国外无人机自主飞行控制研究
无人机航线规划与自主飞行控制算法研究
无人机航线规划与自主飞行控制算法研究随着无人机技术的发展和普及，无人机的应用领域变得越来越广泛。
无人机航线规划与自主飞行控制算法研究成为无人机技术领域中的重要研究方向。
本文将围绕无人机航线规划和飞行控制算法展开讨论，以期帮助读者全面了解该领域的最新研究进展和应用前景。
无人机航线规划是指为无人机设定一条合理的飞行路线以完成特定任务的过程。
在无人机飞行任务中，航线规划的目标是以最短的时间和最低的能耗来达成任务，同时考虑避免障碍物、遵守航空法规和保证飞行安全。
为了实现这一目标，研究人员提出了许多不同的航线规划方法。
目前，最常用的航线规划算法之一是A*算法。
A*算法是一种启发式搜索算法，通过评估当前节点到目标节点的启发式函数值，选择最有潜力的路径进行探索。
该算法具有快速、高效的特点，并能够考虑环境中的障碍物信息。
然而，A*算法在处理复杂环境和大规模状态空间时存在计算量大、搜索时间长的问题。
为了克服A*算法的局限性，研究人员提出了其他航线规划算法，例如D*算法、RRT算法、遗传算法等。
D*算法基于现实环境中更改的观察，通过动态更新地图信息来指导航线规划。
RRT算法是一种基于采样的随机树搜索算法，通过不断扩展随机树来寻找最优路径。
遗传算法则通过模拟生物进化的过程来搜索最优解。
这些算法在不同的场景和环境下有各自的优势和适用性。
除了航线规划，无人机的自主飞行控制算法也是无人机技术中的重要研究方向。
自主飞行控制算法旨在使无人机具备自主感知、决策和执行的能力，实现无人机的自主导航和飞行任务。
常用的自主飞行控制算法包括PID控制、模型预测控制和强化学习等。
PID控制是一种经典的反馈控制方法，通过不断调节无人机的姿态、位置和速度来实现飞行控制。
PID控制算法简单易实现，可以快速响应环境变化，但在复杂环境下可能存在性能不够稳定的问题。
模型预测控制（MPC）算法则通过建立无人机的动力学模型，预测未来的飞行状态，并优化控制器参数以实现更好的性能。
无人机自主飞行算法设计与风险控制研究
无人机自主飞行算法设计与风险控制研究随着无人机技术的快速发展，无人机的应用领域越来越广泛。
无人机的自主飞行能力对其应用效果起着关键作用。
本文将研究无人机自主飞行算法设计以及相关的风险控制措施。
一、无人机自主飞行算法设计自主飞行算法是无人机实现自主飞行的核心。
它涉及到无人机的导航、路径规划、避障等方面。
下面将逐一进行论述。
1. 导航导航是无人机自主飞行的基础。
无人机需要根据目标点或者任务要求进行精确的导航。
此时，可以利用全球定位系统（GPS）或者惯性导航系统进行定位，通过地图信息与目标点的距离计算飞行方向与速度。
2. 路径规划路径规划是无人机自主飞行算法中的关键环节。
无人机需要根据任务要求，找到最佳的路径进行飞行。
在实际应用中，可以使用A*算法、Dijkstra算法或者遗传算法等来进行路径规划。
A*算法通过起始点和目标点之间的距离估算出最佳路径，并进行优先级排序。
Dijkstra算法则通过起始点到其他所有点的最短路径计算出最佳路径。
遗传算法则是模拟生物进化过程，通过评估适应度来获得最佳路径。
3. 避障避障是无人机自主飞行算法中必不可少的一环。
在飞行过程中，无人机需要及时响应来自环境的障碍物信息，然后通过相应的控制算法来避免碰撞。
常用的避障算法包括：视觉传感器算法、激光雷达算法和超声波传感器算法等。
视觉传感器算法利用摄像头获取环境图像，并通过图像处理算法检测障碍物。
激光雷达算法则通过发送激光束并接收反射信号来检测障碍物。
超声波传感器算法则通过发送超声波并接收回波信号来检测障碍物。
二、风险控制研究无人机的应用场景多种多样，但与之伴随的风险也不容忽视。
风险控制是无人机使用安全的关键环节。
以下将探讨如何在无人机自主飞行中进行风险控制。
1. 飞行限制区域设定为了避免无人机进入禁飞区域或者造成其他危险情况，可以在飞行控制系统中设定飞行限制区域。
通过在系统中设置固定的地理坐标或利用地图信息，可以限制无人机的飞行范围，确保其不会越界飞行。
无人机的飞控现状分析报告
无人机的飞控现状分析报告引言无人机（Unmanned Aerial Vehicle，简称无人机）是指不需要搭载人员、可以按照预先设定的程序自主飞行的飞行器。
随着无人机技术的不断发展，无人机已经广泛应用在航拍、农业植保、物流配送等领域。
无人机的飞行控制系统（飞控）是其核心技术之一，本报告将对无人机飞控的现状进行分析。
1. 无人机飞控的研发背景无人机飞控的研发起源于军事领域，早期主要应用于侦察、侦察、无人攻击等任务。
随着无人机技术的逐渐成熟和民用市场的崛起，无人机飞控系统也得到了广泛的应用。
2. 无人机飞控的发展历程无人机飞控的发展可以分为以下几个阶段：2.1 早期阶段早期的无人机飞控系统基本上是采用硬件电路实现的，且功能简单。
这些飞控系统主要用于军事领域，稳定性和可靠性较强，但缺乏智能化和自主性。
2.2 中期阶段中期的无人机飞控系统开始引入微处理器技术，能够实现一些基本的智能功能。
飞控系统采用的微处理器往往是专用的单片机，能够进行简单的数据处理和控制算法。
2.3 现代阶段现代无人机飞控系统的发展主要得益于嵌入式技术和计算机技术的进步。
现代飞控系统采用的主控芯片多为ARM系列的高性能微处理器，具备较强的计算和通信能力。
同时，现代飞控系统还引入了传感器、图像处理等技术，能够实现更多的功能和应用场景。
3. 无人机飞控的技术要点无人机飞控系统实现无人机的飞行控制，一般具备以下几个技术要点：3.1 姿态控制姿态控制是飞控系统的核心功能之一。
通过传感器获取飞行器的姿态信息，然后根据预定的控制算法计算出控制指令，使飞行器保持稳定的姿态。
3.2 位置控制位置控制是实现飞机在空间中的精确控制的关键。
通过GPS等定位系统获取飞行器的位置信息，然后根据位置控制算法计算出控制指令，使飞行器按照预定的轨迹飞行。
3.3 飞行模式切换现代飞控系统通常提供多种飞行模式供用户选择，如手动模式、半自动模式和全自动模式等。
用户可以根据需要选择不同的飞行模式，并通过飞控系统进行切换。
无人机的自主导航与控制技术研究
无人机的自主导航与控制技术研究近年来，无人机已经成为了人们探索空中世界的重要工具之一。
无论是民用还是军用，无人机的使用范围越来越广泛，其自主导航和控制技术也得到了不断的发展。
本文将从无人机的自主导航和控制技术入手，深入探讨其现状及未来发展趋势。
一、无人机自主导航技术的发展无人机自主导航技术是指无人机在不需要人工干预的情况下，能够完成航线规划、飞行控制和任务执行等功能的技术。
早期的无人机导航主要依靠人工遥控完成，这种方式虽然简单易行，但是却很难适应复杂的作战环境和任务。
因此，无人机自主导航技术应运而生。
1.传统的无人机自主导航技术早期的无人机自主导航技术主要依靠GPS全球定位系统，其通过信号交换实现飞行状态的计算和航线控制。
然而，GPS信号受到环境干扰时，容易出现偏差和失误，因此在一些恶劣的环境中，GPS导航的可靠性大打折扣。
此外，还存在一种惯性导航系统，该系统的原理是依靠陀螺仪和加速度计测量无人机的速度、角速度和加速度等物理量，而无需依赖外部信号的支持。
然而，惯性导航系统存在积分漂移等问题，在长时间导航中误差集中，再加上飞机本身的汽动和非线性因素的影响，这种导航系统存在较高的失误率及复杂的算法，操作麻烦。
2.现阶段的无人机自主导航技术为了克服GPS信号和惯性导航系统的缺点，目前的无人机自主导航系统借鉴了机器视觉、传感器融合等技术。
比如，地形匹配算法，基于高精度地图，依靠相邻匹配点之间的距离和坐标的相似度，不仅可以检测出无人机的精准位置，而且可以避免GPS的偏差问题。
此外，无人机引入了一系列新型传感器，比如激光雷达，可以通过扫描周围环境，获取距离、角度等参数信息，并实现高精度的地图构建和点云匹配。
3.未来无人机自主导航技术的趋势随着人工智能技术的不断发展和应用，未来的无人机自主导航技术将实现更加精准和高效的导航方式。
比如，语音控制、手势识别等技术将成为无人机自主导航的另一种方式，无人机和操作者之间的互动将更加智能化和多样化。
无人机应用中的飞行控制技术研究
无人机应用中的飞行控制技术研究近年来，随着无人机技术的不断发展与普及，无人机已经成为了一种重要的应用技术。
可以说，无人机的出现为各个领域带来了很多方便。
在无人机的应用中，飞行控制技术起着至关重要的作用。
本文将从无人机飞行控制技术的研究现状、发展动态以及未来发展趋势等方面进行探讨。
一、无人机飞行控制技术的研究现状无人机的飞行控制技术是指通过各种技术手段对无人机的飞行方向、飞行速度、飞行高度等进行控制，以使其能够在空中稳定飞行，并能够准确地完成各项任务。
无人机的飞行控制技术是无人机技术中最为关键的一项技术。
在目前的研究中，主要有以下几种控制方法：1.经典PID控制经典PID控制是目前应用最广泛的一种飞行控制方法。
它通过对无人机的姿态角与角速度进行测量并与期望值进行比较，来得出控制信号，从而达到控制无人机的目的。
该方法操作简单、易于实现，但其精度较低，特别是在强干扰的情况下，容易失控。
2.自适应控制自适应控制的核心思想是通过抑制干扰和改善系统鲁棒性来提高飞行控制的精度。
该方法具有鲁棒性好、抗干扰能力强的优点。
但是，由于参数估计误差等因素会影响控制效果，因此该方法并非完美无缺。
3.神经网络控制神经网络控制是一种新研发的控制方法。
它利用人工神经网络对无人机进行建模，并通过网络学习的方式自适应地优化无人机的控制效果。
该方法具有很好的性能和鲁棒性，但实际操作难度较大。
二、无人机飞行控制技术的发展动态无人机飞行控制技术的研究已经取得了长足的进步。
随着无人机使用范围的不断扩大，飞行控制技术也在不断地发展和完善。
目前，无人机飞行控制技术的发展动态主要体现在以下几个方面：1.多模式控制多模式控制是指将多种飞行控制方法综合起来，以实现更为细致的飞行控制。
该方法通过多种控制算法的结合，能够提高系统的性能和鲁棒性。
可以说，多模式控制是无人机飞行控制技术的一个重要发展方向。
2.自主导航自主导航是指利用各种传感器和智能算法，实现无人机自主飞行和导航。
无人机系统中的自主控制与协同飞行技术研究
无人机系统中的自主控制与协同飞行技术研究随着科技的不断发展，无人机的应用越来越广泛，尤其是在物流配送、土地测绘、灾害救援等领域中得到广泛应用。
作为无人机基本技术的自主控制与协同飞行更是备受关注。
无人机的自主控制技术是指无人机能够根据传感器所提供的环境信息实现自主飞行，而无需人的参与。
它是无人机技术中最关键的部分之一。
自主控制技术的发展是促进无人机广泛应用的重要保证，目前，关于无人机自主控制技术的研究和探索已经进行了多年，并不断取得重大进展。
无人机自主控制技术的实现，主要需要以下几个方面的支持：精准的定位控制技术、激光雷达技术、摄像头技术以及传感器技术等。
这些技术能够准确捕捉无人机当前的位置、姿态和速度等变量，并使其在飞行路径上进行快速调整，从而保证了无人机的整体控制效率。
在实际应用中，无人机往往需要在复杂的环境下实现自主控制，比如避免障碍物、保持稳定、避免碰撞等。
针对这些问题，科学家们正在不断研究、探索和改进，以做出更加完善和稳定的无人机系统。
例如，一些新型的无人机系统能够精准地根据周围环境信息进行方向调整，从而有效地避免了碰撞危险；同时，无人机还需要具备对复杂地形的适应性，比如能够在不同高度和地形之间进行自适应。
除了自主控制技术外，协同飞行技术也是无人机技术中的重要部分。
协同飞行技术是指多个无人机之间相互协作，共同完成一个任务。
例如，在灾害救援中，无人机可以分为多组完成不同任务，如监测、预警、搜寻和救援等；在军事领域，无人机可以协同飞行，并参与作战任务。
协同飞行技术大大提高了无人机应用的效率与安全性。
协同飞行技术是先进的无人机技术，也是实现互联智能网联技术的重要技术手段之一。
它涉及无人机的搜索、侦察、目标拦截、数据共享等一系列问题，需要涉及多学科交叉研究。
在协同飞行技术方面，还有许多研究难题亟待突破。
总结来看，无人机自主控制和协同飞行技术是推动无人机技术快速发展的重要动力。
它们的研究不仅涉及无人机本身的技术问题，还需要考虑如何与其他技术进行融合，造福于社会。
无人机自主飞行与智能控制
无人机自主飞行与智能控制是一个涉及到多个学科的复杂话题，包括航空工程、计算机科学、人工智能、自动控制等。
无人机作为一种新兴的航空器，其自主飞行和智能控制技术的发展和应用，为未来的航空航天领域带来了巨大的潜力和机遇。
一、无人机的自主飞行自主飞行是无人机的重要特征之一，它是指无人机能够在没有人类干预的情况下，自主地完成飞行任务。
自主飞行需要无人机具备感知环境、规划路径、执行动作等能力。
1. 感知环境：无人机需要具备感知周围环境的能力，包括地形、障碍物、天气状况等。
通过感知环境，无人机可以获取飞行所需的信息，并据此做出相应的决策。
2. 规划路径：无人机需要根据感知到的环境信息，规划出一条安全的飞行路径。
路径规划需要考虑多种因素，如地形、障碍物、风向等，以确保无人机能够安全、准确地完成飞行任务。
3. 执行动作：无人机需要根据规划的路径，执行相应的动作，如调整飞行高度、速度、方向等。
这些动作需要无人机具备精确的控制系统和执行机构，以确保无人机能够准确地完成飞行任务。
在无人机的自主飞行过程中，还需要考虑一些关键问题，如安全性、可靠性和效率等。
为了解决这些问题，无人机通常会采用多种技术手段，如传感器融合、人工智能算法等。
二、智能控制技术智能控制技术是无人机自主飞行的重要支撑技术之一。
智能控制技术通过引入人工智能算法，如神经网络、模糊逻辑等，实现了对无人机的精确控制和自主决策。
1. 神经网络：神经网络是一种模拟人脑神经元的工作方式，具有强大的学习能力和分类能力。
通过将神经网络应用于无人机控制系统中，可以实现对无人机的精确控制和故障诊断。
2. 模糊逻辑：模糊逻辑是一种处理不确定性和模糊性的算法，可以用于处理一些难以用精确数学模型描述的问题。
通过将模糊逻辑应用于无人机控制系统中，可以实现对无人机行为的灵活调整和优化。
总之，无人机的自主飞行和智能控制技术的发展和应用，为未来的航空航天领域带来了巨大的潜力和机遇。
随着技术的不断进步和应用场景的不断拓展，无人机将会在更多领域发挥重要作用，为人类社会带来更多的便利和价值。
无人机的飞行控制技术研究
无人机的飞行控制技术研究一、引言无人机以其无人操控、低成本、高灵活度、任务效率高等优点，逐渐成为现代军事和民用领域中重要的航空器系统。
其中，飞行控制技术是无人机研究中的重要组成部分，为确保无人机安全、稳定地执行任务提供了关键保障。
因此，无人机的飞行控制技术也受到了广泛的关注与研究。
二、无人机飞行控制技术分类从技术层面上，无人机飞行控制技术可分为导航与控制、动力系统控制、传感器技术与数据处理、自主控制和智能控制等几个方面。
1.导航与控制导航与控制技术是确保无人机进行准确、完整执行任务的基础。
导航与控制技术包括卫星导航、惯性导航、飞行控制和考虑系统与指令的执行等方面。
其中，卫星导航一直是无人机导航的核心技术之一。
基于GPS、GLONASS、GALILEO等卫星系统的无人机定位与导航控制技术被广泛使用，能够提高无人机的可靠性、近处精度和全球覆盖性。
2.动力系统控制动力系统控制技术是无人机飞行控制的另一个关键内容，主要包括马达转速控制、锂电池伺服控制、飞行器动力舵机控制等方面。
特别是马达与锂电池伺服控制技术，对于无人机稳定的飞行至关重要。
3.传感器技术与数据处理无人机的传感器技术是非常重要的部分。
传感器可以用来感知飞行器的状态和周围环境的变化，以进行精确的飞行控制。
传感器技术包括光电引导、视觉传感、激光雷达和超声波测距等。
同时，对传感器信号进行处理和分析也是必须的。
数据处理将传感器信号转换为飞行导航控制参数，在飞行控制中起到了至关重要的作用。
4.自主控制在某些情况下，无人机需要自主控制。
无人机可以通过使用人工智能和其他技术来实现自主控制。
如目前最先进的无人机技术——无人机自组织控制（UCAV）技术，无人机自主飞行、自动攻击等都让它在军事和民用领域都发挥了重要作用。
5.智能控制智能控制技术是一种与人工智能技术结合的飞行控制技术，它可以根据环境而自适应的调整飞行控制参数，以达到无人机高度智能化的效果。
常用的智能控制技术有：神经网络控制技术、遗传算法控制技术、模糊控制技术等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2004年3月第26卷 第3期系统工程与电子技术Systems Engineering and E lectronicsMar.2004V ol 126 N o 13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:1001Ο506X (2004)03Ο0418Ο05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:ASurvey of foreign researches on autonomous flight control for unm anned aerial vehiclesT ANG Qiang 1,ZH U Zhi 2qiang 1,2,W ANGJian 2yuan 1,2(1.Department o f Automatic Control ,Northwestern Polytechnical University ,Xi ’an 710072,China ;2.Flight Automatic Control Research Institute ,Xi ’an 710065,China )Abstract :T he study on auton om ous flight control of unmanned aerial vehicles (UAVs )is a frontier problem of flight control.Its g oal is to realize the auton om ous flight control ,decision making and management for UAVs.Because of its huge com plexity and high intelligence ,it is still in the early stage.T he foreign researches and their results in this field are overviewed.In the first place ,the concept of auton om ous control is introduced.T hen several related key issues are discussed respectively ,including the in 2flight plan 2ning and re 2planning problems ,the hierarchical structure of control systems ,and the auton om ous landing of UAVs.Finally ,the re 2searh areas are proposed to address development tendency and challenges.K ey w ords :unmanned aerial vehicles (UA Vs );auton om ous flight control ;planning ;hierarchical structure ;auton om ous landing1 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UA Vs、UG Vs(uninhabited ground vehicles)、UUVs(unmanned under2 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。
311 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。