网络化环境下面向态势感知的多无人机协同控制与管理方法

以无人机为信息平台，研究网络化环境下面向态势感知的多机协同控制与管理理论和方法。建立多平台协同组网被动目标跟踪误差模型及全局渐进稳定的闭环最优反馈控制策略；建立有人/无人混合机群网络化分布式协同目标跟踪与协同控制方法，实现通信和测量受限情况下机群协同目标跟踪和全局态势感知；建立启发式多机协同侦察传感器管理与资源调度方法及集中和分布相结合的协调机制；建立基于分布式通信和局部相对测量的网络化多平台时空基准的分布式同步方法，解决无GPS情况下多平台的时空一致性问题。课题将分布式控制、计算与通信相融合，揭示网络化环境下多平台分布式控制与分布式信息和通信之间的内在关系，解决为了更好地敏感并获得更精确的信息，平台应如何协同运动和传感器如何管理的问题，解决没有GPS情况下网络化多平台时空基准的分布式同步问题。项目研究成果为网络化环境下多机协同作战提供有效的技术途径和理论方法。

项目主要面向网络化环境下的协同侦察任务，研究多无人机协同控制与目标跟踪等关键技术，并研究面向侦察/打击综合作战效能的多机协同任务和资源分配问题。对仅有方位角测量的UAV双机协同目被动跟踪误差进行了研究，推导出了位置误差估计的解析模型，得到双机协同目标被动跟踪的最优观测位置，即两架UAV尽可能的靠近目标，并且保持两架UAV与目标之间的视线夹角为90度；建立了基于导引势场法的目标跟踪闭环反馈混合控制策略，针对传统的滚动时域优化方法在实际中存在的实时性和鲁棒性较差等问题，提出了一种基于导引势场方法的UAV视距保持目标跟踪闭环控制策略，并基于Lyapunov方法证明了该控制策略的收敛性。根据误差模型得到的结论，建立了基于导引势场法的双机协同闭环反馈混合控制策略，在靠近阶段和盘旋阶段均确保了近90度的最优观测视线夹角，实现了协同目标跟踪的闭环次优控制，具有较好的实时性和鲁棒性；建立了异构多UAV网络化分布式协同目标跟踪方法，提出了改进的一致性信息滤波算法，实现通信和测量范围内各无人机节点的分布式信息融合。引入通讯连接鲁棒性指标，解决了通讯受限条件下的无人机分布式滤波与控制问题。将Leader作为控制中心，基于滚动时域优化方法实现了异构多UAV网络化分布式协同目标跟踪最优控制。建立了多无人机协同任务资源分配以及协同侦察/打击/评估任务分配的数学模型，开发了基于概率群集和拍卖算法的分布式求解方法。建立了多无人机协同打击任务资源分配问题模型，提出了基于概率群集的分布式求解方法。研究侦察/打击/评估一体化条件下异构多无人机任务分配问题，建立了基于收益及基于能力的多机协同任务分配问题模型，开发了基于相邻局部通信的分布式拍卖求解算法。该项目研究成果可广泛应用于各种类型的多运动平台的协同目标观测、跟踪与控制问题。