变体无人机栖落机动建模与轨迹优化

对一类变体固定翼无人机栖落机动的纵向运动进行了建模与轨迹优化研究。针对栖落机动后段飞行速度低及迎角大带来的舵面气动效率下降的问题,研制了一种可改变主翼位置的变体无人机。通过室内飞行实验,利用运动捕捉系统测量获得飞行数据。依据实验数据,结合平板气动理论建立了变体无人机的气动模型,并建立了变体无人机的纵向动力学模型。采用广义伪谱优化软件(General pseudo-spectral optimization software,GPOPS),对所建立的变体无人机模型进行栖落过程轨迹优化研究。优化结果表明,与普通固定翼无人机相比,变体部件能够显著提高无人机的姿态操纵效率,从而改善无人机栖落机动性能。

飞行器栖落机动切换控制设计及其吸引域计算

针对固定翼无人机栖落过程的纵向运动,研究栖落轨迹跟踪控制问题及其相应的吸引域计算方法。首先将飞行器栖落机动过程的动力学模型沿参考轨迹线性化,并建立分段线性切换系统模型。在此基础上,结合最优控制理论与切换系统全局稳定分析方法,设计了栖落轨迹跟踪切换控制律。然后,为确定局部稳定区域从而保证飞行器能在预期时间内准确地栖落在目标区域,设计相应的平方和优化算法,计算了切换控制下的栖落轨迹吸引域。最后,对固定翼飞行器的栖落过程进行了仿真,仿真结果验证了所设计的跟踪控制器的有效性与所计算的吸引域的正确性。

飞行器栖落机动的轨迹跟踪控制及吸引域优化计算

针对固定翼飞行器栖落机动的纵向运动,研究了栖落机动轨迹跟踪控制设计与吸引域优化计算方法。首先,根据栖落动力学模型和栖落过程中各个状态量的约束,用广义伪谱法生成标称轨迹,以此为基础设计了分段线性轨迹跟踪控制律。然后,在平方和(SOS)算法的基础上计算出栖落轨迹的吸引域,以保证吸引域内的飞行器能最终栖落在目标区域。最后,进一步改进吸引域的迭代优化计算方法以扩大吸引域范围。仿真结果验证了栖落机动轨迹跟踪控制律的有效性,并表明运用所设计的吸引域优化计算方法可以获得更大的吸引域。

无人机栖落机动的一种离线鲁棒预测控制算法

针对固定翼无人机栖落机动过程的纵向运动,研究了一种在线计算量小的栖落机动鲁棒预测控制方法。首先将飞行器栖落机动动力学模型沿参考轨迹建立分段线性切换系统模型。考虑外部风扰动,进一步建立张量积模型。然后,利用渐近稳定的椭圆不变集的概念,采用“离线设计、在线综合”的方法设计了在线计算量较小的栖落轨迹跟踪控制律;结合鲁棒预测控制和切换系统全局稳定分析方法分析了系统稳定性。最后,对外部风扰动下的固定翼无人机栖落机动过程进行了仿真。仿真结果表明所设计的跟踪控制器在线计算量小并具有良好的控制效果。

变体辅助的无人机栖落机动模糊控制设计

无人机(Unmanned aerial vehicle,UAV)的栖落机动是一种大幅度的俯仰运动,易引起升降舵操纵力矩饱和。本文以变体方式增强无人机的俯仰操纵能力,并研究其对应的控制设计方法。首先对栖落机动建立了纵向动力学模型,并通过采用轨迹线性化和张量积变换方法转换得到T-S模糊模型。基于Lyapunov稳定理论和平方和方法,设计了满足控制输入约束的栖落机动多项式模糊控制器。对非变体与变体下的栖落机动控制过程进行了仿真,结果验证了控制律的有效性,并且表明变体辅助的无人机具有更强的操纵性能,能提高栖落机动中升降舵的抗饱和能力。

基于深度强化学习的无人机栖落机动控制策略设计

无人机栖落机动飞行是一种无需跑道的降落方法,能够提升无人机在复杂环境下执行任务的适应能力。针对具有高非线性、多约束特性的无人机栖落机动过程,提出了一种基于模仿深度强化学习的控制策略设计方法。首先,建立了固定翼无人机栖落机动的纵向非线性动力学模型,并设计了无人机栖落机动的强化学习环境。其次,针对栖落机动状态动作空间大的特点,为了提高探索效率,通过模仿专家经验的方法对系统进行预训练。然后,以模仿学习得到的权重为基础,采用近端策略优化方法学习构建无人机栖落机动的神经网络控制器。最后,通过仿真验证了上述控制策略设计方法的有效性。

无人机栖落机动建模与轨迹优化

对固定翼无人飞行器栖落机动的纵向运动进行了气动特性建模与轨迹优化设计。通过运动捕捉系统测量获得试验滑翔机实时飞行数据,并结合统计学原理和平板气动理论建立了气动模型和动力学模型。针对所建立的模型采用GPOPS优化工具箱设计了栖落机动标称轨迹。优化结果表明,不同初始速度条件下执行栖落机动的空间需求不同,但最终都可以实现以相同的栖落速度落到同一位置。