无人机预测与健康管理体系结构研究

90年代末美国人提出了自主后勤这一全新的后勤保障概念,并在第四代飞机和无人机等高技术武器装备中得到应用。预测与健康管理技术是自主后勤保障的核心技术,它在传统的健康监控和故障诊断的基础上,强调早期故障预测和跨子系统智能推理,能够实时评估和管理飞机的健康状况,为飞机的维修保障提供决策支持。本文对无人机预测与健康管理系统的体系结构以及相关的关键技术进行了深入的研究,提出一种无人机PHM系统顶层设计方案。无人机PHM技术的开发和应用对有效地降低飞机的维修保障费用,提高飞机战备完好率和任务成功率,使飞机系统能够安全、可靠地运行具有重要意义。     

具有输入时滞的集群无人机事件触发协同最优控制

针对带有输入时滞和外部干扰的集群无人机系统,提出了一种基于强化学习的集群无人机事件触发分布式自适应最优控制方法。为了实现最优控制,引入了基于神经网络的强化学习算法,并设计了一种与系统控制性能有关的动态事件触发策略,该策略可以在尽可能降低对一致性控制性能不利影响的前提下,减少通信资源的浪费,同时该策略不存在Zeno行为。此外,在控制器设计过程中,引入了一种含有积分项的坐标变换来处理系统的输入时滞问题。在输入时滞和外部干扰的影响下,所提出的基于干扰观测器的最优分布式协同神经网络控制策略能够保证每个无人机系统所有信号都有界,并且每个无人机系统的输出能够实现一致性。最后,仿真结果验证了所提控制方法的有效性。