CN113253764A - 一种基于降维观测器的无人集群仿射编队控制方法 - Google Patents
一种基于降维观测器的无人集群仿射编队控制方法 Download PDFInfo
- Publication number
- CN113253764A CN113253764A CN202110793311.8A CN202110793311A CN113253764A CN 113253764 A CN113253764 A CN 113253764A CN 202110793311 A CN202110793311 A CN 202110793311A CN 113253764 A CN113253764 A CN 113253764A
- Authority
- CN
- China
- Prior art keywords
- formation
- follower
- leader
- unmanned
- cluster
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
Abstract
本发明公布了一种基于降维观测器的无人集群仿射编队控制方法,无人集群编队的个体包括领导者和跟随者;通过对无人集群初始队形的仿射变换,使用改进应力矩阵表示领导者与跟随者之间的通讯拓扑关系,实现无人集群仿射编队控制。无人集群中的个体可以是无人机、无人车、导弹和鱼雷等。采用本发明提供的技术方案,基于相对位置测量,避免了相对速度信息、绝对速度信息和绝对加速度信息的使用,进而实现了编队整体的复杂机动、对环境的感知避障和对动态目标的跟踪围捕,可以在速度和加速度信息缺失的前提下,实现较为复杂的编队协同机动控制。
Description
技术领域
本发明涉及无人集群智能协同控制技术,具体涉及一种基于降维观测器和应力矩阵(stress matrix),且不需要速度信息和加速度信息的无人集群仿射编队控制方法。
背景技术
无人集群协同控制是一个复杂的系统问题,无人集群中的个体可以是无人机、无人车、导弹和鱼雷等多种形式,其需要解决的关键技术主要有信息交互机制、多机协同编队控制算法、环境感知与避险、人机融合与自适应学习技术等。目前国内外诸多专家学者对上述关键技术开展了大量理论研究。而集群协同编队控制算法是其中的核心部分。
目前相对成熟的编队控制算法主要有:基于位移法(displacement-based)、基于距离法(distance-based)和基于方位法(bearing-based)。这三种方法分别通过使用对编队个体间的位移,距离和方位的恒定约束来对目标队形进行构造。目标编队的恒定约束的不变性对编队的机动性能具有至关重要的影响。例如,基于位移法的编队控制律可以处理随时间变化的平移编队,基于距离法设计的编队控制律可以处理时变的平移和旋转编队,基于方位法设计的编队控制律可以处理时变平移和放缩编队队形。但上述三种编队控制算法无法同时实现多种期望的编队机动性能,尽管通过对跟随者设计估计器来估计领导者的机动参数可以解决这一问题,但也存在着比如编队规模无法改变、跟随者所需要的计算资源过多以及存在预估误差等缺点。采用应力矩阵(stress matrix)和复拉普拉斯矩阵(complex Laplacians)也可以解决机动性能不足问题,但现有方法多存在如领导者控制方法缺失、需要使用速度信息和加速度信息等缺点。
发明内容
为了克服上述现有技术的不足,本发明提供一种基于降维观测器的无人集群仿射编队控制方法,用以解决在速度和加速度信息缺失的前提下,实现较为复杂的编队协同机动控制。
本发明中,无人集群中的个体可以是无人机、无人车、导弹和鱼雷等。本发明对无人集群协同编队控制算法进行分析,通过对无人集群初始队形的仿射变换,实现对无人集群编队队形的实时切换和编队整体的复杂机动;通过平衡应力矩阵(equilibrium stress)的应用,使无人集群中的跟随者可以收敛到由无人集群中的领导者所唯一确定的编队轨迹,进而实现编队整体的指定功能;通过对跟随者设计基于降维观测器的控制算法,避免了对相对速度信息、绝对速度信息和加速度信息的使用。最终实现无人集群编队整体在复杂环境中的队形切换和避障机动、对给定目标的跟踪围捕等等功能。
本发明提供的技术方案如下:
一种基于降维观测器的无人集群仿射编队控制方法,无人集群编队的个体包括领导者和跟随者;通过对无人集群初始队形的仿射变换,使用改进的应力矩阵(stressmatrix)表示领导者与跟随者之间的通讯拓扑关系,实现无人集群仿射编队控制;包括:
假设无人集群编队的个体数量为N,存在M个领导者,N-M个跟随者。用和分别表示无人集群编队中领导者和跟随者的集合。需要实现编队的某些指定功能,诸如队形的机动变换、在复杂地形的避障飞行以及对特定目标的跟踪围捕等功能。
所有的无人集群编队个体假设均具有二阶系统的动力学,尽可能地逼近实际情况:
注意领导者可以采用多种诸如自适应编队跟踪控制算法来实现特定目标的跟踪围捕,或根据实时的传感器采集数据来实现在复杂地形下的机动避障飞行等等,此处已有较为成熟的算法因此不做展开,并假设领导者已经实现了预先给定的控制。
设目标编队构型:
其中表示编队中第个个体的目标位置,式中的,表示所有跟随者的目标位置组合成的向量,表示所有领导者的目标位置组合成的向量;表示时间。假设只有领导者知道自身的目标编队构型,跟随者的目标编队构型可以由领导者唯一确定。
2)由初始编队构型(nominal configuration)经过仿射变换达到目标编队构型,基于降维观测器对跟随者设计控制算法,使得跟随者收敛到领导者唯一确定的编队队形,进而实现编队控制。
编队的目标编队构型由初始编队构型(nominal configuration)经过仿射变换来达到。仿射变化可以由下式来进行表示:
因为在实际应用场景中,相对位置信息通常较容易获取到,而速度信息往往难以测量到较为精确的数值,因此接下来将基于降维观测器对跟随者设计控制算法,使得跟随者可以收敛到领导者唯一确定的编队队形,进而实现编队的整体机动。
21)用应力矩阵表示跟随者和领导者之间的初始通讯拓扑;
其中四个分块矩阵分别表示领导者与领导者之间的通讯拓扑关系,领导者与跟随者之间的通讯拓扑关系,跟随者与领导者之间的通讯拓扑关系,跟随者与跟随者之间的通讯拓扑关系。该应力矩阵与拉普拉斯矩阵有细微的区别,区别为应力矩阵内部含有正元、负元或零元。其内部元素用来表示。
为了实现有向图下的收敛,将跟随者的实际通讯拓扑矩阵调整为如下形式:
22)将领导者的编队构型所唯一确定的跟随者编队构型作为相应时刻跟随者的目标编队构型;确定目标编队构型与领导者的编队构型满足的条件;
根据前文所给出的控制律,跟随者最终收敛到对给定目标进行包围的目标编队构型中,而为了便于计算,我们将领导者此时的编队构型所唯一确定的跟随者编队构型作为这一时刻跟随者的目标编队构型。其与领导者的编队构型同样满足如下条件:
24)设计基于降维观测器的编队反馈控制算法,通过输出观测得到编队的位置信息,由此确定编队队形。
对编队的二阶积分器动力学用状态空间描述为如下:
考虑如下的降维观测器:
通过选取合适的参数,设计了如下的基于降维观测器的编队控制算法
对跟随者设计如下基于降维观测器的控制律:
接着根据Barbalat引理,通过建立合适的李雅普诺夫函数,可以证明在所提出的控制算法之下,误差项可以收敛到0,因此跟随者可以追踪上领导者所唯一确定的编队队形。
通过上述步骤,即实现基于降维观测器的无人集群仿射编队控制。
本发明的有益效果:本发明通过提出一种基于降维观测器的时变仿射编队控制算法,控制算法完全基于相对位置测量,通过使用改进的应力矩阵(stress matrix)来描述领导者跟随者之间的通讯拓扑关系,确保了跟随者的收敛,避免了相对速度信息、绝对速度信息和绝对加速度信息的使用,进而实现了编队整体的复杂机动、对环境的感知避障和对动态目标的跟踪围捕等功能。
附图说明
图1是具体实施时实现本发明的给定无人集群编队包括的平台模块。
图2是本发明提供的基于降维观测器的无人集群仿射编队控制方法的流程框图。
图3是具体实施时采用基于optitrack和crazyflies实现基于降维观测器的无人集群仿射编队控制的方法流程框图。
具体实施方式
下面结合附图,通过实施例进一步描述本发明,但不以任何方式限制本发明的范围。
本发明提供一种基于降维观测器的无人集群仿射编队控制方法,通过对无人集群初始队形的仿射变换,实现对无人集群编队队形的实时切换和编队整体的复杂机动;通过应用平衡应力矩阵,使得无人集群中的跟随者收敛到由无人集群中的领导者所唯一确定的编队轨迹,进而实现编队整体的指定功能;通过对跟随者设计基于降维观测器的控制算法,实现无人集群编队整体在复杂环境中的队形切换和避障机动、对给定目标的跟踪围捕等。
图1所示为实现本发明的实验平台,包括:决策层模块、通讯与计算模块和执行层模块三大模块。决策层模块包含了无人集群控制算法设计,提供了可供实验人员修改算法和参数的API接口。通讯与计算模块包含了Odroid机载电脑、Mavlink通讯协议、树莓派和GCS地面站等,主要提供了多个分布式的计算终端和数据通讯协议。执行层模块包含了Optitrack、GPS等定位系统和crazyflies、parrot等无人机平台,其中的Optitack等定位系统主要提供控制算法中所需的个体位置信息,crazyflies等无人机平台主要提供编队中的领导者和跟随者个体。
本发明提供的基于降维观测器的控制算法的整体设计流程如图2所示,以下分别给出了集群中领导者和跟随者的控制方法设计过程:
算法1 领导者算法设计
1. 针对领导者,给出特定的任务需求.
2. 根据实际情况,确定领导者相互之间的通讯拓扑情况。
3. 根据任务需求对领导者给出不同的控制算法,并确保领导者的控制输入为范数有界信号。
4. 通过实时定位系统(如Vicon、Optitrack或GPS等)获取的状态信息,对控制算法进行实时更新.
5. 将控制算法输入领导者,进行实验操作.
算法2 跟踪者算法设计
1. 针对跟随者,根据实际情况,设计彼此之间的通讯拓扑矩阵和与领导者间的通讯拓扑矩阵,组成应力矩阵(stress matrix).
2. 设计基于降维观测器和相对位置测量的仿射编队控制算法
4. 通过实时定位系统(如Vicon、Optitrack或GPS等)获取的相对位置信息,对控制算法进行实时更新.
5. 将控制算法输入跟随者,进行实验操作.
本发明方法包括如下步骤:
所有的无人集群编队个体假设均具有二阶系统的动力学,尽可能地逼近实际情况:
注意领导者可以采用多种诸如自适应编队跟踪控制算法来实现特定目标的跟踪围捕,或根据实时的传感器采集数据来实现在复杂地形下的机动避障飞行等等,此处已有较为成熟的算法因此不做展开,并假设领导者已经实现了预先给定的控制。
设目标编队构型:
其中表示编队中第个个体的目标位置,式中的,表示所有跟随者的目标位置组合成的向量,表示所有领导者的目标位置组合成的向量;表示时间。假设只有领导者知道自身的目标编队构型,跟随者的目标编队构型可以由领导者唯一确定。
2)由初始编队构型(nominal configuration)经过仿射变换达到目标编队构型,基于降维观测器对跟随者设计控制算法,使得跟随者收敛到领导者唯一确定的编队队形,进而实现编队控制。
编编队的目标编队构型由初始编队构型(nominal configuration)经过仿射变换来达到。仿射变化可以由下式来进行表示:
因为在实际应用场景中,相对位置信息通常较容易获取到,而速度信息往往难以测量到较为精确的数值,因此接下来将基于降维观测器对跟随者设计控制算法,使得跟随者可以收敛到领导者唯一确定的编队队形,进而实现编队的整体机动。
21)用应力矩阵表示跟随者和领导者之间的初始通讯拓扑;
其中四个分块矩阵分别表示领导者与领导者之间的通讯拓扑关系,领导者与跟随者之间的通讯拓扑关系,跟随者与领导者之间的通讯拓扑关系,跟随者与跟随者之间的通讯拓扑关系。该应力矩阵与拉普拉斯矩阵有细微的区别,区别为应力矩阵内部含有正元、负元或零元。其内部元素用来表示。
为了实现有向图下的收敛,将跟随者的实际通讯拓扑矩阵调整为如下形式:
22)将领导者的编队构型所唯一确定的跟随者编队构型作为相应时刻跟随者的目标编队构型;确定目标编队构型与领导者的编队构型满足的条件;
根据前文所给出的控制律,跟随者最终收敛到对给定目标进行包围的目标编队构型中,而为了便于计算,我们将领导者此时的编队构型所唯一确定的跟随者编队构型作为这一时刻跟随者的目标编队构型。其与领导者的编队构型同样满足如下条件:
24)设计基于降维观测器的编队反馈控制算法,通过输出观测得到编队的位置信息,由此确定编队队形。
对编队的二阶积分器动力学用状态空间描述为如下:
考虑如下的降维观测器:
通过选取合适的参数,设计了如下的基于降维观测器的编队控制算法
对跟随者设计如下基于降维观测器的控制律:
接着根据Barbalat引理,通过建立合适的李雅普诺夫函数,可以证明在所提出的控制算法之下,误差项可以收敛到0,因此跟随者可以追踪上领导者所唯一确定的编队队形。
图3给出了实现本发明的基于optitrack定位系统和crazyswarm无人机系统的实验方法步骤,首先启动Optitrack定位系统和crazyflies的控制台crazyswarm端,通过Motive软件实现对Optitrack定位系统的标定,使得Optitrack定位系统可以实现对刚体的实时定位和广播;其次通过crazyswarm端将crazyflies和地面站GCS进行连接,通常的连接故障可以通过检查crazyflies的电源、crazyradio是否正常工作来进行解决;然后通过交换机连接地面站GCS和Optitrack端,主要目的是通过地面站GCS获取到Optitrack监测到的编队个体的位置信息,进而通过地面站GCS将位置信息广播给订阅了的编队个体,通常的连接故障可以通过检查地面站GCS与Motive主机的IP是否在同一频段内、防火墙是否关闭等措施来解决。最后在地面站GCS主机输入无人机集群控制程序,实现对给定目标的集群围捕实验。
综上描述的具体实施方法以及实施案例充分且完整地实现了无人集群编队对复杂机动目标的实时跟踪围捕。
需要注意的是,公布实施例的目的在于帮助进一步理解本发明,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的范围内,各种替换和修改都是可能的。因此,本发明不应局限于实施例所公开的内容,本发明要求保护的范围以权利要求书界定的范围为准。
Claims (5)
1.一种基于降维观测器的无人集群仿射编队控制方法,无人集群编队的个体包括领导者和跟随者;通过对无人集群初始队形的仿射变换,使用改进应力矩阵表示领导者与跟随者之间的通讯拓扑关系,实现无人集群仿射编队控制;包括:
设目标编队构型 ,其中表示编队中第个个体的目标位置,式中的,表示所有跟随者的目标位置组合成的向量,表示所有领导者的目标位置组合成的向量;表示时间;假设只有领导者知道自身的目标编队构型,跟随者的目标编队构型可由领导者唯一确定;
2)由初始编队构型经过仿射变换达到目标编队构型,基于降维观测器对跟随者设计控制算法,使得跟随者收敛到领导者唯一确定的编队队形,进而实现编队控制;
仿射变换表示为:
已知领导者的目标编队构型可唯一确定出跟随者的目标编队构型;基于降维观测器对跟随者设计控制算法,使得跟随者收敛到领导者唯一确定的编队队形,进而实现编队的整体机动;包括:
将跟随者的实际通讯拓扑矩阵表示为如下形式:
22)将领导者的编队构型所唯一确定的跟随者编队构型作为相应时刻跟随者的目标编队构型,确定目标编队构型与领导者的编队构型满足的条件;
24)设计基于降维观测器的编队反馈控制算法,通过输出观测得到编队的位置信息,由此确定编队队形;
对编队的二阶积分器动力学用状态空间描述为:
降维观测器表示为:
通过选取参数设计基于降维观测器的编队控制算法;对跟随者,基于降维观测器的控制律表示为:
通过建立李雅普诺夫函数,验证基于降维观测器的编队控制算法的误差项可收敛到0,即表示跟随者可追踪上领导者所唯一确定的编队队形;
通过上述步骤,即实现基于降维观测器的无人集群仿射编队控制。
2.如权利要求1所述基于降维观测器的无人集群仿射编队控制方法,其特征是,所述无人集群中的个体为无人机、无人车、导弹和鱼雷中的一种或多种。
3.如权利要求1所述基于降维观测器的无人集群仿射编队控制方法,其特征是,无人集群编队中的领导者可采用多种自适应编队跟踪控制算法或根据传感器实时采集数据实现设定控制。
5.如权利要求1所述基于降维观测器的无人集群仿射编队控制方法,其特征是,实现所述基于降维观测器的无人集群仿射编队控制方法的系统包括:决策层模块、通讯与计算模块和执行层模块;
决策层模块用于执行无人集群控制算法,包括修改算法和参数的API接口;
通讯与计算模块包括:Odroid机载电脑、Mavlink通讯协议、树莓派和GCS地面站,用于提供多个分布式计算终端和数据通讯协议;
执行层模块包括Optitrack、GPS定位系统和/或crazyflies、parrot无人机平台,其中定位系统用于提供控制算法中所需的个体位置信息,无人机平台用于提供编队中的领导者和跟随者个体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110793311.8A CN113253764B (zh) | 2021-07-14 | 2021-07-14 | 一种基于降维观测器的无人集群仿射编队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110793311.8A CN113253764B (zh) | 2021-07-14 | 2021-07-14 | 一种基于降维观测器的无人集群仿射编队控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113253764A true CN113253764A (zh) | 2021-08-13 |
CN113253764B CN113253764B (zh) | 2021-10-01 |
Family
ID=77191261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110793311.8A Active CN113253764B (zh) | 2021-07-14 | 2021-07-14 | 一种基于降维观测器的无人集群仿射编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113253764B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625780A (zh) * | 2021-10-12 | 2021-11-09 | 北京大学 | 一种避免死锁的分布式无人集群协同运动路径规划方法 |
CN114661069A (zh) * | 2022-05-25 | 2022-06-24 | 西北工业大学深圳研究院 | 一种群体智能系统的编队控制方法 |
CN114779825A (zh) * | 2022-06-20 | 2022-07-22 | 北京大学 | 基于稀疏采样和信息交互的无人集群编队机动控制方法 |
CN115902804A (zh) * | 2022-11-07 | 2023-04-04 | 南京航空航天大学 | 一种无人机集群类型识别方法和系统 |
CN117311169A (zh) * | 2023-11-28 | 2023-12-29 | 北京航空航天大学 | 一种非线性集群系统的仿射编队机动控制方法及系统 |
CN117762166A (zh) * | 2024-02-22 | 2024-03-26 | 杭州牧星科技有限公司 | 多无人机集群编队协同控制方法及其系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100256852A1 (en) * | 2009-04-06 | 2010-10-07 | Gm Global Technology Operations, Inc. | Platoon vehicle management |
CN110879599A (zh) * | 2019-12-12 | 2020-03-13 | 大连海事大学 | 一种基于有限时间扰动观测器的固定时间编队控制方法 |
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 |
CN111665848A (zh) * | 2020-06-28 | 2020-09-15 | 北京航空航天大学 | 拓扑切换下无人机与无人车异构集群编队跟踪控制方法 |
CN112000108A (zh) * | 2020-09-08 | 2020-11-27 | 北京航空航天大学 | 一种多智能体集群分组时变编队跟踪控制方法及系统 |
CN112987790A (zh) * | 2021-03-04 | 2021-06-18 | 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 |
-
2021
- 2021-07-14 CN CN202110793311.8A patent/CN113253764B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100256852A1 (en) * | 2009-04-06 | 2010-10-07 | Gm Global Technology Operations, Inc. | Platoon vehicle management |
CN110879599A (zh) * | 2019-12-12 | 2020-03-13 | 大连海事大学 | 一种基于有限时间扰动观测器的固定时间编队控制方法 |
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 |
CN111665848A (zh) * | 2020-06-28 | 2020-09-15 | 北京航空航天大学 | 拓扑切换下无人机与无人车异构集群编队跟踪控制方法 |
CN112000108A (zh) * | 2020-09-08 | 2020-11-27 | 北京航空航天大学 | 一种多智能体集群分组时变编队跟踪控制方法及系统 |
CN112987790A (zh) * | 2021-03-04 | 2021-06-18 | 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 |
Non-Patent Citations (2)
Title |
---|
杨庆凯等: "基于仿射变换的微型无人机编队飞行控制技术", 《指挥与控制学报》 * |
高振宇等: "多自主水面航行器协同编队控制研究现状与进展", 《信息与控制》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625780A (zh) * | 2021-10-12 | 2021-11-09 | 北京大学 | 一种避免死锁的分布式无人集群协同运动路径规划方法 |
CN113625780B (zh) * | 2021-10-12 | 2022-01-28 | 北京大学 | 一种避免死锁的分布式无人集群协同运动路径规划方法 |
CN114661069A (zh) * | 2022-05-25 | 2022-06-24 | 西北工业大学深圳研究院 | 一种群体智能系统的编队控制方法 |
CN114661069B (zh) * | 2022-05-25 | 2022-09-06 | 西北工业大学深圳研究院 | 一种群体智能系统的编队控制方法 |
CN114779825A (zh) * | 2022-06-20 | 2022-07-22 | 北京大学 | 基于稀疏采样和信息交互的无人集群编队机动控制方法 |
CN114779825B (zh) * | 2022-06-20 | 2022-08-26 | 北京大学 | 基于稀疏采样和信息交互的无人集群编队机动控制方法 |
CN115902804A (zh) * | 2022-11-07 | 2023-04-04 | 南京航空航天大学 | 一种无人机集群类型识别方法和系统 |
CN115902804B (zh) * | 2022-11-07 | 2024-01-05 | 南京航空航天大学 | 一种无人机集群类型识别方法和系统 |
CN117311169A (zh) * | 2023-11-28 | 2023-12-29 | 北京航空航天大学 | 一种非线性集群系统的仿射编队机动控制方法及系统 |
CN117762166A (zh) * | 2024-02-22 | 2024-03-26 | 杭州牧星科技有限公司 | 多无人机集群编队协同控制方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113253764B (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113253764B (zh) | 一种基于降维观测器的无人集群仿射编队控制方法 | |
CN108681240B (zh) | 基于未知输入观测器的无人机分布式编队的故障诊断方法 | |
CN110703795A (zh) | 一种基于切换拓扑的无人机群协同安全控制方法 | |
CN110658821A (zh) | 一种多机器人抗干扰分组时变编队控制方法及系统 | |
CN111948944A (zh) | 一种基于自适应神经网络的四旋翼编队容错控制方法 | |
Hu et al. | Robust formation coordination of robot swarms with nonlinear dynamics and unknown disturbances: Design and experiments | |
Ma et al. | Adaptive vision-based guidance law with guaranteed performance bounds | |
Ortega et al. | Implementation of leader-follower linear consensus algorithm for coordination of multiple aircrafts | |
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 | |
Ribeiro et al. | Nonlinear model predictive visual path following control to autonomous mobile robots | |
Qi et al. | Formation control for unmanned aerial vehicles with directed and switching topologies | |
CN112114522A (zh) | 一种基于切换自适应算法的四旋翼飞行器故障容错控制方法 | |
CN112180957A (zh) | 无人机的三余度仲裁切换方法、装置及计算机设备 | |
CN114153228B (zh) | 一种有向交互拓扑下无速度测量的四旋翼编队控制方法 | |
CN114935943A (zh) | 一种无人机与无人车集群编队跟踪控制方法及系统 | |
CN113848984B (zh) | 一种无人机集群控制方法及系统 | |
Wang et al. | Theory and experiments on enclosing control of multi-agent systems | |
Mas et al. | Quaternions and dual quaternions: Singularity-free multirobot formation control | |
Rashid et al. | Comprehensive review on controller for leader-follower robotic system | |
Zheng et al. | Distributed event-triggered affine formation control for multiple underactuated marine surface vehicles | |
CN110162084B (zh) | 基于一致性理论的飞航导弹集群系统编队控制方法 | |
Zhong et al. | Robust distributed sensor fault detection and diagnosis within formation control of multiagent systems | |
Kang et al. | Finite-memory-structured online training algorithm for system identification of unmanned aerial vehicles with neural networks | |
CN115981375A (zh) | 基于事件触发机制的多无人机时变编队控制器设计方法 | |
Wang et al. | Distributed formation flight control with translational and rotational maneuvering |
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 |