1 南京航空航天大学自动化学院, 南京 211000
2 四川航天系统工程研究所, 成都 610000
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。
无人机 编队控制 深度强化学习 UAV formation control deep reinforcement learning DDQN DDQN
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。
一致性理论 紧密编队集结 通信拓扑切换 consensus theory close formation gathering communication topology switching
1 南京航空航天大学自动化学院, 南京 210016
2 南航金城学院, 南京 211156
针对带有不确定项和干扰项的变形翼飞行器模型, 提出了一种非线性控制方案。设计在线自适应补偿算法逼近干扰项, 消除环境干扰对系统的影响, 提高了系统的鲁棒性。然后, 通过在线自适应调整神经网络的隐藏层的权重参数, 使神经网络的输出逼近系统的不确定项。利用李亚普诺夫稳定理论证明了神经网络的鲁棒控制器能使系统的跟踪误差最终一致渐近稳定, 并设计出了控制器参数的在线更新律。最后, 仿真结果表明了该方法的有效性。
自适应神经网络 变形翼飞行器 飞行控制 不确定项 adaptive neural network morphing aircraft flight control uncertainty
以舰载机为研究对象,建立了舰载机的动力学模型,设计了基于H2全信息预见控制器的舰载机自动着舰控制系统,实现了舰尾流干扰的抑制和下滑道的跟踪。以某舰载机为受控对象,进行非线性数值仿真,结果表明,采用H2全信息预见控制策略能够提高对舰尾流干扰的抑制效果,获得较快的系统响应和满意的轨迹跟踪效果,控制效果优于PID控制。
舰载机 H2全信息预见控制 自动着舰 舰尾流抑制 carrier based aircraft H2 full information control automatic landing turbulence suppression
1 南京航空航天大学自动化学院, 江苏 南京 210016
2 中国科学院自动化研究所复杂系统与智能科学重点实验室, 北京 100190
建立了一个基于全息定向散射屏的光场三维(3D)成像系统，系统能够实现真实场景与虚拟场景的光场三维显示。详细地分析了光场三维显示在垂直全息定向散射屏下的视点图像内容和投影图像的生成方法，开发了相机采集校正算法和投影显示校正算法，完成了光场三维采集与显示系统的硬件结构设计和软件开发。实验进行了真实场景光场和虚拟场景光场的三维成像，实验结果验证了光场三维成像系统的可行性，同时证明系统中投影图像生成方法和校正算法是正确的。
成像系统 三维显示 三维采集 光场 全息定向散射屏 激光与光电子学进展
2015, 52(10): 101103
1 中国电子科技集团第二十八研究所, 南京 210007
2 南京航空航天大学, 南京 210016
针对传统的空战多目标威胁评估不适于第四代战斗机超视距多目标空战威胁评估的问题, 提出了一种新的适合第四代战斗机超视距多目标空战的威胁评估方法。该方法在传统多目标威胁评估的基础上, 考虑空战高度和第四代战斗机隐身性能, 分别运用模糊优选法和区间层次分析(IAHP)法解算主客观权重, 进而得到综合权重区间, 并运用改进的TOPSIS法进行多目标威胁评估研究。仿真结果表明该算法的有效性和合理性, 适合于第四代战斗机超视距多目标空战的威胁评估。
威胁评估 第四代战斗机 模糊优选 threat assessment the fourth generation fighter fuzzy optimum IAHP IAHP TOPSIS TOPSIS
针对舰载无人机撞网回收过程的下滑轨迹跟踪控制问题，在设计基于αβ滤波器的轨迹控制外回路的基础上，着重设计了趋近律滑模控制与最优控制相结合的姿态控制内回路，提高了系统的稳定性并改善了系统的动态性能。以某小型无人机为例进行了撞网回收全过程三维数值仿真，仿真结果表明，该撞网回收着舰轨迹控制系统能够实现下滑过程飞行姿态及轨迹的精确控制，且能够在舰船甲板运动情况下实现较精确的撞网回收。
小型无人机 撞网回收 滑模控制 最优控制 small UAV net recovery sliding mode control optimal control
南京航空航天大学自动化学院, 江苏 南京 210016
针对现有光场采集方式中存在的：相机阵列采集方式的硬件成本高，体积庞大；单相机分时采集光场局限采集静态光场；积分成像光场采集得到的光场空间分辨率低等问题。研究了一种基于掩膜(mask)的光场采集与重建方法。建立了光场采集模型，分析了光场在傅里叶域的成像过程；采用了随机衰减掩膜mask对光场信号进行随机编码，得到了被编码的传感器图像；离线学习了过完备光场字典，结合压缩感知理论对编码的传感器图像进行了非线性优化，重新恢复了原始的光场。
图像处理 光场 重建 非线性优化 光学掩膜
为了更好地演示无人直升机飞行控制的仿真效果, 开发了无人直升机飞行控制多通道视景仿真平台, 该平台使用3个通道在弧形大屏幕上演示仿真效果。软件部分使用Visual C++6.0编程, 利用Creator软件建立无人直升机三维模型和飞行场景, 采用Vega软件实现动画显示效果。硬件部分由3台计算机、3台投影仪和2个控制杆组成, 实现多通道视景仿真数据的传输及同步, 以及三通道视锥配置, 并实现三通道渲染场景的无缝拼接。通过无人直升机在此平台上的飞行仿真证明, 该多通道视景仿真系统比传统视景系统的显示效果更为突出。
视景仿真 无人直升机 多通道 visual simulation unmanned helicopter Vega Vega multi-channel
详细论述了所开发的串行通信链路的开发过程及设计方案。从光通信链路入手，在研究了相关串行通信接口协议的基础上，通过相关的发射和接收接口电路设计,开发了相应的光电转换接口模块， 并对其进行了相关的基带传输性能测试和数据通信测试。测试结果表明，所开发的光通信设备可稳定工作在460.8 kb/s。该光电转换接口设备是为了配合用于小型无人直升机的光传数字舵机的验证而开发，它以光信号的形式传输飞控计算机至舵机的控制指令，并返回舵机位置传感器信号。飞控计算机端电气接口采用RS-232标准，舵机控制器端采用RS-485接口标准，通信波特率为9600 b/s。通过其在直升机贴地飞行光传操纵半物理仿真平台上的验证表明，所开发的光电接口设备兼容两种串行接口，能够满足验证工作的需要。
光传操纵 串行光纤数据总线 光电转换接口模块 光接收器 光发射器 fly-by-light serial optical-fiber data bus photoelectric translating interface module optical transmiter optical receiver
