针对执行器效益损失故障、偏移故障和舰尾流扰动, 提出了一种直接升力作用下的自适应固定时间容错控制方法。首先, 建立了一种新的含襟翼的舰载机精确反馈线性化模型, 并基于新的固定时间稳定性定理, 对直接升力模态设计了滑模控制器, 提升了系统的收敛速度和着舰精度; 然后, 引入非线性微分方程形式的自适应更新律, 在线估计故障因子的最小值和复合扰动上界值, 补偿故障和扰动的影响, 基于李雅普诺夫方法证明了闭环系统的固定时间收敛特性; 最后, 与其他方法对比仿真的结果证明了所设计方法的有效性和优越性。
舰载机 着舰控制 直接升力控制 容错控制 固定时间控制 carrier-based aircraft landing control direct lift control fault-tolerant control fixed-time control
1 南京航空航天大学自动化学院，南京 210016
2 桂林航天工业学院电子信息与自动化学院，广西 桂林 541004
针对高超声速飞行器存在参数不确定性的问题，设计了双幂次滑模反演控制器。首先，将高超声速飞行器动力学模型表示为严反馈形式，在反演设计的过程中采用动态面控制的方法避免微分膨胀问题;其次，在反演控制的基础上结合了滑模控制方法，并在滑模控制中采用双幂次趋近律以消除抖振的影响。基于Lyapunov稳定性原理证明了方法的稳定性。仿真结果表明，在考虑较大参数不确定性的情况下，基于反演控制的双幂次滑模控制器实现了高度和速度的稳定跟踪。
高超声速飞行器 双幂次趋近律 滑模控制 反演控制 hypersonic vehicle double-power approaching law sliding mode control backstepping control
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。
故障信号 降噪 无人机 循环矩阵 多尺度形态学 fault signal noise reduction UAV SVD SVD circulant matrix multi-scale morphology
针对具有强耦合性、严重非线性等特性的高超声速飞行器控制问题,提出了一种改进的自适应二阶滑模控制方法。首先,在高超声速飞行器纵向模型中加入不确定因素,建立了具有参数不确定性、模型不确定性以及干扰的控制模型；其次,在所建立模型的基础上,利用类二次型Lyapunov函数设计了基于super-twisting算法的二阶滑模自适应控制器；最后,仿真结果表明,对具有未知上界不确定性的系统,该方法设计的控制器较普通二阶滑模控制器,有更好的跟踪效果以及鲁棒性。
高超声速飞行器 自适应控制 二阶滑模 不确定性 hypersonic vehicle super-twisting super-twisting adaptive control second-order sliding mode uncertainty
针对多架异构无人机在未知环境下协同执行搜索打击任务。考虑无人机和目标资源问题,采用了一种组建联盟方式来完成打击任务,建立了组建联盟的多目标优化模型,并提出了一种并行带精英策略非支配排序的遗传算法(NSGA-II)求解模型。通过具体的仿真验证了模型的合理性,分析了不同情况下的算法运行速度,并与传统方法进行对比,证明了并行NSGA-II具有很强的实时性,且提高了任务的完成效率。
无人机 协同搜索打击 组建联盟 UAV cooperative search and attack coalition formation NSGA NSGA
在舰载机着舰过程中，着舰指挥官需要根据飞机的飞行状态和外部条件等因素对舰载机着舰进行实时的调度，确定安全高效的着舰次序。针对舰载机群着舰排序问题，不仅考虑多种因素对着舰排序的影响，而且考虑舰载机着舰失败对着舰排序的影响，提出以减少延迟时间和延误成本为目标的优化数学模型。针对传统遗传算法的不足，提出改进遗传算法，并利用改进遗传算法对模型进行求解。通过仿真实验发现优化后的着舰顺序能够有效地减少延迟时间和延误成本，从而提高甲板利用率。
舰载机 着舰排序 排序模型 遗传算法 carrier aircraft landing sequence sequencing model genetic algorithm
为监测无人机舵面系统的工作状态，提出一种集合经验模态分解和后验概率下多分类支持向量机相结合的诊断方法。该方法将飞机方向舵的正常状态、松浮状态、损伤状态、卡死状态以及反向状态等5种典型工况下的输出信号作为研究对象，首先将采集到的信号进行集合模态经验分解，得到一系列成分简单的固有模态函数，然后分别计算各阶分量的能量值并以此构成信号特征矢量，最后以此作为输入信息建立基于后验概率的多分类支持向量机，进而判定飞机舵面系统的故障类型。仿真实验结果表明，该方法可以有效地应用于舵面系统的故障诊断。
舵面系统 集合经验模态分解 后验概率 支持向量机 故障诊断 actuator system Ensemble Empirical Mode Decomposition(EEMD) posterior probability Support Vector Machine(SVM) fault diagnosis
近空间可变翼飞行器在不同飞行段进行模态切换过程中, 由于飞行状态会发生突变, 不同模态下控制器结构参数发生变化, 难以设计一个通用控制器保证两个模态及模态切换过程的稳定性和平滑性。若直接进行两个模态控制器硬切换, 会导致飞行器的控制律参数发生跳变, 从而引起飞行状态发生突变, 影响模态切换过程的稳定性和平滑性, 致使系统不稳定, 造成飞行事故。以爬升段末到巡航段初为例, 设计一种基于惯性环节的快速双幂次滑模切换控制器。首先对切换前后的滑模面进行淡化处理, 得到切换控制律的滑模面, 然后针对新的滑模面设计滑模切换控制律,最后对比分析直接切换和快速双幂次滑模切换。仿真结果表明快速双幂次滑模切换控制方法具有良好的跟踪控制效果
近空间飞行器 切换控制 模态切换 滑膜控制 near space vehicle switching control mode switching sliding mode control
1 南京航空航天大学自动化学院,南京 210016
2 空间物理重点实验室, 北京 100076
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。
高超声速飞行器 鲁棒控制 自适应控制 反步法 RBF神经网络 动态面控制 hypersonic vehicle robust control adaptive control Back-Stepping RBF neural network dynamic surface control
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。
无人机 避障 双目立体视觉 光流 UAV obstacle avoidance binocular stereo vision optical flow
