CN110531779A

CN110531779A - 一种无人机仿人协同飞行控制器及其实现方法

Info

Publication number: CN110531779A
Application number: CN201910711590.1A
Authority: CN
Inventors: 颜成钢; 万斌; 王廷宇; 吕彬彬; 孙垚棋; 张继勇; 张勇东
Original assignee: Hangzhou Dianzi University
Current assignee: Hangzhou Dianzi University
Priority date: 2019-08-02
Filing date: 2019-08-02
Publication date: 2019-12-03

Abstract

本发明公开了一种无人机仿人协同飞行控制器及其实现方法。本发明系统将控制器分成三层结构：直接控制层、参数校正层、任务适应层。本发明实现步骤如下：步骤1、确定双机协同飞行的数学模型；步骤2、设计协同飞行控制器。步骤3、控制器参数优化。本发明以“长机‑僚机”作为双机协同飞行方式，这种方式通过保持长机与僚机之间的距离和角度，从而确保飞行编队的稳定性，进而极大程度上降低了无人机协同编队的控制难度。本发明将仿人智能控制引入到双机协同控制当中，通过以往经验对控制器特征模型中的阈值进行划分校正，从而将控制器特征模型划分出不同的区域，可根据不同的特征区域采取相对应的控制策略，增加了双机飞行过程的稳定性。

Description

一种无人机仿人协同飞行控制器及其实现方法

技术领域

本发明属于无人机协同飞行技术领域，尤其针对两架无人机之间的协同飞行控制，具体设计一种无人机仿人协同飞行控制系统和方法。

背景技术

由于四旋翼无人机逐渐趋于小型化，单架无人机有限的飞行能力和承载能力已无法满足过于繁重的日常飞行任务，因此需要两架或多架无人机进行协同飞行作业，从而有效地完成工作任务。多无人机通过协同作业能够完成诸如货物搬运、3D建模、抗震救灾、火灾消防等单架无人机无法实现的复杂危险任务。当无人机执行任务时遇到突发事件而需要终止飞行时，单架无人机便意味着任务会以失败告终，但在多机协同作业下，单架无人机的故障问题只可能会影响任务的完成效率，不会对任务结果造成影响改变，极大地提高了无人机的执行能力。多无人机之间的协同作业虽取得了较大的进步，但也存在诸多问题亟待改进如：编队方式的选择、飞行路径的优化。

目前多无人机协同控制所产生的影响远远超过了单架无人机，各国的研究重点也多集中在多无人机协同控制、多无人机路径规划、多无人机任务动态分配。

(1)多无人机协同控制在四旋翼无人机领域里已经成为了一个热门话题，需要无人机在飞行过程中按照预设编队队形完成相应的飞行任务。目前应用最为广泛的编队方式为“长机-僚机”方式。

(2)多无人机路径规划：多无人机在协同飞行时需要对飞行路径上的障碍进行规避，因此需要通过路径规划得到一条安全有效的飞行线路而路径规划的优劣程度直接决定了无人机协同飞行的效率。

本文主要考虑随着无人机在我国被广泛使用，单架无人机已经无法满足人们日常生活和工作的需求，多无人机飞行越来越多的参与到生活生产当中。如何使两架无人机协同飞行过程更加稳定，提高飞行精度是值得探讨的问题。

发明内容

本发明的目的是针对两架无人机协同飞行控制问题，提供一种无人机仿人协同飞行控制系统和方法。本发明系统将控制器分成三层结构：直接控制层、参数校正层、任务适应层。

本发明解决其技术问题所采用的技术方案具体包括如下步骤：

步骤1、确定双机协同飞行的数学模型

本发明以两架四旋翼无人机作为对象，分别扮演长机(L)与僚机(F)的“角色”，双机在水平面上组成飞行编队并采用固连于僚机的旋转参考系，如附图(1)所示。

根据科里奥利力公式：

其中：长机在僚机参考系下的相对运动速度；长机在自身参考系下的线速度；僚机在自身参考系下的线速度；僚机旋转角速度；长机在僚机参考系下的相对位置；僚机在自身参考系下的位置；

再根据图(1)可得：

ψ_E＝ψ_L-ψ_F (2)

由于可将式(1)简化为：

将长机线速度转化为参考坐标系下的分速度：

根据式(1)，式(3)，式(4)，式(5)可得：

将式(7)分解为：

为了保证飞行编队的稳定性，每架四旋翼无人机均采用自动驾驶仪并建立相应模型。

其中：T_vL：长机速度时间常数；T_ψL：长机航向角时间常数；v_Lc，ψ_Lc：分别是长机收到的速度扰动量和角度扰动量；T_vF：僚机速度时间常数；T_ψF：僚机航向角时间常数；v_Fc，ψ_Fc：分别是僚机收到的速度控制量和角度控制量；分别为僚机和长机角速度；

假设无人机受到扰动可以忽略不记以及较小的偏移角度，可将式(8)，式(9)简化为：

根据上式(10-15)整理可得无人机编队数学模型：

步骤2、设计协同飞行控制器

本发明考虑到仿人智能控制具有较好的控制性能，将其应用到四旋翼无人机协同飞行控制中，但其复杂的参数整定过程严重影响了它进一步的发展，因此在研究过程中将参数整定纳入其中。为了使控制器的结构较为简洁，文章对控制器的参数结构进行了适当简化，虽然控制方法得到了简化，但能够符合相应的控制策略。

所述的控制器包括直接控制层、参数校正层、任务适应层。并通过阈值矫正将控制器划分为①②③④⑤⑥⑦七个区域。

直接控制层

本发明设计的仿人智能控制器通过监测x、y两个方向上的偏差e和偏差变化率ec从而对四旋翼无人机双机协同的飞行状态进行判断并采取相应的控制策略。为了简化控制器的结构，因此在控制策略的选取上进行了简化，主要包括：bang-bang控制、保持控制、比例微分控制，在三种控制策略中除比例微分控制需要进行相应调整增强控制效果外，bang-bang控制和保持控制相对稳定且不需要进行调整。

考虑到控制器结构简化，因此直接控制层在进行模态区域划分时不用过于繁细，如附图(2)所示，只需对bang-bang模态、保持模态以外的模态区域进行比例微分处理即可。

其中e、ec分别代表了误差和误差变化率，虚线为理想情况下误差的目标轨迹。具体的区域划分如下：

(1)当误差过大时，对应区域①，此时需要采取较大的控制作用，快速减小误差，因此选用bang-bang模态控制。

(2)当误差和误差变化率很小(可接受范围内)，对应区域②，只需采取保持模态并维持当前状态。

(3)除①②区域以外，其他区域③④⑤⑥⑦均采用比例微分的控制模态，但在不同的区域内需要对比例、微分参数进行调节。

直接控制层的特征基元集：

Q₁＝{q₁,q₂,q₃} (22)

其中:

q₁＝{|e_n|≥e₁}

q₂＝{|e_n|≥e₄}

q₃＝{|ec_n|≥ec₁}

直接控制层模型为：

Φ₁＝{Φ₁₁,Φ₁₂,Φ₁₃} (23)

其中：

Φ₁₁＝{q₂}

直接控制层的控制模态为：

Ψ₁＝{Ψ₁₁,Ψ₁₂,Ψ₁₃} (24)

其中：

Ψ₁₁:{u_n＝sign(e_n)·U_max}

Ψ₁₂:{u_n＝u_n-1}

直接控制层的推理规则集为：

Ω₁＝{ω₁₁,ω₁₂,ω₁₃} (25)

其中：

ω₁₁:Φ₁₁→Ψ₁₁

ω₁₂:Φ₁₂→Ψ₁₂

ω₁₃:Φ₁₂→Ψ₁₂

其中公式(22～25)符号含义为：

u_n：控制器的第n次输出值；U_max：控制器输出的最大值；e_n：第n次误差值；ec_n：第n次误差变化率值；e_i：误差的阈值；ec_i误差变化率的阈值；ω_p：比例系数；ω_d：微分系数；k：衰减系数；

参数校正层

经过对参数校正层进行相应简化，可与直接控制层的特征模型合并，合并后的特征模型与图(2)相同。

参数校正层的特征基元集为：

Q₂＝{q₁,q₂,q₃} (26)

其中：

q₁＝{|e_n|≥e₁}

q₂＝{|e_n|≥e₄}

q₃＝{|ec_n|≥ec₁}

可得参数校正层的特征模型：

Φ₂＝{Φ₂₁,Φ₂₂,Φ₂₃} (27)

其中：

Φ₂₁＝{q₂}

参数校正层的决策模态集为：

Ψ₂＝{Ψ₂₁,Ψ₂₂} (28)

其中：

Ψ₂₁＝{NULL}

Ψ₂₂＝{ω_p＝ω_p1,ω_d＝ω_d1,k＝k₁}

参数校正层的推理规则集为：

Ω₂＝{ω₂₁,ω₂₂,ω₂₃} (29)

其中：

ω₂₁:Φ₂₁→Ψ₂₁

ω₂₂:Φ₂₂→Ψ₂₁

ω₂₃:Φ₂₃→Ψ₂₂

任务适应层

任务适应层可依照上层进行设计；

任务适应层的特征基元集为：

Q₃＝{q₁,q₂,q₃} (30)

其中：

q₁＝{|e_n|≥e₁}

q₂＝{|e_n|≥e₄}

q₃＝{|ec_n|≥ec₁}

可得任务适应层的特征模型：

Φ₃＝{Φ₃₁,Φ₃₂,Φ₃₃} (31)

其中：

Φ₃₁＝{q₂}

任务适应层的决策模态集为：

Ψ₃＝{Ψ₃₁,Ψ₃₂} (32)

其中：

Ψ₃₁＝{NULL}

Ψ₃₂＝{ω_p＝ω_p1,ω_d＝ω_d1,k＝k₁}

任务适应层的推理规则集为：

Ω₃＝{ω₃₁,ω₃₂,ω₃₃} (33)

其中：

ω₃₁:Φ₃₁→Ψ₃₁

ω₃₂:Φ₃₂→Ψ₃₁

ω₃₃:Φ₃₃→Ψ₃₂

步骤3、控制器参数优化。

本发明方法具有的优点及有益结果为：

1、本发明以“长机-僚机”作为双机协同飞行方式，这种方式通过保持长机与僚机之间的距离和角度，从而确保飞行编队的稳定性，进而极大程度上降低了无人机协同编队的控制难度。

2、将仿人智能控制引入到双机协同控制当中，通过以往经验对控制器特征模型中的阈值进行划分校正，从而将控制器特征模型划分出不同的区域，可根据不同的特征区域采取相对应的控制策略，本发明主要采用了三种不同的控制策略，分别为bang-bang控制、比例微分控制、保持控制。使得协同控制能够在不同情况下采取最优策略，增加了双机飞行过程的稳定性。

附图说明

图1是“长机-僚机”相对运动图

图2是仿人智能控制的特征模型

图3是控制器阈值校正步骤1

图4是控制器阈值校正步骤2

图5是控制器阈值校正步骤3

图6是控制器阈值校正步骤4

图7是控制器参数校正的起始段

图8是控制器参数校正的中间段

图9是控制器参数校正的稳定段

图10是控制器处在特征状态1阶段

图11是控制器处在特征状态3-1阶段

图12是控制器处在特征状态3-2阶段

图13是控制器处在特征状态4阶段

图14是双机协同飞行的飞行轨迹

图15是僚机飞行速度

图16是长机与僚机之间角度差

具体实施方式

下面结合具体实施方式对本发明进行详细的说明。

本发明提出的仿人协同飞行控制方法，按照以下步骤实施：

步骤1、确定双机协同飞行的数学模型

根据科里奥利力公式：

其中：

长机在僚机参考系下的相对运动速度；

长机在自身参考系下的线速度；

僚机在自身参考系下的线速度；

僚机旋转角速度；

长机在僚机参考系下的相对位置；

僚机在自身参考系下的位置；

再根据图(1)可得：

ψ_E＝ψ_L-ψ_F (2)

由于可将式(1)简化为：

将长机线速度转化为参考坐标系下的分速度：

根据式(1)，式(3)，式(4)，式(5)可得：

将式(7)分解为：

根据上式(10-15)整理可得无人机编队数学模型：

步骤2、协同飞行控制器设计

直接控制层

直接控制层的特征基元集：

Q₁＝{q₁,q₂,q₃} (22)

其中:

q₁＝{|e_n|≥e₁}

q₂＝{|e_n|≥e₄}

q₃＝{|ec_n|≥ec₁}

直接控制层模型为：

Φ₁＝{Φ₁₁,Φ₁₂,Φ₁₃} (23)

其中：

Φ₁₁＝{q₂}

直接控制层的控制模态为：

Ψ₁＝{Ψ₁₁,Ψ₁₂,Ψ₁₃} (24)

其中：

Ψ₁₁:{u_n＝sign(e_n)·U_max}

Ψ₁₂:{u_n＝u_n-1}

直接控制层的推理规则集为：

Ω₁＝{ω₁₁,ω₁₂,ω₁₃} (25)

其中：

ω₁₁:Φ₁₁→Ψ₁₁

ω₁₂:Φ₁₂→Ψ₁₂

ω₁₃:Φ₁₂→Ψ₁₂

其中公式(22～25)符号含义为：

u_n：控制器的第n次输出值；

U_max：控制器输出的最大值；

e_n：第n次误差值；

ec_n：第n次误差变化率值；

e_i：误差的阈值；

ec_i误差变化率的阈值；

ω_p：比例系数；

ω_d：微分系数；

k：衰减系数；

参数校正层

参数校正层的特征基元集为：

Q₂＝{q₁,q₂,q₃} (26)

其中：

q₁＝{|e_n|≥e₁}

q₂＝{|e_n|≥e₄}

q₃＝{|ec_n|≥ec₁}

可得参数校正层的特征模型：

Φ₂＝{Φ₂₁,Φ₂₂,Φ₂₃} (27)

其中：

Φ₂₁＝{q₂}

参数校正层的决策模态集为：

Ψ₂＝{Ψ₂₁,Ψ₂₂} (28)

其中：

Ψ₂₁＝{NULL}

Ψ₂₂＝{ω_p＝ω_p1,ω_d＝ω_d1,k＝k₁}

参数校正层的推理规则集为：

Ω₂＝{ω₂₁,ω₂₂,ω₂₃} (29)

其中：

ω₂₁:Φ₂₁→Ψ₂₁

ω₂₂:Φ₂₂→Ψ₂₁

ω₂₃:Φ₂₃→Ψ₂₂

任务适应层

任务适应层的设计与上层设计类似，因此不再做多描述。

步骤3、控制器参数优化。

仿人智能控制器的参数问题严重影响了控制器的控制效果，为了使四旋翼双机协同控制器能够具有良好的协同效果，因此需要控制器特征模型中的阈值和比例微分参数进行校正调节。

3-1.阈值校正

四旋翼无人机双机协同控制器运行过程中，会引起一些偏差边界问题：

(1)双机之间的偏差达到极值。

(2)在特征模型中，特征轨迹在运行过程中从一个特征状态区域移至另一个特征区域。

(3)特征模型平面内，特征轨迹穿越不同的象限。

通过对特征轨迹在特征模型边界的情况进行分析，进而决定阈值调整过程中相应规则的选择和使用。本发明将仿人智能控制器的结构做了相应的简化，区域①的主要作用是快速减小偏差，区域②的主要作用是在偏差和偏差变化率较小且在可接受范围内保持现有的飞行状态，区域③④⑤⑥⑦的主要作用是根据偏差和偏差变化率采用比例微分控制。

阈值校正的具体步骤：

(1)首先将特征模型内所有阈值进行初始化，得到阈值为零的初始状态，特征模型如附图(3)，此时模型中只存在一种特征状态①，之后运行双机协同控制器并记录下双机之间产生的最大偏差AbsMaxE。

(2)根据以往经验，对偏差边界e₃、e₄进行设定e₄＝e₃＝ke₄·AbsMaxE，其中0＜ke₁＜1。此时控制器特征模型中存在两种特征状态①⑦，如图(4)所示。运行双机协同控制器，当特征轨迹从2、4象限运行至1、3象限时，此时需要进行一次情况分析判断：如果偏差方向发生改变，如附图(4)中a所示，则说明阈值e₄设定过小，从而导致区域⑦没有足够的时间对偏差变化率进行抑制，需要适当增大e₄；如果偏差变化率方向发生改变且偏差绝对值较大，如附图(4)中b所示，则需要适当减小e₄。

(3)完成偏差边界e₄的校正后，运行双机协同控制器，判断控制器运行过程中偏差是否在2、4象限内达到(2)中设定偏差e₄。当偏差达到e₄时，记录下此时偏差变化率的绝对值，将其设定为ec₄并且令e₃＝ke₃·e₄，0＜ke₃＜1。此时在控制器特征模型中存在四种特征状态①③⑤⑦，如附图(5)所示。运行控制器，根据(2)中描述的方法对偏差e₃进行校正。图中a、b为特征轨迹的两种情况。

(4)完成偏差的校正后，设定ec₃＝kde₃·ec₄，其中0＜kde₃＜1，运行协同控制器。当特征轨迹的偏差变化率达到ec₃时，记录下此时的偏差绝对值并将其设为e₂，如附图(6)所示，控制器特征模型中共有①③④⑤⑥⑦六种特征状态。

(5)令e₁＝ke₂·e₂、ec₂＝kde₃·ec₃、ec₁＝kde₂·ec₂，其中0＜ke₂＜1、0＜kde₂＜1、0＜kde₃＜1。偏差和偏差变化率边界设定完成后，最终得到附图(2)完整的特征模型。

3-2.控制器参数校正

根据特征轨迹的走向进行分析，特征轨迹在特征模型中经过了几种不同的特征区域，其中特征状态③④⑦的比例微分系数需要进行调节校正。

本文将特征轨迹分成3个阶段，分别为起始段、中间段、稳定段，其中起始段为特征轨迹离开起始象限并进入其他象限之前的轨迹部分，中间段为特征轨迹离开起始象限直至进入特征状态②之前的轨迹部分，稳定段为特征轨迹进入特征状态②后的部分，如附图(7)(8)(9)所示。

完成特征轨迹分段后，现对各个分段所在特征区域进行分析：

(1)起始段

根据分析控制器特征模型可知，系统特征轨迹的起始象限为1、3象限，此时特征状态有①⑦。当特征轨迹起始段处于特征状态⑦的时间较短甚至可以忽略不计时，则在此阶段不需要对控制器的参数进行调节。但当起始段在特征状态⑦中所处时间过长时，便需要对控制器比例微分参数进行调节。

确定控制策略后运行控制器，为了保证特征轨迹离开起始段进入中间段时的偏差绝对值AbsMaxE₁与校正阈值1时的偏差最大值AbsMaxE满足以下关系：

AbsMaxE₁/AbsMaxE＜1+α (30)

需要对比例系数k_p、微分系数k_d进行不断的调节才能获得较好的特征轨迹，其中α为一个较小系数。

(2)中间段

当特征轨迹从起始段进入中间段后，特征轨迹首先会在特征状态①中运行一段时间，之后特征轨迹依次进入特征状态③④。

当特征轨迹处于特征状态①时，如附图(10)所示，为了确保偏差迅速减小使得特征轨迹尽快进入特征状态③，只需采用bang-bang控制增加输出量快速减小双机偏差，不需要使用比例微分调节。

当特征轨迹进入特征状态③后首先会进入特征状态3-1，如附图(11)所示。当特征状态3-1中的特征轨迹大部分都处在-ec₄邻近区域，则不需要对控制器参数进行调节。但当大部分轨迹不在-ec₄邻近区域时，此时需要对特征状态3-1中的比例系数kd_3-1做出增大调整，直到特征状态3-1中的大部分轨迹处在-ec₄邻近区域。

特征轨迹离开特征状态3-1后进入特征状态3-2后，如附图(12)所示。如果在特征区域3-2中的大部分特征轨迹处在-ec₃邻界区域内，不需要对控制器参数进行调整，否则表明比例系数kp_3-2过小，需要增加其值。

特征轨迹完全离开特征区域③后便进入特征区域④，如附图(13)所示。由于特征区域④的偏差和偏差变化率较小，需要对比例、微分参数进行重新调节。

(3)稳定段

当特征轨迹进入特征状态②后，如附图(9)所示，特征模型中的特征轨迹便处于稳定阶段，在该阶段控制器的偏差和偏差变化率都处在较小甚至可忽略不计的水平，此时不再需要比例微分的调节控制，只需保持当前状态即可。

实施例

本发明所研究的无人机基本配置参数如下：

表1机身参数

项目	参数
		重量	1.1kg
长宽	0.41m
		高度	0.22m
浆叶	0.12m

初始条件如下表所示。

表2飞行初始条件

根据上表中的初始条件，假设两架无人机在无任何障碍区域内飞行，长机的飞行方向始终不发生改变，长机僚机的初始位置分别为(1,1)(1,0)，并沿着初始设定角度和初始速度进行飞行。飞行结果如附图(14)(15)(16)所示。

根据附图(14)(15)(16)所示，长机始终按照初始45度角沿直线飞行，僚机在距离长机y方向1米处沿30度角飞行，经过6秒后僚机最终追上长机且飞行方向基本保持一致，实验证明长机在无机动情况下僚机能够实现对长机的速度进行跟踪且相对距离保持在期望距离以内。

Claims

1.一种无人机仿人协同飞行控制器，其特征在于包括直接控制层、参数校正层、任务适应层；并通过阈值矫正将控制器划分为①②③④⑤⑥⑦七个区；

所述的直接控制层，通过监测x、y两个方向上的偏差e和偏差变化率ec从而对四旋翼无人机双机协同的飞行状态进行判断并采取相应的控制策略；控制策略包括：bang-bang控制、保持控制、比例微分控制；只需对bang-bang模态、保持模态以外的模态区域进行比例微分控制即可；

其中e、ec分别代表了误差和误差变化率，具体的区域划分如下：

(1)当误差过大时，对应区域①，选用bang-bang模态控制；

(2)当误差和误差变化率很小(设定波动范围内)，对应区域②，只需采取保持模态并维持当前状态；

(3)除①②区域以外，其他区域③④⑤⑥⑦均采用比例微分的控制模态，但在不同的区域内需要对比例、微分参数进行调节；

直接控制层的特征基元集：

Q₁＝{q₁,q₂,q₃} (22)

其中:

q₁＝{|e_n|≥e₁}

q₂＝{|e_n|≥e₄}

q₃＝{|ec_n|≥ec₁}

直接控制层模型为：

Φ₁＝{Φ₁₁,Φ₁₂,Φ₁₃} (23)

其中：

Φ₁₁＝{q₂}

直接控制层的控制模态为：

Ψ₁＝{Ψ₁₁,Ψ₁₂,Ψ₁₃} (24)

其中：

Ψ₁₁:{u_n＝sign(e_n)·U_max}

Ψ₁₂:{u_n＝u_n-1}

直接控制层的推理规则集为：

Ω₁＝{ω₁₁,ω₁₂,ω₁₃} (25)

其中：

ω₁₁:Φ₁₁→Ψ₁₁

ω₁₂:Φ₁₂→Ψ₁₂

ω₁₃:Φ₁₂→Ψ₁₂

其中公式(22～25)符号含义为：

所述的参数校正层，可与直接控制层的特征模型合并；

参数校正层的特征基元集为：

Q₂＝{q₁,q₂,q₃} (26)

其中：

q₁＝{|e_n|≥e₁}

q₂＝{|e_n|≥e₄}

q₃＝{|ec_n|≥ec₁}

可得参数校正层的特征模型：

Φ₂＝{Φ₂₁,Φ₂₂,Φ₂₃} (27)

其中：

Φ₂₁＝{q₂}

参数校正层的决策模态集为：

Ψ₂＝{Ψ₂₁,Ψ₂₂} (28)

其中：

Ψ₂₁＝{NULL}

Ψ₂₂＝{ω_p＝ω_p1,ω_d＝ω_d1,k＝k₁}

参数校正层的推理规则集为：

Ω₂＝{ω₂₁,ω₂₂,ω₂₃} (29)

其中：

ω₂₁:Φ₂₁→Ψ₂₁

ω₂₂:Φ₂₂→Ψ₂₁

ω₂₃:Φ₂₃→Ψ₂₂

所述的任务适应层，任务适应层的特征基元集为：

Q₃＝{q₁,q₂,q₃} (30)

其中：

q₁＝{|e_n|≥e₁}

q₂＝{|e_n|≥e₄}

q₃＝{|ec_n|≥ec₁}

可得任务适应层的特征模型：

Φ₃＝{Φ₃₁,Φ₃₂,Φ₃₃} (31)

其中：

Φ₃₁＝{q₂}

任务适应层的决策模态集为：

Ψ₃＝{Ψ₃₁,Ψ₃₂} (32)

其中：

Ψ₃₁＝{NULL}

Ψ₃₂＝{ω_p＝ω_p1,ω_d＝ω_d1,k＝k₁}

任务适应层的推理规则集为：

Ω₃＝{ω₃₁,ω₃₂,ω₃₃} (33)

其中：

ω₃₁:Φ₃₁→Ψ₃₁

ω₃₂:Φ₃₂→Ψ₃₁

ω₃₃:Φ₃₃→Ψ₃₂。

2.根据权利要1所述的一种无人机仿人协同飞行控制器的实现方法，其特征在于包括如下步骤：

步骤1、确定双机协同飞行的数学模型

以两架四旋翼无人机作为对象，分别扮演长机(L)与僚机(F)的“角色”，双机在水平面上组成飞行编队并采用固连于僚机的旋转参考系，根据科里奥利力公式：

从而可得：

ψ_E＝ψ_L-ψ_F (2)

由于可将式(1)简化为：

将长机线速度转化为参考坐标系下的分速度：

根据式(1)，式(3)，式(4)，式(5)可得：

将式(7)分解为：

为保证飞行编队的稳定性，每架四旋翼无人机均采用自动驾驶仪并建立相应模型：

根据上式(10-15)整理可得无人机编队数学模型：

步骤2、设计协同飞行控制器：

所述的控制器包括直接控制层、参数校正层、任务适应层；并通过阈值矫正将控制器划分为①②③④⑤⑥⑦七个区域；

步骤3、控制器参数优化；

3-1.阈值校正；

3-2.控制器参数校正。

3.根据权利要2所述的一种无人机仿人协同飞行控制器的实现方法，其特征在于步骤3-1具体实现如下：

将控制器的结构做了简化，区域①的主要作用是快速减小偏差，区域②的主要作用是在偏差和偏差变化率较小且在可接受范围内保持现有的飞行状态，区域③④⑤⑥⑦的主要作用是根据偏差和偏差变化率采用比例微分控制；

阈值校正的具体步骤：

(1)首先将特征模型内所有阈值进行初始化，得到阈值为零的初始状态，此时模型中只存在一种特征状态①，之后运行双机协同控制器并记录下双机之间产生的最大偏差AbsMaxE；

(2)根据以往经验，对偏差边界e₃、e₄进行设定e₄＝e₃＝ke₄·AbsMaxE，其中0＜ke₁＜1；此时控制器特征模型中存在两种特征状态①⑦，运行双机协同控制器，当特征轨迹从2、4象限运行至1、3象限时，此时需要进行一次情况分析判断：如果偏差方向发生改变，则说明阈值e₄设定过小，从而导致区域⑦没有足够的时间对偏差变化率进行抑制，需要增大e₄；如果偏差变化率方向发生改变且偏差绝对值较大，则需要减小e₄；

(3)完成偏差边界e₄的校正后，运行双机协同控制器，判断控制器运行过程中偏差是否在2、4象限内达到(2)中设定偏差e₄；当偏差达到e₄时，记录下此时偏差变化率的绝对值，将其设定为ec₄并且令e₃＝ke₃·e₄，0＜ke₃＜1；此时在控制器特征模型中存在四种特征状态①③⑤⑦；运行控制器根据步骤(2)中描述的方法对偏差e₃进行校正；

(4)完成偏差的校正后，设定ec₃＝kde₃·ec₄，其中0＜kde₃＜1，运行协同控制器；当特征轨迹的偏差变化率达到ec₃时，记录下此时的偏差绝对值并将其设为e₂，控制器特征模型中共有①③④⑤⑥⑦六种特征状态；

(5)令e₁＝ke₂·e₂、ec₂＝kde₃·ec₃、ec₁＝kde₂·ec₂，其中0＜ke₂＜1、0＜kde₂＜1、0＜kde₃＜1；偏差和偏差变化率边界设定完成后，最终得到完整的特征模型。

4.根据权利要3所述的一种无人机仿人协同飞行控制器的实现方法，其特征在于步骤3-2所述的控制器参数校正，具体实现如下：

根据特征轨迹的走向进行分析，特征轨迹在特征模型中经过了几种不同的特征区域，其中特征状态③④⑦的比例微分系数需要进行调节校正；将特征轨迹分成3个阶段，分别为起始段、中间段、稳定段，其中起始段为特征轨迹离开起始象限并进入其他象限之前的轨迹部分，中间段为特征轨迹离开起始象限直至进入特征状态②之前的轨迹部分，稳定段为特征轨迹进入特征状态②后的部分；

现对各个分段所在特征区域进行分析：

(1)起始段

根据特征模型可知，系统特征轨迹的起始象限为1、3象限，此时特征状态有①⑦；当特征轨迹起始段处于特征状态⑦的时间较短甚至可以忽略不计时，则在此阶段不需要对控制器的参数进行调节；但当起始段在特征状态⑦中所处时间过长时，便需要对控制器比例微分参数进行调节；

AbsMaxE₁/AbsMaxE＜1+α (30)

需要对比例系数k_p、微分系数k_d进行不断的调节才能获得较好的特征轨迹，其中α为一个较小系数；

(2)中间段

当特征轨迹从起始段进入中间段后，特征轨迹首先会在特征状态①中运行一段时间，之后特征轨迹依次进入特征状态③④；

当特征轨迹处于特征状态①时，为了确保偏差迅速减小使得特征轨迹尽快进入特征状态③，只需采用bang-bang控制增加输出量快速减小双机偏差，不需要使用比例微分调节；

当特征轨迹进入特征状态③后首先会进入特征状态3-1，当特征状态3-1中的特征轨迹超过一半都处在-ec₄邻近区域，则不需要对控制器参数进行调节；但当超过一半轨迹不在-ec₄邻近区域时，此时需要对特征状态3-1中的比例系数kd_3-1做出增大调整，直到特征状态3-1中的大部分轨迹处在-ec₄邻近区域；

特征轨迹离开特征状态3-1后进入特征状态3-2后；如果在特征区域3-2中的超过一半特征轨迹处在-ec₃邻界区域内，不需要对控制器参数进行调整，否则表明比例系数kp_3-2过小，需要增加其值；

特征轨迹完全离开特征区域③后便进入特征区域④，由于特征区域④的偏差和偏差变化率较小，需要对比例、微分参数进行重新调节；

(3)稳定段

当特征轨迹进入特征状态②后，特征模型中的特征轨迹便处于稳定阶段，在该阶段控制器的偏差和偏差变化率都处在较小甚至可忽略不计的水平，此时不再需要比例微分的调节控制，只需保持当前状态即可。