CN111367316A - 带有执行器故障补偿的无人机编队自适应控制的方法 - Google Patents

Abstract

随着无人机，垂直起降，空中悬停等技术的发展，无人机技术已被应用于民事，军事以及商业等方面。无人机的姿态控制很大程度决定任务的完成可能性。高精度的无人机姿态控制需要集成大量执行器。执行器的故障会导致任务的失败。并且多无人机的协作可以较大程度增加任务的实现可能性，降低单个无人机的压力。因此，本专利研究了考虑执行器故障补偿的无人机编队自适应控制方法，并且对方法的合理性进行了证明。该方法考虑了复杂气候环境的多变性，执行器故障下编队的协同控制，以及利用最少的信息，避免每辆无人机对于整个编队拓扑结构的需求。

Description

带有执行器故障补偿的无人机编队自适应控制的方法

技术领域

本发明涉及无人机编队控制方法，特别是涉及了飞行的复杂气候环境的多变性的估计，执行器故障下编队的协同控制方法，以及利用最少的信息，避免每辆无人机对于整个编队拓扑结构的需求。

背景技术

随着无人机，垂直起降，空中悬停等技术的发展，无人机被广泛应用于救灾救援，数据测量，军事侦察，快递配送等多个领域。为民事，军事以及商业等方面带来了较大的变化以及便利。无人机的发展被各国高度重视。无人机对于任务的执行很大程度受制于姿态控制的精度。高精度的无人机姿态控制，对完成精确定向，跟踪等起着决定性作用。因此，无人机配有大量集成执行器。任意执行器的故障都会导致任务的失败。并且，无人机在近地空间飞行时，无序的气流以及不可估计的特殊情形都影响无人机对于任务的完成度。不考虑执行器故障以及不可预测的天气气候影响的无人机控制方式，都很大程度上会造成任务的失败。并且，单个无人机的执行能力有限，多个无人机之间的相互协调可以加快任务的执行，并且可以降低单个无人机的压力，增加任务实现的可能性。但是，考虑执行器故障补偿的无人机编队自适应控制方法，尚未有成熟的研究。

发明内容

发明目的：为解决目前无人机编队控制中的以下五点不足。(1)现有无人机执行任务对气候环境要求较高，不能适应各种复杂情形；(2)无人机由于高度集成工作环境造成的执行器故障尚未考虑到无人机跟踪控制中；(3)多无人机协同处理任务尚未被考虑；(4)无人机空间三维度自适应控制尚未得到完善设计；(5)多无人机编队较少的网络拓扑结构信息下，无人机编队的协同方式研究存在欠缺。

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)定义具有故障的执行器模型；(2)定义第i辆无人机在三维空间中的状态方程；(3)每辆无人机的控制器设计；(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处理复杂的气候环境，使得无人机可以在任何气候下均可适应；(2)无人机执行器故障被考虑，由于高度集成环境造成的执行器失效情形下，无人机编队依然可以实现准确跟踪；(3)多无人机编队被考虑，且每辆无人机仅可知其前一辆无人机信息，无需知道整个网络的信息拓扑结构；(4)无人机在立体三维空间中的追踪控制被设计；(5)无人机编队不仅可以实现位置上的恒定间隔，速度也可以实现一致。

具体实施方式

本发明的步骤如下：

1)定义具有故障的执行器模型，形式如下：

其中，u_c，i∈R³表示第i辆无人机的控制信号。0≤p_i∈R³≤1表示第i辆无人机的失效因子。α_i∈R³表示第i辆无人机的偏离故障，T_i表示第i辆无人机的执行器发生故障的时间。若p_i＝1，且α_i＝0，则表示第i辆无人机无执行器故障。若p_i＝0，则表示第i辆无人机的执行器完全失效。

2)定义第i辆无人机在三维空间中的状态方程如下：

其中，

表示第i辆无人机在三维空间(x，y，z)中的位置。

表示第i辆无人机在三维空间(x，y，z)中的速度。

表示第i辆无人机在三维空间中的执行器。

表示第i辆无人机在三维空间中的阻力大小。在此，阻力f_i未知但有界，即||f_i||≤f_i，MAX∈R。

3)每辆无人机的控制器设计。本项目控制器设计目标为，所有无人机在位置上都可以跟踪上信号y_d∈R³，每辆无人机的位置间隔为g∈R³，且所有无人机的速度都为

为避免整个车队都要实时追踪参考信号y_d，本项目假设，第一辆无人机可直接获得参考信号，因此，其追踪信号为y_d，其余无人机i都以其第i-1辆无人机为目标进行跟踪，即追踪信号为y_d-(i-1)g。根据每辆无人机的追踪信号y_d，i，可定义两个跟踪误差面，即z_i，1＝x_i，1-y_d，i，

为实现控制目标，可设计虚拟控制量β_i＝-K_i，1Z_i，1，以及执行器控制量

用神经网络逼近未知函数

其中δ_i∈R³为逼近误差。

为最优逼近函数w_i的估计值，设计

的自适应控制率为

进一步定义，最优逼近函数的误差为

4)无人机编队稳定性证明

A、对第i辆无人机定义如下李雅普诺夫函数：

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＝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}，∈＝max(∈_i}，则

证明结束，整个无人机编队可以实现在位置上都可以跟踪上信号y_d∈R³，每辆无人机的位置间隔为g∈R³，且所有无人机的速度都为

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)

1.一种带有执行器故障补偿的无人机编队自适应控制的方法。该方法建立了执行器故障模型用于表明故障的发生缘由，其次用自适应神经网络拟合未知阻力以及故障，最后，针对无人机编队设计相应的李雅普诺夫函数以证明该方法的合理性。该方法仅要求后飞机可获得前飞机的位置，速度信息，并不需要每辆飞机知道整个飞机编队的拓扑网络，因此，执行能力强，具有足够的实现可能性。该方法的具体实现包括如下步骤：

(1)定义具有故障的执行器模型；

(2)定义第i辆无人机在三维空间中的状态方程；

(3)每辆无人机的控制器设计；

(4)无人机编队稳定性证明。

2.根据权力要求1所述的带有执行器故障补偿的无人机编队自适应控制的方法，其特征在于：所述步骤(1)包括如下步骤：

(1-1)定义具有故障的执行器模型，形式如下：

其中，u_c，i∈R³表示第i辆无人机的控制信号。0≤p_i∈R³≤1表示第i辆无人机的失效因子。α_i∈R³表示第i辆无人机的偏离故障，T_i表示第i辆无人机的执行器发生故障的时间。若p_i＝1，且α_i＝0，则表示第i辆无人机无执行器故障。若p_i＝0，则表示第i辆无人机的执行器完全失效。

3.根据权力要求1所述的带有执行器故障补偿的无人机编队自适应控制的方法，其特征在于：所述步骤(2)包括如下步骤：

(2-1)定义第i辆无人机在三维空间中的状态方程如下：

其中，

表示第i辆无人机在三维空间(x，y，z)中的位置。

表示第i辆无人机在三维空间(x，y，z)中的速度。

表示第i辆无人机在三维空间中的执行器。

表示第i辆无人机在三维空间中的阻力大小。在此，阻力f_i未知但有界，即||f_i||≤f_i，MAX∈R。

4.根据权力要求1所述的带有执行器故障补偿的无人机编队自适应控制的方法，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。

本项目控制器设计目标为，所有无人机在位置上都可以跟踪上信号y_d∈R³，每辆无人机的位置间隔为g∈R³，且所有无人机的速度都为

为避免整个车队都要实时追踪参考信号y_d，本项目假设，第一辆无人机可直接获得参考信号，因此，其追踪信号为y_d，其余无人机i都以其第i-1辆无人机为目标进行跟踪，即追踪信号为y_d-(i-1)g。根据每辆无人机的追踪信号y_d，i，可定义两个跟踪误差面，即z_i，1＝x_i，1-y_d，i，

为实现控制目标，可设计虚拟控制量β_i＝-K_i，1Z_i，1，以及执行器控制量

用神经网络逼近未知函数

其中δ_i∈R³为逼近误差。

为最优逼近函数w_i的估计值，设计

的自适应控制率为

进一步定义，最优逼近函数的误差为

5.根据权力要求1所述的带有执行器故障补偿的无人机编队自适应控制的方法，其特征在于：所述步骤(4)包括如下步骤：

(4-1)对第i辆无人机定义如下李雅普诺夫函数：

(4-2)对V_i求导：

(4-3)通过控制器设计以及状态函数可得：

(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}，∈＝max{∈_i}，则

证明结束，整个无人机编队可以实现在位置上都可以跟踪上信号y_d∈R³，每辆无人机的位置间隔为g∈R³，且所有无人机的速度都为