基于改进势场和一致性的无人机编队避障方法

针对无人机编队在执行任务时存在的机间碰撞、与障碍物碰撞及编队通信等问题,将无人机动力学方程视为二阶积分模型,提出一种人工势场法和一致性理论相结合的协同避障控制策略。首先建立变增益函数来降低超调和稳态误差,并由此设计虚拟领航结构下的无人机编队一致性控制方法;然后应用分段思想,增加回环力、机间防碰撞力等来改进传统人工势场法,以解决局部最优和编队安全问题,从而实现编队避碰和避障;最后将一致性控制方法和改进后的人工势场法相结合,提出编队协同避障控制律,并利用小增益定理对其进行稳定收敛性分析。仿真结果表明,无人机编队可以实现精准避障后恢复预期编队队形,最终稳定到达目标位置。

微多普勒辅助的城市环境无人机编队检测方法

针对城市复杂环境下电磁环境复杂、多径杂波和干扰信号密集等现象,传统的无人机(UAV)检测方法通过获取回波信号提取目标多普勒信息进行检测,易受到环境影响导致检测效果不理想。该文提出微多普勒辅助的城市环境无人机编队检测方法,充分利用无人机的微动特征,能够在复杂环境下提高检测精度。首先,参数化建模表征城市复杂环境下无人机旋翼的雷达回波微多普勒信号,利用YOLOv5s检测微多普勒闪烁脉冲,有效提取位置信息;然后,引入雷达信号分选方法的脉冲重复间隔(PRI)变换,分类获得无人机编队数量;最后,利用Kmeans算法验证无人机编队检测方法的准确性。结果表明,所提方法在信噪比2 dB时7架无人机的检测精度高于90%,能够用于城市复杂环境存在干扰脉冲、多径效应、局部脉冲丢失的无人机编队检测。

无线紫外光中继协作无人机集结编队方法

为了解决无人机集结编队时机间通信易受强电磁干扰问题,采用紫外信标模型完成集群无人机的信息交互,从而实现集结定位,将一致性理论与无线紫外光虚拟势场避障法相结合,在空中集结时使无人机编队的飞行姿态、航向角以及速度保持一致,以跟随无人机作为中继节点,提升相邻无人机发现概率,提高编队队形准确性;同时提出无线紫外光通信协作无人机中继集结编队方法,实现了无人机编队快速准确形成期望编队队形。结果表明,所提方法使得无人机四边形编队、五边形编队、六边形编队的通信可靠性分别提升了7.69%、9.41%和10.0%。该研究为无人机编队集结方法和无人机编队中的机间通信提供了一定的理论参考。

多四旋翼无人机编队自适应容错控制

针对四旋翼无人机在编队控制时受到执行器故障的影响,引起无人机之间跟踪误差的问题,而传统PID控制的固定参数无法适用于四旋翼无人机面临复杂的环境,因此设计了模糊自适应PID容错控制器以及多无人机的滑模协同控制器.首先,针对执行器故障无人机进行系统建模,给定领导无人机的参考轨迹,通过设计的模糊自适应PID控制器使得执行器故障的无人机跟踪给定轨迹.其次,基于滑模控制理论,设计编队协同控制器,控制Follower无人机与Leader无人机之间的距离误差趋近于零,实现期望的编队队形.最后,通过仿真实验对比结果表明,所设计方法超调量小,鲁棒性强,对四旋翼无人机有较好的控制效果.

多因素影响下无人机编队任务可靠性模型构建研究

针对多因素影响下无人机(unmanned aerial vehicle,UAV)编队任务可靠性问题,提出了无人机编队任务可靠性双层模型。首先,基于故障树分析方法,构建了无人机编队任务可靠性下层模型,描述无人机编队的故障状态;其次,基于Markov模型构建无人机编队任务可靠性上层模型,描述无人机编队任务过程中,阶段及状态的转换;最后,建立任务可靠度求解的双层模型对无人机编队任务可靠度进行仿真模拟。设定应用场景仿真验证,仿真结果表明:在起飞/爬升阶段和巡航阶段,本文方法与传统故障树法所计算的任务可靠度结果一致;在侦察阶段,本文方法比传统故障树法的任务可靠度计算结果高0.012 5,给定显著性水平,本文算法的可靠度结果均落在置信区间内,验证了计算结果的可信性。

基于深度强化学习的无人机集群数字孪生编队避障

无人机集群在各个领域中扮演着重要角色,具有丰富的应用场景.然而,将深度强化学习方法应用于自主无人机面临着诸多严峻挑战.本文基于多智能体深度强化学习,通过使用局部信息建立单个无人机的状态空间,并使用多智能体近端策略优化(Multi-agent proximal policy optimization,MAPPO)的在线策略算法来训练策略网络,从而克服了环境的不确定性和对全局信息的依赖.同时,引入了数字孪生的概念,为资源紧张型算法提供了新思路.为了解决采样困难和资源紧张的问题,基于数字孪生技术,构建了一个用于无人机编队避障策略模型训练的架构.首先,构建了多个数字孪生环境,用于强化学习算法在任务开始之前进行交互采样的预训练,以使集群具备基本的任务能力.然后,使用在真实环境中采集的数据进行补充训练,使得集群能够更好地完成任务.对采用这种两阶段训练架构的效果进行了对比,同时与其他策略算法进行比较,验证了MAPPO的样本效率性能.最后,设计了实际飞行验证测试,验证了从孪生环境中获得的策略模型的实用性和可靠性.

基于一致性理论的无人机编队控制与集结方法

针对无人机运动学模型特点和远距离成形问题,提出一种基于改进一致性算法的无人机集结-成形策略。建立能直观描述编队队形的坐标系,根据纵向和横航向解耦的带自动驾驶仪的无人机三自由度运动学模型的特点,考虑无人机机动性能约束,对一致性算法进行改进,实现对无人机速度、航向和飞行高度的控制,提出编队队形控制算法。针对无人机初始间距大带来的调参问题,增加集结过程,并利用粒子群算法优化集结速度,避免航迹冲突,集结结束后再采用所提算法生成无人机航迹,提升算法的适应性。仿真结果表明:所提算法能使无人机在满足机动性约束的情况下,形成稳定队形;相比于直接成形法,所提策略提高改进一致性算法的适应性和安全性。

改进APF的无人机编队避障最优一致性控制方法

针对传统人工势场(Artificial Potential Field,APF)解决避障问题时出现的局部极小值、目标不可达等缺点,提出了一种结合APF和具有协同避障效果的最优一致性控制方法。基于固定无向通信拓扑的双积分器无人机编队模型,引入具有避障代价函数的最优一致性控制协议,解决APF避障的局限性问题,同时对多无人机进行编队控制,使无人机编队控制系统的一致性性能指标、控制消耗性能指标和避障性能指标达到最优解。此外,通过对每架无人机构建虚拟斥力势场,防止在避障过程中出现机间碰撞。仿真结果表明,与改进APF的非最优一致性控制相比,本文提出的改进APF的最优一致性控制能够缩短任务用时32%,且能够极大程度上保持队形完整性,减少避障所造成的一致性消耗和控制损耗。

多无人机编队避障和编队重构方法

针对多无人机(UAV)编队飞行过程中的避障和故障问题,提出一种编队动态变换与重构方法。编队内UAV将障碍物和其余UAV作为动态威胁,根据当前飞行环境自适应地改变航迹评价函数的得分权重,提高编队在动态环境下的避障能力;当编队中某一UAV故障时,对剩余UAV进行编队队形重构,改变动态窗口法(DWA)目标函数中僚机相对于长机的位置,实时调整得到新的编队,从而实现容错编队飞行。仿真实验结果表明,所提编队避障和重构方法能够实现动态避障以及单机故障或动力不足情况下的容错编队飞行;与传统DWA相比,所得到的编队无人机间距离误差更小。

考虑网络攻击的多无人机编队事件触发分布式弹性控制研究

针对存在拒绝服务攻击的多无人机编队系统,提出了一种基于观测器的编队事件触发以及自触发分布式弹性控制设计方法,降低了控制器的更新频率,提高了系统应对DoS攻击的韧性,并降低了多无人机间通信网络的数据传输压力,通过仿真对比证明了两种编队弹性控制方法的有效性和降低机间通信频率的先进性.

基于改进一致性理论的无人机编队航迹在线规划

针对无人机编队在飞行过程中任务发生变化的情形,提出了基于改进一致性理论的无人机编队航迹在线规划方法。首先,针对一致性算法进行改进,引入人工势场法,提出了考虑机间距离和相对速度的防碰撞策略;基于无人机相对位置和状态量,提出了考虑无人机转弯半径和速度的转弯策略。其次,基于编队拆分思想和RRT*算法,提出了基于拆分编队思想的在线航迹规划方法。仿真结果表明:防碰撞策略能使无人机之间在编队成形前保持安全距离,不发生碰撞;转弯策略能使编队在转弯过程中保持队形;编队重组的在线航迹规划方法能满足执行新增任务的情形。

无人机编队的无源定位及调整策略研究

针对无人机集群圆形编队的无源定位问题,建立漂移圆模型进行无人机的方位调整,通过模拟退火算法不断优化调控,使得无人机集群保持良好的编队。利用MATLAB进行仿真,验证模型的有效性,为无人机集群的编队方位调整策略提供有益的参考。

四旋翼无人机编队变换能耗优化仿真教学

针对四旋翼无人机编队变换能耗优化仿真教学,该文以多无人机编队切换应用中存在无人机能耗不平衡的案例作为典型教学内容,提出了基于无人机编队能耗优化的仿真教学模式,设计了无人机集群编队队形变化能耗最优仿真教学总体方案,阐明各个无人机无碰撞地驶向目标点的实现思路。搭建的仿真教学实例有效地解决了无人机编队飞行时间短的问题。此设计已经用于研究生“无人机控制技术”的课程教学,可激发学生在传统算法上进行优化的创新思维。

利用离散时间聚合图的无人机编队最短时延路由协议

针对传统的无人机编队路由算法无法有效利用拓扑变化的可提前预知特性、以发送探测包的方式获取链路的连接情况会导致开销大等问题,该文引入时变图模型,提出了基于离散时间聚合图的无人机编队最短时延路由协议。首先,利用无人机编队网络的先验知识,如节点的运动轨迹以及网络拓扑变化情况,使用离散时间聚合图对网络的链路资源和拓扑进行表征。其次,基于该图模型设计路由决策算法,即在路由探索阶段将链路时延作为链路权重求解网络的源节点到目的节点的最短时延路由。最后,性能仿真结果表明,该路由协议与传统按需距离矢量路由协议相比提高了网络的分组投递率、降低了端到端时延和网络的控制开销。

基于事件触发机制的随机时延无人机编队控制

研究在噪声环境下的无领导者多无人机编队控制问题,采用基于事件触发的策略来降低通信次数和资源浪费。考虑到通信噪声和随机时延的影响,采用Bernoulli随机分布描述时延发生的随机性。通过构造Lyapunov函数和利用线性矩阵不等式的分析方法,给出了多无人机系统的稳定性条件,确保无人机在噪声环境和随机时延的影响下能够实现编队控制。利用分布式控制输入和无人机之间的邻居信息,系统能够快速响应和调整,形成期望编队。将算法应用于四旋翼无人机系统,通过理论分析和仿真实验验证了所提算法的有效性和正确性。

基于分布式模型预测的无人机编队避障控制

针对无人机(UAV)在有障碍环境中编队形成和保持问题,提出了一种考虑系统约束的无参考轨迹的分布式模型预测控制(DMPC)算法。为处理模型预测控制(MPC)中存在的约束耦合和代价耦合,引入假设轨迹设计了低保守的相容性约束和无参考轨迹的代价函数,使算法可以分布式同步执行。基于速度障碍法设计终端约束,保证了终端域的安全,并给出了一个可行的终端控制输入。将代价函数作为Lyapunov函数,结合构造的稳定性约束,分析了算法的迭代可行性和系统稳定性。为兼顾实时性,在所提算法的基础上给出了一种能较好满足编队避障要求的非严格稳定的DMPC算法。通过数值仿真,验证了所提算法的有效性和优越性。

基于JAYA算法的紫外光通信无人机编队路由优化

紫外光通信由于其灵活性高、安全性好和全天候工作等优点,被认为是应急通信用无人机编队(UAV)的有潜力通信解决方案。为了提升紫外光通信无人机编队的有效作业时间,该文基于低功耗自适应集簇分层(LEACH)算法,并结合JAYA智能优化算法提出一种新颖的路由优化算法(RJLEACH)。该方法被用来改善紫外光通信无人机编队的有效操作时间。应用该算法对不同结构的紫外光通信无人机编队路由优化,并与其它算法得到的结果进行了比较分析。结果表明,RJLEACH算法在簇首选举阶段降低了无人机节点间的剩余能量方差,并且通过搜索最优路由降低了簇间通信的能量消耗。最终使网络出现第1个死亡节点和出现1/2死亡节点的时间相比经典LEACH算法分别延长了31.8%和13.8%,同时明显提高了能量利用率,能够为灾区救援和应急通信等任务争取宝贵的时间。

基于扩张状态观测器的固定翼无人机避碰编队控制

提出了一种基于扩张状态观测器的固定翼无人机群避免碰撞编队控制策略。对于编队系统可能存在阵风等外界扰动,设计了扩张状态观测器估计外界扰动,并且证明了估计误差指数收敛到原点的小邻域内。针对无人机系统控制输入饱和与通信延迟问题,采用势函数与抗饱和补偿器方法提出一种无碰撞的饱和控制策略。在控制算法中考虑了时变通信延迟的影响,证明闭环系统具有渐近稳定性。通过数值仿真算例对提出的控制方法进行了验证。

未知干扰下四旋翼无人机群固定时间编队控制

在未知干扰条件下,针对欠驱动、非线性的四旋翼无人机群编队控制问题,提出了一种抗干扰的固定时间编队控制方法。首先,设计分布式固定时间滑模估计器,在仅有部分无人机获取到期望轨迹的条件下,每架无人机都能快速估计出自己的期望位置信息。其次,引入固定时间干扰观测器用于估计未知的复合干扰,使无人机能够生成干扰估计值以抵消复合干扰对其带来的影响。然后,在无人机的位置层与控制层设计固定时间滑模控制器,实现对期望轨迹的跟踪,所给出的方法能够满足姿态稳定收敛。最后,数值仿真验证了所提出方法的有效性。

基于自适应郊狼算法的四旋翼无人机编队航迹优化方法

四旋翼无人机编队需要在飞行过程中执行多项任务,而这些任务对编队航迹有不同的要求,导致编队需要花费更长的时间进行飞行,从而影响四旋翼无人机的运行寿命。本文提出了基于自适应郊狼算法的四旋翼无人机编队航迹优化方法。建立双坐标轴,分析四旋翼无人机编队受力情况,计算其姿态角度,构建四旋翼无人机编队运动学模型。根据四旋翼无人机编队的状态变量,设置约束条件。使用危险区对四旋翼无人机的排斥力函数,规划四旋翼无人机编队路径。采用自适应郊狼算法,减少四旋翼无人机编队的期望距离与实际距离之间的误差,实现四旋翼无人机编队航迹优化。实验结果表明,本文方法在优化后,无人机飞行时间平均为8 s,能够有效提高飞行效率,优化效果更好。