CN108983825A - 一种无人机时变编队的跟踪方法及系统 - Google Patents

一种无人机时变编队的跟踪方法及系统 Download PDF

Info

Publication number
CN108983825A
CN108983825A CN201811159329.7A CN201811159329A CN108983825A CN 108983825 A CN108983825 A CN 108983825A CN 201811159329 A CN201811159329 A CN 201811159329A CN 108983825 A CN108983825 A CN 108983825A
Authority
CN
China
Prior art keywords
unmanned plane
followed
distance threshold
follow
tracking
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811159329.7A
Other languages
English (en)
Other versions
CN108983825B (zh
Inventor
任章
于江龙
董希旺
李清东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201811159329.7A priority Critical patent/CN108983825B/zh
Publication of CN108983825A publication Critical patent/CN108983825A/zh
Application granted granted Critical
Publication of CN108983825B publication Critical patent/CN108983825B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开一种无人机时变编队的跟踪方法及系统。所述跟踪方法包括：获取无人机编队的通讯拓扑关系；获取当前时刻被跟随无人机的速度数据和位置数据；获取当前时刻跟随无人机的速度数据和位置数据；获取无人机编队的通讯距离阈值和安全距离阈值；根据当前时刻被跟随无人机的位置数据、跟随无人机的位置数据以及通讯距离阈值、安全距离阈值，确定被跟随无人机和跟随无人机之间的引力和斥力；确定下一时刻跟随无人机的加速度数据；根据下一时刻跟随无人机的加速度数据调整跟随无人机下一时刻跟踪被跟随无人机的运动状态。采用本发明的跟踪方法及系统，实现防碰撞和连通性保持的编队跟踪效果。

Description

一种无人机时变编队的跟踪方法及系统
技术领域
本发明涉及无人机控制领域，特别是涉及一种无人机时变编队的跟踪方法及系统。
背景技术
多智能体系统的编队控制是目前控制领域的热点，并且在科研与工程领域得到了广泛的应用。有人机-无人机混合编队协同作战能够充分发挥各种机型的优点，有人机指挥，无人机作战，极大的降低了作战成本；航天器编队协同探测，一方面能够增大形成的衍射雷达口径，另一方面相对于发射大型望远镜/雷达，降低了发射成本；水面航母舰艇编队协同作战，有助于提高对敌方反舰导弹的突防概率。目前，基于一致性的编队控制方法具有较大的优点，它具有分布式控制的特点，能够降低通信压力，具有较好的可扩展性、鲁棒性、自适应性。
无人机作为一类典型的实际物理系统，往往受到外部扰动的影响，比如未知气流干扰、模型扰动等。在进行编队控制的过程中，处理系统的外部干扰对多无人机系统的稳定性以及编队控制精度将会是未来编队控制领域的重点。此外，随着无人机数量的增加，另外一个需要重点解决的问题是防碰撞与连通性保持。无人机之间需要保持合理的距离，一方面需要物理安全，也就是保持安全距离不发生碰撞，另一方面需要通信安全，也就是距离在一个合理通信范围之内。
现有的编队控制方案大多只能解决时不变编队跟踪的防碰撞问题。而实际任务往往是变化的，因此也要求编队是一个时变的。时变编队跟踪控制问题将会带来编队函数的导数信息，使得控制方案的分析与设计更加复杂。对于无人机时变编队，在形成编队、编队形成后以及编队切换过程中可能出现无人机碰撞以及通信距离超出可行范围的问题。
发明内容
本发明的目的是提供一种无人机时变编队的跟踪方法及系统，以克服无人机时变编队、在形成编队、编队形成后以及编队切换过程中可能出现无人机碰撞以及通信距离超出可行范围的问题，实现防碰撞和连通性保持的编队跟踪效果。
为实现上述目的，本发明提供了如下方案：
一种无人机时变编队的跟踪方法，所述跟踪方法包括：
获取无人机编队的通讯拓扑关系；所述无人机编队包括多架无人机；所述通讯拓关系中每一条通讯路径的两个节点分别为跟随无人机和被跟随无人机，且每个所述跟随无人机有且仅有一个被跟随无人机通过一条通讯路径连接；
获取当前时刻所述被跟随无人机的速度数据和位置数据；
获取当前时刻跟随无人机的速度数据和位置数据；
获取所述无人机编队的通讯距离阈值和安全距离阈值；
根据当前时刻所述被跟随无人机的位置数据、所述跟随无人机的位置数据以及所述通讯距离阈值、安全距离阈值，确定所述被跟随无人机和所述跟随无人机之间的引力和斥力；
根据所述被跟随无人机和所述跟随无人机之间的引力和斥力，确定下一时刻所述跟随无人机的加速度数据；
根据下一时刻所述跟随无人机的加速度数据调整所述跟随无人机下一时刻跟踪所述被跟随无人机的运动状态。
可选的，所述无人机编队包括一架领导者无人机，所述领导者无人机在飞行时仅作为被跟随无人机被多架跟随无人机跟踪。
可选的，所述根据当前时刻所述被跟随无人机的位置数据、所述跟随无人机的位置数据以及所述通讯距离阈值、安全距离阈值，确定所述被跟随无人机和所述跟随无人机之间的引力和斥力，具体包括：
利用公式确定跟随无人机i和被跟随无人机j之间的斥力FC,i,j(ρi,j(t))；其中，KC为一个大于0的常数，xi(t)为跟随无人机i的位置向量，xj(t)为被跟随无人机j的位置向量，ρi,j(t)为跟随无人机i和被跟随无人机j之间的距离，ρi,j(t)＝||xi(t)-xj(t)||，ρC,min为最小安全距离阈值，ρC,max为最大安全距离阈值，ρC,max＞ρC,min；
利用公式确定跟随无人机i和被跟随无人机j之间的引力FI,i,j(ρi,j(t))；其中，KI为一个大于0的常数，ρI,min为最小通讯距离阈值，ρI,max为最大通讯距离阈值，ρI,min＜ρI,max。
可选的，所述根据所述被跟随无人机和所述跟随无人机之间的引力和斥力，确定下一时刻所述跟随无人机的加速度数据，具体包括：
对无人机编队的综合不确定性进行估计，得到综合不确定性的估计值；
根据所述综合不确定性的估计值，利用公式
确定下一时刻所述跟随无人机的加速度数据ui(t)；其中，αi(t)表示虚拟控制量，ζi,x(t)表示一个与ξi,x(t)有关的中间变量，ξi,x(t)表示跟随无人机i跟踪的位置误差，aij为跟随无人机i和被跟随无人机j之间相互作用的强度系数，aij＞0，aiN为跟随无人机i和领导者无人机N之间相互作用的强度系数；表示综合不确定性ξi,a(t)的估计值，是hi,v(t)的导数，hi,v(t)为跟随无人机i与领导者无人机之间的速度偏移量；为αi(t)的滤波值，zi,v(t)为一个与ξi,v(t)和有关的中间变量，ξi,v(t)表示跟随无人机i跟踪的速度误差，ζi,v(t)为一个与zi,v(t)有关的中间变量，c1，c2，Ti为固定增益系数，FC,i,j(ρi,j(t))为跟随无人机i和被跟随无人机j之间的斥力，FI,i,j(ρi,j(t))为跟随无人机i和被跟随无人机j之间的引力。
可选的，所述对无人机编队的综合不确定性进行估计，得到综合不确定性的估计值，具体包括：
获取扩张状态观测器的观测器增益；
根据所述观测器增益，利用公式确定综合不确定性ξi,a(t)的估计值其中，
G＝[g1,g2,g3]T表示观测器增益，为跟随无人机i跟踪的位置误差ξi,x(t)的估计值，为跟随无人机i跟踪的速度误差ξi,v(t)的估计值，hi(t)表示跟随无人机i与领导者无人机之间的偏移量，hi(t)＝[hi,x(t),hi,v(t)]T，hi,x(t)为跟随无人机i与领导者无人机之间的位置偏移量，hi,v(t)为跟随无人机i与领导者无人机之间的速度偏移量；是hi,x(t)的导数，是hi,v(t)的导数，hj(t)表示被跟随无人机j与领导者无人机之间的偏移量，xi(t)为跟随无人机i的位置向量，xj(t)为被跟随无人机j的位置向量，xN(t)为；领导者无人机N的位置向量，为被跟随无人机j跟踪的位置误差ξj,x(t)的估计值，N-1表示所述无人机编队中除领导者无人机之外的无人机数量。
一种无人机时变编队的跟踪系统，所述跟踪系统包括：
通讯拓扑关系获取模块，用于获取无人机编队的通讯拓扑关系；所述无人机编队包括多架无人机；所述通讯拓关系中每一条通讯路径的两个节点分别为跟随无人机和被跟随无人机，且每个所述跟随无人机有且仅有一个被跟随无人机通过一条通讯路径连接；
被跟随无人机的速度数据和位置数据获取模块，用于获取当前时刻所述被跟随无人机的速度数据和位置数据；
当前时刻跟随无人机的速度数据和位置数据获取模块，用于获取当前时刻跟随无人机的速度数据和位置数据；
通讯距离阈值和安全距离阈值获取模块，用于获取所述无人机编队的通讯距离阈值和安全距离阈值；
被跟随无人机和跟随无人机之间的引力和斥力确定模块，用于根据当前时刻所述被跟随无人机的位置数据、所述跟随无人机的位置数据以及所述通讯距离阈值、安全距离阈值，确定所述被跟随无人机和所述跟随无人机之间的引力和斥力；
下一时刻跟随无人机的加速度数据确定模块，用于根据所述被跟随无人机和所述跟随无人机之间的引力和斥力，确定下一时刻所述跟随无人机的加速度数据；
被跟随无人机运动状态调整模块，用于根据下一时刻所述跟随无人机的加速度数据调整所述跟随无人机下一时刻跟踪所述被跟随无人机的运动状态。
可选的，所述无人机编队包括一架领导者无人机，所述领导者无人机在飞行时仅作为被跟随无人机被多架跟随无人机跟踪。
可选的，所述被跟随无人机和跟随无人机之间的引力和斥力确定模块，具体包括：
斥力确定单元，用于利用确定跟随无人机i和被跟随无人机j之间的斥力FC,i,j(ρi,j(t))；其中，KC为一个大于0的常数，xi(t)为跟随无人机i的位置向量，xj(t)为被跟随无人机j的位置向量，ρi,j(t)为跟随无人机i和被跟随无人机j之间的距离，ρi,j(t)＝||xi(t)-xj(t)||，ρC,min为最小安全距离阈值，ρC,max为最大安全距离阈值，ρC,max＞ρC,min；
引力确定单元，用于利用确定跟随无人机i和被跟随无人机j之间的引力FI,i,j(ρi,j(t))；其中，KI为一个大于0的常数，ρI,min为最小通讯距离阈值，ρI,max为最大通讯距离阈值，ρI,min＜ρI,max。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
通过跟随无人机与被跟随无人机之间的通讯距离阈值和安全距离阈值，进而确定跟随无人机的加速度数据，控制跟随无人机自身的运动状态，实现跟踪运动过程中的防碰撞和通讯连通性。同时，采用一种分布式扩张状态观测器，来估计系统的扰动以及领导者无人机的未知输入等综合不确定性，将估计值加入每一个跟随无人机的加速度确定过程中，消除了综合不确定性对于跟随无人机运动状态的影响，进一步提高了整个无人机时变编队的跟踪精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明无人机时变编队的跟踪方法的流程示意图；
图2为本发明无人机时变编队的跟踪系统的结构示意图；
图3为本发明具体实施方式的流程示意图；
图4为本发明具体实施方式的通讯拓扑关系示意图；
图5为本发明具体实施方式中不考虑防碰撞机制的无人机运动轨迹的示意图；
图6为本发明具体实施方式中不考虑防碰撞机制的任意两个无人机之间的距离的示意图；
图7为本发明具体实施方式中不考虑防碰撞机制的编队跟踪误差示意图；
图8为本发明具体实施方式中考虑防碰撞机制的无人机运动轨迹的示意图；
图9为本发明具体实施方式中考虑防碰撞机制的任意两个无人机之间的距离的示意图；
图10为本发明具体实施方式中考虑防碰撞机制的编队跟踪误差示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明无人机时变编队的跟踪方法的流程示意图。如图1所示，所述跟踪方法具体包括：
步骤100：获取无人机编队的通讯拓扑关系。所述无人机编队包括多架无人机；所述通讯拓关系中每一条通讯路径的两个节点分别为跟随无人机和被跟随无人机，且每个所述跟随无人机有且仅有一个被跟随无人机通过一条通讯路径连接。
无人机编队的N架无人机之间的相互作用的拓扑结构可以被描述为一个图G＝{W,E,A}，其中W＝{w1,w2,…,wN}代表结点集，是边集，是拥有非负元素wij的对称邻接矩阵。对于无人机i和无人机j，可以用V中的wi和wj来指代，从无人机i到无人机j的交互通道可以用E中的eij＝(wi,wj)来表示。如果存在一个边界eji，无人机j就可以称为无人机i的邻居。把Ni＝{wj∈W:eji∈E}设为无人机i的邻域集合。跟随无人机i和被跟随无人机j之间相互作用的强度系数aij满足aij＞0(i≠j)，当且仅当eji∈E时aij＝0。为了描述有人/无人无人机系统中的邻居关系，定义拉普拉斯矩阵L＝D-A，其中是入度矩阵。如果从每个节点到其他节点都有路径，则称图G被连接。
考虑多无人机编队中有N架无人机，其中包括一架领导者无人机，所述领导者无人机在飞行时仅作为被跟随无人机被多架跟随无人机跟踪。其余的N-1架无人机可以称为跟随者无人机，每个跟随者无人机都对应一个跟随无人机进行跟踪，同时也可能作为被跟随无人机被其他跟随无人机跟踪飞行。定义F＝{1,2,…,N-1}为跟随者无人机集合。无人机编队之间的通讯拓扑关系可以用无向图G表示。无人机编队的拉普拉斯矩阵可以写为：其中，(i,j∈F)，即L1为(N-1)×(N-1)维度的矩阵，表示跟随者无人机之间的通讯拓扑关系，(i∈F)，即表示L2为(N-1)×1维度的矩阵，表示跟随者无人机与领导者无人机之间的通讯拓扑关系。L为N×N的矩阵。
步骤200：获取当前时刻所述被跟随无人机的速度数据和位置数据。对被跟随无人机的速度数据和位置数据进行实时测量，作为跟随无人机调整运动姿态的基础。
步骤300：获取当前时刻跟随无人机的速度数据和位置数据。
跟随者无人机的运动学模型可以描述为：其中，表示跟随无人机i在X、Y方向上的位置向量；表示跟随无人机i在X、Y方向上的速度向量；表示跟随无人机i在X、Y方向上的加速度向量；δi(t)表示广义干扰项，包括模型不确定性以及外界风干扰。
领导者无人机的运动学模型可以描述为：其中，表示领导者无人机N在X、Y方向上的位置向量；表示领导者无人机N在X、Y方向上的速度向量；表示领导者无人机N在X、Y方向上的加速度向量；δN(t)表示广义干扰项。
广义干扰项满足||δi(t)||、均有界，其中i∈{1,2,…,N}，即包括||δN(t)||、均有界。而且，领导者输入uN(t)对跟随者来说是未知的，且||uN(t)||是有界的。
用向量来描述一个跟随者无人机之间的时变编队，其中是分段连续的。hi(t)表示跟随无人机与被跟随无人机之间的状态偏移量，仅用来描述一个时变编队。
步骤400：获取所述无人机编队的通讯距离阈值和安全距离阈值。任意两架无人机之间的距离为ρi,j(t)＝||xi(t)-xj(t)||。无人机在形成时变编队跟踪的过程中，要求任意两架无人机之间不碰撞，也就是两架无人机之间的距离大于一个常数；此外，还需要无人机之间保持一定的连通性，这是通讯距离是有限的，因此还需要任意两架无人机之间的距离小于一个常数。假设两架无人机之间的最小安全距离为这里期望无人机在形成编队的时候任意两架之间距离要大于ρC,min。假设距离在ρi,j(t)∈(ρC,min,ρC,max]之内存在有斥力，使得无人机距离增大，保证安全，其中ρC,max＞ρC,min。假设两架无人机之间的最大通讯安全距离为ρI,max∈R。假设距离在ρi,j(t)∈[ρI,min,ρI,max)之内存在有引力，使得无人机距离减小，保证安全，其中ρI,min＜ρI,max。因此，设定ρI,min为最小通讯距离阈值，ρI,max为最大通讯距离阈值，ρI,min＜ρI,max；ρC,min为最小安全距离阈值，ρC,max为最大安全距离阈值，ρC,max＞ρC,min。
步骤500：根据当前时刻所述被跟随无人机的位置数据、所述跟随无人机的位置数据以及所述通讯距离阈值、安全距离阈值，确定所述被跟随无人机和所述跟随无人机之间的引力和斥力。
利用公式确定跟随无人机i和被跟随无人机j之间的斥力FC,i,j(ρi,j(t))，以实现防碰撞功能；其中，KC为一个大于0的常数，xi(t)为跟随无人机i的位置向量，xj(t)为被跟随无人机j的位置向量，ρi,j(t)为跟随无人机i和被跟随无人机j之间的距离，ρi,j(t)＝||xi(t)-xj(t)||，ρC,min为最小安全距离阈值，ρC,max为最大安全距离阈值，ρC,max＞ρC,min；
利用公式确定跟随无人机i和被跟随无人机j之间的引力FI,i,j(ρi,j(t))，以实现连通性保持功能；其中，KI为一个大于0的常数，ρI,min为最小通讯距离阈值，ρI,max为最大通讯距离阈值，ρI,min＜ρI,max。
可以看出，FC,i,j(ρi,j(t))使得任意两架无人机发生排斥，且ρi,j(t)→ρC,min时有FC,i,j(ρi,j(t))→∞，显然防碰撞功能可以实现；同理FI,i,j(ρi,j(t))使得任意两架无人机发生吸引，且ρi,j(t)→ρC,min时有FI,i,j(ρi,j(t))→∞，显然连通性保持可以实现。
步骤600：根据所述被跟随无人机和所述跟随无人机之间的引力和斥力，确定下一时刻所述跟随无人机的加速度数据。具体步骤如下：
对无人机编队的综合不确定性进行估计，得到综合不确定性的估计值；
根据所述综合不确定性的估计值，利用公式
确定下一时刻所述跟随无人机的加速度数据ui(t)；其中，αi(t)表示虚拟控制量，ζi,x(t)表示一个与ξi,x(t)有关的中间变量，ξi,x(t)表示跟随无人机i跟踪的位置误差，aij为跟随无人机i和被跟随无人机j之间相互作用的强度系数，aij＞0，aiN为跟随无人机i和领导者无人机N之间相互作用的强度系数；表示综合不确定性ξi,a(t)的估计值，是hi,v(t)的导数，hi,v(t)为跟随无人机i与领导者无人机之间的速度偏移量；为αi(t)的滤波值，zi,v(t)为一个与ξi,v(t)和有关的中间变量，ξi,v(t)表示跟随无人机i跟踪的速度误差，ζi,v(t)为一个与zi,v(t)有关的中间变量，c1，c2，Ti为固定增益系数，FC,i,j(ρi,j(t))为跟随无人机i和被跟随无人机j之间的斥力，FI,i,j(ρi,j(t))为跟随无人机i和被跟随无人机j之间的引力。
对无人机编队的综合不确定性进行估计，得到综合不确定性的估计值，具体包括：
获取扩张状态观测器的观测器增益；
根据所述观测器增益，利用公式确定综合不确定性ξi,a(t)的估计值其中，
G＝[g1,g2,g3]T表示观测器增益，为跟随无人机i跟踪的位置误差ξi,x(t)的估计值，为跟随无人机i跟踪的速度误差ξi,v(t)的估计值，hi(t)表示跟随无人机i与领导者无人机之间的偏移量，hi(t)＝[hi,x(t),hi,v(t)]T，hi,x(t)为跟随无人机i与领导者无人机之间的位置偏移量，hi,v(t)为跟随无人机i与领导者无人机之间的速度偏移量；是hi,x(t)的导数，是hi,v(t)的导数，hj(t)表示被跟随无人机j与领导者无人机之间的偏移量，xi(t)为跟随无人机i的位置向量，xj(t)为被跟随无人机j的位置向量，xN(t)为；领导者无人机N的位置向量，为被跟随无人机j跟踪的位置误差ξj,x(t)的估计值，N-1表示所述无人机编队中除领导者无人机之外的无人机数量。
在实现无人机时变编队跟踪的过程中，如果下述条件成立，则称多无人机编队实现了时变编队跟踪：
(1)所有跟随者无人机的状态都是有界的；
(2)对于第i个无人机的有界初始状态存在一个非负常数ε使得：其中ε为时变编队跟踪边界。
为了更好的刻画实用时变编队跟踪控制问题，我们定义ξi,x(t)＝xi(t)-xN(t)-hi,x(t)与ξi,v(t)＝vi(t)-vN(t)-hi,v(t)两个变量，则根据领导者无人机运动模型和跟随者运动模型可以得到：其中ξi,x(t)表示编队中跟随无人机i跟踪的位置误差，ξi,v(t)表示编队中跟随无人机i跟踪的速度误差；ui(t)表示跟随无人机i的加速度数据，即控制输入；ξi,a(t)＝δi(t)-uN(t)-δN(t)表示系统的综合不确定性，是hi,x(t)的导数，是hi,v(t)的导数；对于跟随者无人机来说，ξi,a(t)是未知的。
本发明主要考虑具有防碰撞以及连通性保持机制的多无人机系统时变编队跟踪控制方法的研究，因此转化为以下三个子问题：
(a)在控制输入即加速度数据ui(t)中设计一个补偿项能够抵消或者补偿ξi,a(t)的影响，实现通过ui(t)处理系统的不确定性ξi,a(t)。
(b)通过控制安全距离阈值和通讯安全阈值，通过ui(t)实现防碰撞以及连通性保持功能。
(c)加速度数据ui(t)的确定，采用的是分布式协议，也就是说，ui(t)中的信息是无人机i自身的信息以及其邻居的信息。
针对问题(a)，定义以及作为ξi,x(t)，ξi,v(t)和ξi,a(t)的估计。设计合适的扩张状态观测器，可以使得任意逼近ξi,a(t)。因此，如果在控制协议ui(t)中引入则可以抵消ξi,a(t)对编队跟踪的影响。分布式扩张状态观测器设计如下：
步骤700：根据下一时刻所述跟随无人机的加速度数据调整所述跟随无人机下一时刻跟踪所述被跟随无人机的运动状态。
对于分布式扩张状态观测器和其他参数的设计过程：
(1)一个期望的时变编队hi(t)，它需要满足条件如果上式满足，可继续以下步骤；否则停止，时变编队跟踪不能实现。
(2)设计观测器中的增益G＝[g1,g2,g3]T，需要满足下列线性矩阵不等式有正定解Q1：其中，C0＝[1,0]，B0＝[1,0]T，δ1、δ2和κO均为正常数；则G可以为
确定好了观测器参数，便可以通过观测器得到
(3)其他参数选择为：KC＞0以及KI＞0；c1＞0，c2＞0以及Ti＞0。
(4)为了保证ui(t)的幅值有界(控制变量一般都是有界的)，需要对编队函数进行处理。由于事先已经确定好期望的时变编队函数hi(t)＝[hi,x(t),hi,v(t)]T，在防碰撞过程以及连通性保持过程中，如果满足max{∑j∈F,j≠i||FC,i,j(ρi,j)+FI,i,j(ρi,j)||}＞κi/||hi,v(t)||，则选择hi,v(t)＝κi/max{∑j∈F,j≠i||FC,i,j(ρi,j)+FI,i,j(ρi,j)||}，hi,x(t)的表达式可以按照获得；否则，hi(t)按照原来设计的执行。
图2为本发明无人机时变编队的跟踪系统的结构示意图。如图2所示，所述跟踪系统包括：
通讯拓扑关系获取模块201，用于获取无人机编队的通讯拓扑关系；所述无人机编队包括多架无人机；所述通讯拓关系中每一条通讯路径的两个节点分别为跟随无人机和被跟随无人机，且每个所述跟随无人机有且仅有一个被跟随无人机通过一条通讯路径连接。
被跟随无人机的速度数据和位置数据获取模块202，用于获取当前时刻所述被跟随无人机的速度数据和位置数据。
当前时刻跟随无人机的速度数据和位置数据获取模块203，用于获取当前时刻跟随无人机的速度数据和位置数据。
通讯距离阈值和安全距离阈值获取模块204，用于获取所述无人机编队的通讯距离阈值和安全距离阈值。
被跟随无人机和跟随无人机之间的引力和斥力确定模块205，用于根据当前时刻所述被跟随无人机的位置数据、所述跟随无人机的位置数据以及所述通讯距离阈值、安全距离阈值，确定所述被跟随无人机和所述跟随无人机之间的引力和斥力。
下一时刻跟随无人机的加速度数据确定模块206，用于根据所述被跟随无人机和所述跟随无人机之间的引力和斥力，确定下一时刻所述跟随无人机的加速度数据。
被跟随无人机运动状态调整模块207，用于根据下一时刻所述跟随无人机的加速度数据调整所述跟随无人机下一时刻跟踪所述被跟随无人机的运动状态。
其中，所述被跟随无人机和跟随无人机之间的引力和斥力确定模块205，具体包括：
斥力确定单元，用于利用确定跟随无人机i和被跟随无人机j之间的斥力FC,i,j(ρi,j(t))；其中，KC为一个大于0的常数，xi(t)为跟随无人机i的位置向量，xj(t)为被跟随无人机j的位置向量，ρi,j(t)为跟随无人机i和被跟随无人机j之间的距离，ρi,j(t)＝||xi(t)-xj(t)||，ρC,min为最小安全距离阈值，ρC,max为最大安全距离阈值，ρC,max＞ρC,min；
引力确定单元，用于利用确定跟随无人机i和被跟随无人机j之间的引力FI,i,j(ρi,j(t))；其中，KI为一个大于0的常数，ρI,min为最小通讯距离阈值，ρI,max为最大通讯距离阈值，ρI,min＜ρI,max。
下面给出本发明的一种具体实施方式：
本具体实施方式中由4个无人机组成无人机时变编队，图3为本发明具体实施方式的流程示意图，图4为本发明具体实施方式的通讯拓扑关系示意图。如图4所示，无人机4为领导者无人机，其余的3个无人机为跟随者无人机。在跟踪过程中，无人机1的跟踪对象为无人机4，无人机2的跟踪对象为无人机4，无人机3的跟踪对象为无人机1，因此，无人机1作为跟随无人机时，跟踪无人机4实现编队，无人机1作为被跟随无人机时，引导无人机3实现编队。
根据图4所示的通讯拓扑关系示意图，对系统进行仿真，仿真参数如下：系统干扰为δ1(t)＝[0.2sin(0.2t),0.2cos(0.2t)]T，δ2(t)＝[0.2,0.3]T，δ3(t)＝[0.2e-0.1t,0.1]T，δ4(t)＝0。领导者的未知输入为：u4(t)＝-x4(t)-2v4(t)+0.1t。
选择控制器增益为c1＝0.5，c2＝1，Ti＝0.02。
时变编队设计为：
选择κi＝5，κO＝6000，δ1＝25，δ2＝0.2，可以解得G＝[20.6,206.9,1061.5]T。仿真补偿为1ms，仿真时间为20s，采用龙哥库塔算法。
控制器中安全距离参数选择为：ρC,min＝0.7,ρC,max＝1.1，ρI,min＝3.8,ρI,max＝4.5。
为了考虑连通性保持功能，我们在仿真时刻7s-8s的时候，添加一个干扰，则有：
仿真结果如图5-图10所示，其中图5-图7表示不考虑防碰撞机制下，也就是FC,i,j(ρi,j(t))＝FI,i,j(ρi,j(t))≡0时的编队跟踪控制效果，图5为本发明具体实施方式中不考虑防碰撞机制的无人机运动轨迹的示意图，图6为本发明具体实施方式中不考虑防碰撞机制的任意两个无人机之间的距离的示意图，图7为本发明具体实施方式中不考虑防碰撞机制的编队跟踪误差示意图；图8-图10表示用本发明跟踪方法考虑防碰撞机制的编队跟踪控制效果，图8为本发明具体实施方式中考虑防碰撞机制的无人机运动轨迹的示意图，图9为本发明具体实施方式中考虑防碰撞机制的任意两个无人机之间的距离的示意图，图10为本发明具体实施方式中考虑防碰撞机制的编队跟踪误差示意图。
从图6和图9中可以看出，采用了本发明的跟踪方法及跟踪系统后，无人机编队中任意两个无人机之间的距离均在0.7到4.5之内，可以实现防碰撞与连通性保持。此外，从图10中可以看出，编队跟踪误差趋于0，可以实现期望的时变编队跟踪。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种无人机时变编队的跟踪方法，其特征在于，所述跟踪方法包括：
获取无人机编队的通讯拓扑关系；所述无人机编队包括多架无人机；所述通讯拓关系中每一条通讯路径的两个节点分别为跟随无人机和被跟随无人机，且每个所述跟随无人机有且仅有一个被跟随无人机通过一条通讯路径连接；
获取当前时刻所述被跟随无人机的速度数据和位置数据；
获取当前时刻所述跟随无人机的速度数据和位置数据；
获取所述无人机编队的通讯距离阈值和安全距离阈值；
根据当前时刻所述被跟随无人机的位置数据、所述跟随无人机的位置数据以及所述通讯距离阈值、安全距离阈值，确定所述被跟随无人机和所述跟随无人机之间的引力和斥力；
根据所述被跟随无人机和所述跟随无人机之间的引力和斥力，确定下一时刻所述跟随无人机的加速度数据；
根据下一时刻所述跟随无人机的加速度数据调整所述跟随无人机下一时刻跟踪所述被跟随无人机的运动状态。
2.根据权利要求1所述的跟踪方法，其特征在于，所述无人机编队包括一架领导者无人机，所述领导者无人机在飞行时仅作为被跟随无人机被多架跟随无人机跟踪。
3.根据权利要求1所述的跟踪方法，其特征在于，所述根据当前时刻所述被跟随无人机的位置数据、所述跟随无人机的位置数据以及所述通讯距离阈值、安全距离阈值，确定所述被跟随无人机和所述跟随无人机之间的引力和斥力，具体包括：
利用公式确定跟随无人机i和被跟随无人机j之间的斥力FC,i,j(ρi,j(t))；其中，KC为一个大于0的常数，xi(t)为跟随无人机i的位置向量，xj(t)为被跟随无人机j的位置向量，ρi,j(t)为跟随无人机i和被跟随无人机j之间的距离，ρi,j(t)＝||xi(t)-xj(t)||，ρC,min为最小安全距离阈值，ρC,max为最大安全距离阈值，ρC,max＞ρC,min；
利用公式确定跟随无人机i和被跟随无人机j之间的引力FI,i,j(ρi,j(t))；其中，KI为一个大于0的常数，ρI,min为最小通讯距离阈值，ρI,max为最大通讯距离阈值，ρI,min＜ρI,max。
4.根据权利要求2所述的跟踪方法，其特征在于，所述根据所述被跟随无人机和所述跟随无人机之间的引力和斥力，确定下一时刻所述跟随无人机的加速度数据，具体包括：
对无人机编队的综合不确定性进行估计，得到综合不确定性的估计值；
根据所述综合不确定性的估计值，利用公式
确定下一时刻所述跟随无人机的加速度数据ui(t)；其中，αi(t)表示虚拟控制量，ζi,x(t)表示一个与ξi,x(t)有关的中间变量，ξi,x(t)表示跟随无人机i跟踪的位置误差，aij为跟随无人机i和被跟随无人机j之间相互作用的强度系数，aij＞0，aiN为跟随无人机i和领导者无人机N之间相互作用的强度系数；表示综合不确定性ξi,a(t)的估计值，是hi,v(t)的导数，hi,v(t)为跟随无人机i与领导者无人机之间的速度偏移量；为αi(t)的滤波值，zi,v(t)为一个与ξi,v(t)和有关的中间变量，ξi,v(t)表示跟随无人机i跟踪的速度误差，ζi,v(t)为一个与zi,v(t)有关的中间变量，c1，c2，Ti为固定增益系数，FC,i,j(ρi,j(t))为跟随无人机i和被跟随无人机j之间的斥力，FI,i,j(ρi,j(t))为跟随无人机i和被跟随无人机j之间的引力。
5.根据权利要求4所述的跟踪方法，其特征在于，所述对无人机编队的综合不确定性进行估计，得到综合不确定性的估计值，具体包括：
获取扩张状态观测器的观测器增益；
根据所述观测器增益，利用公式确定综合不确定性ξi,a(t)的估计值其中，
G＝[g1,g2,g3]T表示观测器增益，为跟随无人机i跟踪的位置误差ξi,x(t)的估计值，为跟随无人机i跟踪的速度误差ξi,v(t)的估计值，hi(t)表示跟随无人机i与领导者无人机之间的偏移量，hi(t)＝[hi,x(t),hi,v(t)]T，hi,x(t)为跟随无人机i与领导者无人机之间的位置偏移量，hi,v(t)为跟随无人机i与领导者无人机之间的速度偏移量；是hi,x(t)的导数，是hi,v(t)的导数，hj(t)表示被跟随无人机j与领导者无人机之间的偏移量，xi(t)为跟随无人机i的位置向量，xj(t)为被跟随无人机j的位置向量，xN(t)为；领导者无人机N的位置向量，为被跟随无人机j跟踪的位置误差ξj,x(t)的估计值，N-1表示所述无人机编队中除领导者无人机之外的无人机数量。
6.一种无人机时变编队的跟踪系统，其特征在于，所述跟踪系统包括：
通讯拓扑关系获取模块，用于获取无人机编队的通讯拓扑关系；所述无人机编队包括多架无人机；所述通讯拓关系中每一条通讯路径的两个节点分别为跟随无人机和被跟随无人机，且每个所述跟随无人机有且仅有一个被跟随无人机通过一条通讯路径连接；
被跟随无人机的速度数据和位置数据获取模块，用于获取当前时刻所述被跟随无人机的速度数据和位置数据；
当前时刻跟随无人机的速度数据和位置数据获取模块，用于获取当前时刻跟随无人机的速度数据和位置数据；
通讯距离阈值和安全距离阈值获取模块，用于获取所述无人机编队的通讯距离阈值和安全距离阈值；
被跟随无人机和跟随无人机之间的引力和斥力确定模块，用于根据当前时刻所述被跟随无人机的位置数据、所述跟随无人机的位置数据以及所述通讯距离阈值、安全距离阈值，确定所述被跟随无人机和所述跟随无人机之间的引力和斥力；
下一时刻跟随无人机的加速度数据确定模块，用于根据所述被跟随无人机和所述跟随无人机之间的引力和斥力，确定下一时刻所述跟随无人机的加速度数据；
被跟随无人机运动状态调整模块，用于根据下一时刻所述跟随无人机的加速度数据调整所述跟随无人机下一时刻跟踪所述被跟随无人机的运动状态。
7.根据权利要求6所述的跟踪系统，其特征在于，所述无人机编队包括一架领导者无人机，所述领导者无人机在飞行时仅作为被跟随无人机被多架跟随无人机跟踪。
8.根据权利要求6所述的跟踪系统，其特征在于，所述被跟随无人机和跟随无人机之间的引力和斥力确定模块，具体包括：
斥力确定单元，用于利用确定跟随无人机i和被跟随无人机j之间的斥力FC,i,j(ρi,j(t))；其中，KC为一个大于0的常数，xi(t)为跟随无人机i的位置向量，xj(t)为被跟随无人机j的位置向量，ρi,j(t)为跟随无人机i和被跟随无人机j之间的距离，ρi,j(t)＝||xi(t)-xj(t)||，ρC,min为最小安全距离阈值，ρC,max为最大安全距离阈值，ρC,max＞ρC,min；
引力确定单元，用于利用确定跟随无人机i和被跟随无人机j之间的引力FI,i,j(ρi,j(t))；其中，KI为一个大于0的常数，ρI,min为最小通讯距离阈值，ρI,max为最大通讯距离阈值，ρI,min＜ρI,max。
CN201811159329.7A 2018-09-30 2018-09-30 一种无人机时变编队的跟踪方法及系统 Active CN108983825B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811159329.7A CN108983825B (zh) 2018-09-30 2018-09-30 一种无人机时变编队的跟踪方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811159329.7A CN108983825B (zh) 2018-09-30 2018-09-30 一种无人机时变编队的跟踪方法及系统

Publications (2)

Publication Number Publication Date
CN108983825A true CN108983825A (zh) 2018-12-11
CN108983825B CN108983825B (zh) 2020-04-03

Family

ID=64544273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811159329.7A Active CN108983825B (zh) 2018-09-30 2018-09-30 一种无人机时变编队的跟踪方法及系统

Country Status (1)

Country Link
CN (1) CN108983825B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110058611A (zh) * 2019-05-13 2019-07-26 电子科技大学 一种基于分布式体系结构的四旋翼编队飞行控制方法
CN110320929A (zh) * 2019-06-04 2019-10-11 杭州电子科技大学 一种自主式无人机群目标跟随避障方法
CN110488866A (zh) * 2019-08-20 2019-11-22 西南石油大学 一种基于梯度函数的无人机编队避障方法
CN110568845A (zh) * 2019-08-26 2019-12-13 广东工业大学 一种协同机器人的相互碰撞规避方法
CN110780668A (zh) * 2019-04-09 2020-02-11 北京航空航天大学 一种多无人艇的分布式编队合围跟踪控制方法及系统
CN111290440A (zh) * 2020-04-07 2020-06-16 中国人民解放军海军航空大学 基于双虚拟结构的多无人机编队Standoff跟踪控制及跟踪方法
CN111435252A (zh) * 2020-01-15 2020-07-21 北京航空航天大学 异构多智能体系统分组输出时变编队跟踪控制方法及系统
CN111552314A (zh) * 2020-05-09 2020-08-18 北京航空航天大学 多无人机自适应编队跟踪控制方法
CN111781945A (zh) * 2020-06-09 2020-10-16 南京邮电大学 具有随机时延的多智能体编队控制方法
CN114020042A (zh) * 2021-12-14 2022-02-08 北京航空航天大学 一种异构无人集群编队合围跟踪控制方法及系统
CN116149376A (zh) * 2023-04-21 2023-05-23 西安迈远科技有限公司 一种基于装配式建筑平台的无人机巡航的控制方法
CN116300474A (zh) * 2023-05-10 2023-06-23 西北工业大学 一种无人机编队性能评估方法
CN116954267A (zh) * 2023-09-21 2023-10-27 北京航空航天大学 一种不依靠速度反馈的无人机编队鲁棒控制方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102749847A (zh) * 2012-06-26 2012-10-24 清华大学 多无人机协同着陆方法
US8494689B1 (en) * 2012-05-09 2013-07-23 Raytheon Company Autonomous coordination of agents
CN106125760A (zh) * 2016-07-25 2016-11-16 零度智控（北京）智能科技有限公司 无人机编队路径自动规划方法及装置
CN106843269A (zh) * 2017-01-22 2017-06-13 北京航空航天大学 一种基于小型鸟类集群飞行机制的无人机编队方法
CN107340784A (zh) * 2017-08-21 2017-11-10 中国人民解放军军械工程学院 无人机集群控制方法
CN108549407A (zh) * 2018-05-23 2018-09-18 哈尔滨工业大学（威海） 一种多无人机协同编队避障的控制算法
CN108563240A (zh) * 2018-07-26 2018-09-21 电子科技大学 一种大规模微型无人机的编队及控制方法
CN108594853A (zh) * 2018-04-27 2018-09-28 中国人民解放军陆军工程大学 无人机队形控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8494689B1 (en) * 2012-05-09 2013-07-23 Raytheon Company Autonomous coordination of agents
CN102749847A (zh) * 2012-06-26 2012-10-24 清华大学 多无人机协同着陆方法
CN106125760A (zh) * 2016-07-25 2016-11-16 零度智控（北京）智能科技有限公司 无人机编队路径自动规划方法及装置
CN106843269A (zh) * 2017-01-22 2017-06-13 北京航空航天大学 一种基于小型鸟类集群飞行机制的无人机编队方法
CN107340784A (zh) * 2017-08-21 2017-11-10 中国人民解放军军械工程学院 无人机集群控制方法
CN108594853A (zh) * 2018-04-27 2018-09-28 中国人民解放军陆军工程大学 无人机队形控制方法
CN108549407A (zh) * 2018-05-23 2018-09-18 哈尔滨工业大学（威海） 一种多无人机协同编队避障的控制算法
CN108563240A (zh) * 2018-07-26 2018-09-21 电子科技大学 一种大规模微型无人机的编队及控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
朱旭 等: "《基于改进人工势场的无人机编队防碰撞控制方法》", 《哈尔滨工程大学学报》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110780668A (zh) * 2019-04-09 2020-02-11 北京航空航天大学 一种多无人艇的分布式编队合围跟踪控制方法及系统
CN110780668B (zh) * 2019-04-09 2020-08-18 北京航空航天大学 一种多无人艇的分布式编队合围跟踪控制方法及系统
CN110058611A (zh) * 2019-05-13 2019-07-26 电子科技大学 一种基于分布式体系结构的四旋翼编队飞行控制方法
CN110320929A (zh) * 2019-06-04 2019-10-11 杭州电子科技大学 一种自主式无人机群目标跟随避障方法
CN110320929B (zh) * 2019-06-04 2022-03-29 杭州电子科技大学 一种自主式无人机群目标跟随避障方法
CN110488866A (zh) * 2019-08-20 2019-11-22 西南石油大学 一种基于梯度函数的无人机编队避障方法
CN110568845A (zh) * 2019-08-26 2019-12-13 广东工业大学 一种协同机器人的相互碰撞规避方法
CN111435252B (zh) * 2020-01-15 2020-12-25 北京航空航天大学 异构多智能体系统分组输出时变编队跟踪控制方法及系统
CN111435252A (zh) * 2020-01-15 2020-07-21 北京航空航天大学 异构多智能体系统分组输出时变编队跟踪控制方法及系统
CN111290440A (zh) * 2020-04-07 2020-06-16 中国人民解放军海军航空大学 基于双虚拟结构的多无人机编队Standoff跟踪控制及跟踪方法
CN111290440B (zh) * 2020-04-07 2023-06-20 中国人民解放军海军航空大学 基于双虚拟结构的多无人机编队Standoff跟踪控制及跟踪方法
CN111552314B (zh) * 2020-05-09 2021-05-18 北京航空航天大学 多无人机自适应编队跟踪控制方法
CN111552314A (zh) * 2020-05-09 2020-08-18 北京航空航天大学 多无人机自适应编队跟踪控制方法
CN111781945A (zh) * 2020-06-09 2020-10-16 南京邮电大学 具有随机时延的多智能体编队控制方法
CN114020042A (zh) * 2021-12-14 2022-02-08 北京航空航天大学 一种异构无人集群编队合围跟踪控制方法及系统
CN116149376A (zh) * 2023-04-21 2023-05-23 西安迈远科技有限公司 一种基于装配式建筑平台的无人机巡航的控制方法
CN116300474A (zh) * 2023-05-10 2023-06-23 西北工业大学 一种无人机编队性能评估方法
CN116300474B (zh) * 2023-05-10 2023-08-22 西北工业大学 一种无人机编队性能评估方法
CN116954267A (zh) * 2023-09-21 2023-10-27 北京航空航天大学 一种不依靠速度反馈的无人机编队鲁棒控制方法及系统
CN116954267B (zh) * 2023-09-21 2023-12-08 北京航空航天大学 一种不依靠速度反馈的无人机编队鲁棒控制方法及系统

Also Published As

Publication number Publication date
CN108983825B (zh) 2020-04-03

Similar Documents

Publication Publication Date Title
CN108983825A (zh) 一种无人机时变编队的跟踪方法及系统
Zhihao et al. Virtual target guidance-based distributed model predictive control for formation control of multiple UAVs
Yu et al. Distributed circular formation control of ring-networked nonholonomic vehicles
Wang et al. Adaptive dynamic surface control for cooperative path following of marine surface vehicles with input saturation
Golestani et al. Finite-time convergent guidance law based on integral backstepping control
CN108490788A (zh) 一种基于双干扰观测的飞行器俯仰通道反演控制方法
CN107203138B (zh) 一种输入输出饱和的飞行器鲁棒控制方法
Van Oort et al. Full-envelope modular adaptive control of a fighter aircraft using orthogonal least squares
de Angelis et al. Multirotor aircraft formation flight control with collision avoidance capability
CN109507890A (zh) 一种基于eso的无人机动态逆广义预测控制器
CN109032137A (zh) 多Euler-Lagrange系统分布式跟踪控制方法
Shafiei et al. Application of partial sliding mode in guidance problem
Qiu et al. Attitude control of a moving mass–actuated UAV based on deep reinforcement learning
CN106681345A (zh) 基于人群搜索算法的无人机自抗扰控制方法
CN110794857A (zh) 考虑外部风干扰的固定翼无人机鲁棒离散分数阶控制方法
CN114756029A (zh) 基于动态事件触发的无人艇无模型控制方法
Fu et al. Adaptive finite-time event-triggered control of marine surface vehicles with prescribed performance and output constraints
De Marco et al. A deep reinforcement learning control approach for high-performance aircraft
Jia et al. Distributed observer-based finite-time control of moving target tracking for UAV formation
Ge et al. Adaptive neural network control of helicopters with unknown dynamics
Lee et al. Autopilot design for unmanned combat aerial vehicles (UCAVs) via learning-based approach
Abbas et al. Formation tracking for multiple quadrotor based on sliding mode and fixed communication topology
Yuqi et al. Time-varying parameters estimation with adaptive neural network EKF for missile-dual control system
Tang et al. Trajectory Tracking Control for Fixed-Wing UAV Based on DDPG
Liu et al. Integrated guidance and control of interceptor missile based on asymmetric barrier Lyapunov function

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant