CN111414007A - 多机编队队形控制描述、变换控制和目标跟踪方法 - Google Patents

多机编队队形控制描述、变换控制和目标跟踪方法 Download PDF

Info

Publication number
CN111414007A
CN111414007A CN202010266997.0A CN202010266997A CN111414007A CN 111414007 A CN111414007 A CN 111414007A CN 202010266997 A CN202010266997 A CN 202010266997A CN 111414007 A CN111414007 A CN 111414007A
Authority
CN
China
Prior art keywords
formation
uav
target
control
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
CN202010266997.0A
Other languages
English (en)
Other versions
CN111414007B (zh
Inventor
杨秀霞
方国伟
张毅
严瑄
杨士锋
高恒杰
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.)
Naval Aeronautical University
Original Assignee
Naval Aeronautical 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 Naval Aeronautical University filed Critical Naval Aeronautical University
Priority to CN202010266997.0A priority Critical patent/CN111414007B/zh
Publication of CN111414007A publication Critical patent/CN111414007A/zh
Application granted granted Critical
Publication of CN111414007B publication Critical patent/CN111414007B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10Simultaneous control of position or course in three dimensions
    • G05D1/101Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/104Simultaneous 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

本发明公开一种多机编队队形控制描述方法,以及以此为基础的队形变换控制和目标跟踪方法。其中队形控制描述方法,通过构造编队参数组,将编队队形控制问题转换为旋转、平移和缩放三种运动的参数组描述;相应的变换控制方法实现了动态编队队形的精准生成与变换;相应的目标跟踪方法针对不同速度的运动目标,将目标跟踪问题分为Standoff跟踪与Persistent跟踪,缩短无人机编队的运动路程。本发明的相关方法,极大地简化了问题分析的复杂度,实现了动态编队队形的精准生成与变换,具有较大的实际工程价值。

Description

多机编队队形控制描述、变换控制和目标跟踪方法
技术领域
本发明属于无人机编队协同控制领域,主要是涉及多无人机编队的队形控制描述方法,以及在队形控制描述方法基础上队形变化控制方法,还有以队形控制描述和变化控制方法为基础的目标跟踪方法。
背景技术
通过无人机(unmanned aerial vehicle,UAV)对目标进行跟踪是无人机的重要任务之一。然而由于UAV自身的机载传感器的限制和使用环境的复杂化,使得单架UAV的任务执行能力有限。因此,研究多UAV协同执行任务成为了当前的热门问题。对于多无人机协同执行任务,更多的学者将目光投向了通过编队控制的方法,实现对多无人机的协同控制。
当前对于编队控制的研究主要有文献“DEHGHANI M A,MENHAJ MB.Communication free leader–follower formation control of unmanned aircraftsystems[J].Robotics and Autonomous Systems,2016,80(1):69-75”中的领导者-跟随者法、文献“邵壮,祝小平,周洲.无人机编队机动飞行时的队形保持反馈控制[J].西北工业大学学报,2015,33(1):26-32.”中的虚拟结构法、文献“朱旭,闫茂德,张昌利等.基于改进人工势场的无人机编队防碰撞控制方法[J].哈尔滨工程大学学报,2017,38(6):961-8.”中的人工势场法、文献“邱华鑫,段海滨,范彦铭.基于鸽群行为机制的多无人机自主编队[J].控制理论与应用,2015,32(10):1298-304.”中的基于行为法,以及文献“XUE R,SONG J,CAIG.Distributed formation flight control of multi-UAV system with nonuniformtime-delays and jointly connected topologies[J].Proceedings of theInstitution of Mechanical Engineers,Part G:Journal of Aerospace Engineering,2016,230(10):1871-81.”中的一致性编队控制法等。无论采用何种编队控制思想,其根本目的都是使UAV编队能够生成并保持预期的编队队形进行飞行。然而在面对复杂的使用环境以及不同任务条件时,编队往往需要处于时变的状态,即动态编队状态,以应对在飞行环境发生变化时能够视情况改变队形。因此,如何提出一种满足要求的编队控制方法是保证UAV执行任务的关键。
当前关于如何确定特定的编队队形方法主要包括:基于绝对位置、相对位置、UAV间的距离以及UAV间的方位。但是,现有的四种确定编队形状的方法在旋转、平移和缩放这三种基本运动下,编队的队形并非是不变的。例如基于UAV间距离的编队队形控制方法,它在旋转运动与平移运动下编队队形是不变的,但是在缩放运动下并不是不变的。
综上所述,无人机多机编队协同控制的难点在于,如何实现动态编队飞行的控制,并使其具有更强的鲁棒性,以保证编队队形可精确变换。
发明内容
本发明的目的首先在于提供一种多机编队队形控制描述方法,其是保证编队队形可精确实现旋转、平移和缩放三种变换的基础;在此基础上,本发明的目的还在于提供一种多机编队队形变换控制方法,其通过队形控制描述方法中采用的编队参数组为基础,实现了动态编队队形的精准生成与变换;进一步地,本发明的目的还在于提供一种多机编队目标跟踪方法,其在采用前述队形控制描述和变换控制方法的基础上,实现了针对不同速度运动目标的跟踪。
本发明提出的一种多机编队队形控制描述方法,包括以下步骤:
步骤S1,确定编队中无人机的位置pi,i∈{1,2,…,N},N为无人机架数;
步骤S2,确定虚拟领导无人机UAVl的初始位置与运动轨迹,以及虚拟基准无人机UAVb的初始基准向量pb(t0)=(sin(θ(t0)),cos(θ(t0)))T,即确定θ(t0);所述UAVl不断向目标靠近,直至与目标重合;
步骤S3,构造编队参数组进行队形控制描述
编队参数组为(pl(t),pb(t),r1(t),R1(t),…,rN(t),RN(t)),其中pl为虚拟领导无人机UAVl的位置,pb为虚拟基准无人机UAVb的基准向量;缩放因子ri∈R,ri>0;旋转因子Ri∈SO(2);
队形的缩放运动通过ri进行控制描述,队形的旋转运动通过Ri进行控制描述,队形的平移运动通过pl进行控制描述。
优选的,在描述编队将各无人机逆时针旋转相应角度进行相位调整时,旋转因子具体取
Figure RE-GDA0002485094740000021
θi为UAVi的预期的相对相位角度。也可将各无人机顺时针旋转相应角度进行相位调整,并得到其对应的Ri
本发明还提出了一种多机编队队形变换控制方法,其在前述队形控制描述方法的基础上实现了精准的队形变换控制:
第i架UAVi的控制律ui为:
Figure RE-GDA0002485094740000031
其中,
Figure RE-GDA0002485094740000032
φpi=Ciξpi
Figure RE-GDA0002485094740000033
Ni={j∈V,(i,j)∈ε}表示UAVi的邻居集合; k1,k2>0是控制系数;Ci为编队因子Ci(t)=ri(t)Ri(t)的简写;ζpi、ζvi、χli、ξpi、ξvi、χbi分别是UAVi关于pl、vl、ul、pb、vb、ub的估计值,vl和ul分别为UAVl的速度与控制输入, vb和ub分别为基准变化量和预定参数;Aij=aijOij,Oij∈SO(2);有向图G=(V,ε)为编队中各UAV间的通信拓扑关系,V为顶点的集合,ε为边的集合,aij代表边(i,j)的权值,即UAVi接收来自UAVj信息的能力,
Figure RE-GDA0002485094740000034
Figure RE-GDA0002485094740000035
表示UAVi接收来自UAVl和UAVb信息的能力,当能够接收信息时,取
Figure RE-GDA0002485094740000036
否则取
Figure RE-GDA0002485094740000037
优选的,实现动态编队控制时需满足:
Figure RE-GDA0002485094740000038
Figure RE-GDA0002485094740000039
其中,λmax为A+AT的最大的特征值,A=(Aij)∈RnN×nN
Figure RE-GDA00024850947400000310
为Ml的特征值,Ml=L′+Υl,L′=D′-W,
Figure RE-GDA00024850947400000311
W=[wij]∈RN×N,wij=sgn(aij)。
优选的,选定倍数系数κ,k1增加为κ倍,k2增加为κ2倍,κ>1。通过倍数系数κ,可提高编队队形生成和控制的收敛速度。
优选的,估计值ζpi、ζvi、χli、ξpi、ξvi、χbi的状态更新律分别为:
Figure RE-GDA00024850947400000312
Figure RE-GDA00024850947400000313
Figure RE-GDA00024850947400000314
Figure RE-GDA0002485094740000041
Figure RE-GDA0002485094740000042
Figure RE-GDA0002485094740000043
其中:wij=sgn(aij);
Figure RE-GDA0002485094740000044
Figure RE-GDA0002485094740000045
χl0与χb0分别表示UAVl与UAVb对ul与ub的估计,且χl0=ul,χb0=ub
Figure RE-GDA0002485094740000046
k∈{l,b}表示UAVi信息接收能力系数;k3,k4,k5,k6>0,0<αm<1, m=1,2,3,4。上述更新律是编队中各无人机对引入的两架虚拟无人机的状态估计的更新律,将虚拟无人机的状态由直接给定至每架无人机转换为各无人机自己估计,更加贴近实际工程背景。
为了实现针对不同速度运动目标的跟踪,本发明还基于前述队形控制描述和变换控制方法,提出了一种多机编队目标跟踪方法。
在目标跟踪过程中,虚拟领导无人机UAVl的运动方向为
Figure RE-GDA0002485094740000047
其中 pt(t+Δt)为t+Δt时刻目标的估计位置,Δt为传感器采样时间间隔,pl(t)为t时刻UAVl的位置。除此之外,虚拟领导无人机UAVl也可采用其他现有方法不断向目标靠近,直至与目标重合。
如果通过固定翼无人机对目标进行Standoff跟踪,当vt<vmin时,取缩放因子 ri(t)=rs/||pb||,且UAVi的旋转角速度
Figure RE-GDA0002485094740000048
其中vt为目标速度,vmin为UAV的最小安全飞行速度,rs为UAVi与目标间的距离。
优选的,当vt<vmin时,旋转因子Ri为时变的,时变的旋转因子Ri(t)为:
Figure RE-GDA0002485094740000049
其中,θi(t)=ωi(t-t0)+θ0i,θ0i为盘旋飞行前的角度,t0为盘旋运动的时刻。
优选的,当vmin≤vt≤vmax时,取缩放因子0<ri(t)≤rc/||pb||,其中rc为UAV间的有效通信距离,并取Ri(t)不变,对目标进行Persistent跟踪。
本发明提出的一种多机编队队形控制描述方法,通过构造编队参数组,将编队队形形成与控制问题转换为旋转、平移和缩放三种运动的参数组设计问题,通过对参数组的控制,实现了对于动态编队的生成与控制,简化了对问题的分析难度。本发明提出的一种多机编队队形变换控制方法,在前述队形控制描述方法的基础上,给出了编队的控制律,实现了动态编队队形的精准生成与变换;并将虚拟无人机的状态由直接给定至每架无人机转换为各无人机自己估计,更贴近实际工程背景。本发明提出的一种多机编队目标跟踪方法,是将编队队形控制描述方法和队形变换控制方法应用到目标跟踪问题上,针对不同速度的运动目标,将目标跟踪问题分为Standoff跟踪与Persistent跟踪,该目标跟踪方法成功克服了多无人机协同目标跟踪带来的协同时间长和跟踪目标速度受限的问题,并改善了无人机编队对目标的相位协同性问题,缩短无人机编队的运动路程,更具有实际意义。需要说明的是本发明所提出的编队队形变换控制方法不仅可以用于目标跟踪,同时也可以用于编队避障与队形重构等问题上,拓展研究价值大。总而言之,本发明的相关方法,极大地简化了问题分析的复杂度,实现了动态编队队形的精准生成与变换,具有较大的实际工程价值。
附图说明
图1为多机编队队形控制描述、变换控制和目标跟踪方法流程图;
图2为编队通信拓扑示意图;
图3为编队控制示意图;
图4为UAVl模拟目标运动示意图;
图5为ri变化时UAV编队运动轨迹图;
图6为ri变化时UAV编队误差曲线;
图7为vt<vmin时UAV编队目标跟踪轨迹图;
图8为vt<vmin时UAV编队误差曲线;
图9为vt≥vmin时UAV编队目标跟踪轨迹图;
图10为vt≥vmin时UAV编队误差曲线;
图11为不同k1、k2情况下编队目标跟踪轨迹图;
图12为不同k1、k2情况下UAV编队误差曲线;
图13为本发明仿真UAV编队飞行轨迹图;
图14为本发明仿真UAV编队误差曲线;
图15为对比方法仿真UAV编队飞行轨迹图;
图16为对比方法仿真UAV距离误差图;
图17为对比方法仿真待修正相角误差图。
具体实施方式
下面结合附图1至附图17,介绍本发明的具体实施方式。
如图1所示,本发明的多机编队队形控制描述、变换控制和目标跟踪方法具体包括编队队形控制描述、队形变换控制和目标跟踪。其中,编队队形控制描述方法包括3个步骤:确定编队中无人机位置,引入虚拟领导无人机和基准无人机,构造跟踪参数组进行队形控制描述。而队形变换控制方法是编队队形控制描述方法的基础上,进一步确定各无人机的控制律进行编队队形的变换控制。而多机编队目标跟踪方法则是进一步在控制队形控制描述方法的基础上,针对不同速度的运动目标实现分类跟踪。
本发明研究的是二维平面上多UAV编队问题,考虑多UAV二维质点运动模型为:
Figure RE-GDA0002485094740000061
其中:Θ={1,2,…,N},(xi,yi)、vi、ψi、ui分别为UAVi的位置、速度、航向角以及控制输入。同时,以pt=(xt,yt)T、vt分别表示地面目标的位置、速度。
为便于分析,将模型(1)简化表述为
Figure RE-GDA0002485094740000062
其中,无人机的位置pi=(xi,yi)T;ui(t)=(uix,uiy)T
定义有向图G=(V,ε),其中V为顶点的集合,ε为边的集合。若有向图的边(i,j)∈ε,则表示i能够传输信息至j,且称i是j的邻居,两者是邻接的。i的邻居集合可表示为Ni={j:(i,j)∈ε,j∈V,i≠j}。定义邻接矩阵A′=[aij]∈RN×N,其中aij代表边(i,j)的权值,且
Figure RE-GDA0002485094740000071
在有向图G中,分别定义顶点i的权值入度为:
Figure RE-GDA0002485094740000072
定义有向图G的Laplacian矩阵L∈RN×N
L=[lij]=D-A′ (5)
其中D=diag{d1,d2,…,dN}∈RN×N为权值入度矩阵。
考虑到本发明所建立的UAV模型中,UAV的状态是二维的,进一步定义邻接矩阵 A=(Aij)∈RnN×nN,其中Aij=aijOij;Oij∈SO(2);SO(2)表示单位正交矩阵,定义为 {Q∈Rn×n:det(Q)=1}。进一步定义Laplacian矩阵为
Figure RE-GDA0002485094740000073
其中
Figure RE-GDA0002485094740000074
本发明引入了两架虚拟UAV,作为UAV编队的参考量与基准量,并分别记作UAVl、UAVb;UAVl不断向目标靠近,直至与目标重合。
定义UAVl的动态模型为:
Figure RE-GDA0002485094740000075
其中:pl=(xl,yl)T表示UAVl的位置;vl和ul分别为UAVl的速度与控制输入。
定义UAVb的动态模型为:
Figure RE-GDA0002485094740000076
需要说明的是,与UAVl不同,此处UAVb为编队的基准量,非实际意义的UAV,ub为预定参数,pb和vb受ub的控制,pb和vb在此处分别代表基准向量和基准变化向量,而不作为UAVb的位置与速度量。
设UAVl和UAVb均至少存在一条到达所有UAVi的有向信息流,且各UAV之间关于UAVl和UAVb的信息传递是相同的。为了便于后续引用,称为假设1。
如图2所示的UAV编队的通信拓扑示意图,对于UAVl和UAVb均存在至少一条的有向信息流到达每架UAVi
本发明放弃了采用以各UAV相对位置或相对方位的方法对编队队形进行描述的方法,提出一种基于平移、缩放和旋转三种基本运动的编队队形控制描述方法。
为使得UAV编队队形可以被独一无二的描述和表示,构造编队参数组为:
(pl(t),pb(t),r1(t),R1(t),…,rN(t),RN(t)) (8)
其中:UAVi的平移运动由pl进行控制描述;缩放运动由缩放因子ri进行控制描述,且 ri∈R,ri>0;旋转运动由旋转因子Ri进行控制描述,且Ri∈SO(2)。在三种运动中,UAV编队队形主要取决于ri与Ri控制,而编队移动主要取决于pl控制。为了简化表达,设编队因子为:
Ci(t)=ri(t)Ri(t),i∈Θ (9)
此时,编队参数组(8)可变换为:
(pl(t),pb(t),C1(t),…,CN(t)) (10)
以下给出基于三种运动的UAV编队控制问题的具体定义,对于任意的初始状态,若满足:
Figure RE-GDA0002485094740000081
则称通过编队参数组(10)实现了对UAV编队队形的控制。
本发明考虑的缩放运动是UAVi以pb为基准,通过缩放因子ri进行控制,而旋转运动是指 UAVi以pb为轴,旋转一定的角度,这也是将UAVb作为编队基准的原因。除此之外,上述定义描述的是刚性编队,注意到UAV编队的运动趋势是取决于pl,可将UAVl视作编队的虚拟长机。
为了更清晰的阐明上述定义中所表述的控制意义,利用图3所示的编队控制示意图进行具体说明。
设编队的UAV数量N=4,采用图2所示的编队间的通信拓扑关系。考虑pl是时变的,pb=(sin(θ(t)),cos(θ(t)))T,θ(t)∈[0,2π],ri=1,
Figure RE-GDA0002485094740000091
i∈Θ。显然 Ri∈SO(2)是满足条件的。此处设θ(t)=0,即pb=[0,1]T,可以发现,当pb确定后,编队中所有UAV将会沿着pb逆时针旋转角度θi,到达各自的位置,说明了UAV编队的队形可由编队参数组(10)控制形成。需要进一步说明的是,此处仅举例说明,pb可以是时变的。
从这个例子中可以发现,即使pl是时变的,但pl并未对UAV编队的队形变化产生任何影响,而仅作为整个UAV编队的中心位置,控制编队运动轨迹。同时,更改pb的值,对于编队队形的形状也不会产生影响,仅会导致编队相对于空间的位置发生变化。因此,UAVl与UAVb并不会对UAV编队队形产生影响。
如若考虑动态编队队形,则需控制Ri与ri为时变的,即控制θi与ri为时变的,ri的变化将使得UAVi与UAVl间的相对距离发生变化,即使得编队队形大小发生变化,也可通过上述方法完成队形控制描述。
下面进一步说明在前述队形控制描述方法的基础上进行队形变换控制的方法。
定义
Figure RE-GDA0002485094740000092
用以刻画UAVi对来自UAVl与UAVb信息的接收能力,其中
Figure RE-GDA0002485094740000093
k∈{l,b},
Figure RE-GDA0002485094740000094
表示UAVi能够接收来自UAVl或UAVb的信息,反之若
Figure RE-GDA0002485094740000095
则表示无法接收信息。
为了令编队能够在有限时间内实现编队队形,以下给出一种基于图Laplacian方法的编队控制律。
考虑到编队控制主要取决于编队中各UAV位置pi和速度vi,为此分别设计速度与位置控制律:
Figure RE-GDA0002485094740000096
Figure RE-GDA0002485094740000097
则UAV编队控制律为:
Figure RE-GDA0002485094740000098
其中:
Figure RE-GDA0002485094740000101
φpi=Ciξpi
Figure RE-GDA0002485094740000102
Ni={j∈V,(i,j)∈ε}表示UAVi的邻居集合; k1,k2>0是控制系数;ζpi、ζvi、χli、ξpi、ξvi、χbi分别是UAVi关于pl、vl、ul、pb、vb、 ub的估计值。此处在假设UAVl与UAVb均明确自身信息的前提下,以下给出估计值的状态更新律:
Figure RE-GDA0002485094740000103
Figure RE-GDA0002485094740000104
Figure RE-GDA0002485094740000105
Figure RE-GDA0002485094740000106
Figure RE-GDA0002485094740000107
Figure RE-GDA0002485094740000108
其中:wij=sgn(aij);
Figure RE-GDA0002485094740000109
Figure RE-GDA00024850947400001010
χl0与χb0分别表示UAVl与UAVb对ul与ub的估计,且认为χl0=ul,χb0=ub
Figure RE-GDA00024850947400001011
k∈{l,b}表示UAVi信息接收能力系数。
Figure RE-GDA00024850947400001012
其中:Ml=L′+Υl;Μb=L′+Υb;L′=D′-W;
Figure RE-GDA00024850947400001013
W=[wij]∈RN×N
Figure RE-GDA00024850947400001014
Figure RE-GDA00024850947400001015
结合(20)与(21),可得状态更新律(16)至(20)的新表达形式:
Figure RE-GDA0002485094740000111
Figure RE-GDA0002485094740000112
Figure RE-GDA0002485094740000113
Figure RE-GDA0002485094740000114
Figure RE-GDA0002485094740000115
其中:sigα(z)=|z|αsgn(z);
Figure RE-GDA0002485094740000116
根据文献“MENG Z,LIN Z,REN W.Robust cooperative tracking for multiplenon-identical second-order nonlinear systems[J].Automatica,2013,49(8):2363-72.”可知:在假设1成立的前提下,满足:(1)Mk,k∈{l,b}是非奇异的;(2)Mk的所有特征根均有正实部;(3)M-1存在且为非负的;(4)存在正对角矩阵Q={q1,q2,…,qN},使得QMk+(QMk)T是正定的且为严格对角的。为了便于后续引用,称为引理1。
而根据文献“ZAHREDDINE Z,ELSHEHAWEY E.On the stability of a systemofdifferential equations with complex coefficients[J].Indian J Pure Appl Math,1988,19(10):963-72.”可知:考虑二次多项式
f(λ)=λ2+a1λ+a2 (27)
其中a1与a2均为复数,则要使f(λ)=0的所有特征根均具有负实部,当且仅当满足:
Figure RE-GDA0002485094740000117
其中
Figure RE-GDA0002485094740000118
为a2的共轭复数。为了便于后续引用,称为引理2。
因此,对于任意的
k3,k4,k5,k6>0,0<αm<1 m=1,2,3,4 (29)
存在T0>0,使得对于t>T0时,el=0,ep=0,ev=0,eb=0成立,即
Figure RE-GDA0002485094740000119
Figure RE-GDA00024850947400001110
成立。为了便于后续引用,称为定理1。
下面对定理1进行证明。
对于(23),选取Lyapunov函数
Figure RE-GDA00024850947400001111
对V1求导可得:
Figure RE-GDA0002485094740000121
对于任意的k3>0,当el≠0时,
Figure RE-GDA0002485094740000122
恒成立。因此,(23)是全局渐近稳定的。
显然,存在正实数T1>0,使得t>T1时,el=0。
同理,对于(24)、(25)和(26),分别选取Lyapunov函数
Figure RE-GDA0002485094740000123
可证明得(24)、(25)和(26)均是全局稳定的;且存在T2>0,T3>0,T4>0,使得t>T2时,ep=0; t>T3时,ev=0;t>T4时,eb=0。
取T0=max{T1,T2,T3,T4},即存在T0>0,对于t>T0,el=ep=ev=eb=0。
由引理1可知,M-1是存在的,因此
Figure RE-GDA0002485094740000124
且其均为有界的。定理1证明完毕。
将控制律(14)代入编队模型(2)中,可得
Figure RE-GDA0002485094740000125
其中:
Figure RE-GDA0002485094740000126
C=diag{C1,…,CN}。
基于假设1和定理1,若满足(33)和(34),则在控制律(14)的作用下,UAV编队(2)可通过确定参数组(10)和选择
Figure RE-GDA0002485094740000127
与Aij实现动态编队控制。
Figure RE-GDA0002485094740000128
Figure RE-GDA0002485094740000129
其中:λmax为A+AT的最大的特征值;
Figure RE-GDA00024850947400001210
为Ml的特征值。
下面证明一下控制律(14)在满足条件(33)和(34)的情况下,可以精准地实现动态编队的队形变换控制。
首先证明(22)的稳定性。由定理1可知,
Figure RE-GDA00024850947400001211
在[0,T0]是有界的,且当t≥T0时,
Figure RE-GDA00024850947400001212
易知
Figure RE-GDA0002485094740000131
在[0,T0]也是有界的。因此以下仅考虑t≥T0的情况。当t≥T0时,(22)可简化为:
Figure RE-GDA0002485094740000132
Al的特征多项式为:
Figure RE-GDA0002485094740000133
由引理1可知
Figure RE-GDA0002485094740000134
又由引理2可推得,当且仅当(33)成立时,多项式(36)的所有根均具有负实部,即当t≥T0时,
Figure RE-GDA0002485094740000135
然后再证明(32)的稳定性。由定理1可知,
Figure RE-GDA0002485094740000136
在[0,T0]是有界的,且当t≥T0时,
Figure RE-GDA0002485094740000137
易知φ在[0,T0]也是有界的。因此以下仅考虑t≥T0的情况。当t≥T0时,(32)变化为:
Figure RE-GDA0002485094740000138
由于A为时变的,因此(37)为线性时变系统。由文献“RUGH W J,RUGH W J.Linearsystem theory[M].prentice hall Upper Saddle River,NJ,1996.”中定理8.2可知,当t≥T0时,
Figure RE-GDA0002485094740000139
由于λmax(t)在[0,T0]必是有界的,则当满足(34)时,
Figure RE-GDA00024850947400001310
综上所述,控制律(14)可精准实现动态编队队形的控制。
值得注意的是k1、k2数值大小的选择,不仅与系统稳定性息息相关(满足(33)的要求),而且与无人机编队的收敛速度也密切相关。
为了满足(33)中
Figure RE-GDA00024850947400001311
的不变性,可选定倍数系数κ,分别对k1、k2增加κ倍与κ2倍(κ>1)。这样不仅可保证
Figure RE-GDA00024850947400001312
的比值不会变化,而且可以提高编队队形生成和控制的收敛速度。需要注意的是,如果选择过大的k1、k2,将会导致无人机生成过大的速度。
下面进一步说明在前述队形控制描述和队形变换控制方法的基础上进行目标跟踪的方法。
当前按照UAV跟踪目标时的运动方式,主要将跟踪方式分为Standoff跟踪与Persistent 跟踪,其中Standoff跟踪是在目标周围保持定距盘旋跟踪的一种方式,而Persistent跟踪则是使被跟踪对象持续保持在传感器的有效观测范围内的一种方式。在本发明中二者的主要区别在于是否存在盘旋运动。
通过前述分析可以得知,通过引入两架虚拟无人机UAVl与UAVb的概念,对编队控制设立了参考量与基准量,实现了对编队队形控制。UAVl作为整个编队的领导者,决定了整个编队的运动趋势,UAVb作为整个编队队形控制的基准者。
基于前述的队形变换控制方法,本发明还提出了一种编队目标跟踪方法,它以UAVl模拟追踪目标运动的方法,同时保留编队基准UAVb,最终形成以目标为中心的编队跟踪方法,从而将UAV编队目标跟踪问题转换为以目标为中心的UAV编队队形变换控制问题。
UAVl模拟追踪目标运动示意图如图4所示,为了更好说明问题,此处以目标匀速直线运动为例进行描述,UAVl以运动方向为
Figure RE-GDA0002485094740000141
不断逼近目标,在时刻4追踪上目标,之后保持与目标同步运动。
以目标为中心的编队队形变换控制方法不仅满足了UAV对目标的持续跟踪,而且能够通过对编队因子Ci(t)进行设计,实现UAV编队目标跟踪的相位协同问题。编队因子Ci(t)控制了整个编队队形,其中旋转因子Ri(t)控制了UAVi相对UAVb的旋转角度,即控制了编队整体的旋转角度,缩放因子ri(t)控制了UAVi相对UAVl的距离,即控制了编队的规模。
当采用固定翼无人机编队对目标进行跟踪时,由于固定翼UAV不同于旋翼UAV,其在飞行速度以及转弯半径上具有明确的约束,参见(38),因此就必须要考虑到UAV编队目标跟踪期间的飞行情况。
Figure RE-GDA0002485094740000142
其中:vmin、vmax、rmin分别代表固定翼UAV飞行速度的上下约束范围以及最小飞行转弯半径。
为了实现UAV编队对目标的持续跟踪,在考虑UAV与目标飞行速度vt关系的前提下,以下主要从UAV飞行速度约束层面分两种情况对UAV编队目标跟踪为进行了研究。
1.在vt<vmin情况下的目标跟踪
为避免失速坠毁,UAV飞行速度不得小于最小飞行速度vmin。然而当目标运动速度vt小于vmin时,此时若只考虑以时不变的UAV编队队形对目标实施跟踪,则UAV只能通过降低飞行速度vi保持跟踪,但这将可能导致UAV的失速坠毁。
针对这种情况,结合Standoff跟踪与编队控制方法,提出一种基于编队因子Ci的UAV编队Standoff跟踪方法。
考虑Standoff跟踪要求UAV与目标间保持一定的距离rs,并需在目标周围做持续盘旋运动,将这个问题转换为UAV编队队形控制问题(11)上,即对编队因子Ci(t)进行讨论,根据式 (9)以下分别对缩放因子ri(t)与旋转因子Ri(t)进行讨论。
对于ri(t)而言,它的大小决定了编队队形的大小,在编队队形变换控制中,ri(t)控制了 UAVi与UAVl的距离,而在此处ri(t)的大小决定了UAVi与目标间的距离rs的大小,考虑到rs是个定值,因此,此处仅考虑ri(t)为一个常值,即
ri(t)=rs/||pb|| (39)
由于vt<vmin,因此UAV需要在目标周围进行盘旋运动以保证UAV在不失速的前提下能够对目标进行持续跟踪。而对于Ri(t)而言,它控制了UAVi相对UAVb的旋转角度,而在Standoff跟踪问题上,UAV需要围绕着目标进行盘旋飞行,因此必须考虑Ri(t)为时变的,即θi(t)为时变的,此处令
Figure RE-GDA0002485094740000151
其中:Θ={1,2,…,N},θi(t)=ωi(t-t0)+θ0i;ωi为UAVi的旋转角速度;θ0i为盘旋飞行前的角度,t0表示盘旋运动的时刻。由于UAVi在目标周围保持匀速的圆周盘旋运动,因此这里考虑ωi为常值,使得θi(t)随时间线性变化,从而控制UAVi的盘旋运动是匀速的。
在UAV对目标进行Standoff跟踪期间,UAV主要包含对目标的盘旋运动与对目标的跟踪两个方面,因而考虑UAVi的速度为
Figure RE-GDA0002485094740000161
为了保证vi≥vmin,则旋转角速度需满足
Figure RE-GDA0002485094740000162
在编队参数组(10)的作用下,UAV编队可实现对目标的Standoff跟踪。
2.在vmin≤vt≤vmax情况下的目标跟踪
当vmin≤vt≤vmax时,UAV对目标进行跟踪期间无需降低飞行速度,且vt在UAV速度约束范围内,此时设定UAV对目标跟踪期间仅保持编队飞行,不再进行盘旋运动,即此时仅需考虑UAV编队Persistent跟踪即可。
以下基于式(9)对编队因子Ci进行讨论。在vt≥vmin的情况下,对于缩放因子ri(t)而言,它仅需满足:
0<ri(t)≤rc/||pb|| (43)
其中rc为UAV间的有效通信距离,即仅需保证UAV通信要求,ri(t)的取值不受过多的约束。
与vt<vmin情况不同,一是由于编队不再需要在目标周围继续做盘旋运动,因而考虑旋转因子Ri(t)可以保持时不变状态,即θi∈R;二是考虑到编队中各UAV需保持均匀的相位,以实现对目标的协同跟踪,因此需要对各UAV的Ri需进行前期约定,此处设定(40)中的θi(t) 为:
Figure RE-GDA0002485094740000163
即各架UAV均匀的保持在目标周围的圆形轨道上,实现协同目标跟踪。
值得注意的是,对于vt≥vmin的情况,实际上与编队队形控制无异,均是以时不变的编队队形实现对目标的持续跟踪。在上述编队参数组(10)的作用下,UAV编队可实现对目标的 Persistent跟踪。
为了验证本发明所提出的队形变换控制方法和目标跟踪方法的合理性与有效性,下面进行仿真实施验证。
实施例1
令N=4,即利用4架UAV组成的编队为例,分别对队形变换控制以及在两种目标速度vt不同的情况下的编队目标跟踪问题进行仿真验证,同时对不同取值的k1、k2对无人机编队性能的影响进行仿真验证,以及与文献“SUMMERS T H,AKELLA M R,MEARS M J.Coordinated standoff tracking of moving targets:Control laws and informationarchitectures[J]. Journal of Guidance,Control,and Dynamics,2009,32(1):56-69.”所提的方法进行仿真对比。
仿真之初,对UAV与目标的初始状态进行设定。设定UAV的最小飞行速度为6m/s,令4架UAV初始位置分别为(-500m,0)、(0,500m)、(0,-500m)和(500m,0);初始速度vi为 [20,0]Tm/s;UAVl的初始位置为四架UAV位置的中心点,速度为[20,0]Tm/s;目标初始位置为(200m,200m)。同时设系统参数k1=3;k2=2;k3=k4=k5=k6=1;α1=α2=α3=α4=0.5;旋转因子R中参数为θ=[π,π/2,3π/2,0];pb=[0,1]T
为更好的验证对动态编队的控制,更直观的观测动态编队队形控制,此处选择ri
Figure RE-GDA0002485094740000171
即分别令无人机编队在25s和55s发生队形变换。
图5为UAV编队运动轨迹图,从图中可以看到无人机编队在初始队形生成后,经历了两次队形的变化,这两次队形变换主要针对队形的缩放,仿真结果展示了本发明所提出的编队队形变换控制方法能够实现动态编队的控制。图6为编队的误差曲线,从曲线中可以看到在25s和55s时,误差曲线出现大幅度的跳动,这是由于在25s和55s时,ri变化,导致理想的编队队形发生改变,误差基准发生变化,因此会出现数值上的差异,但随后在编队算法控制下,误差又很快恢复为0,这也进一步体现出本发明所提出的编队队形变换控制方法具备有实时的动态队形变换控制的能力。
实施例2
针对目标跟踪时vt<vmin的情况,令ri=200,i∈Θ。其它仿真参数同实施例1。
设定目标速度vt为[4,4]Tm/s,由(42)可得最小旋转角速度ωi=1/100rad/s。图7展现了4架UAV从各自位置出发,在追踪目标的过程中生成圆形编队,随后保持编队飞行状态对目标实施追踪,在UAV编队追踪到目标后,由于目标速度vt未达到固定翼UAV最小飞行速度vmin,因此UAV编队在目标周围保持定距Standoff跟踪。图8为UAV编队生成前后的误差ei=pi-pl-Cipb的图像,从图中可以发现,约在10.8s时编队误差趋于0,这是UAV间已形成预期的编队状态;在19.7s时误差曲线出现小幅抖动,但在24.4s时误差重新趋于0,这是由于在19.7s时,UAV编队已跟踪上目标,但由于目标速度较小使得UAV的速度不得不进行调整,这个误差的导致就是由于速度变化导致的,在24.4s时UAV编队速度完成速度调整,误差重新为0。
实施例3
针对目标跟踪时vt≥vmin的情况,设定目标速度vt为[10,10]Tm/s。其它仿真参数同实施例1。
图9展现了4架UAV在以编队状态对目标实施跟踪的轨迹,由于目标速度vt大于固定翼 UAV最小飞行速度vmin,因此UAV编队无需在目标周围进行盘旋飞行,仅需在目标周围保持相位对目标进行跟踪。图10为UAV编队的误差ei图像,同vt<vmin一致,在10.8s时,UAV间形成预期的编队队形,编队误差趋于0;在48.3s时误差曲线出现小幅抖动,但在52.4s时误差重新趋于0,这个情况同样是因为UAV的速度调整导致的。
实施例4
为了验证本发明所提出的方法对于机动目标的跟踪效果以及不同数值的k1、k2选择对编队收敛速度的影响。本实施例中,令目标初始速度为[6,6]Tm/s;加速度为[4cost,4sint]Tm/s2;选择两组k1、k2参数值,分别为3与2,以及6与8,即令增加倍数κ为2;其余参数不变。
图11和图12展示了在k1、k2取不同数值时的UAV编队目标跟踪的情况,图中虚线为k1、 k2取3与2时的仿真曲线,实线为k1、k2取6与8时的仿真曲线。从图11可以看出,在两组参数下,UAV编队均实现了对机动目标的跟踪。从图12中可以看出两组参数下的编队误差曲线变化,显然,在其它条件不变的情况,可以发现实线的收敛速度要快于虚线部分,也就是说增大k1、k2数值将加快UAV编队的收敛速度,这也验证了本发明中对k1、k2数值大小的分析。
实施例5
为进一步说明本发明所提出的目标跟踪方法的优势,将本发明的多UAV编队目标跟踪方法与文献“SUMMERS T H,AKELLA M R,MEARS M J.Coordinated standoff trackingof moving targets:Control laws and information architectures[J].Journal ofGuidance,Control,and Dynamics,2009,32(1):56-69.”中的方法进行对比,将仿真初始条件设置与文献相同。
设置4架UAV的初始位置分别为(1000,1000)m、(-800,-700)m、(-500,900)m和(700,-100)m;速度分别为[20,0]Tm/s、[0,20]Tm/s、[-20,0]Tm/s和
Figure RE-GDA0002485094740000191
目标与UAVl的初始位置均为(0,0),速度为0,即编队形成时刻与跟踪相位协同时刻为同一时刻。本发明方法与上述文献方法的仿真结果如图13至图17所示。
比较图13至图14与图15至图17仿真结果可以发现:1)由于上述文献方法的局限性,使得UAV飞行速度被削减,导致跟踪上目标时刻远远大于本发明所给出的方法;2)本发明的方法保证了多UAV相位快速协同,当编队跟踪上目标时就满足了相位协同的要求;而通过图 16和图17可以发现,上述文献是在各UAV均跟踪上目标后,在Standoff跟踪圆上进行相位调整,导致实现多UAV对目标协同跟踪的整个过程耗时长。
通过分析可知:本发明所提出的目标跟踪方法主要有两方面的优越性。首先本发明提出的方法既满足了多UAV形成编队进行飞行,又满足各架UAV均能以目标为中心,实现对目标的协同跟踪观测;二是本发明提出的编队目标跟踪方法可实现协同跟踪,而且具有速度快,用时短等优点。
最后应说明的是,以上所述仅为本发明的优选实施方式,并不用于限制本发明,尽管参照前述实施例对发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种多机编队队形控制描述方法,其特征在于,包括如下步骤:
步骤S1,确定编队中无人机的位置pi,i∈{1,2,…,N},N为无人机架数;
步骤S2,确定虚拟领导无人机UAVl的初始位置与运动轨迹,以及虚拟基准无人机UAVb的初始基准向量pb(t0)=(sin(θ(t0)),cos(θ(t0)))T,即确定θ(t0);所述UAVl不断向目标靠近,直至与目标重合;
步骤S3,构造编队参数组进行队形控制描述
编队参数组为(pl(t),pb(t),r1(t),R1(t),…,rN(t),RN(t)),其中pl为虚拟领导无人机UAVl的位置,pb为虚拟基准无人机UAVb的基准向量;缩放因子ri∈R,ri>0;旋转因子Ri∈SO(2);
队形的缩放运动通过ri进行控制描述,队形的旋转运动通过Ri进行控制描述,队形的平移运动通过pl进行控制描述。
2.如权利要求1所述的队形控制描述方法,其特征在于,旋转因子具体取
Figure FDA0002441645160000011
θi为UAVi的预期的相对相位角度。
3.一种多机编队队形变换控制方法,其特征在于,在队形控制描述方法的基础上进行变换控制,第i架UAVi的控制律ui为:
Figure FDA0002441645160000012
其中,
Figure FDA0002441645160000013
φpi=Ciξpi
Figure FDA0002441645160000014
Ni={j∈V,(i,j)∈ε}表示UAVi的邻居集合;k1,k2>0是控制系数;Ci为编队因子Ci(t)=ri(t)Ri(t)的简写;ζpi、ζvi、χli、ξpi、ξvi、χbi分别是UAVi关于pl、vl、ul、pb、vb、ub的估计值,vl和ul分别为UAVl的速度与控制输入,vb和ub分别为基准变化量和预定参数;Aij=aijOij,Oij∈SO(2);有向图G=(V,ε)为编队中各UAV间的通信拓扑关系,V为顶点的集合,ε为边的集合,aij代表边(i,j)的权值,
Figure FDA0002441645160000015
Figure FDA0002441645160000016
表示UAVi接收来自UAVl和UAVb信息的能力,当能够接收信息时,取
Figure FDA0002441645160000021
否则取
Figure FDA0002441645160000022
4.如权利要求3所述的队形变换控制方法,其特征在于,实现动态编队控制时需满足:
Figure FDA0002441645160000023
Figure FDA0002441645160000024
其中,λmax为A+AT的最大的特征值,A=(Aij)∈RnN×nN
Figure FDA0002441645160000025
为Ml的特征值,Ml=L′+Υl,L′=D′-W,
Figure FDA0002441645160000026
W=[wij]∈RN×N,wij=sgn(aij)。
5.如权利要求4所述的队形变换控制方法,其特征在于,选定倍数系数κ,k1增加为κ倍,k2增加为κ2倍,κ>1。
6.如权利要求3至5中任一所述的队形变换控制方法,其特征在于,估计值ζpi、ζvi、χli、ξpi、ξvi、χbi的状态更新律分别为:
Figure FDA0002441645160000027
Figure FDA0002441645160000028
Figure FDA0002441645160000029
Figure FDA00024416451600000210
Figure FDA00024416451600000211
Figure FDA00024416451600000212
其中:
Figure FDA00024416451600000213
χl0与χb0分别表示UAVl与UAVb对ul与ub的估计,且χl0=ul,χb0=ub
Figure FDA0002441645160000031
表示UAVi信息接收能力系数;k3,k4,k5,k6>0,0<αm<1,m=1,2,3,4。
7.一种多机编队目标跟踪方法,其特征在于,在队形控制描述方法和队形变换控制方法的基础上进行目标跟踪;
UAVl的运动方向为
Figure FDA0002441645160000032
其中pt(t+Δt)为t+Δt时刻目标的估计位置,Δt为传感器采样时间间隔,pl(t)为t时刻UAVl的位置。
8.如权利要求7所述的目标跟踪方法,其特征在于,如通过固定翼无人机对目标进行跟踪,当vt<vmin时,取缩放因子ri(t)=rs/||pb||,且UAVi的旋转角速度
Figure FDA0002441645160000033
其中vt为目标速度,vmin为UAV的最小安全飞行速度,rs为UAVi与目标间的距离,对目标进行Standoff跟踪。
9.如权利要求8所述的目标跟踪方法,其特征在于,时变的旋转因子Ri(t)为:
Figure FDA0002441645160000034
其中,θi(t)=ωi(t-t0)+θ0i,θ0i为盘旋飞行前的角度,t0为盘旋运动的时刻。
10.如权利要求7所述的目标跟踪方法,其特征在于,当vmin≤vt≤vmax时,取缩放因子0<ri(t)≤rc/||pb||,其中rc为UAV间的有效通信距离;取Ri(t)不变,对目标进行Persistent跟踪。
CN202010266997.0A 2020-04-07 2020-04-07 多机编队队形控制描述、变换控制和目标跟踪方法 Active CN111414007B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010266997.0A CN111414007B (zh) 2020-04-07 2020-04-07 多机编队队形控制描述、变换控制和目标跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010266997.0A CN111414007B (zh) 2020-04-07 2020-04-07 多机编队队形控制描述、变换控制和目标跟踪方法

Publications (2)

Publication Number Publication Date
CN111414007A true CN111414007A (zh) 2020-07-14
CN111414007B CN111414007B (zh) 2023-05-30

Family

ID=71491648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010266997.0A Active CN111414007B (zh) 2020-04-07 2020-04-07 多机编队队形控制描述、变换控制和目标跟踪方法

Country Status (1)

Country Link
CN (1) CN111414007B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112631322A (zh) * 2020-11-19 2021-04-09 一飞(海南)科技有限公司 生成集群无人机表演动画的方法、系统、无人机及终端
CN112904847A (zh) * 2021-01-18 2021-06-04 中国人民解放军海军航空大学 基于最小弱刚性的二维编队通信拓扑生成和表达方法
CN114859945A (zh) * 2022-05-26 2022-08-05 厦门大学 一种基于人工势场法的水下编队控制方法、系统及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170267371A1 (en) * 2016-03-18 2017-09-21 Sunlight Photonics Inc. Methods of three dimensional (3d) airflow sensing and analysis
US20170347285A1 (en) * 2016-05-27 2017-11-30 Hefei University Of Technology Method and system for reoptimizing unmanned aerial vehicle formation communication topology based on minimum cost arborescence
CN107422748A (zh) * 2017-06-29 2017-12-01 南京航空航天大学 一种固定翼无人机编队制导装置及协同跟踪制导方法
US20180074520A1 (en) * 2016-09-13 2018-03-15 Arrowonics Technologies Ltd. Formation flight path coordination of unmanned aerial vehicles
CN108983816A (zh) * 2018-08-07 2018-12-11 中南大学 多旋翼无人机变尺度协同监视编队飞行控制方法
CN109213200A (zh) * 2018-11-07 2019-01-15 长光卫星技术有限公司 多无人机协同编队飞行管理系统及方法
CN110377051A (zh) * 2019-07-04 2019-10-25 河海大学 一种应用于无人机群的时变编队蜂拥控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170267371A1 (en) * 2016-03-18 2017-09-21 Sunlight Photonics Inc. Methods of three dimensional (3d) airflow sensing and analysis
US20170347285A1 (en) * 2016-05-27 2017-11-30 Hefei University Of Technology Method and system for reoptimizing unmanned aerial vehicle formation communication topology based on minimum cost arborescence
US20180074520A1 (en) * 2016-09-13 2018-03-15 Arrowonics Technologies Ltd. Formation flight path coordination of unmanned aerial vehicles
CN107422748A (zh) * 2017-06-29 2017-12-01 南京航空航天大学 一种固定翼无人机编队制导装置及协同跟踪制导方法
CN108983816A (zh) * 2018-08-07 2018-12-11 中南大学 多旋翼无人机变尺度协同监视编队飞行控制方法
CN109213200A (zh) * 2018-11-07 2019-01-15 长光卫星技术有限公司 多无人机协同编队飞行管理系统及方法
CN110377051A (zh) * 2019-07-04 2019-10-25 河海大学 一种应用于无人机群的时变编队蜂拥控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
RIFQI RAFIFANDI等: "Leader-follower formation control of two quadrotor UAVs" *
吕永申: "人工势场与虚拟结构相结合的无人机集群编队控制" *
邢关生: "基于一致性的小型四旋翼机群自主编队分布式运动规划" *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112631322A (zh) * 2020-11-19 2021-04-09 一飞(海南)科技有限公司 生成集群无人机表演动画的方法、系统、无人机及终端
CN112904847A (zh) * 2021-01-18 2021-06-04 中国人民解放军海军航空大学 基于最小弱刚性的二维编队通信拓扑生成和表达方法
CN112904847B (zh) * 2021-01-18 2022-12-13 中国人民解放军海军航空大学 基于最小弱刚性的二维编队通信拓扑生成和表达方法
CN114859945A (zh) * 2022-05-26 2022-08-05 厦门大学 一种基于人工势场法的水下编队控制方法、系统及介质
CN114859945B (zh) * 2022-05-26 2024-09-13 厦门大学 一种基于人工势场法的水下编队控制方法、系统及介质

Also Published As

Publication number Publication date
CN111414007B (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
Rezaee et al. A decentralized cooperative control scheme with obstacle avoidance for a team of mobile robots
Kayacan et al. Type-2 fuzzy logic trajectory tracking control of quadrotor VTOL aircraft with elliptic membership functions
Abdelmaksoud et al. Control strategies and novel techniques for autonomous rotorcraft unmanned aerial vehicles: A review
Hung et al. A Q-learning approach to flocking with UAVs in a stochastic environment
Efe Robust low altitude behavior control of a quadrotor rotorcraft through sliding modes
CN111414007A (zh) 多机编队队形控制描述、变换控制和目标跟踪方法
Rezaee et al. Adaptive artificial potential field approach for obstacle avoidance of unmanned aircrafts
CN111290440B (zh) 基于双虚拟结构的多无人机编队Standoff跟踪控制及跟踪方法
Mao et al. Flocking of quad-rotor UAVs with fuzzy control
Muslimov et al. Consensus-based cooperative circular formation control strategy for multi-UAV system
Wang et al. Multiple quadrotors formation flying control design and experimental verification
De Marco et al. A deep reinforcement learning control approach for high-performance aircraft
Khosravian et al. Design of an intelligent controller for station keeping, attitude control, and path tracking of a quadrotor using recursive neural networks
Monteriù et al. Nonlinear decentralized model predictive control for unmanned vehicles moving in formation
Aruneshwaran et al. Neural adaptive flight controller for ducted-fan UAV performing nonlinear maneuver
Park et al. Formation reconfiguration control with collision avoidance of nonholonomic mobile robots
Karimoddini et al. Hierarchical control design of a UAV helicopter
Gudeta et al. Consensus Based Distributed Collective Motion of Swarm of Quadcopters
Borkar et al. Multi-agent aerial monitoring of moving convoys using elliptical orbits
Ibrahim et al. Formation flight control of multi-UAV system using neighbor-based trajectory generation topology
Bhar et al. Controller design for unmanned quadrotors behavior with PD-PID controllers
Yuan et al. Distributed model predictive formation control for a group of uavs with newton-euler dynamics
Koslosky et al. On using fuzzy logic to control a simulated hexacopter carrying an attached pendulum
Agarwal et al. Attitude control in unmanned aerial vehicles using reinforcement learning—a survey
Efe Sliding mode control for unmanned aerial vehicles research

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