无人机集群作战中连续时间Markov链模型的求解方法

针对无人机集群目标作战解析建模时在状态转移过程中计算速率低的问题,提出了一种基于行压缩存储的四阶Runge-Kutta法。根据无人机集群作战样式将无人机集群作战过程划分为三个阶段,并分阶段对无人机集群作战的状态转移过程建立连续时间Markov链模型。以无人机集群完成作战任务的可靠性作为求解指标,运用四阶Runge-Kutta法对Markov模型进行求解。由于求解过程中速率转移矩阵具有稀疏特性,采用基于行压缩存储的算法优化求解速率。仿真实验表明,运用连续时间Markov理论建立的无人机集群作战过程模型的有效性和可行性优于其他模型。同时,与其他算法及模型相比,该算法计算速率更高、能更好地满足结果精度的可靠性需求,进一步说明了本算法的优越性。 〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCHSC.TIF;%129%129〗听语音 聊科研与作者互动     

未标定的视频小卫星深空目标凝视控制

设计了一种目标凝视自适应姿态控制方法,可以实现未知目标位置和未标定相机参数条件下的目标凝视控制。根据运动学方程提取出恰当的未知参数,从而将参数进行线性化表示;引入关于未知参数的势函数,确保参数矩阵的秩满足稳定性要求;采用了一个参数自更新律在线估计未知参数,提出了基于估计参数的自适应控制律。采用李雅普诺夫稳定性理论和芭芭拉特引理,证明了目标成像位置与期望成像位置的误差可以渐近收敛到零。仿真结果表明:目标位置未知且相机参数存在偏差的情况下,该自适应控制器能〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCSC.TIF;%129%129〗听语音 聊科研与作者互动 够有效地对深空目标进行凝视观测。     

基于模型预测控制的无人机避障路径规划方法

针对无人机飞行过程中避障问题,提出了一种基于模型预测控制的无人机避障路径规划方法。通过对无人机平台模型进行分析,构造了无人机状态空间预测模型。为保证路径规划过程输出的平稳性,采用一阶指数变化形式作为无人机飞行路径的参考轨迹。设计了预测模型调整策略,并给出了参数调整流程,以能力-时间组合最优为目标,建立了无人机避障路径优化模型,采用有限时域优化的滚动优化算法对无人机避障优化模型进行了求解。算例仿真结果表明,该算法可有效解决无人机飞行路径的避障问题。     

多旋翼无人机减振分析与实验

针对多旋翼无人机机身系统振动过大导致飞行状态不稳的问题,基于有限元仿真技术与实验方法,进行了减振分析。通过频率分析,确定系统振动过大的原因为固有频率与激励频率耦合导致的共振现象,且共振频点的模态振型包含一阶挥舞、一阶摆振和二阶摆振振型。提出了优化机身壳体截面形状的设计方案,在不增加额外质量的情况下,将一阶挥舞、一阶摆振和二阶摆振振型对应的频点分别提高37.23%、22.47%和18.43%,有效规避了机身共振现象。仿真实验证明,提出的有限元仿真与实验结合的减振分析思〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCMWL.TIF;%129%129〗听语音 聊科研与作者互动 路及优化设计方法,可为旋翼无人机减振设计提供参考依据。     

复杂环境下基于多目标粒子群的DWA路径规划算法

针对机器人在障碍物分布密集的复杂环境中运行时,动态窗口法(dynamic window approach,DWA)易出现避障失败或规划不合理的情况,提出一种基于多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)的改进DWA规划算法。在建立多障碍物环境覆盖模型的基础上,提出一种障碍物密集度的判断方法;优化DWA算法中的子评价函数;利用改进的MOPSO算法实现DWA权重系数的动态调整,将权重系数的自适应变化问题转化为多目标优化问题;根据路径规划的要求将安全距离和速度作为优化目标,并使用改进的MOPSO算法对相应的多目标优化模型进行优化求解。仿真结果表明,该算法使机器人有效地通过障碍〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCLXY.TIF;%129%129〗听语音 聊科研与作者互动 物密集区的同时兼顾了运行的安全性和速度,具有更好的路径规划效果。     

满足线性二次型调节器性能指标的群系统编队跟踪问题优化控制方法

针对群系统编队跟踪问题,提出一种满足线性二次型调节器性能指标的优化控制方法。建立编队跟踪问题的数学描述和设计编队跟踪控制协议。给出群系统实现编队跟踪的充要条件,借助李雅普诺夫第二方法分析系统的稳定性。得到了控制协议能够最小化线性二次型调节器性能指标的拓扑条件,设计了编〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCWL.TIF;%129%129〗听语音 聊科研与作者互动 队跟踪算法。仿真实验验证了控制方法的有效性。     

高超声速再入轨迹跟踪控制的微分变换方法

针对多约束条件下高超声速飞行器再入制导问题,提出一种基于微分变换法求解最优反馈控制的全状态标准轨迹跟踪制导律。利用滚动时域控制方法设计易于在线执行的闭环跟踪制导策略,在每个制导周期内将标准轨迹跟踪问题转化为线性时变系统状态调节器问题,并通过最优控制理论进一步转化为两点边值问题,采用微分变换法进行求解获得最优反馈控制律。数值仿真表明微分变换法的引入有效解决了传统两点边值问题求解的数值不稳定性与耗时问题,所设计的闭环制导律对状态偏差与模型不确定性具有较强的鲁棒性,可为工程设计提供有益参考。     

基于旋量方法的高超声速飞行器三维非线性伪最优制导律设计

针对高超声速飞行器制导过程中的通道耦合问题,设计一种基于旋量方法的三维非线性伪最优制导律。引入角度矢量、视线旋量、视线旋量速度等概念,通过等价性证明,得出视线旋量、视线旋量速度控制分别与视线方位、视线角速度控制具有一致性的结论,从而将制导问题转化为视线旋量和旋量速度的控制问题;基于旋量方法构建弹目视线旋量、视线旋量速度模型,构建得到飞行器制导的三维非线性模型;为避免直接求解Riccati微分方程过程的复杂性,引入伪控制变量,将三维非线性制导模型转化为线性制导模型;分别针对无终端约束和有终端约束情况,基于二次型最优方法得到三维非线性伪最优制导律。该制导律避免了通道解耦,其制导参数又满足一定物理意义下的最优性。仿真结果验证了所设计制导律的有效性。     

基于双模预测的大气层内拦截弹中制导律研究

大气层内目标拦截弹的中制导过程除了要满足中末制导交班要求,还要满足多种控制和轨迹约束。针对该问题,首先建立基于虚拟目标的次最优常系数中制导律,再结合双模预测控制思想,提出一种新的双模预测中制导律,并通过模型变换和牛顿-辛普森算法的采用,简化在线计算量。所设计的预测导引律不仅能够显式处理状态和输入约束,还能在常系数次优化导引律的基础上进一步优化性能指标。仿真结果证实了该方法的有效性。     

高超声速滑翔飞行器滑翔段预测-校正制导研究

为了满足高超声速滑翔飞行器再入制导过程中的终端约束和过程约束,针对滑翔段具有不确定初值和气动干扰的滑翔再入问题,联合三维轨迹快速在线生成技术和模型预测静态规划（MPSP）技术提出了一种改进的MPSP预测-校正制导律。建立了基于能量的高超声速滑翔飞行器的运动学模型,详细推导了MPSP预测-校正制导理论。构建了基于三维快速轨迹规划的初值生成器,探讨了初始下降段对滑翔段的影响因素。针对滑翔段初值干扰和气动参数摄动问题,设计了预测-校正制导律,进行了数字仿真。仿真结果表明,改进的MPSP预测-校正制导方法能够有效利用精确的猜测值,对干扰初值和气动摄动具有较强的鲁棒性。     

无人机规避或跟踪空中目标的自适应运动导引方法

无人机规避或跟踪空中目标可以看作是一个非线性运动导引控制问题。针对这类任务中无人机和目标存在高机动性、高时敏性等特点,提出了一种基于Lyapunov稳定性理论的无人机规避或跟踪目标运动导引方法。构建了基于精细时间运动导引方法的无人机规避或跟踪空中目标问题求解框架,并将无人机碰撞规避和机动目标跟踪问题分别转化为到达虚拟目标点和与虚拟目标点交会的问题。针对碰撞规避问题,将其转化为实现平行导引的控制问题,基于Lyapunov稳定性理论设计了无人机碰撞规避导引律。针对机动目标跟踪问题,在碰撞规避基础上,根据目标点交会的要求设计了相应的目标跟踪导引律。在Gazebo平台上开展了仿真验证实验,实验结果表明:所提方法能够有效避免大过载情况的出现,并具有较强的时变和参数适应性。     

面向目标对峙跟踪的四旋翼协同编队控制方法

针对多四旋翼编队飞行过程中对地面目标对峙跟踪、几何队形生成、稳固保持和协同抗干扰问题,设计了一种可应对外部环境干扰和气动参数不确定性的多四旋翼主从式协同目标跟踪方法。首先,建立存在外部干扰以及参数不确定性的四旋翼运动学/动力学模型;其次,基于Lyapunov导航向量场设计领航者的对峙跟踪航迹使得领航者以固定对峙半径实现对目标的盘旋跟踪;然后,构造多四旋翼分布式位置保持控制器,为后续姿态控制器构造提供必要的期望指令;最后,针对四旋翼外部环境干扰和气动参数不确定性设计基于自抗扰控制的多四旋翼姿态跟踪控制器。仿真结果表明所提方法可以在局部智能体通信的前提下实现对地面目标的对峙跟踪,显著改善四旋翼编队系统的抗干扰能力,提升干扰环境下多四旋翼编队几何构型的稳固性。     

Maneuvering target tracking of UAV based on MN-DDPG and transfer learning

Tracking maneuvering target in real time autonomously and accurately in an uncertain environment is one of the challenging missions for unmanned aerial vehicles(UAVs).In this paper,aiming to address the control problem of maneuvering target tracking and obstacle avoidance,an online path planning approach for UAV is developed based on deep reinforcement learning.Through end-to-end learning powered by neural networks,the proposed approach can achieve the perception of the environment and continuous motion output control.This proposed approach includes:(1)A deep deterministic policy gradient(DDPG)-based control framework to provide learning and autonomous decision-making capa-bility for UAVs;(2)An improved method named MN-DDPG for introducing a type of mixed noises to assist UAV with exploring stochastic strategies for online optimal planning;and(3)An algorithm of task-decomposition and pre-training for efficient transfer learning to improve the generalization capability of UAV's control model built based on MN-DDPG.The experimental simulation results have verified that the proposed approach can achieve good self-adaptive adjustment of UAV's flight attitude in the tasks of maneuvering target tracking with a significant improvement in generalization capability and training efficiency of UAV tracking controller in uncertain environments.     

多约束强化学习最优智能滑翔制导方法

为提升复杂飞行任务下滑翔制导的自主性,提出一种基于最优制导与强化学习的多约束智能滑翔制导策略。引入三维最优制导以满足终端经纬度、高度以及速度倾角约束。提出基于侧向正弦机动的速度控制策略,研究考虑机动飞行的终端速度解析预测方法。针对速度控制中机动幅值无法离线确定的问题,研究基于强化学习的智能调参方法。该方法基于终端速度设计状态空间,以机动幅值设计动作空间,设计综合终端速度误差与滑翔制导任务的回报函数,采用Q-Learning实现机动幅值的智能调整。仿真结果表明,智能滑翔制导方法能够高精度满足终端多种约束,并能有效提升复杂任务下的自主决策能力。     

基于速度障碍的无人机避免机动障碍物问题

针对无人机避免机动障碍物的问题,应用速度障碍法,在充分考虑障碍物可达范围和无人机最大机动能力的基础上,将问题空间转换到了速度空间,然后以速度障碍的边界条件替代速度障碍的整体范围约束,这样得到了速度障碍的简单表达形式。最后结合最优控制,在速度空间解决了无人机避免障碍物的问题,并直接求解出了合适的速度输出。仿真结果表明方法切实可行。     

考虑落角约束与驾驶仪特性的自适应径向基空间末制导律

为使舰炮制导炮弹在打击近岸机动目标的末制导段满足落角约束,考虑驾驶仪动态特性,基于自适应径向基逼近网络与动态面提出一种空间末制导律。构建弹目相对运动模型,通过带改进微分跟踪器的扩张状态观测器估计目标加速度。为零化视线角跟踪误差与角速率,采用自适应指数趋近律设计非奇异终端滑模,运用自适应径向基逼近网络削弱控制指令抖振。通过Lyapunov第二法证明了系统的视线角跟踪误差与视线角速率均最终一致有界。仿真实验表明:该末制导律使制导炮弹在空间中打击不同机动形式的近岸目标时,具备良好的末制导性能。     

伞翼无人机线性自抗扰高度控制

针对伞翼无人机参数不确定性和复杂环境干扰敏感的问题,提出一种伞翼无人机线性自抗扰(Linear Active Disturbance Rejection Control,LADRC)高度控制方法。建立伞翼无人机8自由度飞行动力学模型,并引入风场和降雨模型以更加准确地模拟真实飞行环境。基于LADRC确定总体控制架构,设计线性扩张状态观测器对所有扰动进行估计,并引入误差反馈率在控制中实时补偿。使用该控制方法在多种扰动工况下进行伞翼无人机高度控制仿真实验。仿真结果表明,基于LADRC的高度控制方法能够有效克服内扰和外扰的影响,实现高精度高度控制;与传统PID控制效果相比,LADRC控制器具有更好的抗扰能力和鲁棒性。     

考虑落角约束与驾驶仪特性的自适应RBF空间末制导律

为使大口径舰炮制导炮弹在打击近岸机动目标的末制导段满足落角约束,现考虑自动驾驶仪动态特性,基于自适应RBF逼近网络与动态面滑模提出一种空间末制导律。构建空间弹目相对运动模型,通过带改进微分跟踪器的扩张状态观测器估计目标加速度。为零化视线角跟踪误差与视线角速率,采用自适应指数趋近律设计非奇异终端滑模动态面,并运用自适应RBF逼近网络削弱控制指令抖振。通过Lyapunov第二法证明了全系统中视线角跟踪误差与视线角速率均最终一致有界。仿真实验表明：该末制导律使制导炮弹在空间中打击具有不同机动形式的近岸目标时,均具备良好的末制导性能。     

AUV纵倾角动态面滑模自适应控制

对于自主水下机器人(AUV)纵倾角跟踪问题,提出一种基于动态面滑模思想的自适应控制方法。首先对自治水下机器人纵倾角运动模型进行简化,其次针对不确定外干扰的情况,设计了自适应规律,对外干扰进行估计,在此基础之上设计了动态面滑模自适应控制器,并通过李雅普诺夫稳定性理论证明了系统的稳定性,最后通过给定参数的仿真实验结果可知,所设计的控制器在系统受到不确定外干扰时,表现出良好的鲁棒性。     

环境参数在线辨识及其在滑翔段制导中的应用

针对助推滑翔导弹,提出基于飞行环境参数在线辨识的滑翔段数值预测校正制导方法。综合考虑大气密度和气动系数对导弹运动的影响,引入滑翔段综合环境参数,利用扩展Kalman滤波方法对综合参数进行在线辨识。基于在线辨识结果,利用渐消记忆递推最小二乘方法在线建立环境参数预测模型,并利用最新辨识结果进行模型的在线修正。设计了纵向和横向制导律,并基于环境参数在线预测模型进行落点预测,以克服飞行环境扰动对落点预测精度的影响。进行了大气密度非定常扰动下的制导仿真,以及密度和气动参数随机扰动下的Monte Carlo仿真。仿真结果表明:环境参数在线预测模型能准确预报飞行环境参数,制导方法对飞行环境扰动具有较强的鲁棒性。