CN111506114A - 一种飞行器编队控制方法 - Google Patents

一种飞行器编队控制方法 Download PDF

Info

Publication number
CN111506114A
CN111506114A CN202010446377.5A CN202010446377A CN111506114A CN 111506114 A CN111506114 A CN 111506114A CN 202010446377 A CN202010446377 A CN 202010446377A CN 111506114 A CN111506114 A CN 111506114A
Authority
CN
China
Prior art keywords
time
boundary
current aircraft
formation
aircraft
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010446377.5A
Other languages
English (en)
Other versions
CN111506114B (zh
Inventor
王晓芳
尹依伊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202010446377.5A priority Critical patent/CN111506114B/zh
Publication of CN111506114A publication Critical patent/CN111506114A/zh
Application granted granted Critical
Publication of CN111506114B publication Critical patent/CN111506114B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Abstract

本发明提供一种飞行器编队控制方法，建立领队‑跟随者相对运动模型，采用跟随者在领队坐标系下的三轴加速度作为控制量控制各跟随者的飞行，使得各跟随者的当前位置与各自对应的期望位置之间的距离小于设定值，从而按照预设队形飞行，实现编队；由此可见，本发明能够有效实现飞行器的编队飞行，能满足飞行器间距离约束的效果。

Description

一种飞行器编队控制方法
技术领域
本发明属于飞行器飞行策略技术领域，尤其涉及一种飞行器编队控制方法。
背景技术
目前对于无人飞行器的编队控制问题，主要有基于领-从模式的编队方法和基于分布式通讯模式的编队方法。例如，基于蚁群算法为飞行器规划相对路径再通过设计航迹跟踪控制率进行跟踪，但是此算法将编队形成与重构问题划分为路径规划与航迹跟踪两部分，求解效率较低；或者，对控制作用及时间分别进行参数化与离散化处理，并分别采用改进的遗传算法、鸽群算法进行寻优，但此类方法计算量较大，且仅适用于二维平面，在三维平面未进行有效验证；最后，还可以采用微粒群算法解算PI控制器参数，虽然实现了有效的编队控制，但此方法未考虑编队重构过程中的耗能问题。此外，与多目标优化算法相比，单目标优化算法的求解结果受代价函数权重的影响较大，当编队形成时间或耗能指标发生变化时，需要重新计算最优解，效率较低。
发明内容
为解决上述问题，本发明提供一种飞行器编队控制方法，能够有效实现飞行器的编队飞行，能满足飞行器间距离约束的效果。
一种飞行器编队控制方法，包括以下步骤：
S1：指定一个飞行器作为领队，将剩余飞行器作为跟随者，并给定各跟随者在领队坐标系下的期望位置，同时，领队按照地面设定参数进行飞行；
S2：获取各跟随者的控制量U，其中，控制量U为跟随者在领队坐标系下的三轴加速度；
S3：各跟随者按照控制量U的控制进行飞行，使得各跟随者的当前位置与各自对应的期望位置之间的距离小于设定值，从而按照预设队形飞行，实现编队。
进一步地，将各跟随者分别作为当前飞行器执行以下步骤，得到各自对应的控制量U：
S21：构建当前飞行器的状态变量X1和期望状态变量
Figure BDA0002506017700000021
如下：
X1＝[xi,yi,zi]T
Figure BDA0002506017700000022
其中，xi,yi,zi分别为当前飞行器i在领队坐标系下的坐标，hxi,hyi,hzi分别为当前飞行器i在领队坐标系下的期望位置坐标，且i＝1,2,…,M，M为跟随者的数量，T表示转置；
S22：根据状态变量X1和期望状态变量
Figure BDA0002506017700000023
得到当前飞行器的跟踪误差
Figure BDA0002506017700000024
其中，ex,ey,ez分别为当前飞行器在领队坐标系下三个方向上的跟踪误差；
S23：采用设定边界函数
Figure BDA0002506017700000025
对跟踪误差e1(t)进行如下边界约束，使得跟踪误差e1(t)在设定时间tk内收敛；
Figure BDA0002506017700000026
S24：采用设定误差变换函数将上述边界约束转换为等式边界约束后，求解所述等式边界约束，得到转换误差ε1(t)的解，同时，构建虚拟控制量X2c，其中，虚拟控制量X2c为转换误差ε1(t)的解的其中一个参数，且虚拟控制量X2c使得跟踪误差e1(t)满足所述边界约束；
S25：构建状态变量X2如下：
X2＝[w1i,w2i,w3i]T
Figure BDA0002506017700000031
其中，w1i,w2i,w3i均为中间变量，Vfi为当前飞行器i的速度，θfi为当前飞行器i的速度倾角，ψfi为当前飞行器i的速度偏角；
S26：将虚拟控制量X2c进行滤波，得到状态变量X2d；
S27：将状态变量X2d作为状态变量X2待跟踪的变量，并获取两者的跟踪误差e2(t)＝X2-X2d；
S28：将跟踪误差e2(t)＝X2-X2d对时间进行求导，得到
Figure BDA0002506017700000032
其中，
Figure BDA0002506017700000033
为跟踪误差e2(t)对时间的导数，
Figure BDA0002506017700000034
为状态变量X2对时间的导数，
Figure BDA0002506017700000035
为状态变量X2d对时间的导数；
S29：已知
Figure BDA0002506017700000036
将其代入
Figure BDA0002506017700000037
得到当前飞行器的控制量U为：
Figure BDA0002506017700000038
Figure BDA0002506017700000039
其中，k3为大于0的设定常数。
进一步地，所述转换误差ε1(t)的解的计算方法为：
S24a：引入设定误差变换函数ftran(ε1)将不等式边界约束转换为如下等式边界约束：
Figure BDA0002506017700000041
Figure BDA0002506017700000042
其中，ε1为转换误差ε1(t)的简写；
S24b：根据所述等式边界约束得到当前飞行器在三轴方向上的跟踪转换误差：
Figure BDA0002506017700000043
其中，εx,εy,εz分别为当前飞行器在三轴方向上的跟踪转换误差，
Figure BDA0002506017700000044
分别为边界函数
Figure BDA0002506017700000045
在三轴方向上的分量，
Figure BDA0002506017700000046
表示求逆；
S24c：将当前飞行器在三轴方向上的跟踪转换误差作为转换误差ε1＝[εx εy εz]T，对ε1进行求导可得
Figure BDA0002506017700000047
其中，
Figure BDA0002506017700000048
为转换误差ε1对时间的导数，
Figure BDA0002506017700000049
为边界函数
Figure BDA00025060177000000410
对时间的导数，
Figure BDA00025060177000000411
为跟踪误差e1(t)对时间的导数；
S24d：已知
Figure BDA00025060177000000412
其中，
Figure BDA00025060177000000413
为
Figure BDA00025060177000000414
的简写，
Figure BDA00025060177000000415
为状态变量X1对时间的导数，
Figure BDA0002506017700000051
为期望状态变量
Figure BDA0002506017700000052
对时间的导数，则有：
Figure BDA00025060177000000524
其中，
Figure BDA0002506017700000053
Figure BDA0002506017700000054
θl为领队的弹道倾角，
Figure BDA0002506017700000055
为领队的弹道倾角对时间的导数，ψl为领队的弹道偏角，
Figure BDA0002506017700000056
为领队的弹道偏角对时间的导数，Vl为领队的速度。
进一步地，所述边界函数
Figure BDA0002506017700000057
的设定方法为：
S23a：构建边界函数
Figure BDA0002506017700000058
模型如下：
Figure BDA0002506017700000059
其中，
Figure BDA00025060177000000510
以及
Figure BDA00025060177000000511
分别为边界函数
Figure BDA00025060177000000512
在x、y、z三个方向上的分量，
Figure BDA00025060177000000513
以及
Figure BDA00025060177000000514
为时间t＝0时边界函数
Figure BDA00025060177000000515
在x、y、z三个方向上的初始值，
Figure BDA00025060177000000516
以及
Figure BDA00025060177000000517
为时间趋于无穷时边界函数
Figure BDA00025060177000000518
在x、y、z三个方向上的收敛值，且
Figure BDA00025060177000000519
以及
Figure BDA00025060177000000520
均为大于0的设定常数，pxi、pyi以及pzi分别为x、y、z三个方向上的待定参数；
S23b：在设定时间tk时，当前飞行器在领队坐标系下x、y、z三个方向上的边界值
Figure BDA00025060177000000521
以及
Figure BDA00025060177000000522
需满足如下限定条件：
Figure BDA00025060177000000523
其中，ex(0)、ey(0)以及ez(0)分别为时间t＝0时，当前飞行器在领队坐标系下三个方向上的跟踪误差，ξ为设定的稳态误差允许范围系数；
S23c：将步骤S23a中的边界函数
Figure BDA0002506017700000061
模型代入步骤S23b中的限定条件，得到待定参数pxi、pyi以及pzi的取值范围：
Figure BDA0002506017700000062
S23d：构建多目标优化模型：
min tm＝max tmi
Figure BDA0002506017700000063
s.t.|axi|≤ax max
|ayi|≤ay max
|azi|≤az max
其中，tmi为当前飞行器i与期望位置之间的距离小于设定值时的所需时间，i＝1,2,…,M，M为跟随者的数量，tm为编队形成时间，E为形成编队的所需能量，axi、ayi、azi分别为当前飞行器i在领队坐标系下x、y、z三个方向上的加速度，ax max、ay max、az max分别为当前飞行器i在领队坐标系下x、y、z三个方向上的加速度可取得的最大值；
S23e：在待定参数pxi、pyi以及pzi的取值范围内给三个待定参数取不同的值，得到不同的边界函数
Figure BDA0002506017700000064
使得当前飞行器i对应的跟踪误差e1(t)受不同的边界函数
Figure BDA0002506017700000065
约束，进而得到不同的tm和E；
S23f：将步骤S23e得到的不同的tm和E代入所述多目标优化模型，然后采用快速非支配排序遗传算法求解所述多目标优化模型，得到待定参数pxi、pyi以及pzi的最优解，从而确定边界函数
Figure BDA0002506017700000071
进一步地，所述虚拟控制量X2c为：
Figure BDA0002506017700000072
其中，k1、k2为大于零的设定常数。
进一步地，所述地面设定参数包括领队在地面坐标系下的位置坐标，领队的速度、弹道倾角、弹道偏角以及三轴加速度。
有益效果：
1、本发明提供一种飞行器编队控制方法，建立领队-跟随者相对运动模型，采用跟随者在领队坐标系下的三轴加速度作为控制量控制各跟随者的飞行，使得各跟随者的当前位置与各自对应的期望位置之间的距离小于设定值，从而按照预设队形飞行，实现编队；由此可见，本发明能够有效实现飞行器的编队飞行，能满足飞行器间距离约束的效果。
2、本发明提供一种飞行器编队控制方法，将跟随者当前位置与期望位置之间的差值作为跟踪误差，并采用设定边界函数对跟踪误差进行边界约束，使得跟随者的当前位置在给定时间tk内与期望位置之间的距离小于设定值；此外，以编队形成时间、能量消耗为目标函数构建多目标优化模型，然后通过多目标优化模型对边界函数的待定参数进行优化，给出所需能量及形成时间最优的边界函数待定参数取值，也即本发明能够得到最优的边界函数，则在最优边界函数的约束下，编队能满足时间约束和能量约束，进而实现有效的多飞行器的编队飞行。
附图说明
图1为本发明提供的一种飞行器编队控制方法的流程图；
图2为本发明提供的领弹-从弹相对运动关系图；
图3为本发明提供的预设性能反演编队控制器原理框图；
图4为本发明提供的时间限制原理图；
图5为本发明提供的优化结果示意图；
图6为本发明提供的编队的三维轨迹图；
图7为本发明提供的从弹2在x方向上的跟踪误差ex2及边界曲线示意图；
图8为本发明提供的从弹2在y方向上的跟踪误差ey2及边界曲线示意图；
图9为本发明提供的从弹2在z方向上的跟踪误差ez2及边界曲线示意图；
图10为本发明提供的从弹3在x方向上的跟踪误差ex2及边界曲线示意图；
图11为本发明提供的从弹3在y方向上的跟踪误差ey2及边界曲线示意图；
图12为本发明提供的从弹3在z方向上的跟踪误差ez2及边界曲线示意图；
图13为本发明提供的情况1下从弹2的控制量变化曲线示意图；
图14为本发明提供的情况1下从弹3的控制量变化曲线示意图；
图15为本发明提供的情况2下从弹2的控制量变化曲线示意图；
图16为本发明提供的情况2下从弹3的控制量变化曲线示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，一种飞行器编队控制方法，包括以下步骤：
S1：指定一个飞行器作为领队，将剩余飞行器作为跟随者，并给定各跟随者在领队坐标系下的期望位置，同时，领队按照地面设定参数进行飞行；
需要说明的是，所述地面设定参数包括领队在地面坐标系下的位置坐标，领队的速度、弹道倾角、弹道偏角以及三轴加速度。
例如，以一枚领弹和两枚从弹为例，建立领弹-从弹相对运动模型，并通过在领弹坐标系下描述各从弹的相对位置来描述队形的变换，其相对运动关系如图2所示，Axyz为地面坐标系，此处可看作惯性坐标系，Olxlylzl为领弹弹道坐标系，Ofixfiyfizfi(i＝1,2)分别为从弹i的弹道坐标系。
根据地面坐标系与领队坐标系的转换关系，得到领队在地面坐标系的运动模型为：
Figure BDA0002506017700000091
式中，XL、YL、ZL为领弹在地面坐标系的位置坐标，VL为领弹速度，θL、ψL分别为领弹的弹道倾角和弹道偏角，axL、ayL、azL分别为领弹在地面坐标系上的三轴加速度，其中，axL为切向加速度，ayL、azL为法向加速度，上标的实心点表示对时间求导。
基于领弹和从弹的相对运动关系以及根据地面坐标系与领弹、从弹弹道坐标系之间的相互转换关系，得到从弹在领弹坐标系下的运动模型为
Figure BDA0002506017700000101
其中，xi、yi、zi(i＝1,2)为从弹i在领弹弹道坐标系的坐标，Vfi、θfi、ψfi分别为从弹i的速度、速度倾角和速度偏角，axi、ayi、azi分别为从弹i在领弹坐标系下的三轴加速度，其中，axi为切向加速度，ayi、azi为法向加速度。
S2：获取各跟随者的控制量U，其中，控制量U为跟随者在领队坐标系下的三轴加速度；
S3：各跟随者按照控制量U的控制进行飞行，使得各跟随者的当前位置与各自对应的期望位置之间的距离小于设定值，从而按照预设队形飞行，实现编队。
如图3所示，为预设性能反演编队控制器的原理框图；下面基于预设性能反演编队控制器给出各跟随者的控制量U＝[axi,ayi,azi]T的获取方式。
将各跟随者分别作为当前飞行器执行以下步骤，得到各自对应的控制量U：
S21：构建当前飞行器的状态变量X1和期望状态变量
Figure BDA0002506017700000102
如下：
X1＝[xi,yi,zi]T
Figure BDA0002506017700000103
其中，xi,yi,zi分别为当前飞行器i在领队坐标系下的坐标，hxi,hyi,hzi分别为当前飞行器i在领队坐标系下的期望位置坐标，且i＝1,2,…,M，M为跟随者的数量，T表示转置；
S22：根据状态变量X1和期望状态变量
Figure BDA0002506017700000111
得到当前飞行器的跟踪误差
Figure BDA0002506017700000112
其中，ex,ey,ez分别为当前飞行器在领队坐标系下三个方向上的跟踪误差；
S23：采用设定边界函数
Figure BDA0002506017700000113
对跟踪误差e1(t)进行如下边界约束，使得跟踪误差e1(t)在设定时间tk内收敛；
Figure BDA0002506017700000114
也就是说，通过设计合理的边界函数，对跟踪误差e1(t)的性能进行预设，实现编队同时满足在队形形成过程中的碰撞避免；设
Figure BDA0002506017700000115
在初始位置误差e1(0)已知且
Figure BDA0002506017700000116
较小的前提下，不等式
Figure BDA0002506017700000117
成立时，误差e1(t)将在函数
Figure BDA0002506017700000118
和
Figure BDA0002506017700000119
的夹逼作用下收敛到一个0的小邻域内；也就是说，根据
Figure BDA00025060177000001110
单调递减的性质，当编队形成时间限制为在tk前形成编队时，可通过设置tk时刻
Figure BDA00025060177000001111
的取值来满足时间约束。
进一步地，所述边界函数
Figure BDA00025060177000001112
的设定方法为：
S23a：构建边界函数
Figure BDA00025060177000001113
模型如下：
Figure BDA00025060177000001114
其中，
Figure BDA00025060177000001115
以及
Figure BDA00025060177000001116
分别为边界函数
Figure BDA00025060177000001117
在x、y、z三个方向上的分量，
Figure BDA00025060177000001118
以及
Figure BDA00025060177000001119
为时间t＝0时边界函数
Figure BDA00025060177000001120
在x、y、z三个方向上的初始值，令
Figure BDA00025060177000001121
其中k>1，为边界误差放大倍数，ex(0)、ey(0)、ez(0)为t＝0时刻x、y、z三个方向的跟踪误差，
Figure BDA0002506017700000121
以及
Figure BDA0002506017700000122
为时间趋于无穷时边界函数
Figure BDA0002506017700000123
在x、y、z三个方向上的收敛值，且
Figure BDA0002506017700000124
以及
Figure BDA0002506017700000125
均为大于0的设定常数，决定误差收敛的精度，pxi、pyi以及pzi分别为x、y、z三个方向上的待定参数；
S23b：在设定时间tk时，当前飞行器在领队坐标系下x、y、z三个方向上的边界值
Figure BDA0002506017700000126
以及
Figure BDA0002506017700000127
需满足如下限定条件：
Figure BDA0002506017700000128
其中，ex(0)、ey(0)以及ez(0)分别为时间t＝0时，当前飞行器在领队坐标系下三个方向上的跟踪误差，ξ为设定的稳态误差允许范围系数，通常取±0.02或±0.05，令
Figure BDA0002506017700000129
即可使跟踪误差e(t)在tk前收敛至误差允许范围内，如图4所示；
S23c：将步骤S23a中的边界函数
Figure BDA00025060177000001210
模型代入步骤S23b中的限定条件，得到待定参数pxi、pyi以及pzi的取值范围：
Figure BDA00025060177000001211
需要说明的是，由于各飞行器平台所能携带的燃料是有限的，因此可以将编队重构问题描述为尽量满足燃料消耗少、调整时间短的优化问题，基于NSGA-II算法以编队形成时间及所需能量作为目标函数进行优化，具体如步骤S23d所示。
S23d：构建多目标优化模型，将编队形成问题看作是关于编队形成所需时间、能量的优化问题：
min tm＝max tmi
Figure BDA0002506017700000131
s.t.|axi|≤ax max
|ayi|≤ay max
|azi|≤az max
其中，tmi为当前飞行器i与期望位置之间的距离小于设定值时的所需时间，也即当前飞行器i到期望位置的距离满足稳态误差允许范围时的所需时间，i＝1,2,…,M，M为跟随者的数量，tm为编队形成时间(各飞行器均到达稳态误差允许范围内)，E为形成编队的所需能量，axi、ayi、azi分别为当前飞行器i在领队坐标系下x、y、z三个方向上的加速度，ax max、ay max、az max分别为当前飞行器i在领队坐标系下x、y、z三个方向上的加速度可取得的最大值；
S23e：在待定参数pxi、pyi以及pzi的取值范围内给三个待定参数取不同的值，得到不同的边界函数
Figure BDA0002506017700000132
使得当前飞行器i对应的跟踪误差e1(t)受不同的边界函数
Figure BDA0002506017700000133
约束，进而得到不同的tm和E；
S23f：将步骤S23e得到的不同的tm和E代入所述多目标优化模型，然后采用快速非支配排序遗传NSGA-II算法求解所述多目标优化模型，得到待定参数pxi、pyi以及pzi的最优解，从而确定边界函数
Figure BDA0002506017700000134
S24：采用设定误差变换函数将上述边界约束转换为等式边界约束后，求解所述等式边界约束，得到转换误差ε1(t)的解，同时，构建虚拟控制量X2c，其中，虚拟控制量X2c为转换误差ε1(t)的解的其中一个参数，且虚拟控制量X2c使得跟踪误差e1(t)满足所述边界约束；
需要说明的是，为了降低处理不等式的难度，在系统设计中，通过引入误差变换函数ftran(·)将不等式约束转为等式约束再进行处理；进一步地，所述转换误差ε1(t)的解的计算方法为：
S24a：引入设定误差变换函数ftran(ε1)将不等式边界约束转换为如下等式边界约束：
Figure BDA0002506017700000141
Figure BDA0002506017700000142
其中，ε1为转换误差ε1(t)的简写；ftran(ε1)可逆，且满足性质：①光滑且单调递增；②-1<ftran(ε1)<1；③
Figure BDA0002506017700000143
S24b：根据所述等式边界约束得到当前飞行器在三轴方向上的跟踪转换误差：
Figure BDA0002506017700000144
其中，εx,εy,εz分别为当前飞行器在三轴方向上的跟踪转换误差，
Figure BDA0002506017700000145
分别为边界函数
Figure BDA0002506017700000146
在三轴方向上的分量，
Figure BDA0002506017700000147
表示求逆；
S24c：将当前飞行器在三轴方向上的跟踪转换误差作为转换误差ε1＝[εx εy εz]T，对ε1进行求导可得
Figure BDA0002506017700000151
其中，
Figure BDA0002506017700000152
为转换误差ε1对时间的导数，
Figure BDA0002506017700000153
为边界函数
Figure BDA0002506017700000154
对时间的导数，
Figure BDA0002506017700000155
为跟踪误差e1(t)对时间的导数；
S24d：已知
Figure BDA0002506017700000156
其中，
Figure BDA0002506017700000157
为
Figure BDA0002506017700000158
的简写，
Figure BDA0002506017700000159
为状态变量X1对时间的导数，
Figure BDA00025060177000001510
为期望状态变量
Figure BDA00025060177000001511
对时间的导数，则有
Figure BDA00025060177000001512
其中，
Figure BDA00025060177000001513
Figure BDA00025060177000001514
θl为领队的弹道倾角，
Figure BDA00025060177000001515
为领队的弹道倾角对时间的导数，ψl为领队的弹道偏角，
Figure BDA00025060177000001516
为领队的弹道偏角对时间的导数，Vl为领队的速度。
所述虚拟控制量X2c为：
Figure BDA00025060177000001517
其中，k1、k2为大于零的设定常数。将X2c带入
Figure BDA00025060177000001518
的表达式可知ε1满足闭环动力学方程
Figure BDA00025060177000001519
因此ε1有界，不等式约束成立，进而跟踪信号满足预设性能要求。
S25：构建状态变量X2如下：
X2＝[w1i,w2i,w3i]T
Figure BDA0002506017700000161
其中，w1i,w2i,w3i均为中间变量，Vfi为当前飞行器i的速度，θfi为当前飞行器i的速度倾角，ψfi为当前飞行器i的速度偏角；
S26：将虚拟控制量X2c进行滤波，得到状态变量X2d；
具体的，考虑到微分膨胀问题，采用低通滤波器进行滤波
Figure BDA0002506017700000162
其中，τ为时间常数；
S27：将状态变量X2d作为状态变量X2待跟踪的变量，并获取两者的跟踪误差e2(t)＝X2-X2d；
S28：将跟踪误差e2(t)＝X2-X2d对时间进行求导，得到
Figure BDA0002506017700000163
其中，
Figure BDA0002506017700000164
为跟踪误差e2(t)对时间的导数，
Figure BDA0002506017700000165
为状态变量X2对时间的导数，
Figure BDA0002506017700000166
为状态变量X2d对时间的导数；
S29：已知
Figure BDA0002506017700000167
将其代入
Figure BDA0002506017700000168
得到当前飞行器的控制量U为：
Figure BDA0002506017700000169
Figure BDA00025060177000001610
其中，k3为大于0的设定常数。
需要说明的是，
Figure BDA00025060177000001611
计算得到的即为当前飞行器的三轴加速度。
由此可见，本发明基于预设性能理论设计控制器，给定编队形成时间约束并初步计算边界函数待定参数的取值范围，以编队形成时间、消耗能量为目标函数，通过NSGA-II算法进行优化，得到边界函数待定参数的帕累托前沿解；对比已有技术，本发明能够有效实现多飞行器的编队飞行，具有能满足预设的编队形成时间约束，并给出所需能量及形成时间最优的边界函数待定参数取值的效果。
下面对于上述基于预设性能控制的编队飞行方法进行仿真验证。
假设领弹弹1和两枚从弹弹2、弹3编队飞行。领弹的相对位置为(0,0,0)m，速度Vl＝50m/s，弹道倾角θL0＝0°、弹道偏角ψL0＝0°。两从弹相关参数如下表所示。
表1从弹相关参数
Figure BDA0002506017700000171
考虑到导弹的过载约束，设三枚导弹的最大切向加速度为ax max＝80m/s2，法向加速度为ay max＝az max＝100m/s2。预设性能控制器的性能指标函数参数k＝1.2、
Figure BDA0002506017700000172
控制器参数k1＝k2＝10-4、k3＝10，滤波器时间常数τ＝0.1。令ξ＝0.02、tk＝50s，设计变量取值px2＝py2＝pz2＝a,px3＝py3＝pz3＝b，根据待定参数pxi、pyi以及pzi的取值范围可知，为满足编队形成时间限制，设计变量取值范围为a≥0.1174，b≥0.1233。
通过NSGA-II算法进行优化，为保证种群的多样性，选取交叉概率为0.8，变异概率为0.3，初始种群规模为100，迭代次数为5次，当不满足约束条件时，代价函数取值为107。根据上述参数进行仿真，得到优化结果如图5所示。
从图5中可见，编队形成时间较短时耗费能量较大，形成时间较长时耗费能量较小。当设计变量取值为a＝0.1174、b＝0.1239时，编队形成时间为tm＝41s，所需能量最少为E＝1924；当设计变量取值为a＝0.2018、b＝0.2008时，编队形成时间最短为tm＝25.3，所需能量为E＝4391。分别将以上两组设计变量取值带入性能函数，得到编队的三维轨迹如图6所示。
图7～图9分别为从弹2在x、y、z三个方向上的跟踪误差与边界曲线示意图；图10～图12分别为从弹2在x、y、z三个方向上的跟踪误差与边界曲线示意图；当边界函数的参数取值满足所需能量E最少时，跟踪误差及边界函数如图7～图12中情况1所示，当取值满足编队形成时间tm最短时，跟踪误差及边界函数如图7～图12中情况2所示。与情况1相比，情况2的性能函数收敛速度更快，由于跟踪误差始终位于性能函数范围内，因此情况2的跟踪误差能够更快的收敛到稳态误差允许范围内，即编队形成时间较短。从图7-12中可见，在两组参数下，从弹2、从弹3的跟踪误差均在边界函数上下边界范围内，因此，采用此控制方法能够使编队的瞬态过程与稳态精度满足预设条件。
图13～图14分别为情况1下从弹2、从弹3的控制量变化曲线示意图；图15～图16分别为情况2下从弹2、从弹3的控制量变化曲线示意图；从图13-16中可知，在队形变换过程中，与情况2相比(图15、16)，情况1(图13、14)的控制量绝对值较小，因此，根据多目标优化模型可知情况1形成编队所消耗的能量较小。
由以上结果可知，通过优化分别获得了编队形成时间最短、所需能量最小的边界函数参数pxi、pyi以及pzi，在实际作战中，可充分考虑战场态势及能量、时间约束，得到满足约束的的控制器参数，仿真结果表明采用此控制方法能够在满足编队形成时间约束的前提下形成良好的编队。
当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当然可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (6)

1.一种飞行器编队控制方法，其特征在于，包括以下步骤：
S1：指定一个飞行器作为领队，将剩余飞行器作为跟随者，并给定各跟随者在领队坐标系下的期望位置，同时，领队按照地面设定参数进行飞行；
S2：获取各跟随者的控制量U，其中，控制量U为跟随者在领队坐标系下的三轴加速度；
S3：各跟随者按照控制量U的控制进行飞行，使得各跟随者的当前位置与各自对应的期望位置之间的距离小于设定值，从而按照预设队形飞行，实现编队。
2.如权利要求1所述的一种飞行器编队控制方法，其特征在于，将各跟随者分别作为当前飞行器执行以下步骤，得到各自对应的控制量U：
S21：构建当前飞行器的状态变量X1和期望状态变量
Figure FDA0002506017690000011
如下：
X1＝[xi,yi,zi]T
Figure FDA0002506017690000012
其中，xi,yi,zi分别为当前飞行器i在领队坐标系下的坐标，hxi,hyi,hzi分别为当前飞行器i在领队坐标系下的期望位置坐标，且i＝1,2,…,M，M为跟随者的数量，T表示转置；
S22：根据状态变量X1和期望状态变量
Figure FDA0002506017690000013
得到当前飞行器的跟踪误差
Figure FDA0002506017690000014
其中，ex,ey,ez分别为当前飞行器在领队坐标系下三个方向上的跟踪误差；
S23：采用设定边界函数
Figure FDA0002506017690000015
对跟踪误差e1(t)进行如下边界约束，使得跟踪误差e1(t)在设定时间tk内收敛；
Figure FDA0002506017690000021
S24：采用设定误差变换函数将上述边界约束转换为等式边界约束后，求解所述等式边界约束，得到转换误差ε1(t)的解，同时，构建虚拟控制量X2c，其中，虚拟控制量X2c为转换误差ε1(t)的解的其中一个参数，且虚拟控制量X2c使得跟踪误差e1(t)满足所述边界约束；
S25：构建状态变量X2如下：
X2＝[w1i,w2i,w3i]T
Figure FDA0002506017690000022
其中，w1i,w2i,w3i均为中间变量，Vfi为当前飞行器i的速度，θfi为当前飞行器i的速度倾角，ψfi为当前飞行器i的速度偏角；
S26：将虚拟控制量X2c进行滤波，得到状态变量X2d；
S27：将状态变量X2d作为状态变量X2待跟踪的变量，并获取两者的跟踪误差e2(t)＝X2-X2d；
S28：将跟踪误差e2(t)＝X2-X2d对时间进行求导，得到
Figure FDA0002506017690000023
其中，
Figure FDA0002506017690000024
为跟踪误差e2(t)对时间的导数，
Figure FDA0002506017690000025
为状态变量X2对时间的导数，
Figure FDA0002506017690000026
为状态变量X2d对时间的导数；
S29：已知
Figure FDA0002506017690000027
将其代入
Figure FDA0002506017690000028
得到当前飞行器的控制量U为：
Figure FDA0002506017690000029
Figure FDA0002506017690000031
其中，k3为大于0的设定常数。
3.如权利要求2所述的一种飞行器编队控制方法，其特征在于，所述转换误差ε1(t)的解的计算方法为：
S24a：引入设定误差变换函数ftran(ε1)将不等式边界约束转换为如下等式边界约束：
Figure FDA0002506017690000032
Figure FDA0002506017690000033
其中，ε1为转换误差ε1(t)的简写；
S24b：根据所述等式边界约束得到当前飞行器在三轴方向上的跟踪转换误差：
Figure FDA0002506017690000034
其中，εx,εy,εz分别为当前飞行器在三轴方向上的跟踪转换误差，
Figure FDA0002506017690000035
分别为边界函数
Figure FDA0002506017690000036
在三轴方向上的分量，
Figure FDA0002506017690000037
表示求逆；
S24c：将当前飞行器在三轴方向上的跟踪转换误差作为转换误差ε1＝[εx εy εz]T，对ε1进行求导可得
Figure FDA0002506017690000041
其中，
Figure FDA0002506017690000042
为转换误差ε1对时间的导数，
Figure FDA0002506017690000043
为边界函数
Figure FDA0002506017690000044
对时间的导数，
Figure FDA0002506017690000045
为跟踪误差e1(t)对时间的导数；
S24d：已知
Figure FDA0002506017690000046
其中，
Figure FDA0002506017690000047
为
Figure FDA0002506017690000048
的简写，
Figure FDA0002506017690000049
为状态变量X1对时间的导数，
Figure FDA00025060176900000410
为期望状态变量
Figure FDA00025060176900000411
对时间的导数，则有：
Figure FDA00025060176900000412
其中，
Figure FDA00025060176900000413
Figure FDA00025060176900000414
θl为领队的弹道倾角，
Figure FDA00025060176900000415
为领队的弹道倾角对时间的导数，ψl为领队的弹道偏角，
Figure FDA00025060176900000416
为领队的弹道偏角对时间的导数，Vl为领队的速度。
4.如权利要求2所述的一种飞行器编队控制方法，其特征在于，所述边界函数
Figure FDA00025060176900000417
的设定方法为：
S23a：构建边界函数
Figure FDA00025060176900000418
模型如下：
Figure FDA00025060176900000419
其中，
Figure FDA00025060176900000420
以及
Figure FDA00025060176900000421
分别为边界函数
Figure FDA00025060176900000422
在x、y、z三个方向上的分量，
Figure FDA00025060176900000423
以及
Figure FDA00025060176900000424
为时间t＝0时边界函数
Figure FDA00025060176900000425
在x、y、z三个方向上的初始值，
Figure FDA00025060176900000426
以及
Figure FDA00025060176900000427
为时间趋于无穷时边界函数
Figure FDA00025060176900000428
在x、y、z三个方向上的收敛值，且
Figure FDA00025060176900000429
以及
Figure FDA00025060176900000430
均为大于0的设定常数，pxi、pyi以及pzi分别为x、y、z三个方向上的待定参数；
S23b：在设定时间tk时，当前飞行器在领队坐标系下x、y、z三个方向上的边界值
Figure FDA0002506017690000051
以及
Figure FDA0002506017690000052
需满足如下限定条件：
Figure FDA0002506017690000053
其中，ex(0)、ey(0)以及ez(0)分别为时间t＝0时，当前飞行器在领队坐标系下三个方向上的跟踪误差，ξ为设定的稳态误差允许范围系数；
S23c：将步骤S23a中的边界函数
Figure FDA0002506017690000054
模型代入步骤S23b中的限定条件，得到待定参数pxi、pyi以及pzi的取值范围：
Figure FDA0002506017690000055
S23d：构建多目标优化模型：
mintm＝maxtmi
Figure FDA0002506017690000056
s.t.|axi|≤axmax
|ayi|≤aymax
|azi|≤azmax
其中，tmi为当前飞行器i与期望位置之间的距离小于设定值时的所需时间，i＝1,2,…,M，M为跟随者的数量，tm为编队形成时间，E为形成编队的所需能量，axi、ayi、azi分别为当前飞行器i在领队坐标系下x、y、z三个方向上的加速度，axmax、aymax、azmax分别为当前飞行器i在领队坐标系下x、y、z三个方向上的加速度可取得的最大值；
S23e：在待定参数pxi、pyi以及pzi的取值范围内给三个待定参数取不同的值，得到不同的边界函数
Figure FDA0002506017690000061
使得当前飞行器i对应的跟踪误差e1(t)受不同的边界函数
Figure FDA0002506017690000062
约束，进而得到不同的tm和E；
S23f：将步骤S23e得到的不同的tm和E代入所述多目标优化模型，然后采用快速非支配排序遗传算法求解所述多目标优化模型，得到待定参数pxi、pyi以及pzi的最优解，从而确定边界函数
Figure FDA0002506017690000063
5.如权利要求3所述的一种飞行器编队控制方法，其特征在于，所述虚拟控制量X2c为：
Figure FDA0002506017690000064
其中，k1、k2为大于零的设定常数。
6.如权利要求1所述的一种飞行器编队控制方法，其特征在于，所述地面设定参数包括领队在地面坐标系下的位置坐标，领队的速度、弹道倾角、弹道偏角以及三轴加速度。
CN202010446377.5A 2020-05-25 2020-05-25 一种飞行器编队控制方法 Active CN111506114B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010446377.5A CN111506114B (zh) 2020-05-25 2020-05-25 一种飞行器编队控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010446377.5A CN111506114B (zh) 2020-05-25 2020-05-25 一种飞行器编队控制方法

Publications (2)

Publication Number Publication Date
CN111506114A true CN111506114A (zh) 2020-08-07
CN111506114B CN111506114B (zh) 2021-05-04

Family

ID=71868463

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010446377.5A Active CN111506114B (zh) 2020-05-25 2020-05-25 一种飞行器编队控制方法

Country Status (1)

Country Link
CN (1) CN111506114B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111930142A (zh) * 2020-08-04 2020-11-13 西北工业大学 速度不可控条件下的多弹编队协同控制方法
CN112148021A (zh) * 2020-09-10 2020-12-29 北京理工大学 基于二叉树拓扑结构和特定规则的多智能体编队变换方法
CN115993846A (zh) * 2023-03-23 2023-04-21 西北工业大学深圳研究院 一种四旋翼无人机集群系统的编队控制方法

Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7272472B1 (en) * 2004-07-15 2007-09-18 Rockwell Collins, Inc. System and method for improving aircraft formation flying accuracy and integrity
CN105607636A (zh) * 2016-01-21 2016-05-25 浙江工业大学 一种基于积分滑模算法的轮式移动机器人主从式编队控制方法
CN106919183A (zh) * 2016-12-20 2017-07-04 北京理工大学 统一控制的多功能无人机群组
CN107085427A (zh) * 2017-05-11 2017-08-22 华南理工大学 一种基于领导跟随结构的无人水面艇编队控制方法
US20170269612A1 (en) * 2016-03-18 2017-09-21 Sunlight Photonics Inc. Flight control methods for operating close formation flight
US9864380B1 (en) * 2015-07-23 2018-01-09 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Formation flight system extremum-seeking-control using blended performance parameters
US20180074520A1 (en) * 2016-09-13 2018-03-15 Arrowonics Technologies Ltd. Formation flight path coordination of unmanned aerial vehicles
CN108388269A (zh) * 2018-03-17 2018-08-10 青岛理工大学 基于四旋翼飞行器的无人机编队飞行控制方法
CN108897321A (zh) * 2018-07-16 2018-11-27 重庆理工大学 基于领航跟随法的机器人队形可变编队控制方法与控制器
CN108983612A (zh) * 2018-08-08 2018-12-11 华南理工大学 一种具有预设性能和连接保持的水下机器人编队控制方法
CN108983786A (zh) * 2018-08-08 2018-12-11 华南理工大学 一种通讯范围约束下移动机器人的编队控制方法
CN109116868A (zh) * 2018-10-31 2019-01-01 中国人民解放军32181部队 分布式无人机编队协同控制方法
CN109521797A (zh) * 2018-12-28 2019-03-26 西北工业大学 无人船引导水下航行器群的优化割草型编队控制方法
CN109669475A (zh) * 2019-01-22 2019-04-23 北京航空航天大学 基于人工蜂群算法的多无人机三维编队重构方法
CN109857115A (zh) * 2019-02-27 2019-06-07 华南理工大学 一种基于视觉反馈的移动机器人的有限时间编队控制方法
CN110109351A (zh) * 2019-04-08 2019-08-09 广东工业大学 一种基于指定性能的多智能体一致性控制方法
CN110196599A (zh) * 2019-06-26 2019-09-03 华南理工大学 一种避碰与连接保持约束下的无人艇分布式编队控制方法
CN110262553A (zh) * 2019-06-27 2019-09-20 西北工业大学 基于位置信息的固定翼无人机编队飞行装置与方法
CN110262494A (zh) * 2019-06-26 2019-09-20 华南理工大学 一种同构多无人艇系统的协同学习与编队控制方法
CN110333723A (zh) * 2019-07-17 2019-10-15 广东华中科技大学工业技术研究院 一种基于双通信设备的无人艇协同编队方法
CN110362075A (zh) * 2019-06-26 2019-10-22 华南理工大学 一种具有预设性能的无人艇输出反馈编队控制设计方法
CN110413001A (zh) * 2019-07-11 2019-11-05 南京邮电大学 一种基于智能优化预测控制的卫星编队队形保持方法
CN110488606A (zh) * 2019-07-25 2019-11-22 中北大学 一种多四旋翼主从式保性能神经自适应协同编队控制方法
CN110597292A (zh) * 2019-10-09 2019-12-20 朱彬 无人机集群作业规划方法及装置
CN111026154A (zh) * 2019-12-10 2020-04-17 上海航天控制技术研究所 一种航天器编队防避撞六自由度协同控制方法
CN111176329A (zh) * 2020-02-12 2020-05-19 中国空气动力研究与发展中心高速空气动力研究所 一种基于风洞试验数据的编队飞行混合性能函数构建方法

Patent Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7272472B1 (en) * 2004-07-15 2007-09-18 Rockwell Collins, Inc. System and method for improving aircraft formation flying accuracy and integrity
US9864380B1 (en) * 2015-07-23 2018-01-09 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Formation flight system extremum-seeking-control using blended performance parameters
CN105607636A (zh) * 2016-01-21 2016-05-25 浙江工业大学 一种基于积分滑模算法的轮式移动机器人主从式编队控制方法
US20170269612A1 (en) * 2016-03-18 2017-09-21 Sunlight Photonics Inc. Flight control methods for operating close formation flight
US20180074520A1 (en) * 2016-09-13 2018-03-15 Arrowonics Technologies Ltd. Formation flight path coordination of unmanned aerial vehicles
CN106919183A (zh) * 2016-12-20 2017-07-04 北京理工大学 统一控制的多功能无人机群组
CN107085427A (zh) * 2017-05-11 2017-08-22 华南理工大学 一种基于领导跟随结构的无人水面艇编队控制方法
CN108388269A (zh) * 2018-03-17 2018-08-10 青岛理工大学 基于四旋翼飞行器的无人机编队飞行控制方法
CN108897321A (zh) * 2018-07-16 2018-11-27 重庆理工大学 基于领航跟随法的机器人队形可变编队控制方法与控制器
CN108983612A (zh) * 2018-08-08 2018-12-11 华南理工大学 一种具有预设性能和连接保持的水下机器人编队控制方法
CN108983786A (zh) * 2018-08-08 2018-12-11 华南理工大学 一种通讯范围约束下移动机器人的编队控制方法
CN109116868A (zh) * 2018-10-31 2019-01-01 中国人民解放军32181部队 分布式无人机编队协同控制方法
CN109521797A (zh) * 2018-12-28 2019-03-26 西北工业大学 无人船引导水下航行器群的优化割草型编队控制方法
CN109669475A (zh) * 2019-01-22 2019-04-23 北京航空航天大学 基于人工蜂群算法的多无人机三维编队重构方法
CN109857115A (zh) * 2019-02-27 2019-06-07 华南理工大学 一种基于视觉反馈的移动机器人的有限时间编队控制方法
CN110109351A (zh) * 2019-04-08 2019-08-09 广东工业大学 一种基于指定性能的多智能体一致性控制方法
CN110196599A (zh) * 2019-06-26 2019-09-03 华南理工大学 一种避碰与连接保持约束下的无人艇分布式编队控制方法
CN110262494A (zh) * 2019-06-26 2019-09-20 华南理工大学 一种同构多无人艇系统的协同学习与编队控制方法
CN110362075A (zh) * 2019-06-26 2019-10-22 华南理工大学 一种具有预设性能的无人艇输出反馈编队控制设计方法
CN110262553A (zh) * 2019-06-27 2019-09-20 西北工业大学 基于位置信息的固定翼无人机编队飞行装置与方法
CN110413001A (zh) * 2019-07-11 2019-11-05 南京邮电大学 一种基于智能优化预测控制的卫星编队队形保持方法
CN110333723A (zh) * 2019-07-17 2019-10-15 广东华中科技大学工业技术研究院 一种基于双通信设备的无人艇协同编队方法
CN110488606A (zh) * 2019-07-25 2019-11-22 中北大学 一种多四旋翼主从式保性能神经自适应协同编队控制方法
CN110597292A (zh) * 2019-10-09 2019-12-20 朱彬 无人机集群作业规划方法及装置
CN111026154A (zh) * 2019-12-10 2020-04-17 上海航天控制技术研究所 一种航天器编队防避撞六自由度协同控制方法
CN111176329A (zh) * 2020-02-12 2020-05-19 中国空气动力研究与发展中心高速空气动力研究所 一种基于风洞试验数据的编队飞行混合性能函数构建方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
JIA YUAN, 等: "Distributed Adaptive Formation Control of MSVs With Prescribed Performance Under Undirected Graph", 《PROCEEDINGS OF THE 37TH CHINESE CONTROL CONFERENCE》 *
SHI-LU DAI，等: "Platoon Formation Control With Prescribed Performance Guarantees for USVs", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》 *
SHUDE HE，等: "Leader–Follower Formation Control of USVs With Prescribed Performance and Collision Avoidance", 《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》 *
王宏亮，等: "基于预设性能的非线性系统反演自适应控制", 《科学技术与工程》 *
胡云安，等: "预设性能控制研究进展", 《海军航空工程学院学报》 *
陈明，等: "基于Backstepping的非线性系统预设性能鲁棒控制器设计", 《控制与决策》 *
黄静，等: "基于预设性能控制的超紧密航天器编队防避撞协同控制", 《飞控与探测》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111930142A (zh) * 2020-08-04 2020-11-13 西北工业大学 速度不可控条件下的多弹编队协同控制方法
CN112148021A (zh) * 2020-09-10 2020-12-29 北京理工大学 基于二叉树拓扑结构和特定规则的多智能体编队变换方法
CN115993846A (zh) * 2023-03-23 2023-04-21 西北工业大学深圳研究院 一种四旋翼无人机集群系统的编队控制方法

Also Published As

Publication number Publication date
CN111506114B (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
CN111506114B (zh) 一种飞行器编队控制方法
CN107807663B (zh) 基于自适应控制的无人机编队保持控制方法
CN109508030B (zh) 一种考虑多禁飞区约束的协同解析再入制导方法
CN103558857A (zh) 一种btt飞行器的分布式复合抗干扰姿态控制方法
CN111665855B (zh) 一种机器人预设性编队控制方法
CN110609556A (zh) 一种基于los导航法的多无人艇协同控制方法
Zhang et al. A globally fixed-time solution of distributed formation control for multiple hypersonic gliding vehicles
CN111338374A (zh) 无人机集群编队控制方法
CN110673623B (zh) 一种基于双环pd控制算法控制的四旋翼无人机着陆方法
CN111240204B (zh) 一种基于模型参考滑模变结构控制的巡飞弹控制方法
Zhang et al. Cooperative control of UAV cluster formation based on distributed consensus
CN112650299A (zh) 一种考虑时变编队的分组一致性无人机编队控制方法
CN115712308A (zh) 基于分布式模型预测控制及队形控制的多机编队防撞方法
CN108459611B (zh) 一种近空间飞行器的姿态跟踪控制方法
CN114637203A (zh) 一种针对中高速、大机动无人机的飞行控制系统
Yang et al. A decentralised control strategy for formation flight of unmanned aerial vehicles
CN109857146B (zh) 一种基于前馈和权值分配的分层无人机跟踪控制方法
CN113467241A (zh) 凸曲率着陆轨迹燃耗优化方法
CN110716585B (zh) 基于分布式一致性与自组网的自主协同控制方法及系统
Enjiao et al. An adaptive parameter cooperative guidance law for multiple flight vehicles
CN116540780A (zh) 一种基于博弈制导的无人机决策控制方法
CN116339140B (zh) 一种基于瞬时自抗扰和自适应动态逆的复合容错控制方法
Cheng et al. Fixed-time convergent guidance law with impact angle control
CN115344056A (zh) 一种复杂操纵面飞机的智能飞行控制方法及应用
CN114995103A (zh) 一种倾转翼飞行器过渡过程的平衡补偿控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant