集中式无人机编队控制策略的稳定性分析
无人机编队控制与分布式优化研究
无人机编队控制与分布式优化研究无人机技术的飞速发展为许多应用场景带来了新的机遇和挑战。
无人机编队控制与分布式优化成为了当前研究的焦点之一。
本文将探讨无人机编队控制和分布式优化的关键问题，并讨论当前的研究进展和未来的发展方向。
无人机编队控制是指多架无人机之间通过信息交流和决策，协同地完成特定任务的过程。
在无人机编队控制中，关键问题之一是如何实现编队中各个无人机之间的协作与协调。
分布式控制技术是实现无人机编队控制的重要手段之一。
传统的集中式控制方法由于需要集中的控制器来协调编队中的无人机，容易出现单点故障和通信延迟等问题。
而分布式控制方法通过将决策过程分散到各个无人机中进行，可以提高系统的鲁棒性和灵活性。
在无人机编队控制中，动态的路径规划和障碍物避难是一个关键问题。
无人机编队在执行任务时，需要根据实际情况动态地规划飞行路径，并避免与其他飞行物、地面障碍物的碰撞。
为了解决这个问题，研究者们提出了许多路径规划和避障方法。
例如，基于人工势场的方法可以通过设置势函数和吸引力点来实现路径规划和避障。
此外，还有一些基于强化学习、遗传算法等智能优化算法的路径规划方法。
分布式优化是一种通过将优化问题分解成多个子问题并分配给各个节点进行求解的方法。
在无人机编队控制中，分布式优化可以帮助无人机编队更好地进行任务分配、资源分配和决策制定。
分布式优化的核心问题是如何将全局目标分解成多个局部目标，并将适当的约束条件引入到分布式求解过程中。
研究者们提出了许多分布式优化算法，如ADMM、多Agent系统等，这些算法在提高编队控制效果和降低计算复杂度方面起到了重要作用。
另一个关键问题是无人机编队中的通信与协同。
无人机编队中的无人机通常需要通过无线通信进行信息交换和决策共享。
在无人机编队中，信息的传输和协同对编队效果起着重要的影响。
研究者们提出了许多通信机制和协议来实现编队中的信息交换和共享。
例如，传统的无线通信技术可以实现无人机之间的点对点通信。
《无人机分布式编队控制算法与实验研究》
《无人机分布式编队控制算法与实验研究》一、引言随着无人机技术的飞速发展，其在军事、民用等多个领域的应用越来越广泛。
其中，无人机编队控制技术作为提高无人机系统作战能力和任务执行效率的关键技术之一，受到了广泛关注。
本文旨在研究无人机分布式编队控制算法，并通过实验验证其有效性。
二、背景及意义无人机编队控制技术是指通过协调多架无人机之间的行为，使其在执行任务时形成一定的编队队形，并保持队形稳定。
这种技术可以提高无人机系统的任务执行效率、抗干扰能力和生存能力。
而分布式编队控制算法作为一种新兴的编队控制方法，具有较好的鲁棒性和适应性，在复杂环境下能够更好地保证编队控制的稳定性和精度。
因此，研究无人机分布式编队控制算法具有重要的理论意义和实际应用价值。
三、相关文献综述近年来，国内外学者对无人机编队控制技术进行了广泛研究。
其中，集中式编队控制算法和分布式编队控制算法是两种主要的编队控制方法。
集中式编队控制算法通过建立一个中央控制器来协调多架无人机的行为，具有较高的协调性和稳定性，但对通信网络的依赖性较强。
而分布式编队控制算法则通过各无人机之间的局部信息交换来实现编队控制，具有较好的鲁棒性和适应性。
目前，国内外学者在分布式编队控制算法方面取得了较大进展，但仍然存在一些挑战和问题需要解决。
四、无人机分布式编队控制算法研究本文提出了一种基于行为的无人机分布式编队控制算法。
该算法通过定义一系列基本行为，如位置保持、速度跟踪、避障等，以及这些行为之间的协调规则，实现无人机的分布式编队控制。
具体而言，每架无人机根据其自身状态和周围无人机的信息，选择合适的行为，并通过局部信息交换与周围无人机进行协调，从而实现整个编队的稳定和控制。
五、实验研究为了验证所提出算法的有效性，我们进行了多组实验。
实验中，我们使用了多架无人机模拟实际战场环境下的编队飞行任务。
通过调整算法参数和编队队形，我们观察了不同条件下编队的稳定性和控制精度。
实验结果表明，所提出的分布式编队控制算法能够在复杂环境下实现较好的编队稳定性和控制精度。
如何保证无人机飞行的安全性与稳定性
如何保证无人机飞行的安全性与稳定性无人机的应用范围越来越广泛，从军事侦察到物流配送，无人机已经成为现代社会不可或缺的一部分。
然而，与其便利性相对应的是无人机飞行的安全性与稳定性问题。
本文将探讨如何保证无人机飞行的安全性与稳定性。
首先，无人机的安全性需要从设计和制造环节开始确保。
制造商应该严格遵守相关的安全标准和规范，确保无人机的结构和材料的质量达到标准要求。
此外，无人机的设计应考虑到飞行过程中可能遇到的各种情况，如强风、恶劣天气等。
在设计中加入相应的安全措施，如自动返航功能、防撞传感器等，可以大大提高无人机的安全性。
其次，无人机的飞行安全性与稳定性也与操作员的技能和经验密切相关。
操作员应接受专业的培训，熟悉无人机的操作原理和飞行规则。
在飞行前，必须进行充分的准备工作，包括检查无人机的状态、飞行环境的评估等。
操作员应严格遵守相关的法规和规定，避免违规操作和飞行。
此外，操作员还应具备处理紧急情况的能力，如遇到系统故障或飞行异常时，能够及时采取措施保证飞行安全。
除了设计和操作方面的保证，无人机的飞行安全性与稳定性还需要借助先进的技术手段来实现。
例如，无人机的导航系统和飞行控制系统应具备高精度和高稳定性，能够准确地感知和控制飞行状态。
同时，无人机应配备可靠的通信系统，与地面控制中心保持良好的通讯，及时传输飞行数据和接收指令。
此外，无人机还可以利用人工智能和机器学习等技术，通过对大量飞行数据的分析和学习，提高飞行的安全性和稳定性。
此外，无人机的飞行安全性与稳定性还需要考虑到与其他飞行器的协调与防撞。
无人机应与其他飞行器保持安全距离，并遵守相关的交通规则。
在空域管理方面，应建立完善的无人机飞行管制系统，确保无人机的飞行轨迹和飞行高度与其他飞行器相互协调，避免发生碰撞事故。
总之，保证无人机飞行的安全性与稳定性需要从设计、制造、操作和技术等多个方面综合考虑。
只有通过全方位的保障措施，才能确保无人机的安全飞行。
未来随着无人机技术的不断发展，我们有理由相信无人机将成为更加安全、稳定和可靠的飞行工具，为人类带来更多便利和福祉。
无人机集群的编队控制研究
无人机集群的编队控制研究无人机已经成为当今世界中极为热门的技术之一。
随着无人机技术的不断发展和应用，无人机的使用范围也越来越广泛，如军事侦察、搜救、气象监测等领域。
而无人机集群作为无人机应用领域中的一个重要组成部分，也正在逐步展现出其巨大的潜力和应用前景。
同时，对于无人机集群的编队控制研究也成为了无人机技术研究中极为重要的一部分。
无人机集群编队控制技术在无人机编队控制系统中具有重要的地位。
它主要实现无人机之间的通信和信息共享，有效提高了整个无人机系统的工作效率和安全性。
目前，针对无人机集群编队控制技术，学者们已经研究出了多种理论方法和应用模型，如控制理论、优化理论、演化算法等等。
但是，针对无人机集群编队控制技术的研究还存在不少问题和挑战，高效、可靠的编队控制系统始终是无人机集群技术研究的核心问题。
在无人机集群编队控制技术中，控制理论具有十分重要的作用。
其中PID控制算法、模糊控制和强化学习控制算法等被广泛应用。
PID控制算法基于反馈控制原理，能够有效地消除编队中无人机之间的误差，提高了编队的精度和可靠性；而模糊控制方法是一种基于模糊数学的控制方法，具有较强的鲁棒性和适应性，但需要花费较长的时间进行模糊规则库的设计和分析。
强化学习控制算法则是一种基于智能算法的方法，通过智能算法优化目标函数，最终得到理想的编队控制模型，具有极高的可扩展性和适应性。
在上述方法中，根据实际情况选取适合的方法，才能更加有效地解决编队控制问题。
除了以上控制方法，集群编队控制技术中的路径规划方法也是十分重要的。
路径规划方法主要用来计算无人机的最优路径，指导无人机向目标方向运动。
常见的路径规划方法有A*算法、Dijkstra算法，经过优化后高效性能较好。
同时，集群编队中的无人机能够通过传感器获取周围环境信息，将其与路径规划算法相结合，可以实现更加精准的路径规划和目标控制。
在无人机集群编队控制中，合理路径规划能够较好的保障整个编队安全性和集群效率。
无人机编队飞行控制系统设计与优化研究
无人机编队飞行控制系统设计与优化研究随着技术的不断进步和应用场景的不断扩展，无人机越来越成为人们关注和研究的热门话题。
无人机编队飞行控制系统作为无人机的重要组成部分，对于无人机编队飞行的稳定性、安全性、效率性等方面有着非常重要的作用。
本文将从无人机编队飞行控制系统的设计与优化方面展开分析和讨论。
一、无人机编队飞行控制系统的基本组成无人机编队飞行控制系统主要由传感器、数据收集与处理模块、控制器、执行机构等几个部分组成。
其中，传感器是无人机编队飞行的“眼睛”和“耳朵”，用于感知无人机编队的状态信息，并将这些信息传输到数据收集与处理模块。
数据收集与处理模块是无人机编队飞行控制系统的核心部分，负责对传感器采集的信息进行处理、分析和判断，确定无人机编队的状态和需要采取的控制方式，并输出相应的控制信号给到控制器。
控制器则是根据数据收集与处理模块提供的控制信号，确定无人机编队飞行的控制策略和方案，并输出控制指令给到执行机构，最终驱动无人机实现编队飞行。
二、无人机编队飞行控制系统设计中的关键技术无人机编队飞行控制系统的设计与实现需要涉及多种技术，其中一些关键技术包括：1. 无人机编队飞行轨迹规划技术：通过分析和预测编队内每架无人机的运动模式及编队整体的运动规律，制定出相应的编队飞行轨迹规划方案，实现无人机编队飞行的高效、安全、准确、稳定等特点。
2. 无人机编队自主避障技术：在无人机编队飞行的过程中，需要解决无人机之间的避障问题。
基于距离传感器、视觉传感器、雷达传感器等多种传感器技术，实现无人机编队在遇到障碍物时的自主避让和避障动作。
3. 无人机编队通讯与控制技术：通过建立一套稳定可靠的通讯体系，实现无人机编队之间的通讯和控制，保证整个编队飞行过程的有效性和安全性。
三、无人机编队飞行控制系统优化策略与方法在实际应用中，无人机编队飞行控制系统需要不断进行优化和改进，基于现有技术和应用场景，一些优化策略和方法包括：1. 引入机器学习技术：在数据收集与处理模块中引入机器学习技术，利用大数据分析和机器学习算法，对无人机编队飞行过程中的状态信息进行预测和分析，不断提高无人机编队飞行控制系统的智能化和自动化。
无人机应用中飞行稳定性分析与优化方法
无人机应用中飞行稳定性分析与优化方法无人机技术的快速发展使其在农业、物流、灾难救援以及科学研究等领域得到了广泛应用。
然而，无人机的飞行稳定性一直是一个重要的挑战，因为直升机不同于其他飞行器，其自稳性较低，容易受到外界环境因素的影响。
因此，分析和优化无人机飞行稳定性是提高飞行器性能和安全性的关键。
在无人机应用中，飞行稳定性分析主要包括两个方面：动力学建模和飞行控制系统设计。
动力学建模是对无人机在飞行过程中受力和运动特性的数学描述。
它是分析飞行稳定性和控制系统设计的基础。
飞行控制系统设计是根据动力学模型来设计控制器，以实现无人机的稳定飞行和精确控制。
在动力学建模方面，无人机的飞行特性可以通过欧拉动力学方程来描述。
这些方程包括质量、惯性和气动特性。
通过对无人机的几何结构、质量分布和气动特性的分析，可以得到动力学模型的方程。
一些先进的软件工具如MATLAB和Simulink可以用于快速和准确地进行动力学建模。
根据无人机的动力学模型，我们可以设计高性能的控制系统来实现飞行稳定性。
常用的飞行控制系统包括姿态控制和高度控制。
姿态控制通过控制无人机的姿态姿态（例如俯仰角、滚转角和偏航角）来实现稳定的飞行。
高度控制则通过调整推进装置的动力输出来实现无人机在垂直方向上的稳定飞行。
优化无人机的飞行稳定性是提高飞行器性能和安全性的关键。
一种常用的方法是采用模型预测控制（MPC）。
MPC是一种优化控制方法，它将无人机的动力学模型和控制目标作为输入，并根据当前系统状态和未来系统状态的预测，计算出最优的控制指令。
这个过程是迭代的，可以根据实时的状态信息来不断优化控制指令，从而实现稳定的飞行。
除了MPC，传统的PID控制器也是无人机飞行稳定性优化的一种常用方法。
PID控制器根据当前的系统误差和误差变化率，计算出一个控制指令，用于调整无人机的姿态和高度。
PID控制器简单易懂，易于实现和调整，因此在无人机应用中得到了广泛应用。
为了进一步提高飞行稳定性，还可以采用模糊控制和神经网络控制等高级控制方法。
无人机飞行控制系统稳定性试飞
无人机飞行控制系统稳定性试飞一、无人机飞行控制系统概述无人机飞行控制系统是确保无人机稳定飞行的关键技术之一。
随着无人机技术在事、民用以及商业领域的广泛应用，飞行控制系统的稳定性和可靠性越来越受到重视。
本文将探讨无人机飞行控制系统的稳定性试飞问题，分析其重要性、挑战以及实现途径。
1.1 无人机飞行控制系统的核心特性无人机飞行控制系统的核心特性主要包括以下几个方面：稳定性、可靠性、响应速度和适应性。
稳定性是指无人机在各种飞行条件下能够保持预定的飞行姿态和轨迹；可靠性是指系统在长时间运行中不出现故障；响应速度是指系统对外部干扰或飞行指令的响应时间；适应性是指系统能够适应不同的飞行环境和任务需求。
1.2 无人机飞行控制系统的应用场景无人机飞行控制系统的应用场景非常广泛，包括但不限于以下几个方面：- 事侦察：无人机在事侦察任务中需要保持高度的稳定性和隐蔽性。
- 农业监测：无人机在农业监测中需要对大面积的农田进行稳定的飞行覆盖。
- 商业摄影：无人机在商业摄影中需要保持稳定的悬停和精确的飞行轨迹。
二、无人机飞行控制系统的设计与实现无人机飞行控制系统的设计与实现是一个复杂的过程，涉及到多个学科和技术的融合。
2.1 无人机飞行控制系统的组成无人机飞行控制系统主要由以下几个部分组成：传感器系统、控制算法、执行机构和人机交互界面。
传感器系统用于收集无人机的飞行状态信息；控制算法根据飞行状态和任务需求生成控制指令；执行机构根据控制指令调整无人机的飞行姿态；人机交互界面用于操作人员与系统的交互。
2.2 无人机飞行控制系统的关键技术无人机飞行控制系统的关键技术包括以下几个方面：- 传感器融合技术：通过融合多种传感器数据，提高系统的感知能力和准确性。
- 控制算法设计：设计适应不同飞行环境和任务需求的控制算法。
- 执行机构优化：优化执行机构的性能，提高系统的响应速度和精度。
- 人机交互设计：设计直观易用的人机交互界面，提高操作的便捷性和安全性。
无人机协同编队控制方法心得体会
无人机协同编队控制方法心得体会心得体会如下：无人机协同编队能够有效弥补单一种类无人器的不足，扩大感知范围、提高感知精度，具有广阔的应用前景。
而队形保持、轨迹跟踪是无人机无人车协同编队能够稳定工作的关键技术。
在分析无人车和无人机运动模型的基础上，结合虚拟结构编队思想，研究了无人机无人车协同编队控制方法。
主要完成以下工作：1、在分析无人器常用坐标系的基础上，结合无人器运动特点，研究了四旋翼无人机和双轮差速驱动无人车的非线性运动模型。
2、根据无人机无人车编队的特点，采用虚拟结构策略解决队形保持问题。
引入虚拟领航者，各编队成员分别通过与虚拟领航者保持编队坐标系中位置关系不变完成编队运动控制。
(1)依据虚拟结构理论，分别研究无人机和无人车的轨迹跟踪控制。
针对无人机实际飞控中姿态角约束问题，研究模型预测与反步法相结合的控制方法，将无人机外环位置控制的水平运动与高度控制分开。
水平运动采用模型预测控制，将内环姿态角的输入约束带入外环运动输入；高度控制以及内环姿态角控制采用反步法控制器，并利用Lyapunov稳定性判据证明了其稳定性。
与LQR控制器的对比仿真实验验证了所设计控制器的优越性。
(2)研究了无人车模型预测控制方法，增加速度信息得到可提供位置速度追踪的增广状态空间模型，增强运动追踪能力，提高无人车编队控制的响应。
直线轨迹和曲线轨迹的编队仿真实验结果表明该控制方法在误差允许范围内。
3、针对无人机无人车在野外未知环境易丢失GPS信号以及GPS精度不够的问题，研究基于UWB的车载基站定位方式。
在理论分析车载UWB 基站方法的基础上，基于四核Coretex-A9处理器Exynos 4412嵌入式平台研发了定位实验平台。
模拟定位实验表明，在未进行数据处理的情况下动态定位误差在30cm以内，比GPS定位具有更高的精度，为编队队形保持提供了有效的相对位置数据。
以上就是我的心得体会。
- 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)。
集中式无人机编队控制策略的稳定性分析摘要：本文将首先提出一种新的无人机编队控制策略及其对应的信息交互方式，然后根据现有的网络控制稳定性理论估算以这种信息交互方式使用pid控制器的无人机编队最大允许的网络时延以便为规划无人机编队的最大规模提供理论依据。
关键词：网络控制无人机编队时延信息交互稳定性
引言
目前，无人机编队控制这一研究课题已经引起了广泛关注。
对于两机相对位置的控制问题，学者们提出了很多控制律设计方法，如pid控制方法，自适应控制方法、h无穷控制方法[3]等，在这一问题中应用传统的控制理论足以达到良好的控制效果。
无人机编队的控制策略主要有集中式控制、分布式控制和分散式控制三种。
其中集中式控制策略的控制效果最佳，但是需要大量的信息交互，在交互中容易产生冲突，计算量大，对机载计算机性能要求较高，系统和控制算法复杂。
分布式控制的控制效果稍差，但是在工程上易于实现。
本文首先介绍一种新的集中式无人机编队控制策略，应用该策略的无人机编队中只有一架无人机为长机，负责收集所有僚机的位置信息，并实时更新路由，保证网络流量最小化；然后根据这一控制策略为无人机编队控制提出适当航迹跟踪与控制律设计方案；最后将编队控制转换为固定时延的标准网络控制模型，应用该模型的稳定性判据估算能够保证无人机编队控制稳定的最大允许时延，并
以此为根据得出无人机编队最大允许同时控制的无人机总数量。
无人机编队控制策略
无人机编队的应用需要同时兼顾高性能与低成本二者的要求。
为了获得较好的性能，可以选用运算速度足够高的机载计算机和高精度的自主导航系统，但是在所有的无人机上使用昂贵的机载设备违背低成本的原则，因此可以从无人机编队当中选出一架高性能无人机作为长机，其余的均为僚机。
与常规的无人机机载设备不同的是，在长机上安装高性能计算机、高精度自主导航系统、无线网络通信设备、连接地面站的通信设备和视觉导航设备，在僚机上只需安装必要的任务载荷、无线网络通信设备和视觉导航设备。
使用自主导航设备可以得到长机的经度、纬度和高度，使用视觉导航设备可以测得无人机之间的相对位置，进而通过简单的向量相加可以得到各个僚机的经度、纬度和高度。
无人机编队的航迹规划由长机完成。
为了使每一架无人机沿着长机规划出的标称航迹飞行，必须首先将每一架僚机的视觉导航设备得出的自身相对位置以数据报的形式转发至长机，然后由长机为每一架无人机规划出标称航迹，再将标称航迹转化为领航机的标称航迹方位角、标称高度和其他无人机的相对标称航迹，并发送至各个僚机。
航迹规划与飞行控制
在下文中假设无人机b以无人机a为参照物进行相对位置控制，无人机编队中无人机的总数量为。
长机的机载计算机生成一段时间内的标称航迹后，可以得到任意时间点无人机b的标称航向，标称绝对位置和无人机a的标称绝对位置，进而由几何关系可以得到该时间点对应的侧向标称距离、前向标称距离和标称高度差。
为了跟踪标称航迹，可以设计适当的控制律通过偏转升降舵、副翼和方向舵保证无人机与标称航迹之间的距离渐进收敛于零，同时为了确保在确定的时间内无人机可以到达标称航迹的末端，还需要控制油门使之保持适当的速度。
本文在分析稳定性时将无人机a的运动简化为定高匀速平飞运动，再把无人机b的横侧向运动、纵向运动和舵机伺服系统的线性化模型写为：
其中为外部输入和风干扰信息，一般情况下不影响系统稳定性。
若在状态空间下的控制律为，其中表示姿态控制反馈系数矩阵，表示航迹跟踪控制反馈系数矩阵，则表示实时控制的增益矩阵，表示网络控制的增益矩阵，则有：
其中的控制作用是有延迟的，因此在实际的控制过程中，上式为：
其中，为网络通信和计算机程序运行引起的延迟，外部输入。
无人机数量对编队控制稳定性的影响
处于巡航工作状态的无人机编队只需进行编队保持控制则无需进行僚机与长机间的信息交互，此时无人机编队控制属于典型的分布式控制，网络延迟对稳定性没有影响。
但是在无人机编队的实际
应用中，难免会遇到实时控制的情况，例如当无人机编队遭受敌方攻击时，需要每时每刻根据最新的战场信息快速调整所有无人机的位置。
此时无人机编队控制呈现出网络控制模型的特点，即所有无人机的控制系统为网络控制节点，由长机来集中控制各个网络节点。
为了得到无人机最大允许的延迟时间，需要用到以下定理：
定理1：对于线性模型：
其中表示固定时延，则网络控制系统指数渐进稳定的充分条件为：
所有特征值的模小于1，其中表示采样周期，。
对于计算机控制系统，控制律的实现是离散的，控制对象是连续的。
飞控计算机的周期性工作流程如图1所示。
图1 飞控计算机周期性工作流程
将相对位置传感器数据采样时间点作为定理1中的，则可以基于前面的分析，应用这一定理得出当系统稳定时的最大值,即，因此允许同时控制的最大无人机数量可以通过求解不等式：得出，其中为传输一次相对位置的网络延迟，为飞控计算机数据处理延迟。
仿真验证
本文针对某型无人机六自由度模型进行了仿真验证，无人机数量n=8，时延为固定时延，初始条件为以纵列编队飞行的无人机编队，需要变换队形为雁形编队。
当最大延迟为0.1s，飞控计算机的
运算周期为0.02s时，航迹跟踪误差曲线如图2所示。
图2 最大延迟为0.1s时的航迹跟踪误差曲线
当最大时延为0.56s时h矩阵的最大模特征值为0.9997，当最大时延为0.58时，h矩阵的最大模特征值为1.4269，最大延时为0.58s时虽然不满足稳定性充分条件，但是从控制效果上看仍然是bibo稳定的。
通过仿真实验可以得出bibo稳定时最大允许的时延约为1.5s。
结论
本文针对无人机编队这一特定的研究对象设计控制策略并应用网络控制理论对pid控制律进行稳定性分析。
在控制策略上采用集中式控制不仅可以保证地面站可以自由操纵任意一架无人机而且
控制效果要优于分布式控制。
在进行控制律设计时使用广泛应用于无人机飞行控制系统的pid控制器可以保证一定的鲁棒性。
为了分析编队控制的稳定性，本文引入了网络控制稳定性分析方法，首先将控制系统模型线性化，然后根据飞控计算机的周期性工作流程将问题转换为标准的离散网络控制模型，应用稳定性判据得出bibs
稳定的充分条件，进而可以得出无人机编队中最大允许同时控制的无人机数量。
这一方法对于工程应用是简单、实用且可移植的。
参考文献
[1] proud, a, pachter, m, d’azzo j j. close formation fontrol[c]// proceedings of the aiaa guidance, navigation, and control conference, portland, or, usa: aiaa, 1999:
1231-1246.
[2] corey j, rajeeva k. adaptive control of uavs in close-coupled formation flight[c]// proceedings of the american control conference, chicago: 2000: 849-853.
[3] balint v, tamas p, jozsef b, gary b. practical approach to real-time trajectory tracking of uav formations[c]// american control conference, portland, or: 2005: 122-127.
[4] 李文皓, 张珩. 无人机编队飞行技术的研究现状与展望[j]. 飞行力学, 2007, 25(1). 9-11.
[5]wei z, michael s b, stephen m p. stability of networked control systems[j]. ieee control systems magazine, 2001, 21(1): 84-99.。