基于CPSO的UAV编队集结路径规划

针对多无人机编队集结路径规划问题,提出了具有合作机制的分布式协同粒子群(CPSO)算法。为了满足无人机运动学约束,采用曲率连续的PH曲线作为备选路径。基于协同进化思想提出CPSO算法,为每架无人机规划出一条满足机间协同约束的最优安全可飞行路径。仿真结果表明,规划得到的多条路径能够满足无人机运动学约束、安全性及无人机之间的协同性要求;相比于协同进化遗传算法,CPSO算法搜索成功率更高,稳定性更好。     

基于变量集结预测控制的四旋翼无人机控制器设计

针对四旋翼无人机路径跟踪问题,设计了一种基于变量集结预测控制的控制器。首先以四旋翼无人机状态空间模型为基础建立预测模型;接着设计控制器时采用分段集结的策略把控制量集结成三段优化序列以减少优化计算量,并降低优化保守性,为了进一步加强系统稳定性,控制器引入终端代价函数和终端约束;最后用四旋翼无人机的动力学模型作为被控对象进行仿真验证,结果表明：该控制器能使四旋翼无人机在三轴方向均能实现一个良好的路径跟踪效果。与传统方法相比,这种基于变量集结的预测控制策略能够减小在线优化量,更适合四旋翼无人机飞控芯片的应用。     

固定翼无人机编队集结控制算法研究

针对固定翼无人机协同作战时的编队集结问题，提出了一种新的路径规划和位置分配方法，并设计了包括航迹跟踪、高度保持和速度控制在内的自动驾驶仪。该路径规划算法通过矩阵迭代得到一组较优的目标点分配方案，满足总航程较小和同时到达约束。根据得到的各无人机飞向目标点的航迹，算出无人机编队集结的代价矩阵。在每架无人机确定了应飞航路后，开始沿航路飞向目标点，在此过程中，纵向采用高度保持自动驾驶仪，横向采用航迹跟踪自动驾驶仪，控制无人机按规定航迹飞行。速度调节自动驾驶仪可根据速度指令调节油门大小加减速，跟踪上目标速度，进而实现编队集结。仿真结果验证了所提出的编队集结控制方法的有效性和可行性。     

希特勒的最后豪赌突出部之战博物馆巡礼

笔者最近有幸造访比利时与卢森堡接攘的阿登(Ardennes)高地，这个地区是第二次大战期间的著名战场，曾经左右着纳粹德国的命运。大战初期，德国装甲大军穿过阿登高地避开法国重兵，直趋法军后方奠定了西线胜利的基础．使第三帝国的势力迈向颠峰。大战末期，希特勒再度选择阿登高地作为豪赌之地，集结西线的装甲大军对盟军发动大规模反击，不过希特勒也因此失去了最后的预备部队，西线再也难以支撑。一，     

基于信息一致性的无人机紧密编队集结控制

提出了基于信息一致性的分段式无人机紧密编队集结控制策略,将集结过程分为3步:参考集结点选取和目标集结点分配、形成松散编队以及形成紧密编队。首先,以线切入预定航线的方式计算参考集结点,按照松散编队队形展开生成目标集结点,并利用基于三维距离空间的优化选择算法,将目标集结点快速、准确地分配给每架无人机。然后,使用速度一致性实现向目标集结点定点集结和向松散编队伴航集结,通过非精确的航迹控制快速形成松散编队,提高编队集结的效率。接下来,启动速度、姿态一致性来实现编队最终的精确航迹控制,并逐步压缩编队队形进入紧密编队,避免发生碰撞,完成从松散编队到紧密编队的平稳过渡,同时准确地跟踪预定航线。使用协同修正方法抑制了测量误差、协同误差和通信延迟,提高了紧密编队的稳定性和控制精度。最后,基于MATLAB平台环境对所提三维集结控制策略进行了仿真,验证了其合理性与有效性。     

模态集结法及其在飞行力学中的应用

 本文给出一种处理线性系统降阶的集结方法,并根据该方法将飞机纵向运动方程和横侧向运动方程进行降阶分解,得到了飞机的沉浮、短周期、滚转-螺旋和荷兰滚运动模态的各近似式,结果表明本文中的各近似式精度较好,特别是提高了沉浮及荷兰滚阻尼的估计精度。     

志愿者集结号

招募令中国航天员科研训练中心、法国航天中心、香港中文大学等单位拟于2007年10月至2008年1月联合开展60天头低位卧床实验。该实验旨在模拟中长期航天飞行任务中失重对人体产生的生理影响,并研究相关的防护对抗方法。本次实验周期共为90天,被试者提前15天入住卧床实验室以熟悉实验室环境和实验程序。头低位-6。卧床60天,卧床实验期间,除大便外其他活动均在床上进行;卧床后观察恢复15天。实验周期内进行心血管和骨骼功能的检测。现向全国招募25名志愿者,欢迎30岁到45岁、热爱祖国、热爱航天事业、无心血管及骨代谢疾病史的健康男性报名参加。报名截止日期:2007年8月25日。     

基于WBS- RBS与GHWA算子的驾驶舱眼动交互风险评估

为了能够评估飞机驾驶舱眼动交互过程中的安全风险,提出了一种基于工作分解结构-风险分解结构和广义混合加权集结算子的安全风险评估方法。通过WBS-RBS构建安全风险矩阵,对风险进行识别,得到了飞机驾驶舱眼动交互的风险指标体系。根据专家评估的隶属度值和非隶属度值计算每个风险的GHWA算子,通过GHWA算子的得分值M(A)与精确值Q(A)对风险进行排序,从而得到安全风险评估结果。以飞机驾驶舱眼动交互过程为例进行了分析,得出以下结论：从整体上来看,风险排序中设备未正常检修、设备调试不合格和眼动交互对人员的影响这三项得分值M最大,这表明在眼动交互过程中对人为因素的控制更为重要。     

多自主翼伞系统建模及其集结控制

当前对翼伞系统的研究主要集中在单个翼伞,但实际空投中一般需要使用多个翼伞,才能完成大量物资、装备的空投补给任务,而多个翼伞同时空投时,将会出现翼伞需要集结、相互间需要避免碰撞等在单翼伞空投时不存在的问题。现有的单翼伞系统已能通过GPS/惯导系统及其他板载传感器实现自主飞行,针对多个自主翼伞的空投任务设计算法,以控制下降翼伞之间的相互运动,实现多翼伞系统的集结和避碰。首先以质点模型为起点,通过引入新的独立变量,并将翼伞运动转换至风固定坐标系,使得单个翼伞质点模型降维为非线性降阶模型,进而得到多自主翼伞模型,在此基础上提出了一种集结控制算法,利用每个翼伞自身的状态信息和相邻翼伞的状态信息,采用势场法使得多翼伞实现集结并避免碰撞,最后一致地降落至地面。仿真结果表明多个自主翼伞实现了集结,减小了翼伞的着陆散布,降低了翼伞之间的碰撞风险,验证了该方法的有效性,可以为进一步研究多自主翼伞协同控制提供理论参考。     

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。