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。

对项目组在自主空中加油对接控制方面的研究成果进行了回顾。首先介绍了使用深度学习这一具有强非线性表征能力的回归技术结合CFD和高阶复杂模型的仿真数据, 所建立的受油机前扰波和面向控制的锥套预测模型。在此基础上, 介绍了借鉴空中加油人工驾驶对接的优点, 创新提出的反步高阶滑模抗扰动对接控制器、平动/转动综合的抗扰动对接控制器以及直瞄/变长度预瞄复合引导对接控制器。仿真结果表明, 所提方法显著提高了自主空中加油对接精度。

针对无人机自主导航的实时性差、精度低且对时变噪声的鲁棒性弱的问题, 建立了机器视觉和惯性导航相融合的组合导航系统, 并提出了一种自适应平方根无迹卡尔曼滤波(adaptive square-root unscented kalman filter, ASRUKF)算法。该算法通过观测值与估计值残差的Mahalanobis距离时刻修正系统噪声协方差, 再与采用最小偏度采样的SRUKF算法相融合, 从而达到时变噪声自适应抑制, 滤波快速且对噪声鲁棒性高的效果。仿真结果表明, 相比标准SRUKF, ASRUKF计算耗时减少约38.8%, 位移、速度和姿态角预测精度分别提高超过4倍和6倍, 且对于时变噪声鲁棒性更强。

针对硬管式无人机自主空中加油近距编队阶段的相对位置和姿态估计问题, 研究了基于双目视觉的相对位姿估计算法。该算法采用Harris方法提取特征点, 并对其进行快速匹配, 通过Sampson方法三维重构获得特征点在摄像机坐标系下的三维坐标, 以重构误差平方和最小为准则建立目标函数, 利用单位四元数法求解位姿参数。最后利用仿真平台验证双目视觉位姿估计算法的有效性。结果表明: 相对位置误差低于0.1 m, 相对姿态误差小于0.5°, 其精度满足自主空中加油相对导航性能要求。

针对无人机自主空中加油保持阶段加油机位姿跟踪精度不高的问题，提出了一种改进UKF(无损卡尔曼滤波)预测方法。建立了视觉导航系统模型，利用Harris算法检测角点，并用RANSAC(随机序列一致性)算法进行角点匹配。将历史预测数据引入当前时刻UKF预测值，并通过匹配角点所得姿态观测值对改进UKF预测值进行修正，从而实现加油机姿态的高精度预测。仿真结果表明，改进UKF在遭遇突发强干扰时姿态预测性能明显优于标准UKF，所预测误差小于5.8%，满足空中加油精度要求。该算法避免了强干扰引发的预测出错，有效抑制了突发干扰。

针对自主空中加油对接阶段锥套跟踪问题, 提出了一种基于tracking-learning-detection (TLD)的锥套跟踪算法。该算法将加油锥套的跟踪任务分解成跟踪、学习、检测3个部分。跟踪模块在LK光流法的基础上添加跟踪失败自检测, 筛选出好的跟踪点, 跟踪加油锥套; 检测模块构建级联分类器, 对滑动窗遍历得到的图像块进行分类并返回含有目标的图像块, 融合跟踪模块的跟踪框, 给出最终跟踪结果; 学习模块引入P-N约束修正错误样本并学习更新检测模块。利用Creator/Vega Prime软件对空中加油进行视景仿真, 在视景仿真视频上测试锥套跟踪算法。结果表明: TLD算法跟踪加油锥套成功率达95.5%, 处理每帧平均耗时31.4 ms, 能够满足加油锥套跟踪鲁棒性、准确率、实时性的要求。