CN111240365A - 带有指定性能的无人机编队自适应执行器故障补偿方法 - Google Patents

Abstract

随着集成科技的发展，无人机可以以较小的体积执行复杂的任务，并且灵活度高。其可以实现物流配送，老人监管等职责，且其在近地区域飞行，因此，可以较大程度的缓解道路拥堵。无人机的将是缓解交通拥堵的一个有利武器。实现无人机任务执行的首要任务是，无人机的姿态控制。并且随着网联化的发展，多无人机之间的协同控制，得以实现。为降低单个无人机的任务执行压力，本项目提出了带有指定性能的无人机编队自适应执行器故障补偿方法。该方法的合理性被证明。该方法不仅考虑了无人机执行器故障后，编队的控制问题，并且无人机间相互碰撞以及损坏的问题也得以控制和解决。

Description

带有指定性能的无人机编队自适应执行器故障补偿方法

技术领域

本发明涉及无人机编队控制方法，特别是涉及了无人机执行器故障后，编队的控制问题，并且无人机间相互碰撞以及损坏的问题也得以控制和解决。

背景技术

随着集成科技的发展，无人机可以以较小的体积执行复杂的任务，并且灵活度高。近地区域由于其不影响道路使用，也不影响飞机等高空运行的飞行器。因此，以近地区域为主要运行空间的无人机可以得到较好的能力施展。在中国，北上广特大城市，由于人口密集度高，使得道路资源变得十分紧缺。无人机可以实现物流配送，老人监管等职责，且其在近地区域飞行，因此，可以较大程度的缓解道路拥堵。从而，无人机将是缓解交通拥堵的一个有利武器。而实现无人机的任务执行，首要任务为，无人机的姿态控制。并且随着网联化的发展，多无人机之间的协同控制，得以实现。多无人机的协同控制不仅可以降低单个无人机的性能要求，并且可以加快任务的执行。进一步，可以增加任务实现的可能性。然而，当无人机执行器出现故障后，由于其部分状态不能完全被控制，因此，完全不考虑执行器故障后，编队内无人机之间的相互干扰和碰撞有可能使得任务执行失败，甚至出现无人机间相互碰撞以及损坏。但是，带有指定性能的无人机编队自适应执行器故障补偿方法，尚未有成熟的研究，急需填补空缺。

发明内容

发明目的：为解决目前无人机编队控制中的以下四点不足。(1)现有无人机编队控制方案对整个编队网路信息拓扑结构有较强的要求与依赖；(2)无人机编队内执行器出现故障，编队内的相互碰撞和损失尚未考虑至控制器设计中；(3)无人机控制器设计严重依赖于环境信息；(4)无人机编队实现准确的位置以及速度双跟踪控制方式尚不成熟。

技术方案：为实现上述设计要求，本发明采用以下技术方案：(1)定义线性带有故障的执行器模型；(2)定义第i辆无人机状态方程；(3)定义第i辆无人机的控制器设计目标；(4)无人机编队稳定性证明。

有益效果：本发明具有以下有点：(1)神经网络函数被应用逼近未知干扰，以使控制器可以应用于多种场景；(2)执行器故障被考虑，且两个无人机之间的间隔被严格限制，从而避免碰撞；(3)无人机编队中，每辆无人机仅利用其前无人机的信息，而无须整个编队的拓扑结构；(4)无人机在立体三维空间中的位置以及速度追踪被同时考虑设计。

具体实施方式

本发明的步骤如下：

1)定义线性带有故障的执行器模型

在上式中，为体现无人机在立体三维空间中运行，u_c，i，p_i，α_i均属于R³。u_c，i，p_i，α_i分别表示无人机真实控制信号，失效因子以及偏离故障。并且0≤p_i≤1，T_i∈R表示执行器故障的发生时间。若p_i＝1，且α_i＝0，则第i辆无人机，不存在执行器故障，即性能完好。若p_i＝0，则表示无人机的执行器完全失效。因此，上述模型可以表示无人机执行器存在的所有情形。

2)定义第i辆无人机状态方程

其中，x_i，1∈R³，x_i，2∈R³，u_i∈R³分别表示第i辆无人机在(x，y，z)中的坐标，速度以及执行器。f_i∈R³表示第i辆无人机所受的阻力大小。为了避免所设计的执行器强依赖于环境，因此，假设，阻力f_i未知。由于阻力都可以被表示甚至测量，因此，假设其有界，即||f_i||≤f_i，MAX∈R。

3)定义第i辆无人机的控制器设计目标

本项目的目标为，为每辆无人机设计控制器，使得所有无人机都可以实现位置信号y_d∈R³的跟踪，位置间隔为g∈R³，且编队内无人机的速度相同，为

为避免多无人机通讯造成的通讯拓扑的依赖，本项目假设，仅第一辆无人机可以获取最终的跟踪信号y_d，其余无人机均只可获得其前无人机的信号，为了实现等间隔跟踪，第i辆无人机的跟踪信号为y_d-(i-1)g。根据每辆无人机的状态信息以及参考信号，两个跟踪误差被定义，即z_i，1＝x_i，1-y_d，i，

为实现控制要求，且避免执行器故障时，无人机的碰撞，位置受限的约束函数

被设计。为避免碰撞，位置误差应维持在如下范围内：如果，z_i，1≥0，则-τρ_i＜z_i，1＜ρ_i；如果，z_i，1＜0，则ρ_i＜z_i，1＜τρ_i。其中，0＜τ≤1为调节位置约束的参数。ρ_i0，ρ_i∞，θ_i分别表示位置误差的初始范围、最终范围以及衰减速率。为处理状态误差受限情形，辅助变量

被引入。其中，

并且，如果z_i，1≥0，则

如果z_i，1＜0，则

基于辅助信号设计可知，0＜σ_i＜1。

为实现编队控制，虚拟控制量β_i可以被设计为

执行器控制量

用未知函数

采用神经网络函数

进行逼近，δ_i∈R³为神经网络函数的最优逼近误差。

为最优逼近函数w_i的估计值，

的自适应控制率被设计为

神经网络函数的逼近的误差为

4)无人机编队稳定性证明

A、对第i辆无人机设计如下障碍李雅普诺夫函数：

其中，

B、对V_i求导：

C、通过控制器设计以及状态函数，整理可得：

D、通过神经网络逼近未知函数

则

可转化为：

E、整理化简：

F、设计杨氏不等式：

G、整理化简

令ε_i＝max{λ_min(2K_i，1)，λ_min(2K_i，2-1)，b_iλ_min(γ_i)}，

因此，

定义ε＝max{ε_i}，∈＝max{∈_i}，则

即可得证，无人机编队可以跟踪上参考信号，且两个无人机之间的间隔被严格限制在

内，因此，可以有效的避免碰撞。并且所有无人进的速度相同。

以上所述仅是本发明的优选实施方式，不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

Claims (5)

1.一种带有指定性能的无人机编队自适应执行器故障补偿方法。该方法通过设计神经网络对未知环境进行感知，以使得控制器设计应用场景更加广泛；其次，执行器故障通过简单的线性模型被描述；最后，障碍李雅普诺夫函数被设计用于证明控制率设计的合理性，以使得个别无人机出现故障后，车队的无人机不会出现碰撞以减少损失。该方法的具体实现包括如下步骤：

(1)定义线性带有故障的执行器模型；

(2)定义第i辆无人机状态方程；

(3)定义第i辆无人机的控制器设计目标；

(4)无人机编队稳定性证明。

2.根据权利要求1所述的带有指定性能的无人机编队自适应执行器故障补偿方法，其特征在于：所述步骤(1)包括如下步骤：

(1-1)定义线性带有故障的执行器模型

在上式中，为体现无人机在立体三维空间中运行，u_c，i，p_i，α_i均属于R³。u_c，i，p_i，α_i分别表示无人机真实控制信号，失效因子以及偏离故障。并且0≤p_i≤1，T_i∈R表示执行器故障的发生时间。若p_i＝1，且α_i＝0，则第i辆无人机，不存在执行器故障，即性能完好。若p_i＝0，则表示无人机的执行器完全失效。因此，上述模型可以表示无人机执行器存在的所有情形。

3.根据权利要求1所述的带有指定性能的无人机编队自适应执行器故障补偿方法，其特征在于：所述步骤(2)包括如下步骤：

(2-1)定义第i辆无人机状态方程

其中，x_i，1∈R³，x_i，2∈R³，u_i∈R³分别表示第i辆无人机在(x，y，z)中的坐标，速度以及执行器。f_i∈R³表示第i辆无人机所受的阻力大小。为了避免所设计的执行器强依赖于环境，因此，假设，阻力f_i未知。由于阻力都可以被表示甚至测量，因此，假设其有界，即||f_i||≤f_i，MAX∈R。

4.根据权利要求1所述的带有指定性能的无人机编队自适应执行器故障补偿方法，其特征在于：所述步骤(3)包括如下步骤：

(3-1)每辆无人机的控制器设计。

为每辆无人机设计控制器，使得所有无人机都可以实现位置信号y_d∈R³的跟踪，位置间隔为g∈R³，且编队内无人机的速度相同，为

为避免多无人机通讯造成的通讯拓扑的依赖，本项目假设，仅第一辆无人机可以获取最终的跟踪信号y_d，其余无人机均只可获得其前无人机的信号，为了实现等间隔跟踪，第i辆无人机的跟踪信号为y_d-(i-1)g。根据每辆无人机的状态信息以及参考信号，两个跟踪误差被定义，即z_i，1＝x_i，1-y_d，i，

为实现控制要求，且避免执行器故障时，无人机的碰撞，位置受限的约束函数ρ_i

被设计。为避免碰撞，位置误差应维持在如下范围内：如果，z_i，1≥0，则-τρ_i＜z_i，1＜ρ_i；如果，z_i，1＜0，则ρ_i＜z_i，1＜τρ_i。其中，0＜τ≤1为调节位置约束的参数。ρ_i0，ρ_i∞，θ_i分别表示位置误差的初始范围、最终范围以及衰减速率。为处理状态误差受限情形，辅助变量

被引入。其中，

并且，如果z_i，1≥0，则

如果z_i，1＜0，则

基于辅助信号设计可知，0＜σ_i＜1。

为实现编队控制，虚拟控制量β_i可以被设计为

执行器控制量

用未知函数

采用神经网络函数

进行逼近，δ_i∈R³为神经网络函数的最优逼近误差。

为最优逼近函数w_i的估计值，

的自适应控制率被设计为

神经网络函数的逼近的误差为

5.根据权利要求1所述的带有指定性能的无人机编队自适应执行器故障补偿方法，其特征在于：所述步骤(4)包括如下步骤：

(4-1)对第i辆无人机设计如下障碍李雅普诺夫函数：

其中，

(4-2)对V_i求导：

(4-3)通过控制器设计以及状态函数，整理可得：

(4-4)通过神经网络逼近未知函数

则

可转化为：

(4-5)整理化简：

(4-6)设计杨氏不等式：

(4-7)整理化简

令ε_i＝min{λ_min(2K_i，1)，λ_min(2K_i，2-1)，b_iλ_min(γ_i)}，

因此，

定义ε＝min{ε_i}，ε＝max{ε_i}，则

即可得证，无人机编队可以跟踪上参考信号，且两个无人机之间的间隔被严格限制在

内，因此，可以有效的避免碰撞。并且所有无人进的速度相同。