-
题名无人飞行器集群自主控制专题序言
- 1
-
-
作者
段海滨
-
机构
北京航空航天大学自动化科学与电气工程学院飞行器一体化控制全国重点实验室
-
出处
《自动化学报》
北大核心
2025年第5期903-904,共2页
-
文摘
随着无人飞行器技术的快速发展,集群系统在军事侦察、灾害救援、物流配送、农业植保等领域的应用潜力日益凸显.集群自主控制是无人飞行器集群方向的核心关键技术和“卡脖子”挑战痛点难题,通过突破无人飞行器集群自主控制技术,实现高效协同作业,提升复杂环境下的任务适应性和系统鲁棒性,为未来智能无人飞行器的新质规模化应用提供关键技术支撑.
-
关键词
军事侦察
集群系统
灾害救援
自主控制
-
分类号
V279
[航空宇航科学与技术—飞行器设计]
-
-
题名仿鸟群自推进机制的无人机集群相变控制
- 2
-
-
作者
段海滨
尤灵辰
范彦铭
李明
-
机构
北京航空航天大学自动化科学与电气工程学院飞行器一体化控制全国重点实验室
中国航空工业集团公司沈阳飞机设计研究所
-
出处
《自动化学报》
北大核心
2025年第5期960-971,共12页
-
基金
国家自然科学基金(62350048,624B2013,T2121003,U20B2071)资助。
-
文摘
针对无人机集群的运动相态转换问题,提出一种仿鸟群自推进粒子模型的无人机集群相变控制方法.首先,从鸟群运动行为中获得启发,通过设计速度保持项和势能梯度项构建仿鸟群运动模型,并设计相变控制项模拟巢穴对鸟群的吸引,以实现集群在不同相态之间的转换.然后,讨论集群在设计的相变控制律作用下的运动相态,证明无人机集群能够实现两种稳定的运动相态并进行相互转换.最后,仿真验证了集群存在的两种稳定运动构型,所提出相变控制律能够实现两种集群运动相态的互相转换.
-
关键词
无人机集群
相变控制
自组织
自推进粒子
-
Keywords
Unmanned aerial vehicle swarm
phase transition control
self-organization
self-propelled particles
-
分类号
V279
[航空宇航科学与技术—飞行器设计]
-
-
题名无人机/无人艇异构协同固定时间预设性能演化控制
- 3
-
-
作者
袁洋
段海滨
魏晨
-
机构
北京航空航天大学自动化科学与电气工程学院飞行器一体化控制全国重点实验室
-
出处
《自动化学报》
北大核心
2025年第5期1052-1066,共15页
-
基金
国家自然科学基金(62350048,U24B20156,T2121003)资助。
-
文摘
针对执行器故障的无人机/无人艇异构协同系统编队包容控制问题,提出一种固定时间预设性能演化控制方法.为保证基于视觉测量的相对位置信号的连续性和准确性,设计控制误差收敛的演化路径,通过固定时间预设性能函数使误差限制在演化路径的邻域内,并利用转换函数将受约束跟踪问题转换为无约束镇定问题.采用动态面技术对转换后的误差动力学进行控制,并利用干扰观测器和自适应技术对干扰和未知执行器故障进行估计.通过Lyapunov函数证明误差动力学闭环系统所有信号都是最终一致有界的,并进一步证明编队误差是固定时间稳定的,数值仿真验证了所提方法的有效性.
-
关键词
异构协同系统
编队包容控制
执行器故障
预设性能演化控制
固定时间稳定
-
Keywords
Heterogeneous cooperative system
formation containment control
actuator faults
prescribed performance evolution control
fixed-time stabilization
-
分类号
V249.1
[航空宇航科学与技术—飞行器设计]
-
-
题名基于深度强化学习的无人机自主感知−规划−控制策略
- 4
-
-
作者
吕茂隆
丁晨博
韩浩然
段海滨
-
机构
空军工程大学空管领航学院
空军工程大学无人飞行器技术全国重点实验室
空军工程大学研究生院
电子科技大学信息与通信工程学院
北京航空航天大学自动化科学与电气工程学院飞行器一体化控制全国重点实验室
-
出处
《自动化学报》
北大核心
2025年第6期1305-1319,共15页
-
基金
国家自然科学基金(62303489,GKJJ24050502,62350048,T2121003)
博士后面上基金(2022M723877)
+3 种基金
博士后特别资助(2023T160790)
中国博士后国际交流引进计划(YJ20220347)
陕西省青年人才托举工程(20220101)
陕西省自然科学基础研究计划(2024JC-YBQN-0668,2025JC-QYCX-052)资助。
-
文摘
近年来,随着深度强化学习(DRL)方法快速发展,其在无人机(UAV)自主导航上的应用也受到越来越广泛的关注.然而,面对复杂未知的环境,现存的基于DRL的UAV自主导航算法常受限于对全局信息的依赖和特定训练环境的约束,极大地限制了其在各种场景中的应用潜力.为解决上述问题,提出多尺度输入用于平衡感受野与状态维度,以及截断操作来使智能体能够在扩张后的环境中运行.此外,构建自主感知−规划−控制架构,赋予UAV在多样复杂环境中自主导航的能力.
-
关键词
无人机
深度强化学习
自主导航
复杂未知环境
-
Keywords
Unmanned aerial vehicle
deep reinforcement learning
autonomous navigation
complex unknown environment
-
分类号
V249.1
[航空宇航科学与技术—飞行器设计]
-
