基于Q学习的变体无人机控制系统设计

针对变体无人机的控制问题,给出了Q学习控制方法。首先根据设计任务要求设计控制律控制变体无人机按给定航路完成飞行。同时根据飞行环境和飞行任务的变化,利用Q学习方法控制变体飞行器相应地改变外形(平直翼、小前掠翼、大前掠翼),使变体飞行器能始终保持最优飞行状态,以满足在变化很大的飞行环境里执行多种任务(如巡航、机动、盘旋、攻击等)的要求。仿真结果验证了该方法的正确性和有效性。

小型变体无人机动力学建模及配平分析

为了更好地分析变体无人机(Unmanned Aerial Vehicle,UAV)在变体过程中的动态响应,针对一种小型变后掠翼无人机,通过静矩来描述变体过程中重心位置的变化,推导了其六自由度非线性运动方程。变体飞机相对于固定翼飞机的运动学方程多出变体过程中引起的惯性力和惯性力矩项以及转动惯量和惯性积的微分项。利用准定常假设来简化计算变体过程中的气动力,认为在变体的任一瞬时,全机的气动力取决于该瞬时飞机的静态构型和飞行状态。从计算结果可知,在一定飞行速度和飞行高度范围内,影响气动参数的主要变量为机翼后掠角和迎角。为了确保变体飞机在变体过程中具有较理想的静稳定度,通过配平给出了不同构型时飞机重心在机体纵轴上的合理位置,有助于变体飞机控制系统设计。

基于时变障碍李雅普诺夫函数的变体无人机有限时间控制

针对复杂扰动下可执行多种任务的复合式变体无人机,提出了一种基于浸入与不变(Immersion and invariance,I&I)理论和隐含系统状态受限条件的复合时变障碍Lyapunov函数(Composite time-varying barrier Lyapunov function,CTV-BLF)的控制方案.设计了一种基于浸入与不变理论的扰动观测器,构建了一种基于监督因子的有限时间动态尺度因子(Finite-time dynamic scaling factor,FT-DSF)调节器.在此基础上,设计了一种基于复合时变障碍Lyapunov函数和动态滑模面的控制器,保证系统状态始终在约束条件之内.通过衍生定理证明轨迹跟踪误差是有限时间稳定的.最终仿真结果验证了所提方案的有效性.

变体无人机动力学模型及切换控制研究

针对能够在飞行过程中进行结构变形的变体无人机,考虑由变形引起的气动力与力矩,惯性力与力矩的非线性变化,建立其在质点系假设条件下的多体动力学模型。根据切换系统理论,将变体无人机视为一类线性切换系统,选择设计点,采用极点配置方法针对各设计点处的线性子系统设计控制器,再制定以变形量为决策变量的控制切换方案,构成切换控制系统。通过建立公共Lyapunov函数,推导了能够保证闭环切换系统在结构变形过程中一致有界的充分条件。以变体无人机Fire-Bee为例,验证了方案的有效性,仿真结果表明闭环系统无论在固定结构下还是变形过程中都具有良好的动态特性。

非匹配扰动下变体无人机预设性能控制

针对半倾转旋翼变体无人机易受到非匹配扰动和受制于性能约束的问题,提出一种基于复合浸入与不变(I&I)理论的非匹配/匹配扰动观测器和有限时间预设性能控制策略。首先,建立了含有复合扰动的变体无人机数学模型;其次,引入有限时间动态尺度技术和监督因子的概念,提出了一种复合I&I的扰动观测器对非匹配/匹配扰动进行估计和补偿;最后,以动态滑模面为性能约束对象构建了新型的有限时间性能函数,并与障碍Lyapunov函数相结合来表征系统的稳态和瞬态性能。理论和仿真算例验证了所提方法的有效性和优越性。

微型无人机栖息设计技术综述

微型无人机栖息设计研究对提升微型无人机续航、增强微型无人机环境适应性和提高微型无人机长时间侦察监视能力具有重要的意义。随着人们对微型无人机续航性能和复杂环境的适应性要求越来越高,科研工作者对微型无人机的栖息设计技术进行了深入研究,并取得了显著成果。主要梳理了微型无人机的栖息原理、栖息机构、栖息方法,分析了栖息机构的特点与发展趋势。同时介绍了变体无人机在栖息领域的研究,并阐述了无人机栖息与抓取和爬壁之间的联系。此外将无人机分为多旋翼和固定翼2大类来进行栖息方法的研究分析,内容主要包括无人机的栖息位置选择、基于时间接触理论的仿生轨迹设计、视觉栖息导航、无人机的气动分析和动力学建模以及相应的栖落机动控制等。通过对无人机栖息设计技术的研究归纳分析,可为后续从事该方面的研究人员提供参考和借鉴。