风场干扰下基于一致性卡尔曼滤波的UAV编队控制算法

针对风场干扰下多无人机(UAV)编队的控制问题,提出一种基于一致性卡尔曼滤波的多无人机编队控制算法。根据一致性卡尔曼滤波算法,测量每架无人机的风场干扰误差,预测控制编队中各机的相对位置;设置编队的中心关键点,并利用总卡尔曼滤波器调整其位置,由此实现了一致性卡尔曼滤波算法与航迹修正相结合解决风场干扰下多无人机编队的控制问题;并将该算法应用到轨迹跟踪问题,从而实现编队对复杂航迹的实时跟踪。仿真结果表明,文中提出的算法具有很好的灵活性、鲁棒性、可靠性和可伸缩性。

基于正交实验设计的UAV编队配系优化方法

针对多无人机执行对地攻击作战任务的背景,建立了编队对地攻击模型,提出了基于正交实验设计的编队配系优化方法。在考虑多机协同作战因素下,构建了编队目标分配的基本模型;以探测、识别和杀伤为基本过程,构建了攻击过程模型;以空袭方付出代价、防空方毁伤程度和作战效率为依据,构建了目标函数模型,分析了模型中中间变量与目标函数之间的关系;利用正交实验设计原理,研究了编队配系优劣的评价方法。实例分析表明,该方法能够在已有的资源约束条件下,给出编队的最优配系方案。

通信时延下UAV/UGV混合编队控制系统的稳定性分析

针对通信时延下的高维异构无人机(UAV,unmanned aerial vehicle)/无人车(UGV,unmanned ground vehicle)混合编队控制系统,对系统稳定的充分必要条件和准确时延边界的计算方法进行了研究;具体地,为了处置UAV/UGV工作空间、运动学模型的差异,建立考虑异构特性的UAV/UGV混合编队模型;并针对UAV群组、UGV群组,分别设计基于信息一致性的分布式控制器;利用矩阵相似变换,将高维异构的UAV/UGV混合编队控制系统降维拆分为若干等价的低维子系统,极大地降低了稳定性分析的解析难度和运算量;在此基础上,利用辅助特征函数法推导准确的时延边界,得到系统稳定的充要条件;最后通过仿真验证了所提出稳定性分析方法的有效性。

基于DE-DPSO-GT-SA算法的协同多任务分配

针对无人机(UAV)编队的协同多任务分配问题(CMTAP),考虑双机协同探测、双机协同攻击的情况,结合时间约束、时序约束、时间间隔约束、载机弹药约束、任务能力约束等约束条件,扩展了协同多任务分配模型;将差分进化(DE)算法、郭涛(GT)算法、离散粒子群优化(DPSO)算法、模拟退火(SA)算法进行融合,提出了DE-DPSO-GT-SA算法,用以求解协同多任务分配问题。通过与多种算法进行比较,仿真试验结果表明,所提算法具有较好的收敛性能。