CN112650299A - 一种考虑时变编队的分组一致性无人机编队控制方法 - Google Patents
一种考虑时变编队的分组一致性无人机编队控制方法 Download PDFInfo
- Publication number
- CN112650299A CN112650299A CN202110010705.1A CN202110010705A CN112650299A CN 112650299 A CN112650299 A CN 112650299A CN 202110010705 A CN202110010705 A CN 202110010705A CN 112650299 A CN112650299 A CN 112650299A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- matrix
- formation
- consistency
- 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
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 76
- 239000000126 substance Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 abstract description 2
- 238000005755 formation reaction Methods 0.000 description 83
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 238000012795 verification 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
- G05D1/10—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
本发明公开了一种考虑时变编队的分组一致性无人机编队控制方法,首先构建二阶积分数学模型,确定多无人机的拓扑结构,并利用图论知识描述其拓扑关系;设计考虑时变编队的分组一致性多无人机控制协议;利用矩阵论和现代控制理论的性质分析系统的一致性问题,得出收敛条件;确定符合系统收敛条件的控制协议的控制系数,带入控制协议,实现系统的分组一致性控制。本发明提供一种可以设置任意形式队形函数的多无人机编队分组一致性控制方法,其通过分布式控制的方法解决全局控制问题,同时,无需子图都是连通图,提高系统鲁棒性,适用于任意队形时变情况下的多无人机分组一致性控制。
Description
技术领域
本发明属于无人机技术领域,具体涉及一种无人机编队控制方法。
背景技术
多无人机系统的编队控制因其在军事和民用领域中具有广泛的应用前景而受众多研究者关注。国内外基于多无人机系统研究的编队控制的控制效果主要包括:队形生成、队形保持、队形切换、编队避障和自适应控制等。为实现以上控制效果,传统的控制方法主要有:基于行为的控制方法、leader-follower方法和基于虚拟结构的方法。但是伴随一致性理论的发展,基于一致性理论的编队控制也取得了丰硕的成果。且从理论的角度,传统的编队控制方法可被看成一致性控制方法的特例。
无人机编队一致性控制是指:在一个无人机集群系统中,在以分布式计算为基础,随时间的推移,单架无人机在局部的耦合作用下,编队整体最终能够达到所给定协议下的一致。当无人机编队同时存在多个任务时,则会存在多个不同的一致性结果,此现象即为分组一致性现象。
Dong和Yu等人(Wang L,Yu J.Group consensus in multi-agent systems withswitching topologies and communication delays[J].Systems and Control Letters,2010,59(6):340-348)提出一种基于时变编队的编队控制方法。该方法给出基于二阶积分模型的编队系统能够实现时变编队的充分和必要条件。但在运用在编队整体控制系统存在多个收敛目标情况时,系统将无法达到稳定状态。
Zhao等人(Huanyu Zhao,Ju H.Park.Group consensus of discrete-timemulti-agent systems with fixed and stochastic switching topologies[J].Nonlinear dynamics,2014,77(4):1297-1307)提出一种基于入度平衡的通信拓扑模型,设计一种有向固定拓扑情形下的一阶离散系统的分组一致性控制方法。该方法实现了无人机集群内部存在多个收敛目标时系统能够收敛,但编队内的相对队形是固定的,在编队队形是时变队形的情况时,不能够做出及时的队形保持控制。
目前很多无人机编队一致性控制的工作都聚焦在普通的一致性研究,即所有的无人机都渐进地达到一个共同的收敛状态且以固定的相对队形保持飞行。然而,在许多实际的飞行过程中,编队会根据任务要求同时收敛于多个平衡点,编队队形会根据环境改变。因此对于有时变队形的多个收敛目标无人机编队一致性仍是值得研究的重要方向。
发明内容
为了克服现有技术的不足,本发明提供了一种考虑时变编队的分组一致性无人机编队控制方法,首先构建二阶积分数学模型,确定多无人机的拓扑结构,并利用图论知识描述其拓扑关系;设计考虑时变编队的分组一致性多无人机控制协议;利用矩阵论和现代控制理论的性质分析系统的一致性问题,得出收敛条件;确定符合系统收敛条件的控制协议的控制系数,带入控制协议,实现系统的分组一致性控制。本发明提供一种可以设置任意形式队形函数的多无人机编队分组一致性控制方法,其通过分布式控制的方法解决全局控制问题,同时,无需子图都是连通图,提高系统鲁棒性,适用于任意队形时变情况下的多无人机分组一致性控制。
本发明解决其技术问题所采用的技术方案包括如下步骤:
步骤1:建立多无人机集群系统拓扑结构;
步骤1-1:构建多无人机集群系统的二阶积分模型:
其中,xi(t)、vi(t)和ui(t)分别代表t时刻第i个无人机的位置信息、速度信息和控制输入;
令θi(t)=[xi(t),vi(t)]T表示第i个无人机的状态量,则系统动态模型表示为:
其中,B1=[1 0]T,B2=[1 0]T;
步骤1-2:基于入度平衡规则建立多无人机集群系统的拓扑结构:
用有向图G(V,E,A)表示无人机集群拓扑结构,其中V表示顶点集合,顶点即表示无人机,表示边集,A=[aij]∈Rn×n表示邻接矩阵;aij表示无人机j到无人机i的边eij的权值,若边eij存在,则aij≠0,且aij为正表示正影响,aij为负表示负影响,若边eij不存在,则aij=0;
将所有顶点分为两组:第一组有N个顶点,编号为1~N,l1={1,2,...,N};第二组有M个顶点,编号为N+1~N+M,l2={N+1,N+2,...,N+M};
则邻接矩阵A=[aij]∈R(N+M)×(N+M)满足入度平衡规则:
步骤1-3:制定考虑时变编队的无人机集群分组一致性控制协议:
其中,K=[k1,k2]为多无人机集群系统控制器参数,hi(t)=[hix(t),hiv(t)]T是第i个无人机的时变队形函数,hix(t)和hiv(t)分别为第i个无人机时变队形函数的位置分量和速度分量,hj(t)是第j个无人机的时变队形函数,N1i和N2i分别代表第一组和第二组中第i个无人机的邻居节点集合;
则多无人机集群系统表示为:
步骤2:确定一致性控制协议的控制参数,实现考虑时变编队的分组一致性无人机编队控制;
步骤2-1:构建系统达到渐进稳定性的充分和必要条件;
步骤2-1-1:根据入度平衡规则和拉普拉斯矩阵性质假设:多无人机集群系统的拉普拉斯矩阵拥有两个零根;
步骤2-1-2:使用拉普拉斯矩阵降阶法对多无人机集群系统进行降阶处理,降阶后的拉普拉斯矩阵为N+M-2阶,具有与未降阶前拉普拉斯矩阵除两个零特征值外的相同特征值;定义ε(t)为第一组和第二组无人机以各组第1架无人机为基准的相对状态:
ε(t)=[θ2(t)T-θ1(t)T,...,θN(t)T-θ1(t)T,θN+2(t)T-θN+1(t)T,...,θN+M(t)T-θN+1(t)T]T (6)
定义H(t),Hx(t),Hv(t)为第一组和第二组无人机以各组第1架无人机为基准的相对时变队形函数及其位置、速度分量:
H(t)=[h2(t)T-h1(t)T,...,hN(t)T-h1(t)T,hN+2(t)T-hN+1(t)T,...,hN+M(t)T-hN+1(t)T]T
Hx(t)=[h2x(t)T-h1x(t)T,...,hNx(t)T-h1x(t)T,hN+2|x(t)T-hN+1|x(t)T,...,hN+M|x(t)T-hN+1|x(t)T]T
Hv(t)=[h2v(t)T-h1v(t)T,...,hNv(t)T-h1v(t)T,hN+2|v(t)T-hN+1|v(t)T,...,hN+M|v(t)T-hN+1|v(t)T]T
则系统的一致性问题进一步等价于无人机子系统稳定性问题:
其中,lij为拉普拉斯矩阵L第i行第j列的元素;K1=[k1,0],K2=[0,k2];
则多无人机集群系统的稳定性等价于以下稳定性问题:
其中,λi是系统的拉普拉斯矩阵的非零特征根;
运用赫尔维兹稳定性判据得到多无人机集群系统稳定性的充分必要条件,即为整个系统实现在时变队形情况下的分组一致性的充分必要条件:
(Re(λi)-1)k2>0
(Re(λi)-1)k2)ψi-Im(λi)2k1 2>0 (11)其中ψi=(1-2Re(λi)+(Re(λi)2+Im(λi)2))k1k2;
步骤2-2:如果无人机集群系统一致性的充分必要条件成立,则步骤1-1的无人机动态模型能够根据步骤1-3的一致性控制协议完成时变编队的编队飞行;由式(10),解得控制器参数K如下:
K=[Re(λmin)]-1B2 TP
其中λmin是拉普拉斯矩阵非零特征根中实部最小的特征根,P为式(10)对应的特征微分方程的正定对称解矩阵,其方程为典型代数Riccati方程,通过经典迭代数值方法求解:
(B1B2 T)TP+P(B1B2 T)-PB2B2 TP+I=0 (12)
最终实现考虑时变编队的分组一致性无人机编队控制,即:
本发明的有益效果如下:
1、本发明针对无人机编队系统的分组一致性控制给出了系统收敛的充分和必要条件,结合Riccati方程解算出最优控制参数。
2、本发明将分组一致性控制和时变编队相结合,满足系统能够收敛于多个平衡点和对时变编队做出及时编队保持控制设的要求,放宽了现有分组一致性控制方法中对编队队形函数的限制。现有的分组一致性编队控制尚未针对时变队形提出合理有效的控制方法。
3、本发明可对存在多个收敛目标的系统进行稳定的控制,且参数合理,求解简便。
4、本发明在分组一致性控制中充分考虑时变队形,能够在编队队形时刻变化的情况下实现及时的编队保持。
5、本发明满足了控制系统同时多收敛目标和时变队形的要求,弥补了现有技术在该方面上的应用不足。
附图说明
图1为本发明无人机集群系统分组一致性控制方法流程图。
图2为本发明实施例无人机集群系统的拓扑结构图。
图3为本发明实施例编队的无人机位置轨迹图。
图4为本发明实施例编队的无人机速度轨迹图。
图5为本发明实施例时变编队函数的位置轨迹图。
图6为本发明实施例时变编队函数的速度轨迹图。
图7为本发明实施例编队的位置与期望位置的误差图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
如图1所示,本发明提供了一种考虑时变编队的分组一致性无人机编队控制方法,包括如下步骤:
步骤1:建立多无人机集群系统拓扑结构;
步骤1-1:构建多无人机集群系统的二阶积分模型:
其中,xi(t)、vi(t)和ui(t)分别代表t时刻第i个无人机的位置信息、速度信息和控制输入;
令θi(t)=[xi(t),vi(t)]T表示第i个无人机的状态量,则系统动态模型表示为:
其中,B1=[1 0]T,B2=[1 0]T;
步骤1-2:基于入度平衡规则建立多无人机集群系统的拓扑结构:
用有向图G(V,E,A)表示无人机集群拓扑结构,其中V表示顶点集合,顶点即表示无人机,表示边集,A=[aij]∈Rn×n表示邻接矩阵;aij表示无人机j到无人机i的边eij的权值,若边eij存在,则aij≠0,且aij为正表示正影响,aij为负表示负影响,若边eij不存在,则aij=0;
将所有顶点分为两组:第一组有N个顶点,编号为1~N,l1={1,2,...,N};第二组有M个顶点,编号为N+1~N+M,l2={N+1,N+2,...,N+M};
则邻接矩阵A=[aij]∈R(N+M)×(N+M)满足入度平衡规则:
步骤1-3:制定考虑时变编队的无人机集群分组一致性控制协议:
其中,K=[k1,k2]为多无人机集群系统控制器参数,hi(t)=[hix(t),hiv(t)]T是第i个无人机的时变队形函数,hix(t)和hiv(t)分别为第i个无人机时变队形函数的位置分量和速度分量,hj(t)是第j个无人机的时变队形函数,N1i和N2i分别代表第一组和第二组中第i个无人机的邻居节点集合;
则多无人机集群系统表示为:
步骤2:确定一致性控制协议的控制参数,实现考虑时变编队的分组一致性无人机编队控制;
步骤2-1:构建系统达到渐进稳定性的充分和必要条件;
步骤2-1-1:根据入度平衡规则和拉普拉斯矩阵性质假设:多无人机集群系统的拉普拉斯矩阵拥有两个零根;
步骤2-1-2:使用拉普拉斯矩阵降阶法对多无人机集群系统进行降阶处理,降阶后的拉普拉斯矩阵为N+M-2阶,具有与未降阶前拉普拉斯矩阵除两个零特征值外的相同特征值;为完成降阶及系统稳定性方程(5)式的简化,定义ε(t)为第一组和第二组无人机以各组第1架无人机为基准的相对状态:
ε(t)=[θ2(t)T-θ1(t)T,...,θN(t)T-θ1(t)T,θN+2(t)T-θN+1(t)T,...,θN+M(t)T-θN+1(t)T]T(6)
定义H(t),Hx(t),Hv(t)为第一组和第二组无人机以各组第1架无人机为基准的相对时变队形函数及其位置、速度分量:
H(t)=[h2(t)T-h1(t)T,...,hN(t)T-h1(t)T,hN+2(t)T-hN+1(t)T,...,hN+M(t)T-hN+1(t)T]T
Hx(t)=[h2x(t)T-h1x(t)T,...,hNx(t)T-h1x(t)T,hN+2|x(t)T-hN+1|x(t)T,...,hN+M|x(t)T-hN+1|x(t)T]T
Hv(t)=[h2v(t)T-h1v(t)T,...,hNv(t)T-h1v(t)T,hN+2|v(t)T-hN+1|v(t)T,...,hN+M|v(t)T-hN+1|v(t)T]T
则系统的一致性问题进一步等价于无人机子系统稳定性问题:
其中,lij为拉普拉斯矩阵L第i行第j列的元素;K1=[k1,0],K2=[0,k2];
则多无人机集群系统的稳定性等价于以下稳定性问题:
其中,λi是系统的拉普拉斯矩阵的非零特征根;
运用赫尔维兹稳定性判据得到多无人机集群系统稳定性的充分必要条件,即为整个系统实现在时变队形情况下的分组一致性的充分必要条件:
(Re(λi)-1)k2>0
(Re(λi)-1)k2)ψi-Im(λi)2k1 2>0 (11)其中ψi=(1-2Re(λi)+(Re(λi)2+Im(λi)2))k1k2;
步骤2-2:如果无人机集群系统一致性的充分必要条件成立,则步骤1-1的无人机动态模型能够根据步骤1-3的一致性控制协议完成时变编队的编队飞行;由式(10),解得控制器参数K如下:
K=[Re(λmin)]-1B2 TP
其中λmin是拉普拉斯矩阵非零特征根中实部最小的特征根,P为式(10)对应的特征微分方程的正定对称解矩阵,其方程为典型代数Riccati方程,通过经典迭代数值方法求解:
(B1B2 T)TP+P(B1B2 T)-PB2B2 TP+I=0 (12)
最终实现考虑时变编队的分组一致性无人机编队控制,即:
具体实施例:
基于附图2的拓扑结构进行仿真验证。有5架无人机参与仿真,分为两组:第一组三架,编号为1、2、3;第二组两架,编号为4、5。其所对应的邻接矩阵如下:
拉普拉斯矩阵为:
控制器参数为K=[k1,k2]=[0.8156,1.4127]。
无人机编队的初始状态为:
结合附图2所示的拓扑结构及以上的初始状态设置,仿真结果如附图3、附图4和附图7所示。
从附图3和附图4中所示的位置和速度轨迹结果图,无人机集群系统在满足本发明专利给出的收敛条件之后,能够在队内队形一直变化的情况下实现分组一致性控制。
本发明是用于研究分组一致性控制,其研究点在于收敛功能(能否收敛),而不是收敛性能(如收敛速度)。故在设计控制协议时,考虑实际应用中时变队形函数的情形,满足实际应用中不同任务中不同队形的要求。
Claims (1)
1.一种考虑时变编队的分组一致性无人机编队控制方法,其特征在于,包括以下步骤:
本发明解决其技术问题所采用的技术方案包括如下步骤:
步骤1:建立多无人机集群系统拓扑结构;
步骤1-1:构建多无人机集群系统的二阶积分模型:
其中,xi(t)、vi(t)和ui(t)分别代表t时刻第i个无人机的位置信息、速度信息和控制输入;
令θi(t)=[xi(t),vi(t)]T表示第i个无人机的状态量,则系统动态模型表示为:
其中,B1=[1 0]T,B2=[1 0]T;
步骤1-2:基于入度平衡规则建立多无人机集群系统的拓扑结构:
用有向图G(V,E,A)表示无人机集群拓扑结构,其中V表示顶点集合,顶点即表示无人机,表示边集,A=[aij]∈Rn×n表示邻接矩阵;aij表示无人机j到无人机i的边eij的权值,若边eij存在,则aij≠0,且aij为正表示正影响,aij为负表示负影响,若边eij不存在,则aij=0;
将所有顶点分为两组:第一组有N个顶点,编号为1~N,l1={1,2,...,N};第二组有M个顶点,编号为N+1~N+M,l2={N+1,N+2,...,N+M};
则邻接矩阵A=[aij]∈R(N+M)×(N+M)满足入度平衡规则:
步骤1-3:制定考虑时变编队的无人机集群分组一致性控制协议:
其中,K=[k1,k2]为多无人机集群系统控制器参数,hi(t)=[hix(t),hiv(t)]T是第i个无人机的时变队形函数,hix(t)和hiv(t)分别为第i个无人机时变队形函数的位置分量和速度分量,hj(t)是第j个无人机的时变队形函数,N1i和N2i分别代表第一组和第二组中第i个无人机的邻居节点集合;
则多无人机集群系统表示为:
步骤2:确定一致性控制协议的控制参数,实现考虑时变编队的分组一致性无人机编队控制;
步骤2-1:构建系统达到渐进稳定性的充分和必要条件;
步骤2-1-1:根据入度平衡规则和拉普拉斯矩阵性质假设:多无人机集群系统的拉普拉斯矩阵拥有两个零根;
步骤2-1-2:使用拉普拉斯矩阵降阶法对多无人机集群系统进行降阶处理,降阶后的拉普拉斯矩阵为N+M-2阶,具有与未降阶前拉普拉斯矩阵除两个零特征值外的相同特征值;定义ε(t)为第一组和第二组无人机以各组第1架无人机为基准的相对状态:
ε(t)=[θ2(t)T-θ1(t)T,...,θN(t)T-θ1(t)T,θN+2(t)T-θN+1(t)T,...,θN+M(t)T-θN+1(t)T]T(6)
定义H(t),Hx(t),Hv(t)为第一组和第二组无人机以各组第1架无人机为基准的相对时变队形函数及其位置、速度分量:
H(t)=[h2(t)T-h1(t)T,...,hN(t)T-h1(t)T,hN+2(t)T-hN+1(t)T,...,hN+M(t)T-hN+1(t)T]T
Hx(t)=[h2x(t)T-h1x(t)T,...,hNx(t)T-h1x(t)T,hN+2|x(t)T-hN+1|x(t)T,...,hN+M|x(t)T-hN+1|x(t)T]T
Hv(t)=[h2v(t)T-h1v(t)T,...,hNv(t)T-h1v(t)T,hN+2|v(t)T-hN+1|v(t)T,...,hN+M|v(t)T-hN+1|v(t)T]T
则系统的一致性问题进一步等价于无人机子系统稳定性问题:
其中,lij为拉普拉斯矩阵L第i行第j列的元素;K1=[k1,0],K2=[0,k2];
则多无人机集群系统的稳定性等价于以下稳定性问题:
其中,λi是系统的拉普拉斯矩阵的非零特征根;
运用赫尔维兹稳定性判据得到多无人机集群系统稳定性的充分必要条件,即为整个系统实现在时变队形情况下的分组一致性的充分必要条件:
(Re(λi)-1)k2>0
(Re(λi)-1)k2)ψi-Im(λi)2k1 2>0 (11)
其中ψi=(1-2Re(λi)+(Re(λi)2+Im(λi)2))k1k2;
步骤2-2:如果无人机集群系统一致性的充分必要条件成立,则步骤1-1的无人机动态模型能够根据步骤1-3的一致性控制协议完成时变编队的编队飞行;由式(10),解得控制器参数K如下:
K=[Re(λmin)]-1B2 TP
其中λmin是拉普拉斯矩阵非零特征根中实部最小的特征根,P为式(10)对应的特征微分方程的正定对称解矩阵,其方程为典型代数Riccati方程,通过经典迭代数值方法求解:
(B1B2 T)TP+P(B1B2 T)-PB2B2 TP+I=0 (12)
最终实现考虑时变编队的分组一致性无人机编队控制,即:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110010705.1A CN112650299B (zh) | 2021-01-06 | 2021-01-06 | 一种考虑时变编队的分组一致性无人机编队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110010705.1A CN112650299B (zh) | 2021-01-06 | 2021-01-06 | 一种考虑时变编队的分组一致性无人机编队控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112650299A true CN112650299A (zh) | 2021-04-13 |
CN112650299B CN112650299B (zh) | 2024-06-07 |
Family
ID=75367659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110010705.1A Active CN112650299B (zh) | 2021-01-06 | 2021-01-06 | 一种考虑时变编队的分组一致性无人机编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112650299B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359833A (zh) * | 2021-06-22 | 2021-09-07 | 西安爱生技术集团有限公司 | 一种无人机编队协同侦察的任务规划方法 |
CN113625747A (zh) * | 2021-07-23 | 2021-11-09 | 北京航空航天大学 | 一种集群系统编队避障控制方法 |
CN114296478A (zh) * | 2021-12-29 | 2022-04-08 | 南京邮电大学 | 一种基于极点分析法的无人机编队一致性控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281053A (zh) * | 2013-07-08 | 2015-01-14 | 哈尔滨点石仿真科技有限公司 | 一种解决通信时滞的多智能体协同控制方法 |
CN108388270A (zh) * | 2018-03-21 | 2018-08-10 | 天津大学 | 面向安全域的集群无人机轨迹姿态协同控制方法 |
CN109116868A (zh) * | 2018-10-31 | 2019-01-01 | 中国人民解放军32181部队 | 分布式无人机编队协同控制方法 |
CN111552314A (zh) * | 2020-05-09 | 2020-08-18 | 北京航空航天大学 | 多无人机自适应编队跟踪控制方法 |
CN111651705A (zh) * | 2020-05-18 | 2020-09-11 | 北京航空航天大学 | 集群编队跟踪控制方法 |
-
2021
- 2021-01-06 CN CN202110010705.1A patent/CN112650299B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281053A (zh) * | 2013-07-08 | 2015-01-14 | 哈尔滨点石仿真科技有限公司 | 一种解决通信时滞的多智能体协同控制方法 |
CN108388270A (zh) * | 2018-03-21 | 2018-08-10 | 天津大学 | 面向安全域的集群无人机轨迹姿态协同控制方法 |
CN109116868A (zh) * | 2018-10-31 | 2019-01-01 | 中国人民解放军32181部队 | 分布式无人机编队协同控制方法 |
CN111552314A (zh) * | 2020-05-09 | 2020-08-18 | 北京航空航天大学 | 多无人机自适应编队跟踪控制方法 |
CN111651705A (zh) * | 2020-05-18 | 2020-09-11 | 北京航空航天大学 | 集群编队跟踪控制方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359833A (zh) * | 2021-06-22 | 2021-09-07 | 西安爱生技术集团有限公司 | 一种无人机编队协同侦察的任务规划方法 |
CN113359833B (zh) * | 2021-06-22 | 2023-07-28 | 西安爱生技术集团有限公司 | 一种无人机编队协同侦察的任务规划方法 |
CN113625747A (zh) * | 2021-07-23 | 2021-11-09 | 北京航空航天大学 | 一种集群系统编队避障控制方法 |
CN113625747B (zh) * | 2021-07-23 | 2023-11-17 | 北京航空航天大学 | 一种集群系统编队避障控制方法 |
CN114296478A (zh) * | 2021-12-29 | 2022-04-08 | 南京邮电大学 | 一种基于极点分析法的无人机编队一致性控制方法 |
CN114296478B (zh) * | 2021-12-29 | 2023-07-28 | 南京邮电大学 | 一种基于极点分析法的无人机编队一致性控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112650299B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112650299A (zh) | 一种考虑时变编队的分组一致性无人机编队控制方法 | |
CN112631335B (zh) | 一种基于事件触发的多四旋翼无人机固定时间编队方法 | |
CN111522361B (zh) | 主-从模式的多无人机编队一致性控制方法 | |
CN112578804B (zh) | 一种基于事件触发机制的四旋翼飞行器编队滑模控制方法 | |
Zhang et al. | Trajectory tracking control of a quadrotor UAV based on sliding mode active disturbance rejection control | |
Zhang et al. | A globally fixed-time solution of distributed formation control for multiple hypersonic gliding vehicles | |
CN113268083B (zh) | 基于动态事件触发的多无人机系统编队跟踪控制方法 | |
CN113050687B (zh) | 一种多无人机编队重组轨迹规划方法 | |
CN113050677A (zh) | 多无人机队形保持和变换的控制方法、系统、存储介质 | |
CN114138010B (zh) | 一种基于加权偏差的多智能体高阶滑模编队控制方法 | |
CN112947086B (zh) | 一种无人机和无人车组成的异构多智能体系统编队控制中执行器故障的自适应补偿方法 | |
CN108681331A (zh) | 一种近空间飞行器的姿态跟踪控制方法 | |
CN116027809B (zh) | 一种DoS攻击下的多四旋翼无人机编队控制方法 | |
Mazhar et al. | Robust decentralized nonlinear formation control of multiagent quadrotor | |
CN111506114B (zh) | 一种飞行器编队控制方法 | |
Dou et al. | Distributed finite‐time formation control for multiple quadrotors via local communications | |
CN110032204B (zh) | 输入时延下多空间飞行器姿态协同控制方法 | |
Zhou et al. | Time-varying formation tracking control for UAV-UGV heterogeneous swarm systems with switching directed topologies | |
CN115033013A (zh) | 具有输入约束的多无人机固定时间分布式编队控制方法 | |
Hou et al. | Event-triggered integral sliding mode formation control for multiple quadrotor UAVs with unknown disturbances | |
CN110716585B (zh) | 基于分布式一致性与自组网的自主协同控制方法及系统 | |
CN110162084B (zh) | 基于一致性理论的飞航导弹集群系统编队控制方法 | |
CN116107339B (zh) | 一种推力损失故障下的蜂群无人机容错协同控制方法 | |
CN114564044B (zh) | 一种输入限幅事件触发的无人机有限时间编队控制方法 | |
CN116700340A (zh) | 轨迹规划方法、装置及无人机集群 |
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 |