针对无人飞行器编队协同过程中的避碰控制问题, 设计了一种基于两极导航函数与模型预测控制(MPC)相结合的飞行器编队分布式避碰控制方法。首先, 利用邻居集中其他飞行器的位置信息及其目标位置, 建立每架飞行器的导航函数和控制律; 然后, 基于MPC设计了分布式高层编队控制律, 给出分布式预测控制算法; 最后, 以5架无人飞行器在末端攻击阶段飞向各自分配的目标点为例,对飞行器编队避碰控制方法进行了仿真。仿真结果表明, 基于导航函数和MPC的飞行器编队协同避碰控制方法是有效的。

针对无人机自主空中加油过程中加油机、受油机会合编队问题, 基于Lyapunov导航向量场(LGVF)和一致性理论设计了一种编队控制方法。首先, 建立了无人机编队模型, 包括通信拓扑模型和编队几何模型, 并在此基础上定义了多无人机系统的协同变量; 接着, 设计了期望的加油轨迹, 并基于Lyapunov导航向量场方法设计了加油机(编队参考点)的飞行控制律; 然后, 根据加油机的位置、速度信息, 基于一致性理论设计了加、受油机会合编队控制方法, 并分析了该方法的稳定性; 最后, 进行了数字仿真,表明了所提方法的有效性。

针对多无人机受模型偏差和外部扰动导致的编队构型不稳定问题, 提出一种模型补偿控制的思想, 在此基础上设计基于补偿函数观测器(CFO)的模型补偿反步控制器并应用于编队协同控制, 把编队协同控制问题转化为传统控制问题, 实现多无人机在复杂外部扰动下的编队集合、飞行和队形切换。所提出的控制器不仅保留了基于Lyapunov准则的全局指数渐近稳定性, 还采用CFO来准确估计模型偏差和干扰并补偿到控制器中, 有效增强了编队系统整体的抗扰能力。最后通过仿真和实验验证了算法的有效性。

为了提高空降部队突击突防能力, 对双运输机重装空投编队多目标规划问题进行研究。首先, 基于分离法分析重装空投货台运动过程, 通过欧拉迭代思想构建货台动力学模型。然后, 考虑到前机尾涡对后机影响, 构建了双运输机编队空间位置模型。为确定双机编队位置关系的最优解, 采用改进后的NSGA-II算法, 引入支配强度、优化精英策略、种群等级交叉系数以及高斯变异算子, 同时基于方差表示拥挤度, 计算出最终结果。仿真实验数据表明, 优化后的算法不仅能够提升双运输机编队飞行安全性, 而且使得空投点更加密集、空投精度更高。

针对舰载机无人机协同起降场景给出了舰载无人机编队起飞、返航过程中的任务剖面。提出了各飞行阶段的航线设计要求, 对起飞等待阶段、进近等待阶段、下滑着舰阶段以及复飞等待阶段的舰载无人机飞行航线分别进行了设计, 得到舰载无人机编队自主协同起降的全过程飞行航线及其相应的飞行关键点。最终, 通过Matlab对所设计的航线进行了仿真验证, 仿真结果验证了所设计的飞行航线符合相应的设计要求。

针对四旋翼编队队形保持控制中常用简化自驾仪来代替内回路并未能贴合现实模型的问题, 以及常受扰动和控制器调参数困难从而引起控制精度下降的现象, 提出一种基于RBF与BP神经网络的滑模编队控制器。首先采用Leader-Follower思想对四旋翼编队问题进行建模, 并基于RBF神经网络逼近不确定项与干扰项来设计内回路轨迹跟踪控制器。在此基础上根据机间通信关系设计编队保持控制器并结合BP神经网络对控制器参数进行整定, 最后利用Lyapunov方法证明其稳定性。仿真结果表明, 所提控制器具有良好的抗干扰能力, 并且能有效提高队形保持精度, 使编队保持稳定期望队形。

针对存在通信时延时含单一领导者的多无人机系统的编队控制问题, 基于一致性控制理论设计了控制器, 使得系统在一定的通信时延条件下依旧能够使各系统状态趋于一致, 形成期望的编队。首先, 建立系统中各无人机的动力学模型, 做出一些基本假设, 并根据一致性理论设计参数待定的控制器; 其次, 通过变量代换和数学变形, 得到一个新系统, 将原系统的编队控制问题转化为低阶系统的渐近稳定问题; 最后, 设计Lyapunov-Krasovskii函数, 结合线性矩阵不等式推导出了系统达到一致性的充分条件。仿真结果表明, 在满足给出的条件时, 系统能够在时滞条件下形成期望的时变编队。

编队无人机对目标无人机进行围捕是多无人机战场作战中重要且典型的任务之一，本文将无线紫外光通信技术与围捕算法结合，提出了一种紫外光通信协作编队无人机联盟围捕算法。该算法借助无线紫外光辅助无人机编队机间数据保密传输和非直视通信，将联盟生成算法与区域最小化策略进行融合，采用动态规划法对最优联盟结构进行求解，使用区域最小化策略对目标无人机实施空中围捕，完成在复杂场景中无人机编队高效围捕多目标任务。对区域最小化策略和本文提出的紫外光协作编队无人机联盟围捕算法进行了仿真对比，实验结果表明：所提出的紫外光协作编队无人机联盟围捕算法在无人机编队围捕多目标过程中平均降低了12.73%的能耗，算法迭代次数平均降低了27.49%，验证了该算法能耗少、围捕效率高的性能。

为了克服未知的执行器故障对四旋翼无人机编队飞行的影响, 提出了一种基于动态规划的最优协同容错控制律。首先, 建立了四旋翼无人机模型, 然后, 基于动态规划设计了最优协同控制律, 利用RBF神经网络逼近最优性能指标函数, 设计了自适应律来估计未知的执行器故障, 最终得到的最优协同容错控制律可实现对无人机编队飞行的高精度控制。通过对比仿真验证了设计的控制律具有更优的编队控制效果, 编队飞行的最大轨迹跟踪误差仅为0.04 m, 控制精度较高, 设计的自适应律具有更优的故障估计效果, 最大估计误差仅为0.05 N·m, 实现了对四旋翼无人机编队的安全稳定控制。

为了研究强电磁干扰环境下无人机防撞编队的避障控制效果, 采用无人机编队间紫外光通信模型, 对传统人工势场法进行改进, 给出了具体无人机编队机间和无人机与障碍物的势场函数, 实现无人机编队在飞行的同时可以进行局部避障。结果表明, 在相同条件下, 改进后的人工势场法比传统人工势场法的避障时间减少了7.38%, 避障总路径减少了5.8%, 将改进后的避障算法应用到编队中可实现无人机编队的机间避障与外部障碍物的规避, 且编队间能够保持固定队形飞行至目标点。这一结果对强电磁干扰环境下无人机编队避障的研究有一定的应用价值。