针对无人机编队控制中无人机智能化程度不足、缺乏自主学习能力等问题, 基于深度强化学习中DDQN算法设计无人机编队控制器, 该控制器可同时控制速度与航向通道, 使僚机能够自学习跟踪长机并保持编队, 提高无人机智能化程度。为验证设计控制器的有效性, 通过仿真将设计的DDQN控制器与传统PID控制器进行对比。对比结果表明, 该控制器可有效形成无人机编队并满足编队要求, 对无人机编队智能化控制进行了有效探索。

提出一种基于改进双向快速扩展随机树(RRT-Connect)算法的无人机协同航迹规划方法。首先针对基本RRT-Connect算法效率较低且采样具有随机性的缺陷,提出一种改进RRT-Connect算法，通过控制采样范围、引入目标引力来降低无效采样，加快算法的收敛性; 利用混沌序列来保证采样节点一定的随机性。利用改进RRT-Connect算法考虑航迹规划模型的约束条件，并引入人工势场，提出一种协同航迹规划方法。通过仿真实验验证了改进RRT-Connect算法与基本RRT-Connect算法相比性能的优越性，以及协同航迹规划方法的有效性。

针对无人机一般难以单独打击空防严密的高价值目标问题, 采用低成本无人机集群饱和攻击技术, 提出协同控制下的三阶段一致性饱和攻击策略, 根据不同阶段的任务特点, 设计对应的改进一致性算法, 并在满足饱和攻击任务多条件协同的基础上, 加入Dubins曲线增加飞行轨迹约束, 平滑无人机飞行航迹, 缩短航程。此外, 在高精度队形保持的任务环境下, 设计改进的二阶一致性控制器, 确保飞行精度, 加快收敛速度。最后, 将各阶段改进算法的实际效果与传统算法进行对比, 在验证改进算法有效性的同时, 检验算法延展性。仿真结果表明, 该算法可应用于大规模无人机集群并具有良好的效果, 为饱和攻击战略决策部署与战术实现提供了依据和参考。

研究解决基于一致性理论控制的多无人机紧密编队集结问题。紧密集结策略可分为松散集结和紧密集结两步。考虑无人机同时到达目标集结点和集结完毕后飞行状态一致问题, 同时考虑到无人机间分布式通信拓扑结构, 提出了针对不同策略的一致性算法。在松散集结阶段增加虚拟长机改进算法, 在紧密集结阶段考虑延时和切换拓扑情况设计基于虚拟长机的一致性算法, 对其收敛性给出了理论证明。最后对无人机集结过程进行仿真, 结果表明: 改进的松散集结算法具有较快收敛性, 且能在一定意义上实现无人机在有限时间集结; 设计的紧密集结算法在延时和拓扑切换的条件下依然保证其有效性, 且能保持队型稳定。

针对舰载机着舰阶段甲板运动和舰尾流造成的控制难度大以及着舰精度低的问题, 提出了舰载机“魔毯”着舰直接力控制方法, 提高了飞行轨迹的响应速率和响应带宽。直接升力由襟翼与升降舵配合产生, 且直接升力操纵面主控轨迹, 而平尾通过保持迎角来辅助控制轨迹。油门通道采用速度恒定的动力补偿方式进行控制。将该控制方法与传统控制方法对比仿真, 加入甲板运动和舰尾流的干扰, 仿真实验表明“魔毯”着舰直接力控制方法的轨迹修正速度较快, 着舰精度较高。

针对单独采用SVD或形态学对故障信号降噪效果不理想的问题, 提出一种基于多尺度形态学的SVD降噪方法。首先, 在SVD降噪原理上, 通过循环矩阵法重构矩阵;其次, 针对重构信号矩阵的有效阶次大小会影响消噪效果, 在MMRR奇异值比法基础上, 采用相邻特征极值的比值作为目标函数, 估计有效阶数, 确定奇异值有效数进而还原信号;最后, 设计一种基于多尺度形态学的SVD滤波器, 选择合适的结构元素, 并将形态学的开闭运算进行自适应组合。仿真验证表明,该改进方法可以显著提高信噪比, 有效滤除故障信号中的冲击信号、白噪声等, 较单独的SVD或形态学降噪方法抗噪能力强, 具有一定工程应用价值。

为解决四旋翼无人机在飞行时实时姿态测量的问题, 提高姿态估计精度, 设计了一种基于STM32的梯度下降姿态估计系统。该系统以STM32F427微处理器为主控制器, MPU6000和LSM303D作为姿态传感器, 实现了对姿态传感器数据采集以及姿态解算。系统对加速度计、磁罗盘进行预处理, 利用梯度下降滤波的方法估计误差四元数, 从而修正陀螺仪积分误差, 实现了姿态角的精确估计。最后, 通过搭建的飞行实验平台, 与Pixhawk飞控进行姿态角比较分析, 实验结果表明：采用梯度下降法的姿态估计系统能够稳定有效地估计无人机的姿态, 满足四旋翼无人机的飞行要求。

针对近空间可变翼高超声速飞行器的非线性系统控制问题, 考虑可变翼对建模的影响、模型参数不确定性和外界未知干扰对跟踪控制性能的影响, 以及虚拟信号多次“微分膨胀”问题, 提出一种基于Back-Stepping的鲁棒自适应动态面控制策略。首先利用插值拟合得到飞行器巡航段的气动参数, 建立精确的纵向模型, 得到飞行器纵向不确定严格反馈块非线性模型。其次根据飞行器的状态变量特性, 将高度和速度分开控制, 利用反步法依次求取控制信号, 并采用RBF神经网络对未知干扰进行逼近, 在线实时更新参数, 实现鲁棒自适应性能。针对虚拟控制信号求导困难和微分膨胀的问题, 加入动态面控制。通过Lyapunov函数等, 证明该方法可以保证系统的半全局稳定有界, 最后通过仿真表明该控制器具有较强的鲁棒性和良好的跟踪性。

无人机在飞行过程中必须能够检测障碍物并且准确躲避。为使无人机在飞行过程中更加安全, 提出了一种双目立体视觉和光流相结合的避障方法。双目立体视觉通过边缘索引算法来获取可靠的视差值, 并根据视差线汇聚角度得到空间深度信息, 进而辨别物体的远近; 基于SIFT的光流法能得到障碍物相对于摄像头的每一个时刻的运动速度。为了更快地得到更加准确的位置信息, 将立体视觉和光流结合在一起。实验结果表明, 该方法能有效提高避障的效率和精度。

甲板运动是舰载机完成海上作战任务的关键影响因素之一。针对无人舰载机着舰过程中甲板运动干扰问题,设计了基于最优预见控制的甲板运动补偿器,并与基于卡尔曼滤波算法的甲板运动预估器相结合,组成甲板运动跟踪控制系统。该系统利用了甲板运动预估信息以及预见控制提前操作的特点,可有效避免传统甲板补偿系统的相位延迟。最后,以非线性小型固定翼无人机模型为研究对象进行数值仿真,仿真结果表明,该系统能够有效跟踪甲板运动,从而提高无人机着舰成功率。