国外无人机自主飞行控制研究

2004年3月第26卷　第3期

系统工程与电子技术Systems Engineering and Electronics

Mar .2004

Vol .26　No .3

　

　

收稿日期:2002-09-06;修回日期:2003-01-15。

作者简介:唐强(1978-),男,博士研究生,主要研究方向为飞行控制,智能控制。

　文章编号:1001-506X (2004)03-0418-05

国外无人机自主飞行控制研究

唐　强1

,朱志强

1,2

,王建元

1,2

(1.西北工业大学自动控制系,陕西西安710072;2.飞行自动控制研究所,陕西西安710065)

摘　要:无人机自主飞行控制的研究属于飞行控制的前沿问题,其目的是实现无人机的自主飞行控制、决策和管理。由于其高度的复杂性和智能性,在理论和工程实际上尚处于起步阶段。结合近年来国外的发展状况和一些主要的研究成果,对无人机的自主飞行控制的研究进行了概述。首先介绍了自主控制的概念,然后分别探讨了无人机自主飞行控制中几个相关的关键问题,主要包括飞行中规划与重规划,自主飞行控制的分层结构,以及无人机自主着陆等问题,最后对未来的发展方向和面临的挑战进行了展望。

关键词:无人机;自主飞行控制;规划;分层结构;自主着陆中图分类号:V249.1 文献标识码:A

Survey of foreign researches on autonomous flight control for unmanned aerial vehicles

TANG Qiang 1,ZHU Zhi -qiang 1,2,WANG Jian -yuan 1,2

(1.Depar tment of Automatic C ontr ol ,Nort hw este rn Polytechnical Uni ver sity ,Xi 'an 710072,C hina ;

2.Flight Automatic Contr ol Re searc h Ins titute ,Xi 'an 710065,China )

A bstract :The stud y on autonomous flight control of un manned aerial vehicles (UAVs )is a frontier problem of flight control .Its goal is to realize the autonomous flight control ,decision making and management for UAVs .Because of its huge complexit y and high intelligence ,it is still in the early stage .The foreign researches and their res ults in this field are overviewed .In the first place ,the concept of auton omous control is introduced .Then several related key issues are discussed respectivel y ,including the in -flight plan -ning and re -planning problems ,the hierarchical structure of control s ystems ,and the autonomous landing of UAVs .Finally ,the re -searh areas are proposed to address development tendency and challenges .

Key wo rds :un man ned aerial vehicles (UAVs );autonomous flight con trol ;plannin g ;hierarchical structure ;autonomous landing

1　引　言

随着应用的需要和航空技术的发展,近年来世界范围内掀起了对无人机(unmanned aerial vehicles ,UAVs )的研究热潮,美国、英国、法国、德国、以色列、澳大利亚等国都针对这个领域投入了相当的研究力量。究其原因,用无人机替代有人驾驶飞机可以降低生产成本,便于运输、维修和保养,而且不用考虑人的生理和心理承受极限。未来无人机在军事和民事上都有广泛的应用前景。在军事领域,采用无人机进行作战和侦察,可以减少人员的伤亡,还能具有超高过载的机动能力,有利于攻击和摆脱威胁。在民用领域,无人机可以完成资源勘测、灾情侦察、通信中继、环境监测等繁重重复或具有一定危险的任务。

无人机概念的产生由来已久。美国是现今世界上最主要的无人机生产研制国,在其庞大航空工业力量的支持下,积累了相当丰富的关于无人机系统功能、结构和部件上的技术经

验,研制出了“全球鹰”、“捕食者”等先进的无人飞行系统,而

且还有大量的在研型号和项目。即使这样,各国学术界和工业界也认识到在复杂不确定的环境条件下,现有的无人机系统一旦缺乏人的控制决策干预,往往不能顺利完成任务。针对以上现状,很自然可以提出这样一个问题,即如何最大程度地给无人机这种机器系统赋予智能,实现其自主飞行控制、决策和管理,从而在某些领域取代有人驾驶飞机的作用。在传统的控制方式下,无人机的控制可以由与其一起混合编队的有人飞机利用近距离通信链实现;也可以通过远距离的地面或空中指挥平台进行控制;还可以利用卫星通信控制。但是上述方法都是通过外界数据通信链对无人机进行控制,在恶劣的条件下,一旦通信链不再可靠和畅通,后果将不堪预料。所以对于复杂环境下工作的无人机,必然要求其具有较强的自主飞行决策控制能力,以适应未来的需要。

2　自主控制的概念

自主控制问题的提起常常与智能机器人的控制联系紧

密,近年来则往往与无人航行装置的制导与控制密切相关,如UAVs、UGVs(uninhabited groun d vehicles)、UUVs(unmanned under-water vehicles)等。由于缺乏人为直接的控制决策,其含义强调“无外界控制干涉”,以及“自我控制决策”。从这个意义上讲,自主控制可以看成是自动控制的高级发展阶段,本质上属于智能控制,是一多学科的交叉,涉及到自动控制、人工智能、运筹学、信息论、系统论、计算机科学、人类工程学等等。其中自动控制实现过程闭环动态反馈控制,保证系统的运动学和动力学的优良品质;人工智能提供信息处理、形式语言、启发式推理、记忆、学习和优化决策等功能;运筹学完成系统的规划、管理、协调与调度等功能;信息论提供信息传递、信息变换、知识获取、知识表示和人机通信等功能。如果从智能程度上看常规的自动控制和自主控制,二者的区别在于常规的自动控制是基于数据驱动的,几乎不具有智能;而自主控制的产生则是信息,甚至是知识驱动的,可以具有很高程度的智能。

文献[1]给出了自主控制的一个定义,即自主控制是在“非常”未组织的环境结构下采用的“高度”自动控制。其中“高度”自动控制指的是无人无外界干预的控制过程,而未组织的环境结构主要是由不确定性所引起的。一般来说,不确定性分为如下几种[1]:①参数不确定性(对象参数未知);

②未建模动态;③随机扰动;④传感器/量测装置(随机)噪声;⑤多agent及复杂的信息模式(分散式控制);⑥某个附加(或决定性)的控制信号为敌方操纵;⑦量测噪声强度被我方和/或敌方干扰台所控制;⑧敌方在决定性的量测或控制中引入错误的信息(欺骗)等等。

因此,在未组织的环境结构下,控制与决策是在不充分的,甚至是误导的信息下做出的。从而自主控制/决策系统最为主要的特性是在无人干预的情况下,面对不确定性,近实时地解决复杂的优化控制问题。

3　无人机的自主飞行控制

对于无人机的自主控制、决策与管理系统,国外有许多研究机构从不同的方面对其进行了研究。从散见于各种文献的结果看,现阶段的大体状况是已有的技术手段只能实现相对确定环境下的自主或半自主控制,要实现快速变化的不确定环境下,完全意义上无人机的智能自主控制,目前的技术还不是很成熟。首要的几个关键问题是如何进行飞行中任务、航迹的自主快速规划与重规划;采用什么形式的控制结构体系;如何实现自主条件下的安全着陆。不确定环境中的快速规划与重规划是自主性要求的本质,是一个面对不确定性和实时性挑战的复杂大规模决策优化问题;控制结构体系的选取则关系到整个系统能否高速、有效地运作;而飞机的起飞着陆阶段,尤其是着陆时最易发生事故。现概述以上3个方面的研究。

3.1　飞行中规划与重规划

相当程度的飞行中在线实时规划与重规划能力是无人机自主飞行控制系统必须具有的,这种能力实际上是一个独立自主的决策过程。即系统可以根据在线探测到的态势变化,实时或近实时地规划/修改/决策系统的任务目标,从而自动生成完成任务的可行飞行轨迹,根据所形成的轨迹及飞机当前的状态产生制导和调度指令,控制飞机精确跟踪所生成的轨迹,完成规定的任务。同时,由于运行的环境和系统本身存在不确定性,自主控制系统的规划与重规划应具有相当程度的智能,对于系统参数的变化、不确定的扰动以及发生的故障应具有一定的鲁棒性。自主飞行无人机典型的规划问题就是在满足所有可飞约束条件的情况下,如何尽可能有效、经济地避开威胁,防止碰撞,完成任务目标。

飞行规划问题涉及到的约束一般有:①地理或物理的障碍物;②威胁(静态/动态);③油耗指标;④时间要求;⑤飞机性能指标等等。考虑实时性和不确定性,在上述诸多约束条件下规划出满意的决策方案是难度很大的多维多模优化问题。

可以将一个完整的飞行规划过程划分为不同的等级[2]:首先是任务前规划,这一级规划中所有的信息都是静态的,通过这些可用信息可以得到最优的决策;中间的一级是近期规划,在空中执行,可以将其看作是一个轨迹跟踪的实现过程,通过内环控制、自导设计、跟踪以及短期在线轨迹生成来自动完成;而当无人机接收到传感器新的信息、指令或情报时,则需要进行近实时飞行中重规划,即在接受到新的信息或当不可预料事件发生时,最优地完成对离线规划的自动更新,其难度随问题的大小、复杂程度和不确定性的变化而变化。

文献[3]描述了一种复合自动控制系统来解决时间最优的运动规划问题。该复合系统采用了PRM(probabilistic roadmap)规划器,其中的状态就代表了飞行器所有可行的简单轨迹,这些原始的简单轨迹构造了一个“机动库”。这样一来,控制问题就变为用事先预定的起始和终止于平衡轨迹的机动,进行轨迹拼接。此方法的优越之处在于,飞行器的任意可飞行轨迹都可以列入简单轨迹列表,且均可由控制系统使用。特别是通过试飞驾驶员进行的一系列机动动作,记录这些过程中的控制和轨迹状态信息,从而使机动库中的机动可以包括一些驾驶员激发的机动动作。并采用了所谓的快速搜索随机树算法———RRT's(rapidly exploring random trees)来进行回避障碍最优路径的搜索。Frazzoli在其博士论文[4]中对这种方法做了更为详细的论述。

文献[5]利用地形的数据库构造了数字地图,并采用了一种修改过的A＊算法来搜索,其中算法需要的代价函数用距离、危险和机动能力的加权和形式表示,并且代价函数中元素的表达使用了模糊技术,其大小用模糊隶属度函数来代表,这么做可以使规划问题的内在不确定性得到较好的反映。通过给定起始节点和目标节点,采用A＊算法,利用良好的启发性知识能在搜索空间内找到可行的最小代价最佳路径。

文献[6]则主要在文献[7]和文献[8]的基础上提出了一种无人机群协同时的分步规划航迹方法。首先基于威胁所在和目标要求构造了Voronoi图,用来搜索生成最初的航迹,

·

419

·

第26卷　第3期国外无人机自主飞行控制研究

采用了威胁程度和耗油量两个指标的加权和形式来衡量航迹的优劣,权值的选取依具体任务要求而定,并给出了危胁程度的具体数学表达式。然后将所得到的初始航迹进行所谓的“离散化”,即分割成长度一定的单元环节,文中形象地称之为“链条化”。因为要求机群同时到达目标,但生成的初始航迹长短各不相同,所以可以在代价条件允许的情况下加入“链条环节”使机群谐调。最后对得到“链条式航迹”进行修整,使其平滑且具有可飞性。

文献[9]基于现有技术,将航迹优化看为一个混合整数约束条件下的线性规划问题,采用MILP (mixed integer lin ear pro -gram ming )方法来寻找机群避免障碍和碰撞的最优轨迹。

文献[10]采用了基于遗传算法的路径规划策略,并与传统的动态规划法做了比较,显示其优越性的同时也指出现阶段遗传算法存在比较费时的问题,但是其固有的并行计算机制使其具有很大的发展潜力。文献[11]也采用遗传算法来获得无人机的导引律,特别是引入了熵值理论,而且利用了海军研究实验室的SAMUEL 进化学习系统,基于目标系统熵最小的原则生成了无人机的导引规则。

文献[12]提出了一种新的基于小波的多模型多决策动态机动优化算法结构,并将其用于无人机群的航迹规划。文中使用了可微二次样条小波函数将航迹分解为小波系数表达式,从而得到基于小波的航迹表达。采用了两种算法来优化航迹路径,①用进化计算算法直接在小波系数空间内进行随机搜索;②有约束的基于内点算法的动态优化方法,首先用第1种方法进行远期优化,然后在其基础上用第2种方法完成最终的寻优。两者共同作用的结果送到自动驾驶仪完成轨迹跟踪。

文献[13]采用模型预测控制理论来解决约束条件下的轨迹规划问题。首先使用基于样条的经典规划方法和微分平坦性理论,给出名义可飞的轨迹,并基于名义轨迹用摄动分析理论线性化飞机的动态模型,然后把非凸非线性问题转化为一个时变的线性凸优化或二次规划问题,名义可飞的轨迹空间则被转化为一族重叠的凸空间。模型预测控制用来确定名义控制的最优摄动。

从以上一些研究结果可以看出,飞行决策/规划问题中采用的算法手段大致可以分为最优式和启发式两类。最优式方法包括穷举、线性规划、动态规划、整数规划、分枝定界、梯度法和牛顿法等;启发式方法则由启发式搜索、神经网络、模拟退火、遗传算法、禁忌搜索、专家系统、机器学习等组成。同时这类飞行规划问题一般来说属于NP -hard 类,这意味着不存在已知的多项式时间算法来解决这些问题。从算法角度看,最优式方法存在算法时间随问题难度爆炸式增长的问题,所以一般优先采用启发式算法来获得次优解。同时也可以考虑采用混合规划策略,针对实时性的要求,在不同的规划区域和阶段使用不同的方法。或通过分析处理规划问题中的关键因素,设法降低问题的难度,如将NP -hard 问题在一定条件下转

化为非NP -hard 问题以降低复杂度。还可考虑利用并行计算

机技术,发展高效的并行或分布式的决策规划方法。3.2　分层控制结构

未来无人飞机的工作模式包括无人机单机行动和多机编队协同。所以无人机飞控系统的设计涉及到的问题主要包括任务的分解;群体航迹的优化;无人机单机的轨道规划和轨道跟踪;无人机间的协调;无人机的自适应自修复和容错管理等等。如何选取一个高效合适的控制系统结构由此成为整个系统设计要考虑的关键问题。一种结构是采用完全集中的方法,即存在一个中心处理控制器,接收每架无人机的传感器信号,经分析处理后对每架无人机发出详细的控制指令,在这种结构下有可能找到全局最优的控制策略。但是这种集中式结构也存在一定的问题,例如大规模复杂的全局寻优问题通常难以解决,通信带宽也有可能不足,某个局部地方出现的错误可能将导致全局意外等等,因此这种结构并不可取。另一方面,完全分布式的结构虽然有很好的容错性和鲁棒性,但是在不确定的环境下工作或遇到突发危险时,无人机群体之间很难建立协调合作的关系,无法充分发挥群体上的优势。考虑到以上种种,作为一种大规模的智能决策系统,无人机的自主控制体系不可避免地要采用萨里迪斯教授所提出的分层递阶智能控制的结构来搭建,一般情况下应包括组织级、协调级和执行级。

图1是一种典型的基于无人作战飞机(unmanned combat aerial vehicles ,UCAV )设计的控制和协调的分层结构[2],具有一定的代表性。这种控制结构分为四层:任务控制层、战略层、战术层和调节规划层。下面的3层位于每一架无人机个体上,最上的一层即任务控制层,则位于母舰或长机上。在这种结构下,每架无人机可以局部地优化自身的行为,同时还可以方便地与其他无人机协调合作来完成任务。

任务控制层将整个任务细分为每架无人机应完成的目标,这一层需要考虑的主要问题是资源的合理分配与任务规划。例如,在侦察任务中,如何将不同的目标分配给无人机个体;又如,做编队飞行时,长机要为整个机群规划出最优航迹。任务控制层将生成的多个要达到的战略目标和飞行轨迹交给无人机个体的战略层,考虑到轨道的可飞性以及为了避免相互间的碰撞,战略层依此生成详细的轨道约束条件并实现故障的管理功能。而且如果存在潜在的冲突,无人机个体的战略层之间还可以通过相互协调来得到满意的轨道约

·

420·系统工程与电子技术2004年

束。战术层则根据战略层的轨道约束得到期望的输出和状态轨迹,实现飞行模态的调度管理及飞行轨道的重规划。最后期望的轨道通过调节规划层的反馈控制器来完成具体的轨迹跟踪,直接产生作动器的控制指令。

采用类似的分层结构,密执根大学的研究小组[3]开发了一个1/4大小的无人机模型———Solus,其被用来发展和验证无人机技术。采用了嵌入式机载控制系统,能在遥控飞行、程序飞行及完全自主飞行3种模态下工作。而且在文献[4]中提出了CIRCA(cooperative intelligent real-time control architec-ture)的系统结构概念,并已经改进升级为CIRCAⅡ,在此基础上进行了一系列安全、自主飞行试验研究,包括智能飞行控制系统的评价,自动任务与轨迹规划等功能。

3.3　自主着陆

对于自主飞行的无人机而言,安全着陆也是一个很困难的问题。进场和着陆是最复杂的飞行阶段,由于这一阶段飞行高度低,所以对飞行安全的要求也最高,尤其是在终端进近时,飞机的所有状态都必须高精度保持,直到准确地在一个规定的点上接地。着陆涉及的问题主要包括飞机的定位导引与制导控制两个方面。而且在与外界数据通信链断开的情况下,无人机需要自主完成安全着陆。在全球定位系统不可用的情况下,现有的惯性导航系统缺乏误差补偿时不能提供足够精确的位置信息,难以胜任自主着陆的要求,所以要另外寻求其它有效的手段。

国外一个主要的研究方向是采用基于投影几何学的计算机视觉自主着陆系统。主要有两种方法。一种是以文献[17～19]为代表所使用的方法,通过识别跑道图像,提取跑道或附近的已知相对位置的特征点,从而计算飞机相对跑道的位置和方向。另一种方法是文献[20,21]提出的,通过已知机载的跑道三维模型资料库,假设某个观察点,生成期望的跑道合成透视图像,与用机载摄像机拍摄到的实际跑道图像对照,逼近到一定的误差范围内,从而得出摄像机,即飞机的位置。除了利用计算机视觉信息,还可以利用飞机上的惯性导航系统、雷达、无线电高度表、精确数字地图等信息组成混合自主着陆导引系统。

精确的控制律设计对于无人机的安全自主着陆也必不可少。文献[22]提出了一种利用神经网络进行在线参数辨识的自适应可重构无人机甲板自主着陆系统。仿真表明,即使在发生多起故障、存在严重扰动,海浪很大以及飞机动态数据存在不确定性的情况下,该系统仍能在误差容许的范围内安全地将无人机着陆到甲板这样一个运动平台上。文献[23]利用预测控制技术来完成基于主动视觉的自主着陆控制系统设计。文献[24]提出一种无人驾驶航天飞机的自主着陆系统的制导与控制方案,该系统在纵向制导回路设计时采用了简单的PID控制,在控制回路设计时采用了非线性模型,经过特殊的处理后,利用H∞方法完成了回路设计。文献[25]通过一种基于动态反馈的鲁棒非线性内模动态调节器,也设计了一种自主垂直甲板着陆系统,并显示出对海浪等系统中典型的不确定性的良好鲁棒性。

另外,一些研究小组已经用模型或小型无人机进行了方案验证,完成了试飞。如加州伯克利大学的旋翼无人机,通过验证基于计算机视觉的自主着陆系统,能达到每个坐标轴上5cm的距离误差和5°的旋转角度误差[26]。

无人机自主着陆最主要的困难在于如何对机场跑道进行精确定位,如何导引对准跑道,如何控制实现安全着陆。4　结束语

目前自主控制的理论还不完善,仍在不断发展中。无人机自主飞行控制/决策系统的研究更是处于起步阶段,是一个极具挑战性的研究课题。其中涉及诸多方面,考虑到其对自主能力的要求,未来主要面临的困难应该来自以下方向:(1)如何生成基于实时信息,分层分段分区域多方法相融合的实时任务规划策略,以及在受限制条件下实施航迹的精确跟踪技术,使其对环境和任务的变化具有快速的反应能力,在面对不确定性和遇到突发事故时能实时作出有效的决策和机动。(2)结合系统的问题描述,如何开发适合飞行控制系统的智能分层递阶控制基本结构模式,以满足自主无人机任务的特殊需求,使其能够在不确定的环境下,自主地实现导航、制导与控制。(3)如何在自主条件下对无人机进场着陆时进行精确定位,以及着陆控制技术的开发,使其在外界干扰以及存在内部故障的情况下,能安全地完成着陆过程。(4)如何在复杂未知环境下自主地对任务环境进行建模,包括环境的不确定性表示、三维环境特征的提取、目标的辨识与识别、态势的评估等等。(5)其它一些相关的方向,如故障诊断与容错控制、知识表达、机器学习等等。

未来无人机技术将要体现的是一种特定领域中应用的先进机器智能技术。由于对象的开放性、复杂性和所面对信息模式的多样性、不确定性,无人机的自主飞行控制是一项高度综合的研究项目,是智能控制技术和飞行控制技术的高度有机结合,一定程度上代表了未来航空尖端技术的最新研究方向。应站在大系统的概念下来看无人机自主飞行控制系统的研究,所面临挑战在于如何在不确定的飞行条件下实现一定的实时自主控制决策能力,如何充分体现这种无人控制系统的鲁棒性、容错性、自适应性和智能性,最终在局部完全取代并超过人的决策作用。只有这样,才可以使未来的应用中的无人机具备超速的反应能力、超人的决策能力和超常的机动能力,发挥出其最大的综合效益。

参考文献:

[1]Pac hter M,Chandler P R.Challenges of Autonomous Control[J].IEEE

Control Sys tems Magaz ine,1998,18(4):92-97.

[2]Chandler P R,P ac hter M.R esearch Iss ues in Autonomous Control of T actical

U A Vs[C].Proc.of t he American Control Conferenc e,1998.394-398. [3]McConl ey M W,Pied monte M ichael D,Appleby Brent D,et al.H ybrid Con-

trol f or Aggress ive Maneuvering of Autonomous A erial Vehicles[C].Proc.of

·

421

·

第26卷　第3期国外无人机自主飞行控制研究

the19th Di gital A vionics Sys tems Conference,2000:1.E.4-1-1.E.4-8. [4]Frazz oli Emilio.Robust Hybrid Control for Autono mous Vehicle M otion

Planning[D].Mas sachus etts Institute of Technol ogy,2001.

[5]Vac hts evanos G,Ki m W,Al-Has an S,et al.Autonomous Vehicles:From

Fl ight Control to M iss ion Pla nning Usi ng Fuzz y Logic T echniques[C].Proc.of the13th International D igital Signal Proc ess ing Conference,1997.977-981.

[6]McLain T W,Beard R W.Trajectory Planning for Coordinated Ren-

dezvous of Unmanned Air Vehicl es[R].Guidance,Navigation,and Control Conference and Exhibit,AIAA-2000-4369,2000.

[7]Bortoff S.Path Planning for UAVs[C].Proc.of the American Control

Conference,2000.364-368.

[8]Chandler P.U AV Cooperative Path Planning[R].Guidance,Naviga-

tion,and Control Conference and Exhibit,AIAA-2000-4370,2000. [9]Richards Arthur,How Jonathan P.Aircraft Traj ectory Planning with Col-

l is ion Avoidance Us ing Mixed Integer Linear Programming[C].Proc.of the American Control Conference,2002.

[10]Pellaz ar Miles B.Vehicle R oute Planning with Constraints Using Genet-

ic Algorithms[C].Proc.of the IEEE.Nati onal Aeros pace and Electron-ics Conference,1994.111-118.

[11]M arin John A,Robert R antke,Da vi d https://www.360docs.net/doc/507870130.html,ing a Genet ic Al gorithm to

D evelop R ul es to Guide U nmanned Aerial Vehicles[C].Proc.of t he Inter-

nati onal Conference on Sys tems,Man and Cybernetics,1999.1055-1060.

[12]Godbole Datta N,Tariq Samad,Vipin Gopal.Active Multi-Model Con-

trol for Dynamic Maneuver Opti mization of U nmanned Air Vehicles[C].

Proc.of the2000IEEE International Conference On Robotics&Au-tomation,2000.1257-1262.

[13]Leena Singh,Ja mes Fuller.Traj ectory Generation for a UAV in Urban

Terrain,Using Nonlinear MPC[C].Proc.of the A merican Control Con-ference,2001.2301-2309.

[14]Godbole D atta N.Control&Coordination in Uninhabit ed Co mbat Air Vehi-

cles[C].Proc.of the American Control Conferenc e,1999.1487-1490.

[15]Atkins E M,M iller R obert H.Solus:An Autonomous Aircraft for

Flight Control and Trajectory Pl anning Research[C].Proc.of the Amer-

ican Control Conference,1998.689-693.

[16]Atkins E M.Plan Generat ion and R eal-Time Execution with Appl ic ation to

Sa fe Autono mous Flight[D].U ni versi ty of Michi gan,1999.

[17]Shakernia O,Y i Ma,Koo J ohn T.Vision Guided Landing of an Un-

manned Air Vehicle[C].Proc.of the38#Conference on Decision& Control,1999.4143-4148.

[18]Shakernia https://www.360docs.net/doc/507870130.html,nding an Unmanned Air Vehicle:Vis ion Bas ed Motion

Es timation and Nonlinear Control[J].Asian Journal of Control,1999,1

(3):128-145.

[19]Yaki menko O,Kaminer Isaac I.Near OptimalTrajectory Generation for

Autonomous Aircraft Landing[C].Proc.of the1999IEEE International Sympos ium on Computer Aided Control System Desi gn,1999.445-450.

[20]D ickins on Sven J,D avis Larry S.An Expert Vis ion Sys tem for Autonomous

Land Vehicle Road Foll owing[C].Proc.of Co mputer Soci et y Conferenc e on Computer Vis ion and Pattern R ecognition,1988.826-831.

[21]Soni Tarun,Sridhar Banavar.Modell ing Issues in Vis ion Based Aircraft

Navigation During Landing[C].Proc.of the Second IEEE Works hop on Applications of Co mputer Vis ion,1994.89-96.

[22]Ward D,Monaco J,Schierman J.R econfi gurable Control for VTOL

UAV Shipboard Landing[R].Guidance,Navigati on,and Control Con-ference and Exhibit,AIAA-1999-4045,1999.

[23]Ruggero Frazz a,Claudio Altafini.Autonomous Landing by Computer

Vision:An Application of Path Following in SE(3)[C].Proc.of the 39#Conference on Decis ion&Control,2000.2527-2532.

[24]M Ohno.R obust Flight Control L aw Design for Aut omatic L anding Fli ght

Experi ment[C].Proc.of the14th International Federation of Automatic Control Sympos ium on Automatic Control in Aerospace,1998.259-264.

[25]Marconi L,Is idori A.R obust Output R egulati on for Aut onomous Verti-

cal Landing[C].Proc.of the39#Conference on Decision&Control, 2000.3590-3595.

[26]Sharp Courtney S,Shakernia O,Sas try Shankar S.A Vision System for

Landing an Unmanned Aerial Vehicle[C].Proc.of the IEEE Confer-ence on R obotics&Aut omation,2001.1720-1727.

(上接第363页)

参考文献:

[1]Hale J K,Verduyn Lunel S M.Introduction to Functional Differential

Equations[M].Ne w York:Springer-Verlag,1993.

[2]Kol mannovs kii V B,Nosov V R.Stability of Functional Differential

Equations[M].London:Acaedmic Pres s,1986.

[3]Kuang K.Delay D ifferential Equations with Applications in Population

D ynamics[M].Boston:Academic Press,1993.

[4]Bliman P A.Lyapunov Equation for the Stability of Linear Delay Systems

of Retarded and Neutral Type[J].IEEE Trans.on Automat.Contr., 2002,47(2):327-335.

[5]Chen J D,Lien C H,Fan K K,et al.Ctiteria for As ymptotic Stabil it y

of a Clas s of Neutral Sys tems via an LMI Approach[J].IEEE Proc.of Control Theory Appl.,2001,148(16):442-447.[6]Niculescu S I.O n Dela y-D ependent St abilit y in N eutral Sys tems[C].Proc.

of the A merican Control Conference,Arl ington,V A,2001.3384-3388.

[7]Ye H,Michel A N,Wang K N.Robust Stabilit y of Linear Ti me-Delay

Systems:R atarded and Neutral Types[J].IEEE,1995:1488-1491.

[8]Logeman H,Pandolfi L.A N ote on Stabilit y and Stabilizability of Neutral

Sys tems[J].IEEE T rans.on A uto mat.Contr.,1994,39(1):138-143.

[9]Hsiao F S,Hwang J D.Criterion for As ymptotic Stability of Uncertain

Multiple Ti me-Dela y Sys tems[J].Electron.L ett.,1996,32:410-412.

[10]Liu P L,Su T J.Robust Stability of Interval Time-Delay Sys tems with

Delay-Dependence[J].Sys t.Control Lett.,1998,33:231-239. [11]Qucheriah S.Meas ures of R obus tnes s for Uncertain Ti me-Delay Linear Sys-

tems[J].A SME J.D ynamic Syst.Meas.Control,1995,117:633-635.

[12]Line C H.As ymptotic Ctrterion for Neutral Syste ms with Multiple Time-

Del ay[J].Electron.Lett.,1999,35(10):850-852.

·

422

·系统工程与电子技术2004年