CN111665848B - 拓扑切换下无人机与无人车异构集群编队跟踪控制方法 - Google Patents
拓扑切换下无人机与无人车异构集群编队跟踪控制方法 Download PDFInfo
- Publication number
- CN111665848B CN111665848B CN202010597290.8A CN202010597290A CN111665848B CN 111665848 B CN111665848 B CN 111665848B CN 202010597290 A CN202010597290 A CN 202010597290A CN 111665848 B CN111665848 B CN 111665848B
- Authority
- CN
- China
- Prior art keywords
- formation
- heterogeneous
- time
- varying
- state
- 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.)
- Active
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 473
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000013598 vector Substances 0.000 claims abstract description 101
- 238000005755 formation reaction Methods 0.000 claims description 475
- 239000011159 matrix material Substances 0.000 claims description 151
- 230000009471 action Effects 0.000 claims description 22
- 238000010276 construction Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004138 cluster model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
- G05D1/0295—Fleet control by at least one leading vehicle of the fleet
-
- 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
本发明公开了一种拓扑切换下无人机与无人车异构集群编队跟踪控制方法。所述跟踪控制方法,构建异构编队的虚拟领导者;根据异构编队的期望时变编队构型,构建异构编队的时变编队向量;建立异构编队中的成员在拓扑切换条件下对虚拟领导者的状态进行估计的分布式状态观测器;建立对异构编队中的成员的状态进行估计的系统状态观测器;构造分布式时变编队跟踪控制器;控制虚拟领导者按照异构编队的期望运动轨迹运动;通过分布式时变编队跟踪控制器控制异构编队的成员跟踪虚拟领导者的运动轨迹。使得多无人机与无人车组成的集群系统在拓扑切换条件下形成期望的时变编队构型的同时,能够跟踪期望的参考航迹,实现异构集群系统的分布式时变编队跟踪运动。
Description
技术领域
本发明涉及编队控制技术领域,特别是涉及拓扑切换下无人机与无人车异构集群编队跟踪控制方法。
背景技术
集群系统协同控制在包括航空航天在内的众多军事和民用领域中展现出了强大的应用潜力,如多微纳卫星深空探测、多无人机协同侦察、多导弹饱和攻击、多无人艇协同巡逻及多机器人协同搬运等。编队控制是集群系统协同控制中的重要课题之一。通过调整智能体之间的相对阵位关系,使得集群系统形成特定的编队队形,可以为包括协同侦察、探测、突防、围捕及打击等任务创造有利条件,提供技术保障。考虑到外部态势和任务需求的高动态性,集群系统的编队队形往往不是固定不变的,需要能够根据实际需求实时动态调整,即需要时变编队控制。
无人机与无人车在机器人集群系统中最具有代表性,通过无人机与无人车的合理搭配,可以弥补同类机器人的不足,实现无人车与无人机资源的有效互补,大幅提升协同作业效能。由于无人机与无人车具有完全不同的动力学与运动学模型,并且无人机在空中三维运动,无人车在地面二维运动,所考虑的多机器人系统是异构的。无人机-无人车异构集群系统时变编队控制问题是解决包括空地协同在内的跨域协同应用过程中的关键技术问题,具有重要理论价值和实际应用意义。
目前,现有的基于一致性的编队控制方法主要针对同构多机器人系统,即要求多机器人系统中每个机器人都属于同一类型,并具有完全相同的数学模型。由于无人机与无人车具有不同的动力学模型,并且其状态维度存在差异,已有的针对同构集群系统的编队控制方法难以直接应用。此外,现有方法大多只能够实现时不变的编队构型,而在实际应用中,为了应对复杂的外部环境以及任务的变化,多机器人系统需要能够实时动态调整自身的编队队形,时变编队更具有实际意义与一般性。集群系统中个体间的信息交互是保证整个编队控制的基础,但是在实际应用中,受制于环境限制,个体间通信往往难以稳定保持,个体间链路可能发生中断和重新连接,因此研究拓扑切换条件下实现无人机-无人车异构集群系统的时变编队跟踪控制是有待突破的技术难题。
发明内容
本发明的目的是提供一种拓扑切换下无人机与无人车异构集群编队跟踪控制方法,以在拓扑切换条件下实现无人机与无人车异构集群系统的时变编队跟踪控制。
为实现上述目的,本发明提供了如下方案:
一种拓扑切换下无人机与无人车异构集群编队跟踪控制方法,所述跟踪控制方法包括如下步骤:
构建异构编队的虚拟领导者;
构建异构编队的期望时变编队构型;
根据异构编队的期望时变编队构型,构建异构编队的时变编队向量;
建立异构编队中的成员在拓扑切换条件下对虚拟领导者的状态进行估计的分布式状态观测器;其中,异构编队中的成员为异构编队包含的无人机或无人车;
建立对异构编队中的成员的状态进行估计的系统状态观测器;
根据所述时变编队向量、所述分布式状态观测器和所述系统状态观测器,构造分布式时变编队跟踪控制器;
控制虚拟领导者按照异构编队的期望运动轨迹运动;
通过分布式时变编队跟踪控制器控制异构编队的成员跟踪虚拟领导者的运动轨迹。
可选的,所述根据异构编队的期望时变编队构型,构建异构编队的时变编队向量,具体包括:
其中,h1(t)、h2(t)、hM+N(t)分别表示异构编队中第1个、第2个和第M+N个成员的时变编队向量;M表示异构编队中无人机的数量、N表示异构编队中无人车的数量,对于异构编队中第i个成员的时变编队向量hi(t),满足公式hyi(t)=C0hi(t),hyi(t)表示异构编队对中第i个成员的期望时变编队构型,C0为虚拟领导者的状态控制方程的第三系数矩阵,t表示时间;
判断对于异构编队的每个成员,是否都存在编队补偿输入ri(t)使得公式成立,得到判断结果;其中,A0表示虚拟领导者的状态控制方程的第一系数矩阵;Xi表示使第i个成员的调节器方程:成立的第一中间矩阵,Ui表示使第i个成员的调节器方程:成立的第二中间矩阵,Ai、Bi和Ci分别表示异构编队中第i个成员的状态控制方程的第一系数矩阵、第二系数矩阵和第三系数矩阵;
若所述判断结果表示是则输出异构编队的时变编队向量和编队补偿输入。
可选的,所述建立异构编队中的成员在拓扑切换条件下对虚拟领导者的状态进行估计的分布式状态观测器,具体包括:
其中,为异构编队中的第i个成员对虚拟领导者的状态估计值;A0为虚拟领导者的状态控制方程的第一系数矩阵;η为分布式状态观测器的增益系数,Ξσ(t)为拓扑判断矩阵,Ξσ(t)=Gσ(t)Lσ(t)+LT σ(t)Gσ(t)>0,Gσ(t)和Lσ(t)分别表示状态切换信号σ(t)对应的异构编队中的交互拓扑和拉普拉斯矩阵,λmax(Gσ(t))为Gσ(t)的最大特征值,λmin(Ξσ(t))为Ξσ(t)的最小特征值;K为分布式状态观测器的增益矩阵,wi0为异构编队中的第i个成员到虚拟领导者的作用强度,wij为异构编队中的第i个成员到第j个成员的作用强度,为异构编队中的第j个成员相对于虚拟领导者的状态估计值,q0(t)为虚拟领导者的状态;
确定满足线性不等式A0P+PA0 T+Iq-PC0C0 TP≤0的正定矩阵P;其中,Iq表示单位矩阵;
根据所述正定矩阵P,利用公式K=PC0 T计算分布式状态观测器的增益矩阵。
可选的,所述建立对异构编队中的成员的状态进行估计的系统状态观测器,具体包括:
利用异构编队中的成员的输出信息构造龙伯格状态观测器对成员的状态信息进行估计;
所述龙伯格状态观测器为:
其中,表示异构编队中第i个成员在t时刻的状态估计,Ai、Bi和Ci分别表示异构编队中第i个成员的状态控制方程的第一系数矩阵、第二系数矩阵和第三系数矩阵,ui(t)表示异构编队中第i个成员的状态控制方程在t时刻的控制输入向量,Loi为龙伯格状态观测器系数、yi(t)表示异构编队中第i个成员的状态控制方程在t时刻的输出向量。
可选的,所述根据所述时变编队向量、分布式状态观测器和系统状态观测器,构造分布式时变编队跟踪控制器,具体包括:
根据所述时变编队向量、分布式状态观测器和系统状态观测器,构造分布式时变编队跟踪控制器为:
其中,K1i与K2i分别表示第i个成员的分布式时变编队跟踪控制器的第一增益矩阵和第二增益矩阵,ri(t)表示在t时刻异构编队中第i个成员的时变编队跟踪补偿输入;
确定使系数矩阵Ai+BiK1i为Hurwitz的第i个成员的分布式时变编队跟踪控制器的第一增益矩阵K1i;
根据第i个成员的分布式时变编队跟踪控制器的第一增益矩阵K1i,确定第i个成员的分布式时变编队跟踪控制器的第二增益矩阵为:K2i=Ui-K1iXi。
可选的,所述异构编队的成员通过分布式时变编队跟踪控制器跟踪虚拟领导者的运动轨迹,具体包括:
确定满足公式的有向拓扑切换的驻留时间τ0;其中,α=λmin(P-1),其中,α为切换驻留时间第一参量,β为切换驻留时间第二参量,Gi为所有拓扑集合中包含最大特征值的拓扑关系,Gj为所有拓扑集合中包含最小特征值的拓扑关系;
在所述驻留时间内异构编队的成员通过分布式状态观测器对虚拟领导者的状态进行观测,确定虚拟领导者的状态估计值;
根据虚拟领导者的状态估计值,利用分布式时变编队跟踪控制器跟踪虚拟领导者的运动轨迹。
一种拓扑切换下无人机与无人车异构集群编队跟踪控制系统,所述跟踪控制系统包括:
虚拟领导者构建模块,用于构建异构编队的虚拟领导者;
期望时变编队构型形成模块,用于构建异构编队的期望时变编队构型;
时变编队向量构建模块,用于根据异构编队的期望时变编队构型,构建异构编队的时变编队向量;
分布式状态观测器建立模块,用于建立异构编队中的成员在拓扑切换条件下对虚拟领导者的状态进行估计的分布式状态观测器;其中,异构编队中的成员为异构编队包含的无人机或无人车;
系统状态观测器建立模块,用于建立对异构编队中的成员的状态进行估计的系统状态观测器;
分布式时变编队跟踪控制器构造模块,用于根据所述时变编队向量、所述分布式状态观测器和所述系统状态观测器,构造分布式时变编队跟踪控制器;
虚拟领导者控制模块,用于控制虚拟领导者按照异构编队的期望运动轨迹运动;
运动跟踪模块,用于通过分布式时变编队跟踪控制器控制异构编队的成员跟踪虚拟领导者的运动轨迹。
可选的,所述时变编队向量构建模块,具体包括:
其中,h1(t)、h2(t)、hM+N(t)分别表示异构编队中第1个、第2个和第M+N个成员的时变编队向量;M表示异构编队中无人机的数量、N表示异构编队中无人车的数量,对于异构编队中第i个成员的时变编队向量hi(t),满足公式hyi(t)=C0hi(t),hyi(t)表示异构编队对中第i个成员的期望时变编队构型,C0为虚拟领导者的状态控制方程的第三系数矩阵,t表示时间;
判断子模块,用于判断对于异构编队的每个成员,是否都存在编队补偿输入ri(t)使得公式成立,得到判断结果;其中,A0表示虚拟领导者的状态控制方程的第一系数矩阵;Xi表示使第i个成员的调节器方程:成立的第一中间矩阵,Ui表示使第i个成员的调节器方程:成立的第二中间矩阵,Ai、Bi和Ci分别表示异构编队中第i个成员的状态控制方程的第一系数矩阵、第二系数矩阵和第三系数矩阵;
时变编队向量输出子模块,用于若所述判断结果表示是则输出异构编队的时变编队向量和编队补偿输入。
可选的,所述分布式状态观测器建立模块,具体包括:
其中,为异构编队中的第i个成员对虚拟领导者的状态估计值;A0为虚拟领导者的状态控制方程的第一系数矩阵;η为分布式状态观测器的增益系数,Ξσ(t)为拓扑判断矩阵,Ξσ(t)=Gσ(t)Lσ(t)+LT σ(t)Gσ(t)>0,Gσ(t)和Lσ(t)分别表示状态切换信号σ(t)对应的异构编队中的交互拓扑和拉普拉斯矩阵,λmax(Gσ(t))为Gσ(t)的最大特征值,λmin(Ξσ(t))为Ξσ(t)的最小特征值;K为分布式状态观测器的增益矩阵,wi0为异构编队中的第i个成员到虚拟领导者的作用强度,wij为异构编队中的第i个成员到第j个成员的作用强度,为异构编队中的第j个成员相对于虚拟领导者的状态估计值,q0(t)为虚拟领导者的状态;
正定矩阵求解子模块,用于确定满足线性不等式A0P+PA0 T+Iq-PC0C0 TP≤0的正定矩阵P;其中,Iq表示单位矩阵;
分布式状态观测器的增益矩阵计算子模块,用于根据所述正定矩阵P,利用公式K=PC0 T计算分布式状态观测器的增益矩阵。
可选的,所述系统状态观测器建立模块,具体包括:
系统状态观测器建立子模块,用于利用异构编队中的成员的输出信息构造龙伯格状态观测器对成员的状态信息进行估计;
所述龙伯格状态观测器为:
其中,表示异构编队中第i个成员在t时刻的状态估计,Ai、Bi和Ci分别表示异构编队中第i个成员的状态控制方程的第一系数矩阵、第二系数矩阵和第三系数矩阵,ui(t)表示异构编队中第i个成员的状态控制方程在t时刻的控制输入向量,Loi为龙伯格状态观测器系数、yi(t)表示异构编队中第i个成员的状态控制方程在t时刻的输出向量。
与现有技术相比,本发明的有益效果是:
本发明提出了一种拓扑切换下无人机与无人车异构集群编队跟踪控制方法,所述跟踪控制方法包括如下步骤:构建异构编队的虚拟领导者;根据异构编队的期望时变编队构型,构建异构编队的时变编队向量;建立异构编队中的成员在拓扑切换条件下对虚拟领导者的状态进行估计的分布式状态观测器;其中,异构编队中的成员为异构编队包含的无人机或无人车;建立对异构编队中的成员的状态进行估计的系统状态观测器;根据所述时变编队向量、所述分布式状态观测器和所述系统状态观测器,构造分布式时变编队跟踪控制器;控制虚拟领导者按照异构编队的期望运动轨迹运动;通过分布式时变编队跟踪控制器控制异构编队的成员跟踪虚拟领导者的运动轨迹。使得多无人机与无人车组成的集群系统在拓扑切换条件下形成期望的时变编队构型的同时,能够跟踪期望的参考航迹,实现异构集群系统的分布式时变编队跟踪运动。
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为本发明提供的一种拓扑切换下无人机与无人车异构集群编队跟踪控制方法的流程图;
图2为本发明实施例3提供的无人机-无人车异构集群系统作用拓扑图;
图3为本发明实施例3提供的无人机-无人车异构集群系统拓扑切换信号图;
图4为本发明实施例3提供的无人机-无人车异构集群系统运动轨迹图;
图5为本发明实施例3提供的无人机与无人车的编队跟踪误差曲线图。
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。
本发明的目的是提供一种拓扑切换下无人机与无人车异构集群编队跟踪控制方法,以在拓扑切换条件下实现无人机与无人车异构集群系统的时变编队跟踪控制。
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。
实施例1,如图1所示,本发明提供一种拓扑切换下无人机与无人车异构集群编队跟踪控制方法,所述跟踪控制方法包括如下步骤:
步骤101,构建异构编队的虚拟领导者。
步骤102,构建异构编队的期望时变编队构型;
步骤103,根据异构编队的期望时变编队构型,构建异构编队的时变编队向量;
步骤103所述根据异构编队的期望时变编队构型,构建异构编队的时变编队向量,具体包括:
其中,h1(t)、h2(t)、hM+N(t)分别表示异构编队中第1个、第2个和第M+N个成员的时变编队向量;M表示异构编队中无人机的数量、N表示异构编队中无人车的数量,对于异构编队中第i个成员的时变编队向量hi(t),满足公式hyi(t)=C0hi(t),hyi(t)表示异构编队对中第i个成员的期望时变编队构型,C0为虚拟领导者的状态控制方程的第三系数矩阵,t表示时间。
判断对于异构编队的每个成员,是否都存在编队补偿输入ri(t)使得公式成立,得到判断结果;其中,A0表示虚拟领导者的状态控制方程的第一系数矩阵;Xi表示使第i个成员的调节器方程:成立的第一中间矩阵,Ui表示使第i个成员的调节器方程:成立的第二中间矩阵,Ai、Bi和Ci分别表示异构编队中第i个成员的状态控制方程的第一系数矩阵、第二系数矩阵和第三系数矩阵。
若所述判断结果表示是则输出异构编队的时变编队向量和编队补偿输入。
步骤104,建立异构编队中的成员在拓扑切换条件下对虚拟领导者的状态进行估计的分布式状态观测器;其中,异构编队中的成员为异构编队包含的无人机或无人车。
步骤104,所述建立异构编队中的成员在拓扑切换条件下对虚拟领导者的状态进行估计的分布式状态观测器,具体包括:
其中,为异构编队中的第i个成员对虚拟领导者的状态估计值;A0为虚拟领导者的状态控制方程的第一系数矩阵;η为分布式状态观测器的增益系数,Ξσ(t)为拓扑判断矩阵,Ξσ(t)=Gσ(t)Lσ(t)+LT σ(t)Gσ(t)>0,Gσ(t)和Lσ(t)分别表示状态切换信号σ(t)对应的异构编队中的交互拓扑和拉普拉斯矩阵,λmax(Gσ(t))为Gσ(t)的最大特征值,λmin(Ξσ(t))为Ξσ(t)的最小特征值;K为分布式状态观测器的增益矩阵,wi0为异构编队中的第i个成员到虚拟领导者的作用强度,wij为异构编队中的第i个成员到第j个成员的作用强度,为异构编队中的第j个成员相对于虚拟领导者的状态估计值,q0(t)为虚拟领导者的状态。
确定满足线性不等式A0P+PA0 T+Iq-PC0C0 TP≤0的正定矩阵P;其中,Iq表示单位矩阵。
根据所述正定矩阵P,利用公式K=PC0 T计算分布式状态观测器的增益矩阵。
步骤105,建立对异构编队中的成员的状态进行估计的系统状态观测器。
步骤105所述建立对异构编队中的成员的状态进行估计的系统状态观测器,具体包括:
利用异构编队中的成员的输出信息构造龙伯格状态观测器对成员的状态信息进行估计。
所述龙伯格状态观测器为:
其中,表示异构编队中第i个成员在t时刻的状态估计,Ai、Bi和Ci分别表示异构编队中第i个成员的状态控制方程的第一系数矩阵、第二系数矩阵和第三系数矩阵,ui(t)表示异构编队中第i个成员的状态控制方程在t时刻的控制输入向量,Loi为龙伯格状态观测器系数、yi(t)表示异构编队中第i个成员的状态控制方程在t时刻的输出向量。
步骤106,根据所述时变编队向量、所述分布式状态观测器和所述系统状态观测器,构造分布式时变编队跟踪控制器。
步骤106所述根据所述时变编队向量、分布式状态观测器和系统状态观测器,构造分布式时变编队跟踪控制器,具体包括:
根据所述时变编队向量、分布式状态观测器和系统状态观测器,构造分布式时变编队跟踪控制器为:
其中,K1i与K2i分别表示第i个成员的分布式时变编队跟踪控制器的第一增益矩阵和第二增益矩阵,ri(t)表示在t时刻异构编队中第i个成员的时变编队跟踪补偿输入。
确定使系数矩阵Ai+BiK1i为Hurwitz的第i个成员的分布式时变编队跟踪控制器的第一增益矩阵K1i。
根据第i个成员的分布式时变编队跟踪控制器的第一增益矩阵K1i,确定第i个成员的分布式时变编队跟踪控制器的第二增益矩阵为:K2i=Ui-K1iXi。
步骤107,控制虚拟领导者按照异构编队的期望运动轨迹运动;
步骤108,通过分布式时变编队跟踪控制器控制异构编队的成员跟踪虚拟领导者的运动轨迹。
步骤108所述异构编队的成员通过分布式时变编队跟踪控制器跟踪虚拟领导者的运动轨迹,具体包括:
确定满足公式的有向拓扑切换的驻留时间τ0;其中,α=λmin(P-1),其中,α为切换驻留时间第一参量,β为切换驻留时间第二参量,Gi为所有拓扑集合中包含最大特征值的拓扑关系,Gj为所有拓扑集合中包含最小特征值的拓扑关系。
在所述驻留时间内异构编队的成员通过分布式状态观测器对虚拟领导者的状态进行观测,确定虚拟领导者的状态估计值。
根据虚拟领导者的状态估计值,利用分布式时变编队跟踪控制器跟踪虚拟领导者的运动轨迹。
实施例2,本发明提出一种基于一致性理论的存在拓扑切换条件下的无人机-无人车异构集群系统时变编队跟踪控制方法,其目的是设计一种基于分布式状态观测器的编队跟踪控制器,使得多无人机与无人车组成的集群系统在拓扑切换条件下形成期望的时变编队构型的同时,能够跟踪期望的参考航迹,实现异构集群系统的分布式时变编队跟踪运动。具体的方案如下:
(1)建立无人机与无人车的动力学与运动学模型
无人机选择四旋翼飞行器,其动力学模型如下:
其中,x,y,z表示无人机在空间的位置,φ,θ,ψ表示滚转角、俯仰角、偏航角,m表示无人机的质量,Ixx,Iyy,Izz分别表示关于x,y,z轴的转动惯量,L表示电机轴与机身中心的距离,g表示重力加速度,u1,u2,u3,u4表示无人机的控制输入。
控制输入u1,u2,u3,u4的定义如下:
其中,b表示升力系数,d表示扭矩系数,ω1,ω2,ω3,ω4分别表示旋翼1,2,3,4的转速。u1表示垂直于机身方向的总升力,u2表示影响飞机俯仰运动的升力差,u3表示影响飞机滚转运动的升力差,u4表示影响飞机偏航运动的扭矩。
无人车选择麦克纳姆轮全向移动机器人,其运动学模型如下:
其中,vx,vy分别表示无人车沿车体x轴与y轴的速度,ω表示无人车的旋转角速度,ωmi(i=1,2,3,4)分别表示第i个麦克纳姆轮的旋转角速度,R表示麦克纳姆轮的半径,α表示麦克纳姆轮的辊轴与轮轴之间的夹角,lx,ly分别表示麦克纳姆轮中心与无人车中心沿x轴与y轴的相对距离。
(2)采用分为内外环的控制架构,获得用于编队控制的无人机-无人车集群模型
在多无人机-无人车时变编队跟踪问题中,重点关注的是各机器人的相对位置关系,因此采用分为内外环的控制架构。对于无人机,外环为位置控制环,内环为姿态控制环;对于无人车,外环为位置控制环,内环为轮子转速控制环。
考虑由M架无人机和N辆无人车(M≥1,N≥1)组成的无人机-无人车集群系统,将无人机集合记为FA={1,2,…,M},无人车集合记为FG={M+1,M+2,…,M+N}。在编队控制层面,将第i架(i∈FA)无人机建模如下:
(3)定义时变编队跟踪控制问题
在地面惯性系O-XYZ下,由于无人车仅在水平面(XY平面)内运动,不存在Z轴方向的运动,并且各无人机的高度可以单独控制,因此,仅考虑无人机-无人车集群在XY平面内的编队跟踪运动。为方便编队跟踪问题的描述与分析,在编队控制层面,将无人机与无人车的状态控制方程统一表示为:
编队跟踪控制要求无人机-无人车集群在形成期望时变编队构型的同时,编队整体能够跟踪期望的轨迹运动。因此,引入如下的虚拟领导者来刻画期望的运动轨迹:
采用代数图论描述多无人机/无人车之间的作用拓扑关系,定义G为集群系统作用拓扑所对应的有向图,将无人机、无人车以及虚拟领导者表示为图G中的节点,令wij为节点j到节点i的作用强度。要求有向图G具有生成树,并以虚拟领导者为根节点。虚拟领导者没有邻居,无人机/无人车作为跟随者,至少有一个邻居。图G所对应的拉普拉斯矩阵记为根据上述条件,可以将L划分为其中本发明中要求有向拓扑是可以切换的。假设则存在一个一致有界非重叠的时间间隔的无限序列[tk,tk+1)(k∈N),其中,t1=0,0<τ0≤tk+1-tk≤τ1。tk是切换序列,τ0是驻留时间,期间拓扑保持不变。其中,σ(t):[0,+∞)→{1,2,...,p}切换信号,t时刻的值是拓扑的下标。Gσ(t)和Lσ(t)是σ(t)对应的交互拓扑和拉普拉斯矩阵是σ(t)时刻第i个主体的邻居集。采用代数图论描述跟随者之间的作用拓扑关系,定义Gσ(t)为多智能体系统作用拓扑所对应的有向图,将异构集群系统各个体表示为图Gσ(t)中的节点,令wij为节点j到节点i的作用强度。要求有向图Gσ(t)具有生成树,并以领导者为根节点。领导者没有邻居,跟随者至少有一个邻居。图Gσ(t)所对应的拉普拉斯矩阵记为根据上述条件,可以将Lσ(t)划分为其中
则称无人机-无人车集群实现了期望的输出时变编队跟踪。
(4)构造分布式状态观测器
对于无人车-无人机集群,为实现集群系统中每个无人机/无人车对虚拟领导者的状态估计,构造如下的分布式状态观测器:
其中,η为增益系数,是一个正常数,K为增益矩阵。
(5)构造集群系统状态观测器
由于无人机无人车的部分状态信息不能够由传感器测量,故利用输出信息构造龙伯格状态观测器对状态信息进行估计,构造如下龙伯格状态观测器:
(6)构造分布式时变编队跟踪控制器
对于无人车-无人机集群,构造如下的分布式时变编队跟踪控制器:
其中,K1i与K2i表示待设计的增益矩阵,ri表示时变编队跟踪补偿输入。
(7)设计编队跟踪控制器的参数
对于第i个无人机/无人车(i=1,2,…,M+N),时变编队跟踪控制器的设计步骤如下。
首先,选择矩阵Xi与Ui,使得如下的调节器方程成立:
其次,检验如下的时变编队跟踪可行性条件:
如果对于所有的无人机与无人车,都存在编队补偿输入ri使得上式成立,则给定的时变编队是可行的;否则,该期望编队是不可行的,需要重新给定编队向量hi。
然后,设计K1i使得矩阵Ai+BiK1i是Hurwitz,并令K2i=Ui-K1iXi。
A0P+PA0 T+Iq-PC0C0 TP≤0
得到满足条件的正定矩阵P,并令K=PC0 T。
(8)拓扑切换驻留时间条件
实施例3,本发明提供一个具体的存在切换拓扑条件的无人机-无人车异构集群系统时变编队跟踪控制的实例来验证本发明所提出方法的有效性。本实例的具体实施步骤如下:
(1)无人机-无人车异构集群系统设置
考虑由2架无人机(编号为1,2)和2辆无人车(编号为3,4)组成的异构集群系统,其作用拓扑如图1所示。无人机与无人车以旋转圆形编队的形式执行空地协同侦查任务。两架无人机定高飞行,故本实例中只需考虑XY平面内的编队跟踪控制问题。将虚拟领导者定义为二阶积分器模型,其参数设置为x0(0)=[0,0,0,0]T,则虚拟领导者将在XY平面内绕圆心作角速度为0.06rad/s的圆周运动。
(2)期望的时变编队设计
(3)编队跟踪控制器参数设计
r3=r4=0
(4)仿真条件设置及结果分析
在本实例中,令γ=1.5m,无人机的飞行高度设定为5m,各无人机与无人车在XY平面内的初始位置与速度由-3至3之间的随机数产生。通信拓扑切换驻留时间选择为10秒。几种作用拓扑关系及切换信号如图2和图3所示,图3中的纵坐标Index oftopology为拓扑索引,横坐标time为时间。无人机-无人车异构集群系统的运动轨迹如图4所示,其中,五角星表示虚拟领导者,正方形与三角形分别表示无人机1与2,星号与菱形分别表示无人车3和4。令ei=yi-hyi-y0(i=1,2,3,4)表示无人机/无人车i的时变编队跟踪误差,其欧几里得范数如图4所示。从图4与图5可以看出,无人机-无人车异构集群系统实现了期望的旋转圆形编队跟踪,本实例验证了所提出方法的有效性。
详细参数设置
(1)期望编队
h1=[1.5cos(π+0.1t),-0.15sin(π+0.1t),1.5sin(π+0.1t),0.15cos(π+0.1t)]T
h2=[1.5cos(0.1t),-0.15sin(0.1t),1.5sin(0.1t),0.15cos(0.1t)]T
h3=[1.5cos(0.1t),-0.15sin(0.1t),1.5sin(0.1t),0.15cos(0.1t)]T
h4=[1.5cos(π+0.1t),-0.15sin(π+0.1t),1.5sin(π+0.1t),0.15cos(π+0.1t)]T
(2)虚拟领导者0
q0=[χ0X,v0X,χ0Y,v0Y]T表示虚拟领导者沿X轴与Y轴的位置与速度,取q0=[1,0,1,0]T,则虚拟领导者将在XY平面内绕圆心作角速度为0.06rad/s的圆周运动。
(3)无人机1
表示无人机1对自身状态ξ1的估计值,初值ξ1=[χ1X,v1X,χ1Y,v1Y]T表示无人机1沿X轴与Y轴方向的位置与速度,控制增益K21=-K11,时变编队补偿输入r1=[-0.015cos(π+0.1t),-0.015sin(π+0.1t)]T。
(4)无人机2
表示无人机2对自身状态ξ2的估计值,初值ξ2=[χ2X,v2X,χ2Y,v2Y]T表示无人机2沿X轴与Y轴方向的位置与速度,控制增益K22=-K12,时变编队补偿输入r2=[-0.015cos(0.1t),-0.015sin(0.1t)]T。
(5)无人车3
(6)无人车4
实施例4,本发明还提供一种拓扑切换下无人机与无人车异构集群编队跟踪控制系统,所述跟踪控制系统包括:
虚拟领导者构建模块,用于构建异构编队的虚拟领导者。
期望时变编队构型形成模块,用于构建异构编队的期望时变编队构型。
时变编队向量构建模块,用于根据异构编队的期望时变编队构型,构建异构编队的时变编队向量。
所述时变编队向量构建模块,具体包括:
其中,h1(t)、h2(t)、hM+N(t)分别表示异构编队中第1个、第2个和第M+N个成员的时变编队向量;M表示异构编队中无人机的数量、N表示异构编队中无人车的数量,对于异构编队中第i个成员的时变编队向量hi(t),满足公式hyi(t)=C0hi(t),hyi(t)表示异构编队对中第i个成员的期望时变编队构型,C0为虚拟领导者的状态控制方程的第三系数矩阵,t表示时间。
判断子模块,用于判断对于异构编队的每个成员,是否都存在编队补偿输入ri(t)使得公式成立,得到判断结果;其中,A0表示虚拟领导者的状态控制方程的第一系数矩阵;X表示使第i个成员的调节器方程:成立的第一中间矩阵,Ui表示使第i个成员的调节器方程:成立的第二中间矩阵,Ai、Bi和Ci分别表示异构编队中第i个成员的状态控制方程的第一系数矩阵、第二系数矩阵和第三系数矩阵。
时变编队向量输出子模块,用于若所述判断结果表示是则输出异构编队的时变编队向量和编队补偿输入。
分布式状态观测器建立模块,用于建立异构编队中的成员在拓扑切换条件下对虚拟领导者的状态进行估计的分布式状态观测器;其中,异构编队中的成员为异构编队包含的无人机或无人车。
所述分布式状态观测器建立模块,具体包括:
其中,为异构编队中的第i个成员对虚拟领导者的状态估计值;A0为虚拟领导者的状态控制方程的第一系数矩阵;η为分布式状态观测器的增益系数,Ξσ(t)为拓扑判断矩阵,Ξσ(t)=Gσ(t)Lσ(t)+LT σ(t)Gσ(t)>0,Gσ(t)和Lσ(t)分别表示状态切换信号σ(t)对应的异构编队中的交互拓扑和拉普拉斯矩阵,λmax(Gσ(t))为Gσ(t)的最大特征值,λmin(Ξσ(t))为Ξσ(t)的最小特征值;K为分布式状态观测器的增益矩阵,wi0为异构编队中的第i个成员到虚拟领导者的作用强度,wij为异构编队中的第i个成员到第j个成员的作用强度,为异构编队中的第j个成员相对于虚拟领导者的状态估计值,q0(t)为虚拟领导者的状态。
正定矩阵求解子模块,用于确定满足线性不等式A0P+PA0 T+Iq-PC0C0 TP≤0的正定矩阵P;其中,Iq表示单位矩阵。
分布式状态观测器的增益矩阵计算子模块,用于根据所述正定矩阵P,利用公式K=PC0 T计算分布式状态观测器的增益矩阵。
系统状态观测器建立模块,用于建立对异构编队中的成员的状态进行估计的系统状态观测器。
所述系统状态观测器建立模块,具体包括:
系统状态观测器建立子模块,用于利用异构编队中的成员的输出信息构造龙伯格状态观测器对成员的状态信息进行估计。
所述龙伯格状态观测器为:
其中,表示异构编队中第i个成员在t时刻的状态估计,Ai、Bi和Ci分别表示异构编队中第i个成员的状态控制方程的第一系数矩阵、第二系数矩阵和第三系数矩阵,ui(t)表示异构编队中第i个成员的状态控制方程在t时刻的控制输入向量,Loi为龙伯格状态观测器系数、yi(t)表示异构编队中第i个成员的状态控制方程在t时刻的输出向量。
分布式时变编队跟踪控制器构造模块,用于根据所述时变编队向量、所述分布式状态观测器和所述系统状态观测器,构造分布式时变编队跟踪控制器。
虚拟领导者控制模块,用于控制虚拟领导者按照异构编队的期望运动轨迹运动。
运动跟踪模块,用于通过分布式时变编队跟踪控制器控制异构编队的成员跟踪虚拟领导者的运动轨迹。
本发明提出了一种一种拓扑切换下无人机与无人车异构集群编队跟踪控制方法,使得多无人机与无人车系统在形成期望的时变编队构型的同时,能够跟踪期望的参考航迹运动。该方法的主要优点如下:1)该方法能够实现由无人机与无人车组成的异构集群系统的输出时变编队跟踪,而常见的编队控制方法仅仅适用于同构集群系统,难以扩展到异构场景。2)该方法能够实现拓扑切换条件下的异构集群系统的时变编队跟踪,对于实际应用中,系统的通信拓扑往往不是固定不变的,该方法具有良好的实际工程应用价值。3)该方法能够实现时变的编队构型,更好地应对外部环境和系统任务的快速变化,具有较强的灵活性和适用性。4)该方法仅利用邻居节点的相对作用信息设计分布式编队控制器,结构简单,具有较好的可扩展性与自组织性,能够有效提高计算效率。
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,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种拓扑切换下无人机与无人车异构集群编队跟踪控制方法,其特征在于,所述跟踪控制方法包括如下步骤:
构建异构编队的虚拟领导者;
构建异构编队的期望时变编队构型;
根据异构编队的期望时变编队构型,构建异构编队的时变编队向量;
建立异构编队中的成员在拓扑切换条件下对虚拟领导者的状态进行估计的分布式状态观测器;其中,异构编队中的成员为异构编队包含的无人机或无人车;
建立对异构编队中的成员的状态进行估计的系统状态观测器;
根据所述时变编队向量、所述分布式状态观测器和所述系统状态观测器,构造分布式时变编队跟踪控制器;
控制虚拟领导者按照异构编队的期望运动轨迹运动;
通过分布式时变编队跟踪控制器控制异构编队的成员跟踪虚拟领导者的运动轨迹;
所述建立异构编队中的成员在拓扑切换条件下对虚拟领导者的状态进行估计的分布式状态观测器,具体包括:
建立异构编队中的成员在拓扑切换条件下对虚拟领导者的状态进行估计的分布式状态观测器为:
其中,为异构编队中的第i个成员对虚拟领导者的状态估计值,A0为虚拟领导者的状态控制方程的第一系数矩阵,η为分布式状态观测器的增益系数,Ξσ(t)为拓扑判断矩阵,Ξσ(t)=Gσ(t)Lσ(t)+LT σ(t)Gσ(t)>0,Gσ(t)和Lσ(t)分别表示状态切换信号σ(t)对应的异构编队中的交互拓扑和拉普拉斯矩阵,λmax(Gσ(t))为Gσ(t)的最大特征值,λmin(Ξσ(t))为Ξσ(t)的最小特征值,K为分布式状态观测器的增益矩阵,wi0为异构编队中的第i个成员到虚拟领导者的作用强度,wij为异构编队中的第i个成员到第j个成员的作用强度,为异构编队中的第j个成员相对于虚拟领导者的状态估计值,q0(t)为虚拟领导者的状态;M表示异构编队中无人机的数量,N表示异构编队中无人车的数量;
确定满足线性不等式A0P+PA0 T+Iq-PC0C0 TP≤0的正定矩阵P;其中,Iq表示单位矩阵;
根据所述正定矩阵P,利用公式K=PC0 T计算分布式状态观测器的增益矩阵。
2.根据权利要求1所述的拓扑切换下无人机与无人车异构集群编队跟踪控制方法,其特征在于,所述根据异构编队的期望时变编队构型,构建异构编队的时变编队向量,具体包括:
其中,h1(t)、h2(t)、hM+N(t)分别表示异构编队中第1个、第2个和第M+N个成员的时变编队向量;M表示异构编队中无人机的数量、N表示异构编队中无人车的数量,对于异构编队中第i个成员的时变编队向量hi(t),满足公式hyi(t)=C0hi(t),hyi(t)表示异构编队对中第i个成员的期望时变编队构型,C0为虚拟领导者的状态控制方程的第三系数矩阵,t表示时间;
判断对于异构编队的每个成员,是否都存在编队补偿输入ri(t)使得公式成立,得到判断结果;其中,A0表示虚拟领导者的状态控制方程的第一系数矩阵;Xi表示使第i个成员的调节器方程成立的第一中间矩阵,Ui表示使第i个成员的调节器方程成立的第二中间矩阵,Ai、Bi和Ci分别表示异构编队中第i个成员的状态控制方程的第一系数矩阵、第二系数矩阵和第三系数矩阵;
若所述判断结果表示否,则返回步骤“根据异构编队的期望时变编队构型,构建异构编队的时变编队向量:
若所述判断结果表示是,则输出异构编队的时变编队向量和编队补偿输入。
4.根据权利要求3所述的拓扑切换下无人机与无人车异构集群编队跟踪控制方法,其特征在于,所述根据所述时变编队向量、所述分布式状态观测器和所述系统状态观测器,构造分布式时变编队跟踪控制器,具体包括:
根据所述时变编队向量、所述分布式状态观测器和所述系统状态观测器,构造分布式时变编队跟踪控制器为:
其中,K1i与K2i分别表示第i个成员的分布式时变编队跟踪控制器的第一增益矩阵和第二增益矩阵,ri(t)表示在t时刻异构编队中第i个成员的时变编队跟踪补偿输入;
确定使系数矩阵Ai+BiK1i为Hurwitz的第i个成员的分布式时变编队跟踪控制器的第一增益矩阵K1i;
根据第i个成员的分布式时变编队跟踪控制器的第一增益矩阵K1i,确定第i个成员的分布式时变编队跟踪控制器的第二增益矩阵为:K2i=Ui-K1iXi。
6.一种拓扑切换下无人机与无人车异构集群编队跟踪控制系统,其特征在于,所述跟踪控制系统包括:
虚拟领导者构建模块,用于构建异构编队的虚拟领导者;
期望时变编队构型形成模块,用于构建异构编队的期望时变编队构型;
时变编队向量构建模块,用于根据异构编队的期望时变编队构型,构建异构编队的时变编队向量;
分布式状态观测器建立模块,用于建立异构编队中的成员在拓扑切换条件下对虚拟领导者的状态进行估计的分布式状态观测器;其中,异构编队中的成员为异构编队包含的无人机或无人车;
系统状态观测器建立模块,用于建立对异构编队中的成员的状态进行估计的系统状态观测器;
分布式时变编队跟踪控制器构造模块,用于根据所述时变编队向量、所述分布式状态观测器和所述系统状态观测器,构造分布式时变编队跟踪控制器;
虚拟领导者控制模块,用于控制虚拟领导者按照异构编队的期望运动轨迹运动;
运动跟踪模块,用于通过分布式时变编队跟踪控制器控制异构编队的成员跟踪虚拟领导者的运动轨迹;
所述分布式状态观测器建立模块,具体包括:
分布式状态观测器建立子模块,用于建立异构编队中的成员在拓扑切换条件下对虚拟领导者的状态进行估计的分布式状态观测器为:
其中,为异构编队中的第i个成员对虚拟领导者的状态估计值;A0为虚拟领导者的状态控制方程的第一系数矩阵;η为分布式状态观测器的增益系数,Ξσ(t)为拓扑判断矩阵,Ξσ(t)=Gσ(t)Lσ(t)+LT σ(t)Gσ(t)>0,Gσ(t)和Lσ(t)分别表示状态切换信号σ(t)对应的异构编队中的交互拓扑和拉普拉斯矩阵,λmax(Gσ(t))为Gσ(t)的最大特征值,λmin(Ξσ(t))为Ξσ(t)的最小特征值;K为分布式状态观测器的增益矩阵,wi0为异构编队中的第i个成员到虚拟领导者的作用强度,wij为异构编队中的第i个成员到第j个成员的作用强度,为异构编队中的第j个成员相对于虚拟领导者的状态估计值,q0(t)为虚拟领导者的状态;M表示异构编队中无人机的数量,N表示异构编队中无人车的数量;
正定矩阵求解子模块,用于确定满足线性不等式A0P+PA0 T+Iq-PC0C0 TP≤0的正定矩阵P;其中,Iq表示单位矩阵;
分布式状态观测器的增益矩阵计算子模块,用于根据所述正定矩阵P,利用公式K=PC0 T计算分布式状态观测器的增益矩阵。
7.根据权利要求6所述的拓扑切换下无人机与无人车异构集群编队跟踪控制系统,其特征在于,所述时变编队向量构建模块,具体包括:
其中,h1(t)、h2(t)、hM+N(t)分别表示异构编队中第1个、第2个和第M+N个成员的时变编队向量;M表示异构编队中无人机的数量、N表示异构编队中无人车的数量,对于异构编队中第i个成员的时变编队向量hi(t),满足公式hyi(t)=C0hi(t),hyi(t)表示异构编队对中第i个成员的期望时变编队构型,C0为虚拟领导者的状态控制方程的第三系数矩阵,t表示时间;
判断子模块,用于判断对于异构编队的每个成员,是否都存在编队补偿输入ri(t)使得公式成立,得到判断结果;其中,A0表示虚拟领导者的状态控制方程的第一系数矩阵;Xi表示使第i个成员的调节器方程:成立的第一中间矩阵,Ui表示使第i个成员的调节器方程:成立的第二中间矩阵,Ai、Bi和Ci分别表示异构编队中第i个成员的状态控制方程的第一系数矩阵、第二系数矩阵和第三系数矩阵;
时变编队向量输出子模块,用于若所述判断结果表示是则输出异构编队的时变编队向量和编队补偿输入。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010597290.8A CN111665848B (zh) | 2020-06-28 | 2020-06-28 | 拓扑切换下无人机与无人车异构集群编队跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010597290.8A CN111665848B (zh) | 2020-06-28 | 2020-06-28 | 拓扑切换下无人机与无人车异构集群编队跟踪控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111665848A CN111665848A (zh) | 2020-09-15 |
CN111665848B true CN111665848B (zh) | 2020-12-11 |
Family
ID=72390091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010597290.8A Active CN111665848B (zh) | 2020-06-28 | 2020-06-28 | 拓扑切换下无人机与无人车异构集群编队跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111665848B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112887931B (zh) * | 2021-01-12 | 2022-03-15 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于中心节点辅助的异构集群多业务组网方法 |
CN112987790B (zh) * | 2021-03-04 | 2022-05-10 | 北京航空航天大学 | 一种分布式异构集群系统分组编队跟踪控制方法和系统 |
CN113220021B (zh) * | 2021-05-06 | 2022-08-09 | 西北工业大学 | 基于虚拟领导者的飞行编队协同自适应跟踪控制方法 |
CN113419535B (zh) * | 2021-07-05 | 2024-02-27 | 鹏城实验室 | 双艇路径规划方法、装置、设备及计算机可读存储介质 |
CN113253764B (zh) * | 2021-07-14 | 2021-10-01 | 北京大学 | 一种基于降维观测器的无人集群仿射编队控制方法 |
CN113900380B (zh) * | 2021-11-17 | 2023-02-28 | 北京航空航天大学 | 一种异构集群系统鲁棒输出编队跟踪控制方法及系统 |
CN114115289A (zh) * | 2021-12-07 | 2022-03-01 | 湖南大学 | 一种自主无人集群侦察系统 |
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 |
CN114237247A (zh) * | 2021-12-17 | 2022-03-25 | 广东工业大学 | 基于预测的可变队形非完整移动机器人一致性控制方法 |
CN115220472B (zh) * | 2022-07-13 | 2023-07-21 | 南京航空航天大学 | 一种切换拓扑下空-地异构编队系统的容错控制方法 |
CN115877718B (zh) * | 2023-02-23 | 2023-05-30 | 北京航空航天大学 | 数据驱动的异构导弹编队切换通信拓扑协同控制方法 |
CN116166021B (zh) * | 2023-03-01 | 2023-11-24 | 海南大学 | 基于双观测器的无人船编队控制方法 |
CN116820100B (zh) * | 2023-06-25 | 2024-02-27 | 中国矿业大学 | 一种欺骗攻击下的无人车编队控制方法 |
CN117687309B (zh) * | 2024-02-04 | 2024-04-16 | 北京航空航天大学 | 用于异构集群系统的异步约束输出编队跟踪方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101382429A (zh) * | 2008-10-17 | 2009-03-11 | 北京航空航天大学 | 一种地空异构多机器人搜救系统 |
CN106054922A (zh) * | 2016-06-22 | 2016-10-26 | 长安大学 | 一种无人机‑无人车联合编队协同控制方法 |
CN108519741A (zh) * | 2018-05-14 | 2018-09-11 | 中国人民解放军火箭军工程大学 | 一种具有通信容错功能的保性能编队控制方法 |
CN109240331A (zh) * | 2018-09-30 | 2019-01-18 | 北京航空航天大学 | 一种无人机-无人车集群模型时变编队控制方法及系统 |
CN109613931A (zh) * | 2019-01-07 | 2019-04-12 | 北京航空航天大学 | 基于生物社会力的异构无人机集群目标跟踪系统及方法 |
CN109656255A (zh) * | 2019-01-28 | 2019-04-19 | 湖南大学 | 考虑通信拓扑时变下的车辆队列跟驰稳定性控制方法 |
CN109901616A (zh) * | 2019-03-29 | 2019-06-18 | 北京航空航天大学 | 一种异构无人机群分布式任务规划方法 |
CN110109351A (zh) * | 2019-04-08 | 2019-08-09 | 广东工业大学 | 一种基于指定性能的多智能体一致性控制方法 |
CN110162074A (zh) * | 2019-06-05 | 2019-08-23 | 南京航空航天大学 | 一种基于层级结构的直升机群的姿态健康管理方法 |
CN110716582A (zh) * | 2019-10-16 | 2020-01-21 | 东南大学 | 适用于通信受间歇DoS攻击下的多智能体一致性跟踪协议设计方法 |
CN111176327A (zh) * | 2020-01-16 | 2020-05-19 | 北京航空航天大学 | 一种多智能体系统合围控制方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060256733A1 (en) * | 2005-05-12 | 2006-11-16 | Yigal Bejerano | Methods and devices for discovering the topology of large multi-subnet LANs |
US20180284735A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for industrial internet of things data collection in a network sensitive upstream oil and gas environment |
-
2020
- 2020-06-28 CN CN202010597290.8A patent/CN111665848B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101382429A (zh) * | 2008-10-17 | 2009-03-11 | 北京航空航天大学 | 一种地空异构多机器人搜救系统 |
CN106054922A (zh) * | 2016-06-22 | 2016-10-26 | 长安大学 | 一种无人机‑无人车联合编队协同控制方法 |
CN108519741A (zh) * | 2018-05-14 | 2018-09-11 | 中国人民解放军火箭军工程大学 | 一种具有通信容错功能的保性能编队控制方法 |
CN109240331A (zh) * | 2018-09-30 | 2019-01-18 | 北京航空航天大学 | 一种无人机-无人车集群模型时变编队控制方法及系统 |
CN109613931A (zh) * | 2019-01-07 | 2019-04-12 | 北京航空航天大学 | 基于生物社会力的异构无人机集群目标跟踪系统及方法 |
CN109656255A (zh) * | 2019-01-28 | 2019-04-19 | 湖南大学 | 考虑通信拓扑时变下的车辆队列跟驰稳定性控制方法 |
CN109901616A (zh) * | 2019-03-29 | 2019-06-18 | 北京航空航天大学 | 一种异构无人机群分布式任务规划方法 |
CN110109351A (zh) * | 2019-04-08 | 2019-08-09 | 广东工业大学 | 一种基于指定性能的多智能体一致性控制方法 |
CN110162074A (zh) * | 2019-06-05 | 2019-08-23 | 南京航空航天大学 | 一种基于层级结构的直升机群的姿态健康管理方法 |
CN110716582A (zh) * | 2019-10-16 | 2020-01-21 | 东南大学 | 适用于通信受间歇DoS攻击下的多智能体一致性跟踪协议设计方法 |
CN111176327A (zh) * | 2020-01-16 | 2020-05-19 | 北京航空航天大学 | 一种多智能体系统合围控制方法及系统 |
Non-Patent Citations (3)
Title |
---|
Leader-Following Sample data Formation Control of Nonholonomic Robots with Switching Network Topologies;Mairaj Ali等;《2018 22nd International Conference on System Theory, Control and Computing》;20181231;第445-451页 * |
基于事件触发的拓扑切换异构多智能体协同输出调节;杨若涵等;《自动化学报》;20170331;第43卷(第3期);第472-477页 * |
基于拓扑切换的异构多智能体系统协同输出调节;马羊琴等;《系统科学与数学》;20191231;第39卷(第6期);第845-856页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111665848A (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111665848B (zh) | 拓扑切换下无人机与无人车异构集群编队跟踪控制方法 | |
CN109240331B (zh) | 一种无人机-无人车集群模型时变编队控制方法及系统 | |
Peng et al. | Modeling and robust backstepping sliding mode control with adaptive RBFNN for a novel coaxial eight-rotor UAV | |
Raza et al. | Intelligent flight control of an autonomous quadrotor | |
CN106647781A (zh) | 基于重复控制补偿神经模糊pid四旋翼飞行器的控制方法 | |
CN111781827B (zh) | 基于神经网络和滑模控制的卫星编队控制方法 | |
Fessi et al. | LQG controller design for a quadrotor UAV based on particle swarm optimisation | |
CN110377051A (zh) | 一种应用于无人机群的时变编队蜂拥控制方法 | |
He et al. | Development of an autonomous flapping-wing aerial vehicle | |
Wu et al. | Nonlinear control of quadrotor for fault tolerance: A total failure of one actuator | |
CN109597426A (zh) | 基于l1自适应控制的四旋翼直升机轨迹跟踪控制方法 | |
Rojo-Rodriguez et al. | Robust consensus-based formation flight for multiple quadrotors | |
CN114610072A (zh) | 一种无人机集群系统分布式时变编队跟踪控制方法及系统 | |
Guerrero-Castellanos et al. | Real-time event-based formation control of a group of VTOL-UAVs | |
Xu et al. | Distributed fixed-time time-varying formation-containment control for networked underactuated quadrotor UAVs with unknown disturbances | |
CN117193369A (zh) | 预设时间下的无人机集群博弈纳什均衡搜索方法及系统 | |
Akbar et al. | Adaptive modified super-twisting control for a quadrotor helicopter with a nonlinear sliding surface | |
Wu et al. | Improved reinforcement learning using stability augmentation with application to quadrotor attitude control | |
Miao et al. | Formation control of quadrotor UAVs without linear velocity measurements | |
Deia et al. | Fully decentralized fuzzy sliding mode control with chattering elimination for a quadrotor attitude | |
CN113867374A (zh) | 基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器及其设计方法 | |
CN116841319A (zh) | 分布式自适应无人机方位编队控制方法、系统及电子设备 | |
Abdelmaksoud et al. | Disturbance rejection for a quadrotor using robust active force control with genetic algorithm | |
Housny et al. | Robust sliding mode control for quadrotor UAV | |
CN113885549B (zh) | 基于维度裁剪的ppo算法的四旋翼姿态轨迹控制方法 |
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 |