事故发生,保证高效、安全地完成飞行任务,开展无人机地面站人机工效评价方法研究十分重要.分析无人机地面站人机工效评价特点;借鉴有人驾驶飞机人机工效评价力法,利用德尔菲法,明确无人机地面站人机工效综合评价的评价指标,提出地面站人机工效评价专家调查表的构架及其内容;并探索无人机地面站人机工效评价方法.实例研究表明：本文提出的评价指标和方法可以满足无人机地面站人机工效评价需求,可为无人机地面站人机工效评价提供一定借鉴.     

适用无人机的小型燃料电池控制方法

燃料电池动力系统作为一种长航时电动无人机的动力方案,其燃料电池的控制技术是决定动力系统可靠性和高效性的关键技术。针对用于无人机的小型空冷型开放阴极的质子交换膜燃料电池,考虑面向工程应用的燃料电池整体控制过程,兼顾电堆温度控制和水管理,提出了一种前馈型模糊PID的电堆温度控制方法,同时设计了一种基于安时积分门限法的膜水含量调节策略,以实现对整个燃料电池系统的高效控制。通过搭建燃料电池温度控制与水管理试验平台,对所提出的控制技术进行了试验验证,并与现有温控和水管理方法进行了对比分析。试验结果表明：所提前馈型模糊PID方法在较长时间的燃料电池启动过程中能够较快地达到目标温度,相比于PID方法减少了7%的调节时间,与传统模糊PID方法相当;燃料电池电流持续减小时,所提前馈型模糊PID方法对超调量的抑制效果具有明显优势,其超调量仅为PID方法的34%,为传统模糊PID方法的43%;所提安时积分门限排水控制方法既能防止水淹故障,又可提高燃料经济性,在所给工况中相比现有方法节约了15%的氢气。