CN113178098B - 一种无人船事件触发分层协同控制系统 - Google Patents
一种无人船事件触发分层协同控制系统 Download PDFInfo
- Publication number
- CN113178098B CN113178098B CN202110553575.6A CN202110553575A CN113178098B CN 113178098 B CN113178098 B CN 113178098B CN 202110553575 A CN202110553575 A CN 202110553575A CN 113178098 B CN113178098 B CN 113178098B
- Authority
- CN
- China
- Prior art keywords
- event
- ship
- unit
- distributed
- unmanned
- 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
- 238000004891 communication Methods 0.000 claims abstract description 78
- 230000001960 triggered effect Effects 0.000 claims abstract description 55
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 230000007246 mechanism Effects 0.000 claims description 19
- 230000003111 delayed effect Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 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
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 29
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Ocean & Marine Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人船事件触发分层协同控制系统,包括分布式事件触发状态观测模块、位置跟踪控制模块、通讯网络、无人船、目标船,分布式事件触发状态观测模块用于对相邻无人船进行实时监测,当邻居船的位置信息更新后,触发无人船对目标船的位置和速度信息进行观测,包括第一事件触发单元、分布式观测单元,位置跟踪控制模块用于对目标船的位置、角度和速度跟踪误差进行估计,触发无人船对目标船进行跟踪,包括跟踪控制单元、第三事件触发单元、降阶分布式观测单元,将分布式观测单元与跟踪控制单元分层设计,实现了各层之间的独立,通过各层的协作,有效降低了多无人船目标跟踪问题的复杂度,提高了多无人船目标跟踪控制系统的扩展性。
Description
技术领域
本发明涉及水面无人船控制领域,尤其涉及一种无人船事件触发分层协同控制系统。
背景技术
当今时代,海洋在维护国家主权、安全和发展利益中具有极其重要的地位,水面无人船作为人类保护海洋和开发海洋的重要工具,凭借其无人化、小型化、智能化的优点,在军事、民用和科研领域得到广泛应用,因此各国相继加大了对其研究、开发和利用的力度,同时无人船的运动控制也受到了极大的关注,它们是研究、利用和开发海洋的重要工具,如环境监测、生物探测、搜索和救援以及传感器网络。然而在更多的情况下,单艘无人船可以完成的任务有限,效率也较低,所以目前大量的工作更致力于多无人船的协同控制。协同控制包括协同轨迹跟踪、协同路径跟踪、协同目标跟踪和协同目标包围,具体来说,协同目标跟踪是使多艘无人船跟踪移动目标,同时保持期望的队形并完成特定任务,协同控制使无人船能够执行更具挑战性的任务,提高了效率。此外,事件触发技术在控制和估计领域取得了迅速发展,它能根据系统当前的状态是否满足触发状态决定是否要触发。因此,对于在无人船事件触发分层协同控制器方面展开研究有着非常重要的现实意义。
在船舶目标跟踪方面,国内外相关领域已经进行了广泛的研究,并提出了许多研究方法。目前单无人船跟踪位置和速度信息已知的领导船的控制方法比较成熟。为了跟踪未知动态的领导船,国内外已经取得一些研究结果,有多种控制方法可用,如反步法、动态面控制、神经网络控制等方法。针对船舶领域目标跟踪问题,中国专利CN201910139524.1公开了一种基于TLD(Tracking-Learning-Detection)算法的无人船海域目标跟踪方法,使用TLD算法框架作为目标跟踪算法的基础,使用基于相关滤波的跟踪方法,提升船舶目标跟踪效果,并提高了跟踪速度。
从船舶目标跟踪方面来看,现有方法仍存在着以下不足:
第一,现有的目标跟踪方法依赖于目标的位置和速度信息,而位置和速度信息的获取是实现无人船运动控制的前提,无人船的运行受外部海洋环境影响很大,跟随船无法准确获得目标的速度信息。
第二,现有的大多数无人船的控制研究依赖于传感器的使用,而传感器的使用增加了无人船的生产和维护成本,无人船信息的获取也会过分依赖于传感器的可靠性,一旦传感器出现故障或干扰,无人船信息的获取就会中断,因此也会降低无人船的稳定性。
第三,现有的多无人船协同跟踪控制大都依赖于通信技术,然而在复杂多变的海洋环境中,通信带宽可能会受到限制,多无人船之间的数据传送能力也会因此降低,进而多无人船之间的协同控制也就会受到极大的影响。
发明内容
本发明提供一种无人船事件触发分层协同控制系统,以克服上述技术问题。
一种无人船事件触发分层协同控制系统,其特征在于,包括分布式事件触发状态观测模块、位置跟踪控制模块、通讯网络、无人船、目标船,
分布式事件触发状态观测模块用于获取目标船初始状态,根据目标船的初始状态定义相同状态的虚拟点,并通过通讯网络将虚拟点的状态信息发送至每一艘无人船,实时计算目标船和虚拟点之间的距离,当距离超过阈值时,触发执行虚拟点对目标船的位置估计,同时更新无人船的位置,并触发无人船之间的通讯,邻居船对无人船的位置进行监测,当无人船的位置信息更新后,触发邻居船根据更新的无人船的位置信息对目标船的位置和速度信息进行观测,包括第一事件触发单元、分布式观测单元,
位置跟踪控制模块用于创建虚拟点与无人船之间的位置跟踪误差、角度跟踪误差和速度跟踪误差的相对动力学方程,计算位置跟踪误差、角度跟踪误差和速度跟踪误差的估计值,当无人船与目标船的控制误差超过阈值时,更新控制律并更新一次通讯,控制无人船对目标船的位置进行跟踪,位置跟踪控制模块包括跟踪控制单元、第三事件触发单元、降阶分布式观测单元,
分布式事件触发状态观测模块中,第一事件触发单元的输入端与分布式观测单元的输出端相连、第一事件触发单元的输出端分别与分布式观测单元和通讯网络相连,分布式观测单元的两个输入端分别与第一事件触发单元和通讯网络相连,两个输出端分别与第一事件触发单元和位置跟踪控制模块的跟踪控制单元相连,
位置跟踪控制模块中,跟踪控制单元的两个输入端分别与分布式事件触发状态模块的分布式观测单元和无人船的输出端相连、跟踪控制单元的输出端与事件触发单元相连,降阶分布式观测单元的两个输入端分别与无人船的输入端和输出端相连、降阶分布式观测单元的输出端与跟踪控制单元相连,无人船的输入由事件触发单元和跟踪控制单元决定,输出端分别与跟踪控制单元和降阶分布式观测单元相连,
每艘无人船上分别设置分布式事件触发状态观测模块和位置跟踪控制模块。
优选地,分布式事件触发状态观测模块可替换为延时分布式事件触发状态观测模块,用于当通信网络中有传输时间延迟时,对目标船的位置和速度信息进行观测,延时分布式事件触发状态观测模块包括第二事件触发单元、延时分布式观测单元。
优选地,第一事件触发单元用于根据虚拟点与目标船之间的距离满足触发条件后,执行期望的通信事件,第一事件触发单元具有第一事件触发机制,所述触发机制内设置触发条件并执行触发操作,执行触发操作为执行期望的通信事件,即依据公式(1)执行操作,所述公式(1),
依据公式(2)设置触发条件,所述公式(2),
其中,bxi,byi是事件触发的阈值,bxi和byi满足0<bxi≤m*和0<byi≤m*,k是正整数,和是控制系统更新瞬间,为地球坐标系中第i个虚拟点对目标船的位置估计,t为时间,和分别为事件触发后地球坐标系中第i个虚拟点对目标船的位置估计。
优选地,分布式观测单元用于对目标船的位置、速度进行观测,通过公式(3)进行观测,得到观测后的目标船位置估计值和速度估计值,
优选地,第二事件触发单元用于在通信网络的时间延迟范围内,根据虚拟点与目标船之间的距离满足触发条件后,执行期望的通信事件,第二事件触发单元具有第二事件触发机制,所述触发机制内基于通信网络的时间延迟设置触发条件并执行触发操作,执行触发操作为执行期望的通信事件,
执行触发操作为执行期望的通信事件,即依据公式(4)执行操作,
依据公式(5)设置触发条件,所述公式(5),
优选地,延时分布式观测单元用于在通信网络的时间延迟范围内,对目标船的位置、速度进行观测,通过公式(6)进行观测,从而获得观测后的目标船的位置观测数据、速度观测数据;
优选地,跟踪控制单元用于通过位置跟踪控制律控制无人船跟踪目标船,即无人船的速度、角度与目标船一致,位置与目标船保持设定的距离,位置跟踪控制律表示为(7),
优选地,第三事件触发单元用于当无人船与目标船的控制误差超过阈值时,执行期望的通信事件,第三事件触发单元具有第三事件触发机制,所述触发机制内设置触发条件并执行触发操作,执行触发操作为执行期望的通信事件,即依据公式(8)执行操作,所述公式(8),
依据公式(9)确定符合触发条件,所述公式(9),
其中,bui,bri满足0<bui≤m*,0<bri≤m*,是控制单元更新瞬间,根据公式(9),当||ωui(t)-τui(t)||≥bui,ωri(t)-τri(t)||≥bri,即控制误差大于阈值时,期望的通讯事件将被触发,||ιui(t)||,|ιri(t)||为时变函数,ωui、ωri表示控制律,其计算公式为(10)。
优选地,降阶分布式观测单元用于计算无人船与目标船之间的位置、角度和速度跟踪误差的相对动力学方程,相对动力学方程为公式(11),通过公式(12)计算公式(11),
其中,
其中,sρi,sβi,sui和sri是状态观测单元的辅助状态,和是状态观测单元增益,fui,fri,gui和gri为函数,和是fui,fri,gui和gri的估计,eρi为位置跟踪误差,eβi为角度跟踪误差,αui,αri是制导律,mui,mvi和mri是船的惯性和附加质量,τui和τri是纵向力矩和艏向力矩,eui和eri为速度跟踪误差。
本发明公开了一种无人船事件触发分层协同控制系统,包括延时分布式事件触发扩张状态观测单元,考虑了时间上的延迟,减少了通信和驱动负担,实现了速度信息的估计。与现有针对多无人船目标跟踪控制器相比,将分布式观测模块与控制模块分层设计,实现了各层之间的独立,通过各层的协作,有效降低了多无人船目标跟踪问题的复杂度,提高了多无人船目标跟踪控制系统的扩展性。与现有基于基础状态观测器的控制方法相比,降阶状态观测模块能够有效降低算法的计算量,提高观测速度,降低了算法的复杂性,实现了对无人船不确定项的准确观测。
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,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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是本发明无人船事件触发分层协同控制系统结构图;
图2是本发明目标跟踪中多无人船的参考系;
图3是本发明通信拓扑图;
图4是本发明编队轨迹;
图5是本发明位置和角度的跟踪误差;
图6是本发明速度跟踪误差;
图7是本发明事件触发法和时间触发法下随领导船1的位置和角度的跟踪误差;
图8是本发明事件触发法和时间触发法的领导船1的速度跟踪误差;
图9是本发明分布式事件触发状态观测单元的位置估计;
图10是本发明分布式事件触发状态观测单元的速度估计;
图11是本发明通信事件的触发次数;
图12是本发明用降阶状态观测单元估计的纵向速度和横向速度;
图13是本发明用降阶状态观测单元估计的艏向角速度;
图14是本发明协同目标跟踪的控制输入;
图15是本发明驱动事件的触发次数。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
图1为本发明无人船事件触发分层协同控制系统结构图,如图1所示,本实施例的方法可以包括:
一种无人船事件触发分层协同控制系统,包括分布式事件触发扩张状态观测模块、位置跟踪控制模块、通讯网络、无人船、目标船。
分布式事件触发状态观测模块用于获取目标船初始状态,根据目标船的初始状态定义相同状态的虚拟点,并通过通讯网络将虚拟点的状态信息发送至每一艘无人船,实时计算目标船和虚拟点之间的距离,当距离超过阈值时,触发执行虚拟点对目标船的位置估计,同时更新无人船的位置,并触发无人船之间的通讯,邻居船对无人船的位置进行监测,当无人船的位置信息更新后,触发邻居船根据更新的无人船的位置信息对目标船的位置和速度信息进行观测,包括第一事件触发单元、分布式观测单元。
位置跟踪控制模块用于创建虚拟点与无人船之间的位置跟踪误差、角度跟踪误差和速度跟踪误差的相对动力学方程,计算位置跟踪误差、角度跟踪误差和速度跟踪误差的估计值,当无人船与目标船的控制误差超过阈值时,更新控制律并更新一次通讯,控制无人船对目标船的位置进行跟踪,位置跟踪控制模块包括跟踪控制单元、第三事件触发单元、降阶分布式观测单元。
分布式事件触发扩张状态观测模块是利用分布于各个邻居船舶的位置信息来进行目标船信息的观测,不需要目标船的信息,只需要分布的邻居信息。同时在分布式事件触发状态观测模块的基础上考虑了延时的问题,又提出了延时分布式事件触发状态观测模块。
分层协同是每艘无人船对应相互独立的观测单元,每个观测单元能通过通讯网络获得信息进行控制决策,不需要获取目标船和全部无人船的状态信息,同时无人船之间也存在着信息交流。
分布式事件触发扩张状态观测模块包括事件触发单元和分布式状态观测单元。
其中,事件触发单元的输入端与分布式观测单元的输出端相连、事件触发单元的输出端分别与分布式观测单元和通讯网络相连,分布式观测单元的两个输入端分别与事件触发单元和通讯网络相连,两个输出端分别与事件触发单元和位置跟踪控制模块的跟踪控制单元相连。
位置跟踪控制模块中,跟踪控制单元的两个输入端分别与分布式事件触发状态模块的分布式观测单元和无人船的输出端相连、跟踪控制单元的输出端与事件触发单元相连,降阶分布式观测单元的两个输入端分别与无人船的输入端和输出端相连、降阶分布式观测单元的输出端与跟踪控制单元相连,无人船的输入由事件触发单元和跟踪控制单元决定,输出端分别与跟踪控制单元和降阶分布式观测单元相连。
每艘无人船上分别设置分布式事件触发状态观测模块和位置跟踪控制模块,无人船根据通讯网络中的信息通过分布式事件触发状态观测模块对目标船位置进行观测,通过位置跟踪控制模块对目标船进行跟踪。
图2显示了目标跟踪中多艘无人船的参考框架,对于速度未知的目标船,其运动方程如下:
其中:p0=[x0,y0]T,R0(ψ0)是一个旋转矩阵,即:
x0,y0,ψ0是目标船在地球坐标系中的位置和方向,u0和v0是目标船在船体坐标系中的纵向速度和横向速度,r0是目标船在船体坐标系中的艏向角速度,可以是常数,也可以是时变的。
xi,yi和ψi是在地球坐标系中第i个无人船的位置和方向,ui,vi和ri是固定在船体坐标系中的第i个无人船的纵向速度、横向速度和艏向角速度,进而可以推导出无人船的动力学方程,可以用三自由度模型描述如下:
其中:pi=[xi,yi]T,Ri(ψi)是一个旋转矩阵,即:
事件触发是相对于时间触发而言的,在时间触发中,间隔固定的周期进行触发,然后对其进行响应,但时间触发缺乏一定的智能性,有时会造成不必要的操作,而事件触发是根据系统当前的状态决定是否触发,如果系统状态满足所定义的触发条件才进行各种操作。
本发明中采用了分布式事件触发状态观测模块,估计目标船的位置和速度,分布式事件触发状态观测模块是由第一事件触发单元和分布式状态观测单元构成。分布式事件触发状态观测模块的设计包括以下过程,
第一事件触发单元用于根据虚拟点与目标船之间的距离满足触发条件后,执行期望的通信事件,第一事件触发单元具有第一事件触发机制,触发机制内设置触发条件并执行触发操作,执行触发操作为执行期望的通信事件,在这一部分中,假设没有通信延迟,每个虚拟点的触发事件定义如下,即事件触发的条件:
其中,
bxi和byi满足0<bxi≤m*和0<byi≤m*,bxi,byi是事件触发的阈值,本发明中取0.03,是当目标船和虚拟点之间的距离大于0.03m的时候,就更新触发一次,这个值是可以改变的,设定越小,精度越好,但触发次数越多。k是正整数,和是控制系统更新瞬间。
当期望的触发事件(3)被触发后,无人船的位置信息进行触发更新,并执行一次通讯,分布式状态观测单元用于观察无人船的位置信息,当无人船的位置信息更新后,邻居船根据无人船的位置信息对目标船的位置和速度信息进行观测,节约通讯资源,实现了通讯资源受限时对目标位置和速度进行分布式观测。
具体由下列公式(5)表明:
其中,和是正常数,c是分布式观测单元增益,当无人船与邻居船之间有通信时,aij=1,否则为0,第i个虚拟点和第i个无人船的状态可以分别写成状态向量和si=col{xi,yi,ψi,ui,vi,ri},和的事件触发后状态被定义为和
通信延迟在实际目标跟踪系统中是常见的,为了解决这一问题,本发明设计了一种延时分布式事件触发状态观测模块,用于当通信网络中有传输时间延迟时,对目标船的位置和速度信息进行观测,延时分布式事件触发状态观测模块包括第二事件触发单元、延时分布式观测单元,第二事件触发单元用于在通信网络的时间延迟范围内,根据虚拟点与目标船之间的距离满足触发条件后,执行期望的通信事件,第二事件触发单元具有第二事件触发机制,所述触发机制内基于通信网络的时间延迟设置触发条件并执行触发操作,执行触发操作为执行期望的通信事件。
假设通信网络中的时间延迟d(t)是时变的,令:
具有传输延迟的每个虚拟点的通信事件被表示为:
为了估计目标船的位置和速度,设计如下的延时分布式事件触发状态观测单元,延时分布式事件触发状态观测单元用于在通信网络的时间延迟范围内,对目标船的位置、速度进行观测,从而获得观测后的目标船的位置观测数据、速度观测数据,
相对动力学方程是为了更好地表示虚拟点与无人船之间的位置跟踪误差eρi和角度跟踪误差eβi,以此便于降阶状态观测单元对位置跟踪误差eρi和角度跟踪误差eβi的估计。首先,第i个虚拟点与第i个无人船之间的视线范围ρi和角度βi定义为:
其中,Δxi和Δyi是第i个无人船和第i个虚拟点之间的期望偏差。
位置跟踪误差eρi和角度跟踪误差eβi可以表示为:
其中,li是所需的距离,θi是侧滑角。将速度跟踪误差eui和eri定义为:
其中,αui,αri是制导律,将位置跟踪误差、角度跟踪误差和速度跟踪误差对时间求导:
为方便起见,上式的动力学方程可表示为:
其中,
由于侧滑角、模型不确定性和环境干扰,函数fui,fri,gui和gri是未知的。为了估计(14)中的未知函数,设计如下的降阶状态观测单元:
由于目标船和无人船的速度和加速度是有界的,对于fui(·),fri(·),gui(·)和gri(·),存在正常数和使得在动力学水平上的事件触发位置跟踪控制律表示为(17),用于控制无人船跟踪目标船,即无人船的速度、角度与目标船一致,位置与目标船保持设定的距离,实现了协同目标跟踪:
第三事件触发单元用于当无人船与目标船的控制误差超过阈值时,执行期望的通信事件,第三事件触发单元具有第三事件触发机制,所述触发机制内设置触发条件并执行触发操作,执行触发操作为执行期望的通信事件,每艘无人船的触发事件表示为:
其中,
其中,bui,bri满足0<bui≤m*,0<bri≤m*,是控制单元更新瞬间。根据(19),当||ωui(t)-τui(t)||≥bui,||ωri(t)-τri(t)||≥bri,即控制误差大于阈值时,期望事件(18)将被触发。
这时存在时变函数|||ιui(t)||,|ιri(t)||,使得:
下面针对一个协同系统,并以此为例对本发明进行进一步说明。多艘无人船之间的通信拓扑如图3所示。由一个未知运动学的领导船和四个不确定动力学的跟随船组成,领导船和跟随船变量的初始状态设置为:
目标动态和偏差设置为:
本实例中具体的控制参数如下:
byi=0.03,bri=0.5,εyi=1,εri=1,d(t)=0.01
仿真实验中共采集了18000个样本,采样间隔为0.01秒,通信,即邻居船之间的信息传输,它的触发次数和百分比:
驱动,即控制单元执行过程,它的触发次数和百分比:
仿真结果如图4-15所示。
图4是五艘无人船的编队轨迹,从图中可以看出领导船被四个跟随船跟踪实现了协同目标跟踪。
图5是位置和角度跟踪误差,图6是速度的跟踪误差,从图5和图6中可以看出跟踪误差收敛到原点的一个小邻域,也就是说,跟随船可以在通信延迟和驱动资源受限的情况下跟踪目标船。
图7是事件触发法和时间触发法下随领导船1的位置和角度的跟踪误差。图8是事件触发法和时间触发法的领导船1的速度跟踪误差。从图7和图8中可以看出这两种方法的跟踪误差都收敛到原点的一个小邻域,并且两种方法的稳定跟踪性能几乎相同,然而事件触发方法比时间触发控制需要更少的通信和驱动资源,仿真结果表明了所提出的事件触发方法的有效性。
图9是分布式事件触发状态观测单元的位置估计。图10是分布式事件触发状态观测单元的速度估计。从图中可以看出分布式事件触发状态观测单元能够有效地估计目标的位置和速度。
图11是通信事件的触发次数,从通信的触发次数和百分比中可以发现触发次数可以通过所提出的事件触发机制来减少。
图12是用降阶状态观测单元估计的纵向速度和横向速度。图13是用降阶状态观测单元估计的艏向角速度。从图中可以看出通过降阶状态观测单元可以有效地估计不确定性。
图14是协同目标跟踪的控制输入,从图14中可以清楚地看出,控制输入是有界的。图15是驱动事件的触发次数,用驱动的触发次数和百分比与时间触发方法相比,所提出的事件触发控制单元仅在触发时刻更新,因此与时间触发相比,所提出的方法可以有效地降低通讯次数和控制能耗。仿真结果表明了该方法对无人船协同目标跟踪的有效性。
整体有的有益效果:本发明设计了延时分布式事件触发扩张状态观测单元,考虑了时间上的延迟,减少了通信和驱动负担,实现了速度信息的估计。与现有针对多无人船目标跟踪控制器相比,将分布式观测模块与控制模块分层设计,实现了各层之间的独立,通过各层的协作,有效降低了多无人船目标跟踪问题的复杂度,提高了多无人船目标跟踪控制系统的扩展性。与现有基于基础状态观测单元的控制方法相比,降阶状态观测单元能够有效降低算法的计算量,提高观测速度,与反步法和动态面控制方法比,降低了算法的复杂性,实现了对无人船不确定项的准确观测。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种无人船事件触发分层协同控制系统,其特征在于,包括分布式事件触发状态观测模块、位置跟踪控制模块、通讯网络、无人船、目标船,
分布式事件触发状态观测模块用于获取目标船初始状态,根据目标船的初始状态定义相同状态的虚拟点,并通过通讯网络将虚拟点的状态信息发送至每一艘无人船,实时计算目标船和虚拟点之间的距离,当距离超过阈值时,触发执行虚拟点对目标船的位置估计,同时更新无人船的位置,并触发无人船之间的通讯,邻居船对无人船的位置进行监测,当无人船的位置信息更新后,触发邻居船根据更新的无人船的位置信息对目标船的位置和速度信息进行观测,包括第一事件触发单元、分布式观测单元,
位置跟踪控制模块用于创建虚拟点与无人船之间的位置跟踪误差、角度跟踪误差和速度跟踪误差的相对动力学方程,计算位置跟踪误差、角度跟踪误差和速度跟踪误差的估计值,当无人船与目标船的控制误差超过阈值时,更新控制律并更新一次通讯,控制无人船对目标船的位置进行跟踪,位置跟踪控制模块包括跟踪控制单元、第三事件触发单元、降阶分布式观测单元,
分布式事件触发状态观测模块中,第一事件触发单元的输入端与分布式观测单元的输出端相连、第一事件触发单元的输出端分别与分布式观测单元和通讯网络相连,分布式观测单元的两个输入端分别与第一事件触发单元和通讯网络相连,两个输出端分别与第一事件触发单元和位置跟踪控制模块的跟踪控制单元相连,
位置跟踪控制模块中,跟踪控制单元的两个输入端分别与分布式事件触发状态模块的分布式观测单元和无人船的输出端相连、跟踪控制单元的输出端与事件触发单元相连,降阶分布式观测单元的两个输入端分别与无人船的输入端和输出端相连、降阶分布式观测单元的输出端与跟踪控制单元相连,无人船的输入由事件触发单元和跟踪控制单元决定,输出端分别与跟踪控制单元和降阶分布式观测单元相连,
每艘无人船上分别设置分布式事件触发状态观测模块和位置跟踪控制模块。
2.根据权利要求1所述的一种无人船事件触发分层协同控制系统,其特征在于,所述分布式事件触发状态观测模块可替换为延时分布式事件触发状态观测模块,用于当通信网络中有传输时间延迟时,对目标船的位置和速度信息进行观测,延时分布式事件触发状态观测模块包括第二事件触发单元、延时分布式观测单元。
3.根据权利要求2所述的一种无人船事件触发分层协同控制系统,其特征在于,所述第一事件触发单元用于根据虚拟点与目标船之间的距离满足触发条件后,执行期望的通信事件,第一事件触发单元具有第一事件触发机制,所述触发机制内设置触发条件并执行触发操作,执行触发操作为执行期望的通信事件,即依据公式(1)执行操作,所述公式(1),
依据公式(2)设置触发条件,所述公式(2),
7.根据权利要求6所述的一种无人船事件触发分层协同控制系统,其特征在于,所述跟踪控制单元用于通过位置跟踪控制律控制无人船跟踪目标船,即无人船的速度、角度与目标船一致,位置与目标船保持设定的距离,位置跟踪控制律表示为(7),
所述降阶分布式观测单元用于计算无人船与目标船之间的位置、角度和速度跟踪误差的相对动力学方程,相对动力学方程为公式(8),通过公式(9)计算公式(8),
其中,
8.根据权利要求7所述的一种无人船事件触发分层协同控制系统,其特征在于,所述第三事件触发单元用于当无人船与目标船的控制误差超过阈值时,执行期望的通信事件,第三事件触发单元具有第三事件触发机制,所述触发机制内设置触发条件并执行触发操作,执行触发操作为执行期望的通信事件,即依据公式(10)执行操作,所述公式(10),
依据公式(11)确定符合触发条件,所述公式(11),
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110553575.6A CN113178098B (zh) | 2021-05-20 | 2021-05-20 | 一种无人船事件触发分层协同控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110553575.6A CN113178098B (zh) | 2021-05-20 | 2021-05-20 | 一种无人船事件触发分层协同控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113178098A CN113178098A (zh) | 2021-07-27 |
CN113178098B true CN113178098B (zh) | 2022-08-05 |
Family
ID=76929520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110553575.6A Active CN113178098B (zh) | 2021-05-20 | 2021-05-20 | 一种无人船事件触发分层协同控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113178098B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485121B (zh) * | 2021-08-03 | 2024-04-16 | 大连海事大学 | 一种分布式多船协同动力定位控制方法 |
CN113848896B (zh) * | 2021-09-17 | 2024-05-28 | 华东师范大学 | 一种基于事件触发扩张状态观测器的分布式车辆队列控制方法 |
CN114609905B (zh) * | 2022-03-07 | 2024-04-05 | 大连海事大学 | 一种船舶编队事件触发控制方法 |
CN115113622A (zh) * | 2022-06-24 | 2022-09-27 | 中国船舶重工集团公司第七0七研究所 | 一种水面无人智能平台运动跟踪方法 |
CN116360260B (zh) * | 2023-03-22 | 2023-10-20 | 大连海事大学 | 基于触发制导和自更新阈值的asv预设性能控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2765980A1 (en) * | 2011-01-28 | 2012-07-28 | Research In Motion Limited | Method and system for heuristic location tracking |
CN109637195A (zh) * | 2019-02-01 | 2019-04-16 | 大连海事大学 | 一种海上安全航行智能诱导装置 |
CN110796900A (zh) * | 2019-12-03 | 2020-02-14 | 闽江学院 | 一种渔船安全监控指挥系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9430947B2 (en) * | 2012-11-07 | 2016-08-30 | Raytheon Company | Maritime autonomous station keeping (MASK) |
US10922981B2 (en) * | 2018-12-05 | 2021-02-16 | Windward Ltd. | Risk event identification in maritime data and usage thereof |
-
2021
- 2021-05-20 CN CN202110553575.6A patent/CN113178098B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2765980A1 (en) * | 2011-01-28 | 2012-07-28 | Research In Motion Limited | Method and system for heuristic location tracking |
CN109637195A (zh) * | 2019-02-01 | 2019-04-16 | 大连海事大学 | 一种海上安全航行智能诱导装置 |
CN110796900A (zh) * | 2019-12-03 | 2020-02-14 | 闽江学院 | 一种渔船安全监控指挥系统 |
Non-Patent Citations (1)
Title |
---|
多无人艇集群协同控制研究进展与未来趋势;彭周华 等;《中 国 舰 船 研 究》;20210228;第16卷(第1期);第51-64,82页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113178098A (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113178098B (zh) | 一种无人船事件触发分层协同控制系统 | |
Liu et al. | Scanning-chain formation control for multiple unmanned surface vessels to pass through water channels | |
CN108427414B (zh) | 一种自主水下航行器水平面自适应轨迹跟踪控制方法 | |
Li et al. | Event-based fault-tolerant control for networked control systems applied to aircraft engine system | |
CN110362095B (zh) | 一种有限时间收敛无人船协同控制器的设计方法 | |
CN113219978B (zh) | 一种基于零阶保持器的船舶路径跟踪事件触发控制方法 | |
CN111948937B (zh) | 多智能体系统的多梯度递归强化学习模糊控制方法及系统 | |
CN114115262B (zh) | 基于方位角信息的多auv执行器饱和协同编队控制系统和方法 | |
CN114442640B (zh) | 一种水面无人艇轨迹跟踪控制方法 | |
CN114578819B (zh) | 一种基于人工势场法的多水面船分布式编队的控制方法 | |
CN111708280A (zh) | 一种考虑执行器故障的船舶路径跟踪事件触发控制器方法 | |
CN114047744A (zh) | 基于采样通信的自适应反步滑模多无人艇编队控制方法 | |
CN116449703A (zh) | 一种有限时间框架下的auh编队协同控制方法 | |
Wang et al. | A greedy navigation and subtle obstacle avoidance algorithm for USV using reinforcement learning | |
CN117873078B (zh) | 一种基于人工势函数的无人水面船编队容错控制方法 | |
CN117452827B (zh) | 一种欠驱动无人艇轨迹跟踪控制方法 | |
CN117519183A (zh) | 一种切换无人船动态记忆事件触发模糊动力定位控制方法 | |
Luo et al. | Observer-based fixed-time dynamic surface tracking control for autonomous surface vehicles under actuator constraints and denial-of-service attacks | |
CN116700300A (zh) | 一种多auv分布式集群的鲁棒自适应一致性控制方法 | |
Li et al. | Parallel path following control of cyber-physical maritime autonomous surface ships based on deep neural predictor | |
Liu et al. | Robust synchronization of multiple marine vessels with time-variant disturbance and communication delays | |
CN116224798A (zh) | 一种基于事件触发的自主水下航行器轨迹跟踪控制方法 | |
Liu et al. | Distributed adaptive integral sliding mode attitude consensus control for multiple autonomous underwater vehicles | |
CN114993108B (zh) | 一种基于全状态动态约束的分布式周期事件触发饱和协同制导方法 | |
Shi et al. | Event-triggered fusion estimation for nonlinear stochastic system with unknown parameters and transmission fading over sensor networks |
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 |