采用时延状态观测器的旋翼无人机自适应编队控制

针对无人机编队中的通信时延与工作引起的惯量变化,提出了一种基于时延状态观测器的旋翼无人机自适应编队控制方法。该方法利用编队结构参数确定队形,把编队控制转化为跟随无人机对虚拟无人机的轨迹跟踪;考虑精确的无人机动力学模型,并据此设计变时延状态观测器,对领航无人机的状态进行观测和补偿;针对补偿后的被控对象,设计自适应滑模编队控制器,并估计变负载工作状态下的质量和惯量。两组仿真结果表明:该方法对编队飞行中变质量变惯量行为的自适应误差小于6%,稳态时延状态的观测误差趋近0,体现出较好的控制精度和鲁棒性,具有很好的工程应用前景。

M估计补充策略下的三轴磁传感器误差补偿

针对三轴磁传感器采样过程中出现的异常值对磁传感器误差补偿产生影响的问题,提出了一种M估计补充策略下的三轴磁传感器鲁棒补偿算法。在最小二乘法的基础上引入M估计算法,从而降低异常点对拟合结果的影响。利用最小二乘法对原始数据进行拟合得到初始椭球系数;根据拟合出的椭球面和原始数据计算各点的残差,构建Huber目标函数,根据残差大小计算各点的权重,从而对椭球参数进行更新;多次迭代,直到前后两次迭代得到的椭球系数之差小于设定的阀值,得到误差补偿参数;利用补偿参数求取真实磁场数据。通过仿真模拟实验和场外地磁采集实验对所提算法进行了验证:仿真结果表明,针对包含偏移大的异常值磁场数据序列,与最小二乘法和递推最小二乘法相比,经过多次迭代的M估计补偿法的数据均方差降低了97.5%以上;地磁场数据采集实验结果表明,用M估计补偿获得的数据有效降低了异常值带来的影响,提高了系统鲁棒性,数据均方差比最小二乘法的低47.74%,比递推最小二乘法的低78.12%。

一种基于模拟退火的约束粒子群优化地磁匹配算法

针对自主无人机长航时飞行出现的卫星不可用和惯导系统位置数据易发散等问题,利用惯导数据与地磁匹配相结合,本文提出一种基于模拟退火的约束粒子群优化地磁匹配算法。结合地磁匹配的误差不随时间累计等自身特点,通过将模拟退火策略及约束条件结合到粒子初始化过程中,设计了一种适用于地磁匹配的改进粒子群优化算法,改善粒子"早熟"问题。基于某地磁参考场图形显示与数值查询系统中地磁场数据,进行了仿真实验。仿真结果验证了改进算法的有效性,避免了粒子早熟现象,提高了地磁匹配的精度和搜索效率。