无人机编队队形保持变换控制器设计

1.1无人机编队队形变换1.1.1队形变换问题描述图4.1给出了队形变化的示意图，图中红色飞机代表长机，其他飞机代表僚机，无人机编队由原三角形队形p “ R变换到目标矩阵队形R' N R。

队形变换选择的路线和目标队形的位置是影响队形变换效率的两个主要因素。

当目标队形确定时，选择不同的对应路线，其效率是不一致的。

本章队形变换问题主要研究如何选取最优的对应路线。

定义队形变化的最优效率为由原队形变换到期望队形的时间最短。

F2 R P'—韦|| I图4.1队形变换示意图假设编队中有n架飞机，各飞机i变化前的位置为R，期望队形的位置为R'，飞机i从R到R 的变换效率为i，经过的时间为t i，走过的路程为s。

则一次变换中的能量效率为：nW tran i 件1)i 0队形变换的时间和总的路程为：T tran maX(l, t? , 1, t n ) (4.2)nS tran S (4・3)i 0则队形变换的最优解问题转换为求取当T tran最小时的各飞机间的对应关系。

由第三章编队保持阶段可以知道，本文的僚机跟踪过程需要根据纵向X轴的距离不断调整自己的速度。

只要保证距离期望点的位置距离最近，根据僚机纵向编队跟踪的串级RID控制系统，僚机就能以最快的时间到达。

则问题可以进一步转化为求取当Sran最小时的各飞机间的对应关系。

假设队形变换在无障碍物情况下进行变换，则R到R'时的直线路径最短，最后可以将队形变化最优解问题简化为指派问题。

编队中有n架飞机，则共有n n中对应关系。

若最优的对应方法为J( R, R )。

则其数学表达式为：J(R,R') mi n(S；an,S2an,|||,S n an n) (4.4) 1.1.2匈牙利算法的应用匈牙利算法又名为Munkres分配算法，该算法最早由匈牙利数学家D e nes K?nig和Jen?P i，长机还是作为目标编队中的长机。

这样只需将 Egerv d r 提出［59］。

1.1 无人机编队队形变换1.1.1 队形变换问题描述图4.1给出了队形变化的示意图，图中红色飞机代表长机，其他飞机代表僚机，无人机编队由原三角形队形16P P 变换到目标矩阵队形''16P P 。

队形变换选择的路线和目标队形的位置是影响队形变换效率的两个主要因素。

当目标队形确定时，选择不同的对应路线，其效率是不一致的。

本章队形变换问题主要研究如何选取最优的对应路线。

定义队形变化的最优效率为由原队形变换到期望队形的时间最短。

1P 4P 5P 2P 3P 6P '1P '2P '4P '3P '6P '5P图4.1 队形变换示意图假设编队中有n 架飞机，各飞机i 变化前的位置为i P ，期望队形的位置为'i P ，飞机i 从i P 到'i P 的变换效率为i ξ，经过的时间为i t ，走过的路程为i s 。

则一次变换中的能量效率为：0ntran i i W ξ==∑ (4.1)队形变换的时间和总的路程为：12max(,,,)tran n T t t t = (4.2)n tran i i S s ==∑ (4.3)则队形变换的最优解问题转换为求取当tran T 最小时的各飞机间的对应关系。

由第三章编队保持阶段可以知道，本文的僚机跟踪过程需要根据纵向x 轴的距离不断调整自己的速度。

只要保证距离期望点的位置距离最近，根据僚机纵向编队跟踪的串级PID 控制系统，僚机就能以最快的时间到达。

则问题可以进一步转化为求取当tran S 最小时的各飞机间的对应关系。

假设队形变换在无障碍物情况下进行变换，则i P 到'i P 时的直线路径最短，最后可以将队形变化最优解问题简化为指派问题。

编队中有n 架飞机，则共有n n ⨯中对应关系。

若最优的对应方法为'(,)i i J P P 。

则其数学表达式为：'12(,)min(,,,)n n i i tran tran tran J P P S S S ⨯= (4.4) 1.1.2 匈牙利算法的应用匈牙利算法又名为Munkres 分配算法，该算法最早由匈牙利数学家Dénes Kőnig 和JenőEgerváry 提出[59]。

《无人机分布式编队控制算法与实验研究》一、引言随着无人机技术的飞速发展，其在军事、民用等多个领域的应用越来越广泛。

其中，无人机编队控制技术作为提高无人机系统作战能力和任务执行效率的关键技术之一，受到了广泛关注。

本文旨在研究无人机分布式编队控制算法，并通过实验验证其有效性。

二、背景及意义无人机编队控制技术是指通过协调多架无人机之间的行为，使其在执行任务时形成一定的编队队形，并保持队形稳定。

这种技术可以提高无人机系统的任务执行效率、抗干扰能力和生存能力。

而分布式编队控制算法作为一种新兴的编队控制方法，具有较好的鲁棒性和适应性，在复杂环境下能够更好地保证编队控制的稳定性和精度。

因此，研究无人机分布式编队控制算法具有重要的理论意义和实际应用价值。

三、相关文献综述近年来，国内外学者对无人机编队控制技术进行了广泛研究。

其中，集中式编队控制算法和分布式编队控制算法是两种主要的编队控制方法。

集中式编队控制算法通过建立一个中央控制器来协调多架无人机的行为，具有较高的协调性和稳定性，但对通信网络的依赖性较强。

而分布式编队控制算法则通过各无人机之间的局部信息交换来实现编队控制，具有较好的鲁棒性和适应性。

目前，国内外学者在分布式编队控制算法方面取得了较大进展，但仍然存在一些挑战和问题需要解决。

四、无人机分布式编队控制算法研究本文提出了一种基于行为的无人机分布式编队控制算法。

该算法通过定义一系列基本行为，如位置保持、速度跟踪、避障等，以及这些行为之间的协调规则，实现无人机的分布式编队控制。

具体而言，每架无人机根据其自身状态和周围无人机的信息，选择合适的行为，并通过局部信息交换与周围无人机进行协调，从而实现整个编队的稳定和控制。

五、实验研究为了验证所提出算法的有效性，我们进行了多组实验。

实验中，我们使用了多架无人机模拟实际战场环境下的编队飞行任务。

通过调整算法参数和编队队形，我们观察了不同条件下编队的稳定性和控制精度。

实验结果表明，所提出的分布式编队控制算法能够在复杂环境下实现较好的编队稳定性和控制精度。

无人机编队机动飞行时的队形保持反馈控制
邵壮;祝小平;周洲;王彦雄
【期刊名称】《西北工业大学学报》
【年(卷),期】2015(000)001
【摘要】为提高编队大机动时的队形保持能力，采用虚拟结构编队方法，基于李雅普诺夫直接法设计独立的非线性队形保持控制器，并在此基础上采用非线性模型预测控制方法设计含队形反馈的编队轨迹跟踪器。

通过在代价函数中引入队形误差代价来实现队形反馈控制策略，并采用动态参数实现编队队形保持和沿参考轨迹飞行之间的自适应切换，各无人机通过滚动求解有限时域优化问题得到虚拟结构的控制指令。

仿真结果表明，相较于无队形反馈的情况，所设计的含队形反馈轨迹跟踪器能够显著地降低编队大机动时的队形保持误差。

【总页数】7页(P26-32)
【作者】邵壮;祝小平;周洲;王彦雄
【作者单位】西北工业大学无人机特种技术重点实验室，陕西西安 710065;西北工业大学无人机研究所，陕西西安 710065;西北工业大学无人机特种技术重点实验室，陕西西安 710065;西北工业大学无人机特种技术重点实验室，陕西西安710065
【正文语种】中文
【中图分类】V249
【相关文献】
1.无人机编队队形保持变换控制器设计 [J], 邓婉;王新民;王晓燕;肖亚辉
2.多无人机编队队形选择和优化 [J], 唐悦;李聪;黄长强;王勇
3.基于人机合作的有人/无人机编队队形变换策略 [J], 吴立尧; 韩维; 张勇; 熊瑶
4.多旋翼无人机编队队形变换算法研究 [J], 赵凌楚
5.小型无人机编队队形保持与重构算法设计 [J], 齐阖荣;张民;姚洪斌
因版权原因，仅展示原文概要，查看原文内容请购买。

第5卷第5期智 能 系 统 学 报 V o.l 5 .52010年10月 C AA I T ransactions on Inte lligent Syste m s O ct .2010do:i 10.3969/.j issn .1673 4785.2010.05.003无人机编队飞行的分布式控制策略与控制器设计朱杰斌,秦世引(北京航空航天大学自动化科学与电气工程学院,北京100191)摘 要:针对一种小型无人机模型及其编队飞行的实际背景和限制条件,分析了编队飞行所必须涉及的队形保持、约束条件以及行为协调等关键性问题,进而引入分布式编队飞行控制策略并简要介绍了其优越性.根据分布式策略的层级概念,先后讨论了单机控制器的设计与上层的编队控制器的设计.最后分别进行了单机的FDC(fligh t dyna m i c and contro l )仿真和双机编队仿真.仿真结果表明,设计的控制器在执行效率和控制性能等方面具有突出的优势.关键词:无人机;分布式控制;飞行控制;编队飞行中图分类号:TP273.1 文献标识码:A 文章编号:1673 4785(2010)05 0392 08Distri bute d contr ol strategy and controller desi gn for UAV for mati on flightZ HU Jie b in ,Q I N Sh i y in(Schoo l of A uto m a tion Sc i ence and E lectr ica l Eng i neer i ng,B eihang U n i versity ,Be iji ng 100191,Ch i na)Abst ract :In v ie w of the practica l backg r ound and constra i n ts of for m ati o n fli g ht for a c lass o f s m a llUAV m ode ls ,so m e key pr oble m s i n vo l v ed i n for m ati o n fli g h,t such asm ai n taining for m ation ,env ironm enta l constraints ,and be hav ior coor d i n ation w ere analyzed in depth i n order to intr oduce the distri b uted contro l strategy for for m ation flight and d iscuss its advantages .Accord i n g to the h i e rarc h ica l concepts and organ izati o na l structure of d istri b uted con tro ls ,the contro ller desi g n for both sing le UAV and m ulti UAV for m ati o ns w ere st u died ,respective l y .There fore ,t h e FDC (flight dyna m ics and control)si m ulation for si n g l e UAV and genera lS i m ulink si m u lation f o r t w o UAV for m ati o n fli g h ts w ere carried out separately .The si m u lation resu lts show that the pr oposed con tro ll e rs prov ide so m e outstandi n g advantages in executive effic iency and con tro l perfor m ance .K eywords :unm anned aeria l veh i c le ;distributed con tro;l flight contro;l for m ati o n fli g ht 收稿日期:2010 07 26.基金项目:国防基础研究基金资助项目(D212006001);国家自然科学基金重点资助项目(60736025);国家自然科学基金资助项目(60875072).通信作者:朱杰斌.E m ai:l z j bbu aa @.无人机技术经过几十年的发展已经相对成熟,在军事和民用领域发挥着独特的作用.而无人机编队飞行技术作为无人机合作化发展中的一个核心概念,越来越得到人们的重视[1].在军事侦察中,无人机编队飞行可以扩大侦察视野,提高作战命中率和任务成功率,具有单机飞行无法比拟的优点.无人机要实现编队飞行,包括基于主 僚机编队模式的队形保持和队形变化,就必须实现对各个微小型飞行器的空间位置和姿态进行有效的控制[1].文献[2]提出了基于飞机的飞行自驾仪的编队飞行控制器设计,其中假定了飞机的自驾仪方程为一阶惯性环节,然后在此基础上进行长机和僚机的编队控制器设计.当面向实际的编队控制对象时,必须首先完成对文中所提到的自驾仪的设计.文献[3]中利用了FDC (flight dyna m ic and contro l)工具箱进行了编队控制器的设计与非线性仿真,为最终走向双机编队的试飞提供了重要的参考.在实际应用中,主 僚机编队模式由于简便性和实用性而被广泛采用.事实上,基于这种模式已经设计出了多种形式的编队控制器,并给出了仿真验证结果[4 5].但是,在上述这些方法和试验中,大部分只是单独讨论编队控制器,并没有将编队控制器的设计与编队控制的约束与控制策略,单机自主控制器设计过程结合起来,缺乏一定的系统性、实用性.本文从无人机编队飞行的特点入手,讨论了编队飞行的编队方式和约束条件,并从分布式控制策略出发,研究了处于底层的单机控制器和处于上层的编队控制器的设计、以及二者之间的接口关系.仿真试验结果验证了本文所设计的控制器的可行性与有效性.1 问题的提法1.1 编队方式与约束条件无人机编队飞行,就是将多架无人机按照一定的队形进行排列,并使其在整个飞行过程中保持队形不变.按照不同的队形,主要有雁形编队、平行编队、纵列编队、蛇形编队、球形编队等.不同的编队队形有不同的优缺点,如雁形编队僚机可以有效利用长机的气流影响,减少阻力,提高巡航时间.而按照不同的控制策略,编队方式又分为集中式、分布式、分散式等[1].无人机编队的任务往往是大规模的机群编队,在完成编队任务的过程中,很可能因为一些干扰因素引起扰动.防止冲突的策略就是要避免在扰动下可能发生的碰撞和信息交互中的阻塞.多架无人机要保持一定的阵型,就需要更充分的信息交互.在密集编队下由于无人机会受到长机上洗气流的干扰,造成了僚机的阻力有较大的变化[6].按照空气动力学估算受上洗气流影响后的僚机阻力为D FF!D∀-L∀WV.式中:D FF为僚机受到的阻力,D∀为长机的阻力,L∀为长机的升力,W为上洗气流的速度,V为编队飞行的前向速度.可见,相对长机而言,僚机所受阻力减小了,这将会迫使其偏离原定的飞行航迹.因此,编队控制器的设计必须考虑在涡流影响条件下的紧密编队模型.1.2 队形保持与行为协调无人机编队在执行任务的过程中,由长机的感知传感器实时监控战场环境与态势,并将感知信息传给智能决策模块,由智能决策模块根据感知信息进行分析、整理与推理,确定是否需要进行队形的变更,若需要改变队形,则将处理后的感知信息传给队形控制模块,由队形控制模块根据当前环境和态势产生新的编队队形信息,通过长机的通信系统传给2架僚机的通讯系统,再由僚机的编队控制模块根据新的编队信息形成新的队形.另一方面,由于战场环境和态势的动态变化,长机可以根据当前形势变更自身的预定航迹.首先由长机的感知模块检测到当前环境中的动态事件或突发威胁,将感知信息传递给智能决策模块,通过智能决策模块的分析与推理,确定是否需要进行航迹的变更.若需要变更航迹,则将处理后的感知信息传给航迹规划模块,由航迹规划模块给出新的航迹并控制长机跟踪当前航迹,由于僚机始终保持与长机的编队跟踪,因此僚机自然地跟随长机沿着变更后的航迹飞行.2 分布式控制策略及其优越性要实现多架无人机的协同编队需要在传统的两机编队的基础上,采取分布式控制策略:按照层级的概念把大规模的无人机编队分割成若干个两机编队,每个单元编队之间又是紧密联系的,最终实现多机的编队[7].其编队组态关系如图1所示.图1 分布式控制编队组态关系F ig.1 Fo r m ati on con figuration o f d istri buted controls在图1中,V1为长机,V2和V4跟随V1飞行并保持与V1的相对位置不变,从而实现其与V1之间的稳定编队;V3则可在V2的引领下根据要求的相对位置飞行,同理,V5也在V4的引领下根据要求的编队位置飞行,从而使整体编队保持稳定.整个队列可由若干个基本的两机跟随飞行编队组成,具有良好的扩充性.在分布式控制策略中,每一架无人机需知道与之相邻无人机的信息,虽然控制效果相对较差,但信息交互较少,大大减少了计算量,系统实现效率高.如果用集中式控制策略完成编队,信息交互将是海量的,这是因为处理这些信息的复杂程度与编队无人机的数量成几何关系.而如果采用分散式控制策略只要保持自己与约定点的相对关系,不和其他无人机发生交互,因此其控制效果最差[1].3 飞行动态模型和扰动分析本文中采用的小型实验无人机对象的实物如图2所示.与其相关的各动态变量和物理参量的符号表示由表1给出.#393#第5期 朱杰斌,等:无人机编队飞行的分布式控制策略与控制器设计图2 小型无人机实物照F i g.2 P rofile of the s m a llU AV表1 符号说明Tab l e1 Instruct i on of sign s参数名称符号参数名称符号无人机速度V滚转角速度p无人机质量m俯仰角速度q发动机推力T偏航角速度r飞行阻力D滚转力矩M x飞行升力L俯仰力矩Mz 侧力Z偏航力矩M y迎角 X轴转动惯量Ix 侧滑角 Y轴转动惯量I y俯仰角Z轴转动惯量Iz 偏航角!X轴距离X d滚转角∀Y轴距离Yd 航迹角#Z轴距离Z d航迹偏转角!s翼展b速度滚转角∀s机翼面积S升降舵∃e动压 q副翼舵∃a平均气动弦长 c 发动机安装角∀T根据经典飞行控制理论,可建立小型无人机的12阶微分方程模型,其中包括动力学模型和运动学模型.m d Vd t=T cos( +%T)cos -D-mg si n,m V d#d t=T[co s( +%T)sin si n∀S+sin( +∀T)co s∀s]+L co s∀S-Z sin∀S-m g cos#,-m V cos#d&sd t=T[-cos( +%T)sin cos∀s+sin( +%T)sin∀s]+L sin∀s+Z co s∀s,d x d d t =V cos#cos!s, d y dd t=V sin#,d z dd t=-V cos#sin!s,I x d pd t=M x-(I z-I y)q#r,I y d rd t=M y-(I x-I z)p#q,I x d qd t=M z-(I y-I x)p#r,d!d t=1cos(r cos∀-q si n∀),dd t=r si n∀+q cos∀,d∀d t=p-tan(r cos∀-q si n∀).在小扰动的假设条件下,一般情况就能将飞行器的运动方程进行线性化.但是为了便于将线性扰动方程组分离为彼此独立的2组,即纵向和横侧小扰动方程,以减少方程组阶次而解析求解,还需作下列假设:1)飞行器具有对称平面(气动外形和质量分布均匀对称),且略去机体内部的转动部件的陀螺力矩效应.2)在基准运动中,对称平面处于铅垂位置,并且运动所在平面与飞行器对称平面相重合[8].利用水平无侧滑飞行条件∀= ∃0和p=r∃0,将飞机运动方程解耦为不依赖于横侧向状态量( ,∀,p,r,!)的纵向运动方程:mV=T cos -D-m g sin#,m V#=T si n +L-mg cos#,=q- #,I zq=M z.式中:T、D、L及M z分别为发动机推力、气流阻力、升力及绕俯仰轴力矩,这些参量需要根据飞机当前的飞行状态来确定,在此以飞机某一平衡状态为基准,在小扰动情况下,假设这些力和力矩为相应量的线性关系.若将无人机的定常直线无侧滑飞行作为基准运动,在小扰动假设下就可得到无人机的纵向近似模型为mV=(T0+Tv∋v+T∃e∃e)cos -(D0+Dv∋v+D∋ +D∃e∃e)-mg si n#,m V#=T sin +(L0+Lv∋v+L∋ +L∋+Lq∋q+D∃e∃e)-m g co s#,=q- #,I zq=M z0++M zv∋v+M z∋ +M z∋+M zq∋q+M z∃e∃e.同理亦可通过小扰动理论得到横侧向的近似模型:m V=(Z o+Z∋ +Zp∋p+Zr∋r+#394#智 能 系 统 学 报 第5卷Z ∃a ∃a + Z ∃e∃e )-m V (-p sin +r cos ), ∀=p -(r cos ∀-q sin ∀)tan ,!=r co s ∀-q sin ∀cos,I x p =M x 0+M x ∋ + M x p ∋p + M xr ∋r + M x ∃ ∃a + M x∃e∃e ,I y r =M y 0+ M y ∋ + M y p ∋p + M yr ∋r + M y ∃a ∃a + M y∃e∃e . 将无人机的固有参数和通过吹风试验得到的飞行参数,以及通过系统辨识方法得到的发动机参数代入到其中可以得到纵向与横向的状态方程.4 控制器设计实现纵向与横航向的解耦建模之后,单机控制器的设计亦可分为纵向控制器和横侧向控制器分别进行.必须注意到,本文所设计的单机控制器是服务于其上层的导航与编队系统,从而使得编队飞行过程能够按照导航系统或编队控制器所要求飞行参量(速度、高度及偏航信号等)实现稳定、快速、准确的控制效果[9].4.1 单机纵向控制器的设计根据编队试飞的要求,纵向自驾仪的设计主要包括高度控制器(控制高度)和速度控制系统.首先确定飞机的平飞状态,并代入到上面介绍的小扰动方程中,整理得到纵向的状态方程:X =A lon X +B lon u ,Y =C lon X +D lon u.式中:X =[V q H ]T,V 为前向速度, 为迎角,q 为俯仰角速度, 为俯仰角,H 为高度,u =[∃e ∃T ]T.∃e 、∃T 分别为升降舵与油门舵机输入.在本文中,将平飞速度与高度确定后,其对应的状态矩阵和控制矩阵分别为A lon =-0.06415.25790-9.8000-0.000-0.0309-5.04971.00000-0.0012-0.0287-26.2897-4.17580-0.0000001.0000000-1515,B lon =274.95020.4336-1.6634-34.86500000,C lon =I 5,D lon =05%2.1)俯仰保持控制器设计.该控制器内环是俯仰角速率反馈回路.该回路通过增加短周期模态的阻尼来增加其纵向的稳定性.其反馈系数可以通过根轨迹法来确定.外环是俯仰角反馈回路,在该回路的前向通道,仅仅是比例式控制器往往是有稳态误差的,需要在前向通道加入积分式控制器.本文使用Tyreus Luyben 方法设计该回路中的PI 控制器[10].其俯仰保持的控制律表示形式为∃e =Kp ( g - )+KI &( g -)d t-k q q .(1)式中:Kp 为前向通道的比例系数,KI 为前向通道的积分系数,k q 为俯仰角反馈系数, g 为期望俯仰角(控制律的表达式中系数的书写规则:K 为前向通道系数,下标p 表示比例系数,下标I 表示积分系数;上标则表示对应于相应的回路,如式(1)中上标 表示俯仰角回路;k 为反馈系数,下标表示对应的反馈回路).2)高度保持控制器的设计.高度保持控制器的是在俯仰保持控制器的外环.通过高度保持控制器的控制,UAV 可以爬升到飞行包线范围内任意高度.在编队控制系统中,该控制器直接接受导航系统或者是僚机编队控制系统的信号.引入俯仰角偏离信号,飞机在未达到给定高度时,就提前收回舵面,减少飞机的上升率,对高度稳定系统起到阻尼作用,为进一步增加阻尼,同时还引入了高度微分信号∋ H [11].图3 高度保持控制器组织结构F ig .3 O rganiza ti on structure o f he i ght contro ller#395#第5期 朱杰斌,等:无人机编队飞行的分布式控制策略与控制器设计高度保持控制系统的控制律表达形式为∃e =Kp ( c - )+Ki &( c -)d t -k q q, c =K Hp∋H +K HI&∋H d t .式中:∋H =H g -H -k H H 为高度偏差信号.3)速度保持控制器的设计.通过控制油门的大小来达到改变发动机推力从而达到控制的目的.其基本方案如图4所示.从图中可以看到,UAV 到自动控制驾驶仪为虚线连接,这表示自动驾驶仪从UAV 感受的量是随着目标的不同而变化的,当需要飞机进行俯仰保持时,则感受的是俯仰角和俯仰角速率,若需要UAV 保持高度飞行时则自驾仪感受的是飞机的高度和高度变化率.图4 速度控制器的组织结构F i g.4 O rganiza ti on structure o f veloc it y contro ller速度误差信号包括2部分,一部分是期望速度与实际速度输出的差值,另一部分是速度微分信号.其控制律的表达形式为∃T =K Vp (∋V +Kv V)+K VI (∋V +K v V)d t .式中:∋V =V g -V .4.2 单机横航向控制器的设计在横向与航向控制器的设计中,采用与纵向控制器类似的结构.内环是滚转保持控制器,外环为横航向保持的控制器.因此其基本设计思路与高度控制器类似.1)滚转保持控制器.该回路通过控制副翼偏转,产生升力差,从而产生滚转力矩.其控制律表达形式为∃a =K ∀p∋∀+K∀I&∋d t .式中:∋∀=∀g -∀-k p p.2)偏航保持控制器.该回路通过飞机滚转产生侧力,使飞机发生偏航.其控制律表达形式为∃a =K ∀p ∋∀+K ∀I&∋∀d t+K !p ∋!+K !I &∋!d t .式中:∋!=!g -!-k ! !.为保证飞机能够无侧滑且不掉高地协调转弯,还必须加入消除侧滑的控制器和高度保持控制器.在飞机的协调转弯中,横航向的偏航角速度与滚转角速度的关系是 !=gV 0∀,横侧向控制器的基本框架如图5所示.图5 横侧向自驾仪组织结构F i g .5 O rg an i zati on structure o f lateral autop ilot4.3 编队接口关系在考虑到分布式控制系统中的层级概念,前面所述的单机控制系统处于整个编队系统中的最底层.因此底层的控制与上层系统之间数据的交互显得非常重要.考虑双机编队过程中的运动学模型,在图6的参考坐标系中标出了长机和僚机的瞬时位置和速度向量.图6 僚机的参考坐标系F i g .6 T he re ference coo rdina te syste m o fw i ng m an在参考坐标系中,设长机的位置为(x,y ,z),运动学方程为d xd t=V L cos !e - !W y -V W ,d yd t=V L sin !e - !W x ,z =h W -h L .式中:航向角误差为!e =!L -!W .由上式可知,僚机与长机的相对距离(x,y ,z ),僚机编队控制器必须与底层的控制器交互!、h 、V 这3个接口的数据.这3个接口对应于上述所设计的单机自主控制器的输入端.在设计僚机对长机的跟踪控制时,主要是利用x 、#396#智 能 系 统 学 报 第5卷y 、z 三通道控制完成对编队中僚机三方面的控制.其中前向距离与侧向距离可以通过对V W c 与!W c 的控制达到编队保持与变换目的.其控制律的形式为V W c =K xp (x l -x W ),!W c =K yp (y l -y W )+K yI &(y l -y W )d t .式中:下标l 表示长机,下标W 表示僚机.高度的控制可以直接由下层的高度保持控制器实现,无需单独设计控制律形式.5 仿真分析与性能评价5.1 基于FDC 的仿真结果分析FDC 工具箱即飞行动力学与控制工具箱.它是由来自Delft 大学的M arc Rauw 应用Si m ulink 编写的开放的针对于飞行动力学研究的专用工具箱[12].利用M atla b /FDC ,在以下假设条件下进行仿真:1)空速V =15m /s ,迎角 =5.1853∋,高度H =30.2)仿真时间10s .以下仿真试验均在以上的假设条件下进行.5.1.1 速度控制器的仿真结果分析仿真输入:在时间为3s 的时候接收到一个∋V =5m /s 阶跃输入.图7 速度控制器的仿真结果F i g .7 Si m ulati on results of ve locity contro ller从图7中可以看出,UAV 很好地跟踪了指令信号,在2s 之内便已经能够无误差的跟踪.同时在保证速度跟踪到位的时候,由于要保证定高加速,俯仰角也从原有的俯仰角减小到1.5∋左右.并且从高度变化图中,也可以看到UAV 从速度15m /s 增加到20m /s 的过程中,高度仅仅短暂上升了3c m 后又迅速收敛回到原有的高度,达到了定高增速的目的.5.1.2 高度控制器的仿真结果分析高度控制器的仿真结果:此时断开内环俯仰保持对升降舵的控制,同时打开速度保持器,保持速度不变.飞机的平飞条件同上,在时间为1s 处接收一个阶跃输入∋H =6m.仿真结果见图8.图8 高度控制器的仿真结果F i g .8 Si m ulati on results of he i ght contro ll e r从仿真结果可以看出,UAV 需要上升6m 时,飞机俯仰角短暂迅速达到60∋左右,然后又迅速低头回到原始俯仰角,飞机的速度也迅速提高,在1.5s 内迅速恢复到原始速度,从而使得UAV 在2s 内达到期望高度.5.1.3 横航向控制器的仿真结果分析采用的转弯策略是:通过转动副翼,使得UAV 滚转,并启动航向误差消除控制器,调整方向舵,消除侧滑.飞机的初始平飞条件同上,在0时刻接收到一个偏航角为10的阶跃输入.仿真结果见图9~10.图9 横航向控制器的仿真结果F i g .9 S i m u l ation resu lts o f l a tera l au t op il o t#397#第5期 朱杰斌,等:无人机编队飞行的分布式控制策略与控制器设计图10 高度与侧滑角变化F i g .10 Change of heigh t and si deslip ang le从图9中的前2幅子图中可以看到,飞机通过滚转产生偏航,并且滚转角迅速回复到0,最后一副子图则说明了偏航角的变化迅速跟踪到偏航信号,且响应时间不超过1s .从图10的第1幅子图可以看到,UAV 在发生滚转初始时刻,发生一定的掉高,但是在高度保持器的作用下,迅速恢复到0.从图10第2幅子图可以看到,飞机发生轻微的侧滑,但在飞机自身的横航向阻尼以及飞机自身的侧滑消除控制器的共同作用下,迅速恢复到0.以上仿真结果说明本文设计的偏航控制器能够迅速地跟踪到偏航信号,并且能够保证在与纵向耦合的情况下,保证一定程度下不掉高的偏航.5.2 基于线性模型的编队仿真结果分析在验证控制器能够在搭建的非线性模型下依然保持足够的有效性、快速性和精确性之后,拟将本文设计的控制器移植到相同初始条件下的线性模型中,便于多架无人机进行编队的仿真(减少计算量与仿真时间).利用M atlab /Si m ulink 在以下几个假设条件和前提条件下进行仿真.1)2架无人机采用主僚机编队形式;2)飞行速度保持在15m /s ;3)队形初始条件:主僚机前向距离与侧向距离20m;4)队形变化后:主僚机前向距离与侧向距离10m ;5)15s 处长机加入偏航信号;6)仿真时间60s .仿真结果如图11.从仿真结果可以看出,僚机准确地跟踪了长机,并保持了变换后的队形.在长机15s 处发生偏航的情况下,僚机依然能够准确跟踪到长机,并维持设定的队形距离.该仿真结果说明了本文设计的编队控制器均能够达到预期的结果.图11 双机编队仿真结果F i g.11 Si m ulati on results of t wo UAV f o r m ati on5.3 仿真结果比较与性能评价本文设计的控制器是建立在分布式的控制策略的基础之上的.其所搭建的编队控制系统是搭建于各个僚机与长机的姿态与轨迹控制系统之上的.其上层与底层的交互,仅通过3个编队接口即可实现,避免了集中式的大数据量的交换.与文献[5]比较,本文将高度差和内环姿态控制器的计算完全依赖于各UAV 自带的自驾仪的计算,而外环仅仅计算队形中横向与纵向的距离控制.因此有效地减轻了编队控制器自身的计算量,并且达到了良好的控制效果.非线性仿真更加贴近实际飞行环境,因此相较普通的线性模型仿真结果更为逼真,但是其仿真计算量大,在进行多UAV 的编队仿真时,这个缺点会更加明显.本文设计的仿真试验在综合考虑了非线性仿真与线性仿真的优缺点之后,首先在非线性模型下验证所设计的单机控制器,在确保其所设计的控制器能够有效地控制非线性模型的基础之上,将控制器移植到线性模型下进行双机编队控制器的仿真试验.其仿真试验,在不增加仿真计算量的基础上,相对于文献[2]有更大的实用价值.6 结束语本文在深入分析多机编队过程中所必须涉及的队形保持、约束条件以及行为协调等3个关键问题的基础上,引入分布式编队控制策略,将自主控制器的设计与编队接口结合起来,详细论述了单机控制器的控制律设计与编队控制律设计以及二者之间的接口关系.进而通过FDC 工具箱中的非线性动态模型的仿真实验验证了本文所设计的单机自主控制器与编队控制器的有效性,可为编队试飞提供技术支#398#智 能 系 统 学 报 第5卷持.将长机的自主导航与编队过程行为协调和航迹规划等方面将是进一步的研究重点.参考文献:[1]李文皓,张珩.无人机编队飞行技术的研究现状与展望[J].飞行力学,2007,25(1):9 11.L I W enhao,Z HANG H eng.R ev ie w s on un m anned aer i a l veh i c l e for m ati on fli ght[J].F light D ynam ic,2007,25(1):9 11.[2]PACHTER M,DA'ZZO J J,DARGAN J L.A uto m a tic form ati on fli ght contro l[J].A I AA Journa l o fG uidance,Con tro l and D ynam i cs,1994,17(6):838 857.[3]W AN S,C AM PA G,NAPOL I TANO M.D esi gn of f o r m ati on contro l laws for resea rch aircraft m ode ls[C]//P roceed ings of the A I AA G u i dance,N avigati on,and Control Con ference and Exh i bit.A usti n,T exas:A I AA,2003:5730 5740.[4]L I S M,M E HRA K R.G l oball y stable auto m a tic for m ati onflight con tro l i n t wo di m ens i ons[C]//P ro ceedi ngs o f t heA I AA G uidance,N av i gation,and Contro l Conference andExh i b it.M ontrea,l Canada:A IAA,2001:4046 4053. [5]GU Y,SEANNOR B,CAM PA G.D esign and fli ght testi ngeva l uation o f for m ation contro l la w s[J].IEEE T ransacti ons on Contro l System s T echno l ogy,2006,14(6):1105 1112.[6]樊琼剑.多无人机协同编队仿生飞行控制关键技术研究[D].南京:南京航空航天大学,2008.FAN Q i ong ji an.K ey techn i ques research of coopera ti ve for m ati on bio m i m etic fli ght control for mu lti UAV[D].N an ji ng:N anji ng U niversity o f A eronautics and A erospace, 2008.[7]宗令蓓,谢凡,秦世引.基于MA S的无人机编队飞行智能优化控制[J].航空学报,2008,29(5):1326 1333.ZONG L i ngbe,i X I E F an,Q I N Sh i y i n.Intelligent opti m i zi ng contro l o f forma ti on fli ght f o r UAV s based on M AS[J].Ch i nese Journa l o fA eronautics,2008,29(5):1326 1333.[8]方振平,陈万春,张曙光.航空飞行器飞行动力学[M].北京:北京航空航天大学出版社,2005:15 28.[9]M ARKDOOM I H,Q I N Shiy i n.M a tl ab based fli ght contro ldes i gn sche m e f o r UAV s[C]//P roceed i ngs of t he Intelli g ent Contro l and A uto m ation.Ji(nan,Ch i na,2010:1107 1112.[10]TYREU S B D,LUYBE N W L.T un i ng P I contro llers fo ri n teg ra t o r/dead ti m e process[J].Industr i a l and Eng ineeri ng Che m istry R esearch,1992,31(11):2625 2628.[11]张明廉.飞行控制系统[M].北京:航空工业出版社,1994:55 72.[12]RAUW M O.FDC1.4A Si m uli nk too l box f o r fli ght dyna m i cs and con tro l ana lysis[EB/OL].(2005 5 25)[2010 7 24].htt p://ho m e.w anadoo.nl/du tchroll/manua.l ht m.l作者简介:朱杰斌,男,1987年生,硕士研究生,主要研究方向为无人机编队飞行过程建模与智能优化控制.秦世引,男,1955年生,教授,博士生导师,主要研究方向为复杂系统的智能控制、图像处理与模式识别等.作为负责人主持完成(或在研)国家攀登计划项目的子项目、国家)973∗项目的子课题、国家)863∗项目、国家自然科学基金项目、国防科技预研基金项目、武器装备预研基金项目等18项.1999年获全国优秀科技图书奖暨科技进步奖(科技著作)一等奖,1999年获国家第五届工程设计优秀软件金奖.发表学术论文130余篇,出版学术著作1部,研究生教材1部,译著2部.#399#第5期 朱杰斌,等:无人机编队飞行的分布式控制策略与控制器设计。

信息科学中的无人机编队控制系统设计与实现方法研究随着无人机技术的不断发展和普及，无人机编队控制系统越来越受到人们的关注。

无人机编队是指多架无人机在空中组成一个有机的整体，并利用集体智能完成各种任务。

在实际生产和作战中，无人机编队往往需要实现一系列复杂的协同动作，比如集群搜索、区域侦察、目标跟踪等。

而如何设计和实现一个高效稳定的无人机编队控制系统成为当前学术和工业界的热点问题之一。

一、无人机编队控制系统的基本原理无人机编队控制系统的实现需要考虑多个方面的因素，包括无人机之间的通信协议、路径规划算法、姿态控制、集群协同控制等。

其中，通信协议是实现无人机编队控制系统的基础，通过建立适当的通信网络，实现无人机之间的信息共享和协同控制。

路径规划算法则负责确定无人机的飞行路径，使得无人机能够在不同的任务情境下进行协同动作。

姿态控制是指控制无人机的姿态，以确保无人机在空中飞行时具有良好的稳定性。

集群协同控制则是指多架无人机之间的协同动作，能够实现集群内无人机的同步飞行、互动避碰等。

二、无人机编队控制系统的设计与实现方法在设计和实现无人机编队控制系统时，需要考虑系统的可扩展性、稳定性、实时性等因素。

一种常用的方法是基于分布式控制策略，将无人机编队系统分解为多个子系统，并通过局部信息共享和协同控制，实现整个系统的协同运行。

在控制算法方面，可以采用一些经典的控制方法，比如PID控制、模糊控制、神经网络控制等。

此外，还可以利用一些最优化算法，比如遗传算法、粒子群算法等，对无人机编队控制系统进行优化设计。

在实际应用中，无人机编队控制系统需要考虑环境不确定性、通信延迟、传感器误差等因素。

为了提高系统的鲁棒性和容错性，可以采用一些冗余设计和故障检测方法。

同时，对无人机编队系统进行仿真测试和实地验证也是非常重要的。

通过仿真测试，可以评估系统的性能和稳定性，及时发现问题并进行改进。

而实地验证则可以验证系统在实际环境中的可行性和有效性，为系统的进一步优化提供参考。

无人机群智能编队控制及路径规划方法无人机群智能编队控制及路径规划方法无人机群在现代应用中扮演着越来越重要的角色，无论是在事领域还是在民用领域，如环境监测、物流运输、灾难救援等。

智能编队控制和路径规划是无人机群应用中的关键技术，它们直接影响到无人机群的效率、安全性和任务完成的成功率。

本文将探讨无人机群智能编队控制及路径规划的方法。

一、无人机群编队控制概述无人机群编队控制是指通过控制算法，使多架无人机按照预定的队形和规则进行协同飞行。

编队控制不仅要求每架无人机能够飞行，还要求它们能够根据环境变化和任务需求进行动态调整。

编队控制的核心问题包括队形保持、队形变换、队形重构和队形优化等。

1.1 编队控制的基本原理编队控制的基本原理是通过设计控制律，使得无人机群能够根据领导者的指令或者预设的规则进行协同飞行。

这通常涉及到领导者-跟随者模型、虚拟结构模型和行为模型等不同的控制策略。

1.2 编队控制的关键技术编队控制的关键技术包括队形设计、队形稳定性分析、队形调整策略和队形优化算法。

队形设计需要考虑无人机的动力学特性和任务需求，设计出合理的队形结构。

队形稳定性分析则需要评估在不同环境和干扰下，编队能否保持稳定。

队形调整策略和优化算法则用于在飞行过程中对队形进行动态调整，以适应任务需求和环境变化。

二、无人机群路径规划方法路径规划是无人机群飞行中的一个重要环节，它涉及到从起点到终点的最优或可行路径的选择。

路径规划需要考虑多种因素，如飞行安全、飞行时间、能耗、避障等。

2.1 路径规划的基本原则路径规划的基本原则是确保无人机群能够安全、高效地从起点飞到终点。

这通常需要在满足飞行安全和任务需求的前提下，尽可能减少飞行时间和能耗。

2.2 路径规划的关键技术路径规划的关键技术包括环境感知、路径搜索算法、避障策略和多无人机协同规划。

环境感知技术用于获取无人机周围环境的信息，为路径规划提供依据。

路径搜索算法则用于在已知环境中搜索最优或可行的飞行路径。