制导、导航与控制
针对地面移动机器人编队的队形控制问题,提出了一种基于动态密度引导的多机器人编队队形切换方法.为实现机器人编队不同队形的切换,使用质心维诺划分(CVT)编队控制算法,避免机器人队形切换过程中的碰撞.根据CVT算法的特性,通过给定队形的密度函数,构建初始队形密度函数与期望密度函数之间的过渡密度生成动态密度,并利用CVT算法引导编队中的机器人移动,完成编队队形的切换与重构.仿真结果表明,相比直接使用期望密度函数引导队形切换,该方法不仅成功解决了部分形态编队切换失败问题,而且降低了切换过程中编队整体的平均位置误差.
民航飞机视觉辅助驾驶系统通过机载视觉传感器获取周边威胁态势信息,为飞行员提供辅助决策等信息,但是机载视觉传感器获取的机场场面威胁目标尺度变化大,且机载平台算力有限,现有的目标检测方法难以满足视觉辅助驾驶需求.针对上述问题,提出一种基于YOLOv5s算法的轻量化多尺度目标检测算法.首先,为增强场面小目标的特征表达,在加权双向特征金字塔网络(BIFPN)基础上,引入坐标注意力(CA)机制,设计CA-BIFPN特征融合网络,提高模型对多种尺度目标的学习能力.然后,设计GSConv解耦检测头,相互独立优化分类和回归目标,提高目标检测的精度.设计的跨级部分网络轻量化颈部模块可减少因引入解耦头增加的参数量,大幅提高整体网络的检测速度,实现场面目标实时检测.为了验证算法性能,构建机载视觉传感器滑行视角的实测数据、仿真数据组成的多尺度场面目标数据集.在该数据集上的实验结果表明,所提方法检测精度超过Faster R-CNN、SSD和YOLOv6、YOLOv7、YOLOX等经典多尺度目标检测算法,均值平均精度为71.40%,比YOLOv5s提高4.19个百分点;在机载计算仿真实验平台上,检测帧率达到71帧/s,满足实时检测要求.
针对无人机在风扰环境下的栖落机动过程,利用含控制的非线性动力学稀疏辨识(SINDYc)方法与模仿深度强化学习(IDRL)方法设计栖落机动的控制策略.首先,采用域随机化方法建立具有多种风况的栖落机动系统训练环境.然后,基于历史数据和候选函数库,采用SINDYc方法离线学习各个风况下栖落机动系统的稀疏模型,以有效辨识风况信息.接着,在具有多种风况的栖落机动系统训练环境中,采用IDRL算法进行栖落机动控制策略的训练,得到风扰下的栖落机动控制策略.最后,通过数值仿真验证了所设计的栖落机动控制策略在风扰环境下的有效性.
针对通信拓扑突变的不确定异构多智能体系统,将拓扑突变等效为切换拓扑问题,进而设计一种基于领导者-模型-跟随者匹配的分布式自适应协同控制方法,实现领导者-跟随者输出一致性.首先,提出局部输出跟踪误差概念,将领导者-跟随者输出一致性问题转化为相邻智能体局部输出一致性问题;然后,针对系统参数已知的情况,进行分布式标称协同控制器设计,实现参考模型-领导者匹配和跟随者-参考模型匹配,以保证通信拓扑突变下领导者-跟随者输出一致性;进而,针对系统参数未知的情况,进行分布式自适应协同控制器设计,实现通信拓扑突变下跟随者输出对领导者输出的渐近跟踪.所设计的控制方法不依靠全局信息即可保证所有智能体系统闭环稳定及跟随者对领导者的输出一致性.最后,通过一个仿真案例验证了所设计的控制方案的有效性.
针对多体折展机翼在协调倾转过程中受到气动负载变化、重力换向及受外部干扰的问题,提出基于双曲正切函数与调相补偿结合的改进自抗扰控制策略.通过拉格朗日方程,将单元翼的气动负载作用于质心处,并给出重力项随机体姿态角的偏置,从而建立多体折展机翼的动力学模型.设计改进自抗扰控制器实现折展机翼的期望角度轨迹的跟踪,并选取合理的控制器参数对关节振动进行抑制.仿真结果表明,改进自抗扰控制方法在变负载条件下可以有效实现轨迹跟踪和关节振动的抑制,并在受到外界扰动时具有更小的跟踪误差和更好的动态性能及鲁棒性.
针对旋翼飞行器续航能力有限及固定翼飞行器飞行场地受限的问题,提出一种可垂直起降的多单元翼串联式总体布局方案.首先,根据多体串联运动学和升力线理论,分析集中式变形的气动特性,并确定变形过程中的飞行攻角限制.然后,采用拟拉格朗日方程建立完整描述各单元翼间相对运动特性的非线性多体动力学模型,并对比固定翼与折叠翼在爬升过程中的飞行效率,验证了折叠翼的长续航能力以及良好的操纵性.最后,对定直平飞状态下折叠翼姿态与结构耦合特性进行模态分析,据此设计折展和飞行协同控制律,实现倾转折叠过程中的稳定控制.
为使飞行器群按照期望队形飞行,提出“领导-跟随”架构下的编队控制方法.首先设计分布式扩张状态观测器,从而跟随者能估计虚拟领导者的位置与速度;然后根据观测器输出以及期望队形中的相对位置关系,计算跟随者的期望位置,给出基于动态面控制的位置跟踪控制律,跟随者可跟踪期望位置.借助Lyapunov稳定性理论证明了所设计方法的稳定性,并通过数值仿真验证了其有效性.分布式扩张状态观测器仅需获取虚拟领导者位置的观测值即可同时估计虚拟领导者的位置与速度;该编队控制方法可使队形在空间中的指向与虚拟领导者速度保持一致.
针对自动驾驶在遮挡、超视距场景下感知不充分的问题,提出一种基于双流特征提取网络的特征级车路协同感知方法,以增强交通参与者的3D目标检测能力.根据路端与车端场景特点分别设计对应的特征提取网络:路端具有丰富且充足的感知数据和计算资源,采用Transformer结构提取更丰富、高级的特征表示;车端计算能力有限、实时性需求高,利用部分卷积(PConv)提高计算效率,引入Mamba-VSS模块实现对复杂环境的高效感知.通过置信度图指导关键感知信息共享与融合,有效实现了车路双端的协同感知.在DAIR-V2X数据集训练与测试,得到车端特征提取网络模型大小为8.1 MB,IoU阈值为0.5、0.7时对应平均精度指标为67.67%、53.74%.实验验证了该方法在检测精度、模型规模方面具备的优势,为车路协同提供了一种较低配置的检测方案.
现有的无人机态势评估方法没有考虑复杂外界环境对决策者的影响,并且通常只能得到评估的排序结果,决策者需要在短时间内进行决策,常出现误判或错失打击窗口期.针对该问题,提出一种基于累积前景理论的三支决策模型.首先,通过直觉模糊接近于理想值的排序方法求取目标的条件概率, 得到态势评估结果;之后基于累积前景理论对无人机获取的直觉模糊态势信息进行计算,得到每个目标执行不同动作时对应的累积前景价值;最后,基于累积前景价值最大化的原则,推导出新的三支决策规则,对态势评估结果进行三支划分.实验分析表明:该方法不仅得到了目标威胁排序,而且对目标威胁等级进行客观分类;同时在评估过程中考虑决策者的心理,得到符合决策者特质的目标威胁评估结果,为复杂多变的空战提供一种合理的决策支持.
针对捷联式惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统模型的误差以及粒子滤波(PF)存在的粒子退化问题,结合无迹卡尔曼滤波(UKF)算法,提出一种基于PF-UKF组合滤波的SINS/GPS组合导航系统空中对准方法.由误差四元数代替姿态角,以SINS和GPS的位置差和速度差作为观测量,建立新的组合导航系统误差方程.所提出的PF-UKF组合滤波算法将采样粒子分为随机粒子和确定粒子,其中随机粒子为概率密度函数所采集,确定粒子为UKF中采集Sigma点后所求取的系统状态值.由此降低了PF处理粒子时的复杂程度以及粒子退化的程度.仿真结果表明:相比于UKF算法,该方法有效提高了组合导航系统的精度,具有较好的鲁棒性.
针对高超声速飞行器的三维航迹控制问题,采用线性变参数(LPV)输出反馈控制和极点配置理论,基于高度-水平航迹控制概念,在马赫数包线内设计高超声速飞行器一体化式LPV控制律.该控制律不区分常规飞行控制律的内外控制回路,根据速度、高度、侧滑角和偏航角指令对飞行器纵向和横航向运动进行综合控制,在L2诱导范数意义下实现飞行器三维航迹的鲁棒最优控制.在地心地固参考系内建立高超声速飞行器的数学模型,考虑地球自转、地球扁率、地球引力二阶简谐效应对飞行器运动特性的影响.通过数值仿真检验LPV控制律的控制性能,仿真结果表明:高超声速飞行器闭环系统具有D-稳定性,能够在典型机动中保持良好的航迹控制性能,并且在扰动和测量噪声下具有良好的鲁棒性.
当深空探测器接近目标行星时,由于目标行星引力快速增加,轨道动力学模型会出现较快的加速度变化.由于噪声协方差不完全已知,所以传统的滤波方法无法获得导航参数的最优估计,难以满足接近段导航系统的性能要求.为满足系统高稳定性和高精度需求,提出一种基于系统噪声协方差的滑动窗口自适应非线性滤波方法.通过构造系统噪声协方差更新函数,使用滑动窗口对噪声协方差平稳化处理,将速度噪声引起的误差与位置噪声引起的误差隔离开,实时更新所使用的滤波参数信息,自适应调节系统噪声协方差.以火星探测器为例进行仿真,仿真结果表明,相对于传统的无迹卡尔曼滤波方法,该方法获取的位置精度和速度精度分别提高90.97%和66.17%,抑制了系统模型上快速变化的积分误差,并解决传统滤波方法的发散问题.此外,分析了滤波周期和窗口大小对导航性能的影响,为深空探测自主导航提供了一种可行的自适应滤波新方法.
惯性导航系统的误差随时间累积,仅依靠惯性导航系统进行定位的无人机编队无法在长航时飞行中获取高精度导航信息.针对这一问题,面向主从式无人机编队提出一种协同导航方案.首先,在无人机上配置相对导航传感器,测量主从无人机编队成员之间的相对速度和相对位置信息;其次,考虑编队成员之间的相对位姿,研究空间统一转换方案,将编队各成员依靠惯性导航系统测量的绝对导航信息与相对传感器测量的相对导航信息统一到同一导航坐标系下;最后,给出基于相对速度和相对位置辅助的协同导航方案.30 min仿真结果表明,采取该方案后,从机各方向上的速度和位置误差分别收敛至0.1 m/s和5 m,证实该方案相较于惯性导航系统更适用于长航时飞行场景.
以无人机为研究对象,针对无人机系统非线性强和飞行过程中外界干扰产生的不确定性,设计一种基于增益自适应滑模控制的无人机姿态控制器.该方法无需观测器对不确定性进行估计就可以实现对给定无人机姿态的跟踪控制,同时滑模控制中的抖振情况可以得到有效抑制.首先介绍无人机模型,给出其数学模型;其次,以误差为状态量,设计稳定收敛的滑模面,采用增益自适应超螺旋滑模算法设计能够有限时间收敛的无人机姿态控制器;再采用Lyapunov第二法证明闭环无人机系统的稳定性;最后对所提控制方法进行仿真验证.结果表明:该控制方法具有可靠的控制性能.
再入可达域是飞行器机动能力的重要体现,可为轨迹规划与制导、着陆点选择等提供依据.为此,研究了一种基于伪谱法的可达域快速生成方法,并对可达域的影响因素进行仿真分析.将攻角、倾侧角同时作为控制量被离散化而形成非线性规划问题,并通过求解若干个不同纵程条件下的最大横程问题得到可达域.基于上述方法对影响可达域的相关因素进行仿真与分析.仿真结果表明,飞行器质量、气动参考面积、大气密度等在一定范围内不会导致可达域的变化;超出一定范围后,会对短纵程轨迹产生明显影响,影响可达域的左半部分,而基本不影响可达域的右半部分;升阻比对可达域的影响较大,其大小与可达域范围成正相关.
针对一类连续线性标称多输入多输出(MIMO)系统,设计基于线性/非线性切换自抗扰控制(SADRC )的解耦控制器.介绍系统模型,并针对设计的SADRC解耦控制器提出一种基于线性矩阵不等式(LMI)技术的绝对稳定性分析方法,最后通过数值仿真验证了该方法的有效性.
制导、导航与控制
