摘要：无人机(unmanned aerial vehicle,UAV)编队是一个复杂的非线性系统,四旋翼无人机虽然具有诸多优点,但是其动力学模型却是非线性、耦合、欠驱动的,并且物理约束、模型的不确定性以及外界干扰等因素会显著降低基于模型控制器的控制性能。因此,针对四旋翼的编队问题,提出了一种基于误差模型的多约束模型预测控制(model predictive control,MPC)策略。利用拉格朗日-欧拉公式建立无人机的三维空间(three-dimensional,3D)模型,并将四旋翼模型分为旋转子系统(rotational subsystem,RS)和平移子系统(translational subsystem,TS),分别针对2个子系统设计对应的多约束模型预测控制器,增广模型中嵌入了积分器,因此能够消除外部干扰引起的跟踪误差。相较于通常情况下的MPC(regular MPC,RMPC),文中所采用的经过修改的MPC(modified MPC,MMPC),通过对成本函数进行合理修改,不仅能够保证控制器在求解过程中子系统的渐近稳定性,也同时保证了闭环系统的稳定性。在此基础上,对以上算法进行了稳定性分析。仿真结果表明,MMPC不仅具有编队良好的路径跟踪能力,还能够保证在多约束和干扰存在的情况下,取得良好的控制性能。

摘要：针对三维环境下的多无人机(UAVs)系统,在同时存在时延和干扰约束的情况下,提出了一种基于一致性的滑模编队控制算法,首先在考虑时延的基础上设计合适的一致性算法,其次利用滑模控制(SMC)方法解决编队系统中的轨迹跟踪和控制问题,并保证系统对于外部扰动的鲁棒性。仿真结果表明:在同时考虑编队过程中的时延和干扰约束的情况下,所提出的控制算法能够保持期望的编队队形。

摘要：为解决常规空气急冷法抗热震性试验机自动化程度低、试验环境恶劣、人为干预过频、结果可信度低等不足,研制了一种多试样、全自动的耐火材料空气急冷法抗热震性试验机。通过对试样承载和移动装置、应力加载装置的全新设计,实现了试样加热、急冷和三点弯曲应力试验的全自动控制。在相同的试验条件下,采用不同种类的同批次耐火材料在常规设备和全自动试验设备上进行对比试验发现,全自动试验设备的测试过程简单、快捷,测试结果准确,而且大大改善了操作条件。