摘要：针对具有Lipschitz非线性动力学特性的无人机(unmanned aerial vehicle,UAV)集群系统的分组编队跟踪控制问题,提出了一种基于一致性理论的分组编队协同控制方法。首先,建立分层双虚拟结构的协同控制框架,将多编队生成、保持以及组内组间协同变换等复杂编队任务作为控制目标,基于参数组的队形描述方法,在分层控制框架内分别设置轨迹导引UAV和基准UAV,并利用UAV之间的局部运动信息设计编队控制律,克服了采用现有多编队控制策略编队间难以协同的缺陷;其次,设计多编队控制和目标跟踪一体化控制策略,确保在多编队进行协同变换的同时实现对机动目标的精确协同跟踪;最后,仿真结果验证了所提的控制算法能够实现分组编队的跟踪控制。

摘要：针对目标机动条件下的多无人机协同制导问题,提出基于虚拟协商机制与滚动时域优化的分布式协同制导策略。为同时改善时间协调与导引控制效果,在滚动时域优化框架下设计局部协调变量与目标函数,构建有限时域内的多约束协同制导优化模型;为增强制导系统对机动目标的鲁棒性,设计基于非线性自回归神经网络的干扰观测器;针对无人机之间的控制输入耦合,提出虚拟协商机制,提出虚拟协商机制,实现同步决策、排除内部“分歧”,并利用Nesterov动量的均方根传播算法设计制导指令生成策略;分别进行数字仿真与半实物仿真实验。结果表明:所提策略可在线预测与优化,应对各类干扰,提升协同制导效果,并会在实际任务中得到进一步的应用与检验。

摘要：为解决目标机动策略未知条件下的飞行器拦截问题,提出一种基于神经网络的三维滚动优化制导策略。首先,针对全局最优导引律终端时刻难以确定的问题,在滚动时域优化框架下,引入零效脱靶量设计局部最优导引律,并使用粒子群优化算法进行求解。其次,为了提高制导律在线求解效率,构建神经网络,对优化算法滚动求解得到的若干组制导训练数据进行离线学习,并将经过训练的网络用于制导指令在线滚动优化。仿真结果表明,神经网络滚动优化制导策略对采取各类机动方式的目标均具有较好的制导性能,有效提高了制导指令在线优化效率,可以为飞行器制导律实时滚动求解提供参考。

摘要：针对异构无人集群在目标机动形式未知情形下的分组跟踪合围控制问题,基于输出调节策略提出一种分布式分层协同控制框架。系统中各类智能体的模型均为异构的,领导者以期望输出队形跟踪目标输出的同时,驱动跟随者的输出收敛至多领导者的凸包内部。基于观测器理论、一致性理论和自适应控制理论,设计了含时变耦合权值的分布式跟踪合围控制协议,克服了控制输入对全局信息的依赖,并实现对目标未知控制输入的有效抑制。进一步分析得到期望输出编队的可行性条件,并利用Lyapunov理论证明了闭环系统的稳定性。最后,通过仿真实例验证了提出的控制策略能够实现无人机无人车异构分组编队对目标的跟踪合围。

摘要：针对无人机(UVA)集群分组编队跟踪-包含控制问题,建立包括分组协同、跟踪-包含的分层协同控制架构。为突出集群系统的顶层规划能力,提出基于队形参数组的分组协同控制策略,克服了现有多编队控制方法难以实现队形变换的缺陷;在考虑组间通信耦合的基础上,设计自适应分组编队跟踪-包含控制律,克服了控制输入对Laplacian矩阵特征值的依赖,并给出集群系统实现期望队形的可行性约束;对控制输入引入饱和约束,并进一步推导得到输入饱和约束下系统稳定的充要条件,避免了集群的大幅机动行为。研究结果表明:所提策略能够实现无人机集群分组编队的跟踪-包含控制。

摘要：为了解决战时岸舰导弹作战单元投送定量决策问题,针对复杂多变的战场环境,构建了具有时变运输网络特征及动态需求约束的多型岸舰导弹作战单元投送优化模型;基于该模型,从种群初始化、粒子更新等环节对多目标粒子群算法进行了改进,设计了岸舰导弹作战单元投送优化算法,仿真结果表明模型及算法可以提供多个兼顾安全性和时效性的高质量投送方案,能够支持作战单元投送的快速、精准决策。

摘要：针对多智能体系统存在的通信时滞问题,对随机时滞作用下的多智能体分组一致性控制进行研究。将系统的时滞状态信息和当前状态信息相结合,通过引入随机变量调整两者权重,设计控制律,进而研究时滞以不同概率产生时对系统分组一致性的影响,通过构造Lyapunov-krasovskii泛函数推导系统实现分组一致性的条件。仿真结果表明,设计的控制律适用于随机时滞情况下多智能体系统的一致性控制。