国外无人机自主飞行控制研究
无人机飞行器的自主控制及路径规划技术
无人机飞行器的自主控制及路径规划技术随着科技的发展和人类对越来越多的智能化需求，无人机飞行器作为一项先进的技术，正日益成为人们探索、保护、娱乐和商业等领域的重要工具。
但是，无人机的普及也面临着一些问题，如控制、飞行安全等。
而无人机飞行器的自主控制及路径规划技术便是解决这些问题的重要手段之一。
本文将重点介绍无人机飞行器的自主控制及路径规划技术，并对其未来发展进行展望。
一、无人机飞行器自主控制技术无人机飞行器的自主控制技术是指能够实现飞行器在没有人为干预的情况下，完成飞行任务的技术。
而要实现无人机的自主控制，首先就需要实现对其飞行状态的准确感知。
无人机一般都配备了多种传感器，如GPS、惯性测量单元、视觉传感器等，以精确地感知其位置、速度、姿态等信息。
其次，无人机飞行器需要实现自主的飞行控制。
飞行控制系统一般包括姿态控制和位置控制两部分。
姿态控制是指飞行器在空间中的旋转控制，通常采用PID （比例积分微分）控制器实现。
位置控制则是指飞行器在空间中位置的控制，通常采用定高定点控制器来实现。
最后，无人机飞行器还需要实现智能决策和避障能力。
智能决策是指根据任务要求，自主选择最佳飞行路径和执行策略的能力。
而避碍能力则是指在遇到障碍物时，无人机能够自主规避，避免发生碰撞等意外情况。
二、无人机飞行器路径规划技术无人机的路径规划技术是指在给定的环境中，通过算法计算出最佳飞行路径的技术。
路径规划技术对于确定无人机的飞行路线和轨迹非常重要，它能够通过算法和模拟分析，在飞行中进行质量控制和避障处理，从而极大地减轻驾驶员的工作压力，提高任务完成的成功率。
在无人飞行器路径规划技术中应用比较广泛的一个算法是A*算法。
A*算法通过启发式搜索找出最短路径，可以实现无人机自主计算路径，并通过飞行控制系统实现路径跟踪。
随着人工智能技术的不断发展，机器学习技术为无人机的路径规划和飞行控制带来了新的可能性。
无人飞行器的路径规划本质上是一个决策问题，而机器学习正是基于数据的决策模型。
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。
无人机自主控制系统研究与设计
无人机自主控制系统研究与设计随着科技的不断进步和人们对于航空技术的不断探索与发展，无人机已经不再是神秘的存在，而是逐渐成为了人们生活中不可或缺的一部分。
无人机作为一种新型的机器人技术，正在拓展着新的应用领域，如地质勘探、搜救、环境监测等。
与此同时，无人机的自主控制系统也逐渐成为了无人机技术发展中极为重要的一环，下面我们将就此展开讨论。
一、无人机自主控制系统的概述无人机自主控制系统是指无人机在没有人类干预的情况下进行飞行、控制、维护等一系列动作的过程。
自主控制系统实现的核心是无人机配备了各种机电一体化、智能化、可编程化等先进的无线通信设备、GPS导航设备、图像处理和目标识别系统等，并通过内置系统进行数据收集、信息处理和行动决策等一系列活动。
二、无人机自主控制系统的研究现状在无人机技术发展的过程中，自主控制系统一直是目前无人机技术发展的一个重要方向，已经取得了重要的进展，但是在实际应用中还存在着诸多挑战。
1. 各国先进技术的研发各国对于无人机在自主控制等方面的技术研发，已经得到了非常大的支持和投入。
如美国投入巨资用于研发X47B无人机，中国研发“彩虹-5”多用途无人机等。
2. 自主飞行技术的改善在自主飞行技术方面，联邦航空局、欧洲航空局等都投入了巨资和人力，进行相关研发。
3. 语音指令技术的研发语音指令技术是一种比较新近的控制技术，它建立在自然语言理解的基础上。
该技术能够帮助操作者进行更加高效率的控制，同时增加了操作者的安全。
三、无人机自主控制系统设计方案1. 系统目标无人机自主控制系统的目标是实现无人机在无人操控的条件下，能够完成特定的任务、自主飞行，能够识别出空中障碍物，并依据任务要求进行信息处理和判断，自主地进行制导和飞行，并返回任务点或者指定目的地。
2. 无人机自主控制系统的框架如图，无人机自主控制系统的框架可以分为：硬件、软件、数据集三个方面。
其中硬件部分是指无人机机身上搭载的有关传感器、执行机构、通信等等锁部件。
基于机器视觉的无人机自主飞行控制系统设计
基于机器视觉的无人机自主飞行控制系统设计无人机是一种无人操控的飞行器，具有广泛的应用前景。
为了使无人机能够在没有人为干预的情况下完成特定任务，如巡航、拍摄和交付等，无人机需要具备自主飞行能力。
为了实现无人机的自主飞行，机器视觉技术成为关键。
机器视觉是一种模拟人眼视觉系统的技术，通过摄像头和图像处理算法对环境进行感知和分析。
利用机器视觉技术，无人机可以获取实时的环境信息，并在此基础上进行飞行决策和路径规划。
基于机器视觉的无人机自主飞行控制系统设计，主要包括以下几个关键环节：感知、决策和执行。
首先是感知环节。
这一环节主要是通过摄像头采集环境图像，并运用图像处理算法对图像进行处理和分析。
图像处理算法可以包括目标检测、目标跟踪、环境识别等。
通过感知环节，无人机可以获取周围环境的信息，包括障碍物、地标和目标物体等。
其次是决策环节。
在感知到环境信息后，无人机需要进行决策，确定下一步的飞行策略和目标。
决策环节可以根据环境中的障碍物、任务要求和预设规则来制定飞行策略。
例如，如果无人机感知到有障碍物存在，它可以选择避开障碍物的路径；如果无人机的任务是拍摄特定地点，它可以根据地标识别结果确定拍摄位置。
最后是执行环节。
执行环节主要是将决策的结果转化为具体的飞行动作。
这一环节需要无人机的飞行控制系统进行响应。
飞行控制系统可以通过调整无人机的姿态、速度和航迹来实现飞行动作。
在执行环节中，机器视觉技术可以提供实时的环境反馈，使飞行控制系统能够根据实际情况进行动态调整。
基于机器视觉的无人机自主飞行控制系统设计要考虑以下几个方面：传感器选择、图像处理算法优化和实时性要求。
在传感器选择方面，需要选取适合的摄像头来实现图像的获取。
传感器的分辨率和灵敏度将直接影响无人机的感知能力。
图像处理算法的优化是实现高效感知的关键。
图像处理算法需要针对无人机应用场景进行优化，以满足实时性要求和准确性要求。
实时性要求是指无人机在飞行过程中需要实时获取环境信息并作出相应决策和调整的能力。
无人机的飞行控制原理及自动化策略
无人机的飞行控制原理及自动化策略无人机（Unmanned Aerial Vehicle，简称UAV）是一种可以在没有驾驶员操作的情况下进行飞行任务的飞行器。
它的飞行控制原理和自动化策略是保证无人机稳定、安全飞行的重要组成部分。
本文将介绍无人机的飞行控制原理和自动化策略，并探讨其应用前景。
一、飞行控制原理无人机的飞行控制原理主要包括飞行动力学、姿态稳定和航迹规划三个方面。
1. 飞行动力学飞行动力学是无人机飞行控制的基础。
它涉及到无人机的运动学和动力学模型，通过分析和建模无人机的力学特性，可以确定飞行器的姿态、速度和加速度等基本参数。
2. 姿态稳定姿态稳定是无人机飞行控制的核心。
通过传感器获取无人机的姿态信息，如俯仰角、横滚角和偏航角等，然后利用控制算法进行姿态调整和稳定。
这可以通过PID控制器或模型预测控制等方法实现。
3. 航迹规划航迹规划是无人机飞行控制的关键。
它涉及到无人机的路径规划和冲突检测等问题。
通过优化算法和遗传算法等方法，可以确定无人机的最佳航迹，并避免与其他无人机或障碍物产生冲突。
二、自动化策略无人机的自动化策略是实现无人机自主飞行和任务执行的关键。
根据任务需求和应用场景的不同，可以采用不同的自动化策略。
1. 航线巡航航线巡航是无人机最常见的自动化策略之一。
通过设置目标航点和航线，无人机可以按照预定的路径巡航，执行任务。
这种策略适用于无人机进行航拍、搜救和环境监测等任务。
2. 精确着陆精确着陆是无人机自动化策略的重要应用之一。
通过使用GPS、视觉传感器和激光雷达等技术，无人机可以准确识别着陆区域，并实现精确着陆。
这在军事、物流和农业等领域有着广泛的应用前景。
3. 集群协同集群协同是无人机自动化策略的新兴领域。
通过无线通信和协同控制算法，可以实现多个无人机之间的合作和协同工作。
这可以应用于无人机编队飞行、紧急救援和智能交通等领域。
三、应用前景无人机的飞行控制原理和自动化策略为其在各个领域的应用提供了坚实的基础。
自主飞行器控制技术的研究及应用
自主飞行器控制技术的研究及应用在过去的几十年中，无人机技术发展迅速，越来越多的人关注无人机技术，并将其应用于空中拍摄、农业、矿业、建筑、能源、军事等领域。
然而，无人机的实际应用还需要解决很多技术问题，其中最关键的是自主飞行器控制技术。
自主飞行器控制技术是指无需人为干预，自主飞行器可以根据其内置的程序，依据对飞行环境的感知和分析，通过控制飞机姿态、引擎输出、航线规划等方式来完成飞行任务。
这种技术的实现需要融合多个技术领域的知识，如飞行器结构设计、航电系统、导航和控制算法等。
飞行器结构设计飞行器结构设计是自主飞行器控制技术的基础。
在无人机设计中，需要考虑许多因素，如飞机的尺寸、重量、气动特性、载荷特性等。
这些因素将直接影响无人机的飞行性能。
因此，在飞行器结构设计过程中，需要考虑多种因素相互作用的影响，并使其协调统一。
航电系统设计航电系统是自主飞行器中最重要的部分之一。
它由多个复杂的子系统组成，例如电源管理、传感器、计算机、通信系统等。
其中，计算机是航电系统的核心。
它用于飞行器的数据处理和控制程序执行。
传感器则负责收集无人机的环境信息，并将其传输给电脑处理。
电源管理系统则负责完成航电系统的电源稳定和保障。
导航与算法自主飞行器导航与算法技术是实现自主飞行器的重要保障。
导航技术通过实时获取自主飞行器的位置信息，确定飞机在空中的实时位置。
算法技术则是通过处理大量的数据来形成自主飞行器控制程序，以更好地实现控制飞行器的目标。
应用前景随着无人机技术日益成熟和完善，越来越多的应用将得到开发。
这不仅包括以往的飞行业务，还包括其他更广泛的应用，如电力、农业、建筑等多个领域。
例如，自主飞行器可以用于电力设施的智能巡检，通过高精度图像处理技术，完成电网质量改善等任务。
在建筑领域，自主飞行器可以在建筑中高度复杂的领域进行空中拍摄，同时上载数据以进行更精确的设计和规划。
总结自主飞行器控制技术的研究和应用，是无人机技术发展的关键。
无人机系统中的自主飞行与任务规划研究
无人机系统中的自主飞行与任务规划研究自主飞行和任务规划是无人机系统中的两个关键方面。
无人机的自主飞行能力决定了其在各种复杂环境下的表现，而任务规划则使其能够根据特定要求和目标进行智能化的行动。
首先，自主飞行是指无人机在没有人工干预的情况下，能够自主地完成飞行任务。
这需要无人机具备感知周围环境、决策和行动的能力。
感知能力包括通过传感器获取环境信息，如距离、速度、姿态等，并将其转化为数字信号进行处理。
无人机可以通过各种传感器，如GPS、激光雷达、摄像头等来获取这些信息。
决策能力则涉及将感知到的信息与已有的知识和规则进行比较和分析，以制定合适的飞行策略和动作。
最后，无人机需要根据决策结果实施相应的行动，如调整姿态、改变飞行速度等。
这种自主飞行能力使得无人机可以在没有人工遥控的情况下完成各种任务，如搜索救援、巡逻监视等。
为了实现无人机的自主飞行，研究人员开展了许多关于自主飞行的研究。
其中一个重要的研究方向是路径规划。
路径规划是指确定无人机在给定环境中的飞行路径，使其能够有效地避开障碍物、遵守规则并到达目的地。
在大规模、复杂的环境中，路径规划变得尤为重要。
研究人员使用了各种算法和技术来解决路径规划问题，如A*算法、D*算法、遗传算法等。
这些方法根据不同的需求和限制，选择最优的路径或权衡不同的因素，如时间、能源消耗等。
任务规划是无人机系统中的另一个关键方面。
任务规划是指根据特定的任务要求和目标，将飞行任务分解为一系列子任务，并将其分配给不同的无人机。
任务规划需要考虑到无人机的能力、资源的使用效率和任务需求等因素。
通过合理规划任务，可以提高任务的完成效率和质量。
为了实现有效的任务规划，研究人员利用了人工智能和优化方法。
首先，任务规划需要考虑到无人机的特性和能力。
不同的无人机在负载能力、续航时间、速度等方面存在差异，因此需要将任务合理分配给不同的无人机。
其次，任务规划还需要考虑到资源的使用效率。
无人机系统中的资源包括时间、能源、通信等，通过合理规划任务，可以最大限度地利用这些资源。
基于多传感器融合理论的 RTK无人机精准自主飞行控制方法研究
基于多传感器融合理论的 RTK无人机精准自主飞行控制方法研究摘要：本研究采用基于ROS（机器人操作系统和MAVROS）的多平台无人机系统作为平台开源飞行控制，基于RTKfiPS的绝对位置测量和基于激光雷达的可用距离分析方法，以及集成的外部传感器和飞行控制机载传感器，其用于纠正无人机状态，并改善无人机飞行路径和跑道的稳定性。
为了进一步增强无人机电力巡检独立运行性能，设计了基于ROS的飞行项目管理系统，该系统识别无人机精确的独立项目阶段之间的直接飞行。
本文在实际飞行测试后的结果表明，在一次独立的无人机飞行过程中，水平方向的平均水平误差为0，145 m，垂直方向的平均垂直误差为0，053 m。
关键词：无人机；自主飞行；信息融合；RTK1 引言工业无人机主要用于电力线检查，农业，林业和植物保护，消防，警察，海洋检查等领域。
当前，国际工业无人机产业正处于全盛时期[1]。
总体而言，与消费无人机相比，工业无人机的发展速度相对较慢，但仍处于较高的增长率。
市场规模在2013年为20亿美元，2014年为27亿美元（35070），2015年为36亿美元，2020年为259亿美元（平均每年42％），刺激着各国经济发展的重要产业。
早期，无人机[2]在中国并未得到广泛使用，它们主要用于军事领域，例如救灾和无人区的地质研究，在民用应用中，很少使用无人机。
随着科学技术的发展和进步，无人机的生产成本降低了，技术手段的不断创新导致中国无人机市场的快速增长。
据统计，截至2016年，中国无人机产业市场规模达到26.1亿元，比2010年增长600%。
到2022年，无人机产业规模将达到527亿元，平均增长65％。
2 相关技术和RTK在无人机上的应用2.1超宽带技术UWB超宽带（UWB）技术是一项正在广泛研究中的新无线通信技术[3]。
它具有高数据速率，低功耗和低成本的特点。
然而，由于极高的带宽，当与其他通信系统共享时，兼容性是另一个巨大的挑战。
- 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 ElectronicsMar .2004Vol .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:ASurvey of foreign researches on autonomous flight control for unmanned aerial vehiclesTANG 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 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”。