对地观测卫星编队协同容错姿轨耦合控制

面向对地观测场景下卫星编队的姿轨耦合特性和完全失效故障,提出了基于空间构型重构的协同容错控制方法。首先,根据对地观测的任务需求,分别建立了无故障情况下的卫星编队构型,以及故障发生后将故障卫星移出编队的构型重构方案,包括拓扑网络重构、卫星编号更新和编队构型重构算法;其次,根据上述构型,考虑外部干扰和姿态轨道耦合特性,设计了基于非奇异终端滑模控制的分布式控制律,使得编队在有限时间内稳定,即在故障发生前后卫星编队都可以实现对观测区域的协同覆盖;最后,分别通过数值仿真和实验验证表明了所提方法的有效性。

基于动态规划的无人机编队最优协同容错控制

为了克服未知的执行器故障对四旋翼无人机编队飞行的影响,提出了一种基于动态规划的最优协同容错控制律。首先,建立了四旋翼无人机模型,然后,基于动态规划设计了最优协同控制律,利用RBF神经网络逼近最优性能指标函数,设计了自适应律来估计未知的执行器故障,最终得到的最优协同容错控制律可实现对无人机编队飞行的高精度控制。通过对比仿真验证了设计的控制律具有更优的编队控制效果,编队飞行的最大轨迹跟踪误差仅为0.04 m,控制精度较高,设计的自适应律具有更优的故障估计效果,最大估计误差仅为0.05 N·m,实现了对四旋翼无人机编队的安全稳定控制。

具有网络调度的航空发动机分布式控制系统协同容错控制

为解决航空发动机分布式控制系统中网络参数与控制性能之间的冲突问题,提出了一种基于线性矩阵不等式理论的网络参数与保成本容错控制器协同设计方法。建立MEF-TOD调度协议作用下状态变量和控制变量的传输特性;将采样周期和数据包容量作为未知量引入航空发动机分布式控制系统的建模过程,得到调度协议约束下的网络参数与控制系统参数联合模型;给出联合闭环系统渐进稳定且存在成本函数上界的充分条件,并给出了网络参数与控制器增益的具体求解步骤。仿真结果显示,控制器与网络参数的协同设计方法能够求解出最优采样周期和数据包容量,据此得到容错控制器能够使航空发动机分布式控制系统在发生主动丢包故障的情况下,联合闭环系统渐进稳定,且低压转子转速超调量降低了80%,参数摆动降低了66.7%,保证控制器动态性能最优。

具有混合执行器故障的多智能体分布式有限时间自适应协同容错控制

针对多智能体编队系统执行器发生故障时,所引起的参数不确定以及系统瞬态不稳定问题,本文采用径向基函数神经网络(radial basis function neural networks,RBFNNs)对不确定参数(未知函数)进行估计。同时,基于反推技术设计出合理的自适应容错控制器,并通过有限时间理论保证系统实现瞬态稳定。首先,本文采用10个智能体作为被控对象,基于有向通讯拓扑结构理论,构建了非线性多智能体系统模型。其次,基于RBFNNs逼近特性,采用反推技术与动态面技术相结合,设计出合理的容错控制器,补偿多智能体中出现的未知非线性执行器故障,并采用有限时间理论解决系统瞬态不稳定问题。接着,基于Lyapunov稳定性理论分析了控制器的稳定性和快速收敛性。最后,通过两种算例对比,验证了所设计的控制器性能优于传统的反推技术,为工程实践提供了一种有效的研究思路。

具有混合执行器故障和多未知控制方向的多智能体编队系统自适应协同容错控制

针对非线性多智能体具有混合执行器故障和多未知控制方向的问题,基于鲁棒自适应模糊技术,提出新颖的协同容错控制方法。采用分段Nussbaum函数解决了多未知控制方向;基于鲁棒自适应模糊技术解决了系统中的非线性不确定问题;引入一阶滑模微分器与自适应反步技术结合,用于获得虚拟控制律的一阶导数,并结合鲁棒有界方法,用于提高所设计的自适应协同控制器的收敛速度和追踪精度;基于代数图论,建立了智能体系统的误差模型,设计了分布式一致协同容错控制器,构建了李雅普诺夫候选函数,证明了所设计的控制器能够使得系统稳定。通过对比仿真实例,验证了所提方法的有效性,为工程实践提供了理论支撑。

基于学习的线性多智能体系统弹性最优协同容错控制

针对一类线性多智能体系统,研究其在网络间歇性拒绝服务攻击下的最优同步控制问题.首先,在时变非对称通讯网络拓扑结构下,提出一种弹性最优协同容错控制策略,并优化多智能体的合作二次性能指标,然后证明全局跟踪误差在出现执行器故障和网络攻击时仍然渐进收敛.进一步,当考虑多智能体子系统模型参数未知,同时系统发生执行器故障的情况下,提出利用局部系统状态和输入信息的自学习迭代算法求解代数Riccati方程,计算子系统的反馈控制器增益,实现弹性协同容错控制目标.最后,通过Chua电路网络仿真算例验证所提出的控制方法的有效性.

虚假数据注入攻击下多无人机韧性容错协同控制

针对同时具有虚假数据注入(false data injection,FDI)攻击与执行器故障下的多无人系统编队协同跟踪问题,提出了一种基于FDI攻击检测机制与故障观测器的韧性容错协同控制新方法。首先,以二阶非线性固定翼无人机模型作为多无人系统研究对象;其次,构建了带有概率约束的贝叶斯概率检测模型对FDI攻击进行检测,作为韧性容错协同控制器的辅助系统;之后,设计了包含执行器故障补偿的韧性容错协同跟踪控制器,并利用Lyapunov稳定性理论证明系统的渐进稳定;最后,通过仿真验证了设计的控制器针对FDI攻击与执行器故障的安全性与可靠性以及编队跟踪能力。

风扰和故障条件下集群无人机强化学习自适应容错协同控制

针对集群无人机编队协同运动过程中遭遇风扰与执行器故障的问题,提出了一种基于强化学习的自适应容错协同控制算法.首先,考虑无人机编队过程中风扰与故障的影响,建立面向控制的模型;其次,基于个体无人机跟踪偏差,构建可同时调节跟踪性能与同步性能的分布式同步跟踪偏差;然后,设计强化学习中的Actor-Critic神经网络,引入分数阶微积分算子,提出强化学习分数阶自适应容错协同控制器.最后,通过Lyapunov稳定性分析与仿真验证,检验所设计控制器的可行性和有效性.

多无人机容错协同控制研究现状与展望

无人机集群系统的故障与环境干扰对多无人机协同控制带来诸多挑战,对多无人机容错协同控制的研究具有重要意义。基于分层递阶方法,提出了包含决策层、编队层、本地层的无人机容错协同控制研究框架。分别从故障诊断与容错控制方法两方面综述了本地层容错控制理论研究现状。梳理了包含单机故障、通信拓扑故障、外部因素干扰下的编队层容错控制方法。概述了无人机在对抗环境下任务分配的研究成果。基于现有研究成果对多无人机容错协同控制的难点进行归纳,并结合智能化健康管理、无人机编队重构、分布式网络安全等技术提出发展建议。

无人机自主控制关键技术新进展

无人机在军用、民用领域具备巨大的应用潜力,当前世界各国正在大力推进无人机的研发工作,而无人机自主控制是无人机研发中极富挑战性的关键问题。本文介绍了无人机的分类和系统框架;根据无人机实际应用的要求,提炼出无人机自主控制进程中的几个关键性技术问题,包括感知与规避、故障诊断与容错控制、协同控制及这3项关键技术有机综合的新问题与新方法——容错协同控制等,并重点阐述了这些关键技术的机理和较有代表性的成果及新进展;以目前无人机重要应用领域——空中加油过程及森林资源与火情监测为例,简述了以上技术在实际应用中的具体体现及其新进展;最后对无人机自主控制技术进行了展望,并给出各项关键技术存在的挑战及可能的解决思路。