CN113359822A - 具有领航者无人机编队的自抗扰控制方法及系统 - Google Patents

具有领航者无人机编队的自抗扰控制方法及系统 Download PDF

Info

Publication number
CN113359822A
CN113359822A CN202110592128.1A CN202110592128A CN113359822A CN 113359822 A CN113359822 A CN 113359822A CN 202110592128 A CN202110592128 A CN 202110592128A CN 113359822 A CN113359822 A CN 113359822A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
formation
disturbance
speed
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
CN202110592128.1A
Other languages
English (en)
Other versions
CN113359822B (zh
Inventor
宗西举
郑江涛
葛浩
郑泽阳
马松祥
刘福裕
程新功
王鲁浩
彭放
徐航
张永峰
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.)
University of Jinan
Original Assignee
University of Jinan
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 University of Jinan filed Critical University of Jinan
Priority to CN202110592128.1A priority Critical patent/CN113359822B/zh
Publication of CN113359822A publication Critical patent/CN113359822A/zh
Application granted granted Critical
Publication of CN113359822B publication Critical patent/CN113359822B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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)
  • Feedback Control In General (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本公开提供了一种具有领航者无人机编队的自抗扰控制方法及系统，获取无人机编队中各个无人机的速度和位置数据，计算期望的编队队形，根据每台无人机的位置和预设位置分量扩张状态观测器，得到位置相关的非线性时变扰动的在线估计值；根据每台无人机的速度和预设速度分量扩张状态观测器，得到速度相关的非线性时变扰动的在线估计值；根据期望的编队队形、位置相关和速度相关的非线性时变扰动的在线估计值以及预设扰动补偿控制器，根据得到的每台无人机的控制量进行无人机控制；通过扩张状态观测器实现对非线性扰动在线估计，基于扰动估计值设计反馈控制器，增强了无人机抵抗非线性时变扰动的能力，提高了无人机的编队效率及控制器的鲁棒性。

Description

具有领航者无人机编队的自抗扰控制方法及系统
技术领域
本公开涉及无人机编队控制技术领域，特别涉及一种具有领航者无人机编队的自抗扰控制方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。
近年来，随着微处理器和通信网络的发展，具有自主决策能力的智能体系统受到广泛的关注。其中，无人机编队系统是一类典型的多智能体系统，由于具有高效灵活、快速响应、低成本等特点，因此在电力行业(高压线巡检等)、消防救援(火情监控及高层灭火等)及军事方面(地貌测绘、目标侦查等)等均有大量的应用。这些工作均是处于较复杂的现场环境中，往往存在着各类不确定性的因素，如气流突变、复杂电磁干扰等，这类非线性时变扰动给无人机的编队甚至稳定工作都带来了巨大的考验。所以，为了能让无人机编队可靠且广泛的应用在复杂工作环境中，就要充分考虑各类不确定性因素对无人机编队状态的影响，同时，受限于传感器的测量精度和网络拓扑的通信质量，无人机本身的位置和速度测量也并不是绝对精确的。因此，充分考虑一类含有与无人机位置和速度相关的非线性扰动，对于无人机的编队控制具有较强的现实意义。
无人机的集群与编队控制作为一类新兴的研究方向，正日益受到人们的广泛关注。尤其是将编队控制的无人机应用在消防、森林巡检等，不仅能够提高任务执行效率，同时能够将降低成本。但无人机编队控制往往会受到各类不确定性因素的影响，比如，气流的突变、传感器的测量误差等等，而这一类不确定性因素往往是非线性时变的。如果控制器不具有较强的鲁棒性，那么这类不确定性扰动将会造成无人机编队失败，甚至有可能会导致无人机失控从而导致事故的发生。
中国专利(CN112327932A)中公开了一种针对消防无人机编队的增量式PID 控制方法，通过无人机编队中无人机的位置、速度变量建立无人机动力学模型，然后基于图论建立无人机间的通信拓扑关系，设计每台消防无人机的增量式PID 控制方法，从而达到期望的编队运动，虽然提高了控制器的适用性，但没有考虑含有与无人机位置和速度相关的非线性时变扰动对无人机编队的影响，因此控制器的鲁棒性相对较差。
发明内容
为了解决现有技术的不足，本公开提供了一种具有领航者无人机编队的自抗扰控制方法及系统，通过扩张状态观测器实现对非线性扰动在线估计，基于扰动估计值设计反馈控制器，增强了无人机抵抗非线性时变扰动的能力，提高了无人机的编队效率及控制器的鲁棒性。
为了实现上述目的，本公开采用如下技术方案：
本公开第一方面提供了一种具有领航者无人机编队的自抗扰控制方法。
一种具有领航者无人机编队的自抗扰控制方法，包括以下过程：
获取无人机编队中各个无人机的速度数据和位置数据；
根据领航者无人机的位置数据与速度数据，获取期望的编队队形；
根据每台无人机的位置数据和预设位置分量扩张状态观测器，得到位置相关的非线性时变扰动的在线估计值；
根据每台无人机的速度数据和预设速度分量扩张状态观测器，得到速度相关的非线性时变扰动的在线估计值；
根据期望的编队队形、位置相关和速度相关的非线性时变扰动的在线估计值以及预设扰动补偿控制器，根据得到的每台无人机的控制量进行无人机控制。
进一步的，根据获取的各个无人机的速度数据和位置数据，结合无人机位置分量和速度分量相关的非线性扰动，得到考虑非线性时变扰动的连续时间系统动力学模型，结合得到的无人机控制量，进行无人机控制。
进一步的，基于图论及无人机间的通信拓扑关系，选取位于根节点的无人机作为领航者，领航者无人机通过网络拓扑向邻居无人机广播自身位置与速度信息，然后基于领航者无人机的位置数据与速度数据设定期望的编队队形。
进一步的，领航者无人机实时跟踪给定的参考轨迹，同时基于网络拓扑结构，将自身的位置数据与速度数据广播给相邻节点的无人机，利用一致性算法进行无人机的编队控制。
进一步的，领航者无人机在控制输入的作用下，跟踪给定参考轨迹；
跟随者无人机，依据有向拓扑关系，在控制输入作用下，在有向拓扑中存在信息流的两个无人机在编队队形中的期望位置差值矢量在第一预设范围内，且两个无人机在编队队形中的期望速度差值矢量在第二预设范围内。
进一步的，位置分量扩张状态观测器生成虚拟控制量，虚拟控制量保证位移分量对给定输入信息的追踪，同时补偿位置相关的非线性扰动，把虚拟控制量作为速度分量要追踪的目标轨迹；
利用速度分量扩张状态观测器设计扰动补偿控制器，保证速度分量对虚拟控制量的追踪，同时补偿速度相关的非线性扰动。
进一步的，扰动补偿控制器的参数包括虚拟反馈增益、实际反馈增益及非线性函数。
本公开第二方面提供了一种具有领航者无人机编队的自抗扰控制系统。
一种具有领航者无人机编队的自抗扰控制系统，包括：
数据获取模块，被配置为：获取无人机编队中各个无人机的速度数据和位置数据；
期望队形获取模块，被配置为：根据领航者无人机的位置数据与速度数据，获取期望的编队队形；
位置相关扰动估计模块，被配置为：根据每台无人机的位置数据和预设位置分量扩张状态观测器，得到位置相关的非线性时变扰动的在线估计值；
速度相关扰动估计模块，被配置为：根据每台无人机的速度数据和预设速度分量扩张状态观测器，得到速度相关的非线性时变扰动的在线估计值；
无人机编队控制模块，被配置为：根据期望的编队队形、位置相关和速度相关的非线性时变扰动的在线估计值以及预设扰动补偿控制器，根据得到的每台无人机的控制量进行无人机控制。
本公开第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的具有领航者无人机编队的自抗扰控制方法中的步骤。
本公开第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的具有领航者无人机编队的自抗扰控制方法中的步骤。
与现有技术相比，本公开的有益效果是：
本公开所述的方法、系统、介质或电子设备，首先建立每台无人机含有非线性扰动的连续时间系统运动模型，然后基于有向图建立无人机间的通信拓扑关系图，依据给定的参考轨迹同时设定无人机期望的编队队形，利用每台无人机的位置分量和速度分量，建立扩张状态观测器，实现了对非线性扰动的在线估计。
本公开所述的方法、系统、介质或电子设备，基于一致性协议设计非线性反馈控制器，同时确定控制器参数，实现无人机的编队控制，基于自抗扰控制，控制器鲁棒性强，对非线性时变扰动有较强的抵抗能力，能保证无人机编队的稳定性。
本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例1提供的具有领航者无人机编队的自抗扰控制方法的流程框图。
图2为本公开实施例1提供的具有领航者无人机编队的自抗扰控制方法的流程示意图。
图3为本公开实施例1提供的用来描述无人机信息交换拓扑的有向生成树。
图4为本公开实施例1提供的期望达到的队形示意图。
图5为本公开实施例1提供的具有领航者无人机队形形成过程中的运动曲线图。
图6为本公开实施例1提供的具有领航者无人机队形形成过程中三维空间位置误差变化的仿真图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例1：
本公开实施例1提供了一种具有领航者无人机编队的自抗扰控制方法，如图 1和图2所示，包括以下过程：
S1：依据位置和速度信息，建立每台无人机连续时间系统动力学模型；
S2：充分考虑各类非线性时变扰动的影响，将含有位置和速度信息相关的非线性时变扰动作用于无人机连续时间系统动力学模型；
S3：基于图论及无人机间的通信拓扑关系，选取位于根节点的无人机作为领航者，领航者无人机通过网络拓扑向其邻居广播自身位置与速度信息，然后基于领航者的位置与速度信息设定无人机期望的编队队形；
S4：基于网络拓扑中每台无人机的实时位置测量输出信息，建立每台无人机的位置分量扩张状态观测器(ESO)，实现对含有位置相关信息的非线性时变扰动的在线估计；
S5：基于网络拓扑中每台无人机的实时速度测量输出信息，建立每台无人机的速度分量扩张状态观测器(ESO)，实现对含有速度相关信息的非线性时变扰动的在线估计；
S6：利用位置和速度扩张状态观测器对非线性扰动的实时估计值及无人机期望的编队队形输入信息，建立每台无人机的非线性反馈输入，设计扰动补偿控制器实现对扰动的抵消，提高控制器的鲁棒性实现预期的编队目标。
考虑由N个无人机组成的编队，对编队中第i个无人机采用如下的动力学方程建模描述：
Figure RE-GDA0003151608960000071
其中，无人机i在t时刻的位置用xi(t)∈R3表示(R3为三维实数空间)，无人机i在t时刻的速度用vi(t)∈R3表示，ui(t)∈R3表示控制输入，i＝1,2,…,N。
考虑上述模型在位置分量通道x(t)和速度分量通道v(t)中分别带有未知非线性时变扰动，则第i个无人机的动力学模型进一步建模如下：
Figure RE-GDA0003151608960000072
其中，
Figure RE-GDA0003151608960000073
分别为第i个无人机中与位置分量、速度分量相关的非线性扰动。特别地，
Figure RE-GDA0003151608960000074
与控制输入ui(t)位于不同的通道中，将会对无人机的编队控制带来更严峻的挑战。
为实现无人机的编队控制，步骤S3所述的图论为有向生成树的图论，基于有向拓扑建立无人机间信息交换拓扑关系的过程为：
一个有向图G＝{V,E}表示，V＝{1,…,N}代表有向图G的节点集合，
Figure RE-GDA0003151608960000075
表示有向图G中边的集合；对任意节点i,j∈V， (i,j)∈E表示有一条有向边从节点i指向节点j，此时称节点j为节点i的邻居，表示第i个无人机能够沿有向路径将信息广播给第j个无人机。
一个(非空的)有向图，如果至少存在一个节点i具有到其他所有节点的有向路径，则称为有向生成树，且该节点i叫做根节点，其他节点叫做子节点。
选取处于根节点的无人机m作为领航者，对于领航者的要求是实时跟踪给定的参考轨迹Rref(t)∈R3，同时基于网络拓扑结构，将自身的位置与速度信息广播给相邻节点的无人机，从而利用一致性算法，实现无人机的编队控制。
步骤S3中期望的编队队形详细设计方法展开如下：
领航者无人机m在控制输入um(t)作用下跟踪给定参考轨迹Rref(t)∈R3，即控制目标为：|xm(t)-Rref(t)|→0且|vm(t)-vj(t)|→0；
跟随者无人机j，依据有向拓扑关系，在控制输入uj(t)作用下，实现 |xj(t)-xi|→rji且|vi(t)-vj(t)|→0,rji(t)∈R3表示在有向拓扑中存在信息流的无人机i与无人机j在编队队形中的期望位置差值矢量，即无人机编队期望的队形，并以期望的运动速度保持飞行，同时为后续设计每台无人机的自抗扰控制方法做准备。
步骤S5和步骤S6中，基于自抗扰控制(ADRC)的思想，分别对位移通道和速度通道的非线性扰动建立扩张状态观测器，实现对扰动的在线估计，具体方法如下：
Step1：领航者无人机m(根节点)的位移分量需要跟踪参考轨迹Rref(t)，即期望的运动轨迹为xm(t)＝Rref(t)；网络拓扑中的无人机j(子节点)的位移分量依据有向拓扑信息流及设定编队信息为：xj(t)＝|xi(t)-rij(t)|(这里的节点i表示根节点或者子节点，即表示一类与节点j存在连通关系的节点)。
Step2：根据上述控制目标，为了实现位移分量xm(t)或者xj(t)对给定输入信号(Rref(t)或者|xi(t)-rij(t)|)实时跟踪，利用ADRC1，生成虚拟控制量
Figure RE-GDA0003151608960000081
或
Figure RE-GDA0003151608960000082
然后把虚拟控制量
Figure RE-GDA0003151608960000083
或
Figure RE-GDA0003151608960000084
作为速度分量vi(t)或vj(t)要追踪的“目标轨迹”；
利用ADRC2，设计实际的控制器ui(t)或uj(t)，从而将二阶非线性的无人机模型分解为两个一阶模型的串联形式，实现了对不同通道扰动的实时处理，保证了无人机位移分量xi(t)或xj(t)对预期目标的实时跟踪，从而实现编队队形。
同时，基于ADRC较强的扰动估计能力，增强了控制器抵抗非线性扰动的能力。分别针对位移分量和速度分量设计自抗扰控制器，上述串级自抗扰控制框图如图1所示，
Step3：针对非线性扰动
Figure RE-GDA0003151608960000091
分别设计自抗扰控制器，实现对扰动的在线估计与补偿，具体实施方法如下：
首先利用位移输出信息xi(t)，构造扩张状态观测器(ADRC1)如下：
Figure RE-GDA0003151608960000092
其中，β1为增益，
Figure RE-GDA0003151608960000093
即
Figure RE-GDA0003151608960000094
是非线性扰动
Figure RE-GDA0003151608960000095
的实时估计值，非线性函数fal(·)选取如下，
Figure RE-GDA0003151608960000096
其中，sign(·)为符号函数，δ为线性段的区间长度，α为终端吸引子。
然后利用速度输出信息vi(t)，构造扩张状态观测器(ADRC2)如下，
Figure RE-GDA0003151608960000097
其中，β2为增益，
Figure RE-GDA0003151608960000098
即
Figure RE-GDA0003151608960000099
是非线性扰动
Figure RE-GDA00031516089600000910
的实时估计值。
Step1-Step3所述扰动估计方法不仅适用于领航者无人机，同样适用于网络拓扑中的任意一个无人机，区别在于给定输入信号不同。领航者的输入信号是期望的参考轨迹信息Rref(t)，非领航者无人机的输入信号则是基于有向拓扑及编队信息的一致性信息|xi(t)-rij(t)|。
步骤S7中控制器的设计如下：
虚拟控制量
Figure RE-GDA0003151608960000101
保证位移分量对给定输入信息的追踪，同时补偿非线性扰动
Figure RE-GDA0003151608960000102
因此设计如下：
Figure RE-GDA0003151608960000103
实际控制器ui(t)保证速度分量对虚拟控制量
Figure RE-GDA0003151608960000104
的追踪，同时补偿非线性扰动
Figure RE-GDA0003151608960000105
因此设计如下：
Figure RE-GDA0003151608960000106
步骤S6所述的控制器参数包括虚拟反馈增益
Figure RE-GDA0003151608960000107
实际反馈增益βu及非线性函数fal(·,α,δ)。设定的原则为：若提高位置误差的收敛速度，则增大虚拟反馈增益
Figure RE-GDA0003151608960000108
若位置误差抖动，则适当增大非线性函数fal(·,α,δ)中线性化区间长度δ。
下面以5个无人机组成的编队为例进行介绍：
由5个无人机组成的编队，对编队中第i个无人机采用如下的动力学方程建模描述：
Figure RE-GDA0003151608960000109
其中，无人机i在t时刻的位置用xi(t)∈R3表示(R3为三维实数空间)，无人机i在t时刻的速度用vi(t)∈R3表示，ui(t)∈R3表示控制输入，i＝1,2,3,4,5.
进一步，考虑上述模型在位置分量通道x(t)和速度分量通道v(t)中分别带有未知非线性时变扰动，则第i个无人机的动力学模型进一步建模如下：
Figure RE-GDA00031516089600001010
其中，
Figure RE-GDA0003151608960000111
分别为第i个无人机中与位置分量、速度分量相关的非线性扰动。在仿真分析中，选取非线性扰动如下：
Figure RE-GDA0003151608960000112
Figure RE-GDA0003151608960000113
为实现无人机的编队控制，步骤S3基于有向拓扑建立无人机间信息交换拓扑关系，选取图3所示的含有五个节点的有向生成树。
其中领航者无人机为根节点1，其余四个节点为子节点。给定五个无人机的初始空间位置为：
x1(0)＝[0；0；0],x2(0)＝[-5；5；0],x3(0)＝[-2.5；2.5；0],x4(0)＝ [5；-5；0],x5(0)＝[2.5；-2.5；0]；
给定初始速度为：
vi(0)＝[1；-1；1]
给定空间参考轨迹：
Rref(t)＝[2sin(0.1πt)；5cos(0.2πt)；2.5t]
期望达到的队形如图4所示。
对于领航者1，利用位移输出信息x1(t)，构造扩张状态观测器(ADRC1)：
Figure RE-GDA0003151608960000114
其中，β1＝100为增益，非线性函数fal(·)选取如下：
Figure RE-GDA0003151608960000115
sign(·)为符号函数,δ＝0.5，α＝0.01。
然后利用速度输出信息vi(t)，构造扩张状态观测器(ADRC2)如下：
Figure RE-GDA0003151608960000121
其中，β2＝300为增益。进一步，步骤S7中控制器的设计如下，
虚拟控制量
Figure RE-GDA0003151608960000122
保证位移分量对给定输入信息的追踪，同时补偿非线性扰动
Figure RE-GDA0003151608960000123
因此设计如下：
Figure RE-GDA0003151608960000124
实际控制器u1()保证速度分量对虚拟控制量
Figure RE-GDA0003151608960000125
的追踪，同时补偿非线性扰动
Figure RE-GDA0003151608960000126
因此设计如下：
Figure RE-GDA0003151608960000127
对于跟随者无人机i(子节点i＝2，3，4，5)依据有向拓扑及期望编队队形输入信息分别如下：
r21(t)＝x1(t)+[-5；5；0]；r32(t)＝x2(t)+[10；0；0]；
r43(t)＝x1(t)+[5；-5；0]；r54(t)＝x4+[-10；0；0]
首先利用位移输出信息xi(t)，构造扩张状态观测器(ADRC1)如下：
Figure RE-GDA0003151608960000128
其中，β1＝100为增益，非线性函数fal(·)选取如下：
Figure RE-GDA0003151608960000129
sign(·)为符号函数,为线性段的区间长度，α为终端吸引子。
然后利用速度输出信息vi(t)，构造扩张状态观测器(ADRC2)如下：
Figure RE-GDA0003151608960000131
其中，β2＝300为增益，进一步，步骤S7中控制器的设计如下，
虚拟控制量
Figure RE-GDA0003151608960000132
保证位移分量对给定输入信息的追踪，同时补偿非线性扰动
Figure RE-GDA0003151608960000133
因此设计如下：
Figure RE-GDA0003151608960000134
实际控制器ui(t)保证速度分量对虚拟控制量
Figure RE-GDA0003151608960000135
的追踪，同时补偿非线性扰动
Figure RE-GDA0003151608960000136
因此设计如下：
Figure RE-GDA0003151608960000137
图5显示了5台无人机编队队形的形成过程中的运动曲线图，可以看出，领航者无人机(编号1)首先追踪给定的空间轨迹Rref(t)，其余四台无人机刚开始的运动曲线是杂乱的，但后续逐渐恢复一致，形成了预期的编队队形。
图6为5台无人机队形形成过程位置误差变化的曲线，共12条，以领航者无人机1的位置为对照基准，下标x，y，z表示三维空间的每一维空间上无人机 2,3,4,5分别对比的位置误差，从图6中可以看出，三个维度上的5台无人机位置误差均逐渐趋于稳定。
图5～图6可以表明，本发明提出的方法能够保证无人机在受到非线性时变扰动时，仍能保持期望的编队队形，控制器具有良好的鲁棒性，增强了无人机编队系统抵抗非线性扰动的能力。
实施例2：
本公开实施例2提供了一种具有领航者无人机编队的自抗扰控制系统，包括：
数据获取模块，被配置为：获取无人机编队中各个无人机的速度数据和位置数据；
期望队形获取模块，被配置为：根据领航者无人机的位置数据与速度数据，获取期望的编队队形；
位置相关扰动估计模块，被配置为：根据每台无人机的位置数据和预设位置分量扩张状态观测器，得到位置相关的非线性时变扰动的在线估计值；
速度相关扰动估计模块，被配置为：根据每台无人机的速度数据和预设速度分量扩张状态观测器，得到速度相关的非线性时变扰动的在线估计值；
无人机编队控制模块，被配置为：根据期望的编队队形、位置相关和速度相关的非线性时变扰动的在线估计值以及预设扰动补偿控制器，根据得到的每台无人机的控制量进行无人机控制。
所述系统的工作方法与实施例1提供的具有领航者无人机编队的自抗扰控制方法相同，这里不再赘述。
实施例3：
本公开实施例3提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例1所述的具有领航者无人机编队的自抗扰控制方法中的步骤。
实施例4：
本公开实施例4提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例1所述的具有领航者无人机编队的自抗扰控制方法中的步骤。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory， ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种具有领航者无人机编队的自抗扰控制方法，其特征在于：包括以下过程：
获取无人机编队中各个无人机的速度数据和位置数据；
根据领航者无人机的位置数据与速度数据，获取期望的编队队形；
根据每台无人机的位置数据和预设位置分量扩张状态观测器，得到位置相关的非线性时变扰动的在线估计值；
根据每台无人机的速度数据和预设速度分量扩张状态观测器，得到速度相关的非线性时变扰动的在线估计值；
根据期望的编队队形、位置相关和速度相关的非线性时变扰动的在线估计值以及预设扰动补偿控制器，根据得到的每台无人机的控制量进行无人机控制。
2.如权利要求1所述的具有领航者无人机编队的自抗扰控制方法，其特征在于：
根据获取的各个无人机的速度数据和位置数据，结合无人机位置分量和速度分量相关的非线性扰动，得到考虑非线性时变扰动的连续时间系统动力学模型，结合得到的无人机控制量，进行无人机控制。
3.如权利要求1所述的具有领航者无人机编队的自抗扰控制方法，其特征在于：
基于图论及无人机间的通信拓扑关系，选取位于根节点的无人机作为领航者，领航者无人机通过网络拓扑向邻居无人机广播自身位置与速度信息，然后基于领航者无人机的位置数据与速度数据设定期望的编队队形。
4.如权利要求1所述的具有领航者无人机编队的自抗扰控制方法，其特征在于：
领航者无人机实时跟踪给定的参考轨迹，同时基于网络拓扑结构，将自身的位置数据与速度数据广播给相邻节点的无人机，利用一致性算法进行无人机的编队控制。
5.如权利要求1所述的具有领航者无人机编队的自抗扰控制方法，其特征在于：
领航者无人机在控制输入的作用下，跟踪给定参考轨迹；
跟随者无人机，依据有向拓扑关系，在控制输入作用下，在有向拓扑中存在信息流的两个无人机在编队队形中的期望位置差值矢量在第一预设范围内，且两个无人机在编队队形中的期望速度差值矢量在第二预设范围内。
6.如权利要求1所述的具有领航者无人机编队的自抗扰控制方法，其特征在于：
位置分量扩张状态观测器生成虚拟控制量，虚拟控制量保证位移分量对给定输入信息的追踪，同时补偿位置相关的非线性扰动，把虚拟控制量作为速度分量要追踪的目标轨迹；
利用速度分量扩张状态观测器设计扰动补偿控制器，保证速度分量对虚拟控制量的追踪，同时补偿速度相关的非线性扰动。
7.如权利要求1所述的具有领航者无人机编队的自抗扰控制方法，其特征在于：
扰动补偿控制器的参数包括虚拟反馈增益、实际反馈增益及非线性函数。
8.一种具有领航者无人机编队的自抗扰控制系统，其特征在于：包括：
数据获取模块，被配置为：获取无人机编队中各个无人机的速度数据和位置数据；
期望队形获取模块，被配置为：根据领航者无人机的位置数据与速度数据，获取期望的编队队形；
位置相关扰动估计模块，被配置为：根据每台无人机的位置数据和预设位置分量扩张状态观测器，得到位置相关的非线性时变扰动的在线估计值；
速度相关扰动估计模块，被配置为：根据每台无人机的速度数据和预设速度分量扩张状态观测器，得到速度相关的非线性时变扰动的在线估计值；
无人机编队控制模块，被配置为：根据期望的编队队形、位置相关和速度相关的非线性时变扰动的在线估计值以及预设扰动补偿控制器，根据得到的每台无人机的控制量进行无人机控制。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的具有领航者无人机编队的自抗扰控制方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的具有领航者无人机编队的自抗扰控制方法中的步骤。
CN202110592128.1A 2021-05-28 2021-05-28 具有领航者无人机编队的自抗扰控制方法及系统 Expired - Fee Related CN113359822B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110592128.1A CN113359822B (zh) 2021-05-28 2021-05-28 具有领航者无人机编队的自抗扰控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110592128.1A CN113359822B (zh) 2021-05-28 2021-05-28 具有领航者无人机编队的自抗扰控制方法及系统

Publications (2)

Publication Number Publication Date
CN113359822A true CN113359822A (zh) 2021-09-07
CN113359822B CN113359822B (zh) 2022-11-11

Family

ID=77528132

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110592128.1A Expired - Fee Related CN113359822B (zh) 2021-05-28 2021-05-28 具有领航者无人机编队的自抗扰控制方法及系统

Country Status (1)

Country Link
CN (1) CN113359822B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115542943A (zh) * 2022-10-21 2022-12-30 北京计算机技术及应用研究所 一种基于自抗扰控制器的无人机编队队形保持控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1645901A1 (fr) * 2004-10-07 2006-04-12 Eads Astrium Sas Système optique à pointage variable et procédé mettant en oeuvre un tel systeme
CN107844127A (zh) * 2017-09-20 2018-03-27 北京飞小鹰科技有限责任公司 面向有限时间的编队飞行器协同控制方法及控制系统
CN110488845A (zh) * 2019-09-18 2019-11-22 中国人民解放军火箭军工程大学 一种障碍物遮挡下多智能体自抗扰时变编队跟踪与避撞控制方法
CN110597061A (zh) * 2019-09-18 2019-12-20 中国人民解放军火箭军工程大学 一种多智能体完全分布式自抗扰时变编队控制方法
CN110632940A (zh) * 2019-07-25 2019-12-31 中北大学 一种带混合量化器的多无人机主动抗干扰时变轨迹跟踪控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1645901A1 (fr) * 2004-10-07 2006-04-12 Eads Astrium Sas Système optique à pointage variable et procédé mettant en oeuvre un tel systeme
CN107844127A (zh) * 2017-09-20 2018-03-27 北京飞小鹰科技有限责任公司 面向有限时间的编队飞行器协同控制方法及控制系统
CN110632940A (zh) * 2019-07-25 2019-12-31 中北大学 一种带混合量化器的多无人机主动抗干扰时变轨迹跟踪控制方法
CN110488845A (zh) * 2019-09-18 2019-11-22 中国人民解放军火箭军工程大学 一种障碍物遮挡下多智能体自抗扰时变编队跟踪与避撞控制方法
CN110597061A (zh) * 2019-09-18 2019-12-20 中国人民解放军火箭军工程大学 一种多智能体完全分布式自抗扰时变编队控制方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
JIANGTAO ZHENG,等: "Virtual leader-follower synchronization controller design for distributed", 《NEUROCOMPUTING》 *
LIU, DZ，等: "Output Tracking Control for the One-Dimensional Heat Equation with Unknown Disturbance by the Dirichlet Boundary Actuation", 《2019 CHINESE AUTOMATION CONGRESS》 *
LV XL，等: "Rapid Formation and Visualization of Power Network Topology Based on CIM and Graph Theory", 《8TH INTERNATIONAL CONFERENCE ON INTELLIGENT HUMAN-MACHINE SYSTEMS AND CYBERNETICS》 *
MINGMIN ZHANG,等: "A robust distributed secondary voltage control method for islanded microgrids", 《ELECTRICAL POWER AND ENERGY SYSTEMS》 *
RUBEN GARRIDO，LUIS LUNA: "Robust ultra-precision motion control of linear ultrasonic motors: A combined ADRC-Luenberger observer approach", 《CONTROL ENGINEERING PRACTICE》 *
ZHENZHEN CHEN，等: "Leader-follower synchronization controller design for a network of boundary-controlled wave PDEs with structured time-varying perturbations and general disturbances", 《JOURNAL OF THE FRANKLIN INSTITUTE》 *
张恩平，等: "BP神经网络自抗扰控制器在套印系统中的应用", 《控制工程》 *
申遂愿，徐锦法: "无人飞行器自抗扰控制研究进展", 《中南大学学报(自然科学版)》 *
窦立谦，等: "基于状态观测器的多无人机编队跟踪控制", 《天津大学学报(自然科学与工程技术版)》 *
陆海强，等: "基于Backstepping变换的SHAPF滑模控制方法", 《电力电子技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115542943A (zh) * 2022-10-21 2022-12-30 北京计算机技术及应用研究所 一种基于自抗扰控制器的无人机编队队形保持控制方法

Also Published As

Publication number Publication date
CN113359822B (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
Dai et al. Adaptive leader–follower formation control of nonholonomic mobile robots with prescribed transient and steady-state performance
Cheng et al. Containment control of multiagent systems with dynamic leaders based on a $ PI^{n} $-type approach
Xu et al. Affine formation maneuver control of high-order multi-agent systems over directed networks
CN108845590B (zh) 一种时延环境下的多无人机协同编队控制方法
CN110597061B (zh) 一种多智能体完全分布式自抗扰时变编队控制方法
Turpin et al. Decentralized formation control with variable shapes for aerial robots
Zou Distributed attitude synchronization and tracking control for multiple rigid bodies
Sabattini et al. Decentralized estimation and control for preserving the strong connectivity of directed graphs
CN110658821B (zh) 一种多机器人抗干扰分组时变编队控制方法及系统
Marasco et al. Model predictive control for the dynamic encirclement of a target
CN109459930B (zh) 一种基于pd结构和邻居滞后控制信号的协同控制方法
Eqtami et al. A self-triggered model predictive control framework for the cooperation of distributed nonholonomic agents
Ortega et al. Implementation of leader-follower linear consensus algorithm for coordination of multiple aircrafts
CN110497415B (zh) 一种基于干扰观测器的多机械臂系统的一致控制方法
Tran et al. Multi-vehicle formation control and obstacle avoidance using negative-imaginary systems theory
CN111897224A (zh) 基于演员-评论家强化学习和模糊逻辑的多智能体编队控制方法
CN113359822B (zh) 具有领航者无人机编队的自抗扰控制方法及系统
Rastgoftar et al. Asymptotic tracking and robustness of MAS transitions under a new communication topology
CN111176324B (zh) 一种多无人机分布式协同编队规避动态障碍的方法
Lyu et al. Vision-Based Plane Estimation and Following for Building Inspection With Autonomous UAV
Lan et al. Adaptive 3D Distance‐Based Formation Control of Multiagent Systems with Unknown Leader Velocity and Coplanar Initial Positions
Sahal et al. Switching formation and topology in cooperative multi-agent source seeking using gradient estimation
Sen et al. A novel distributed algorithm for consensus under digraph topology with uncertain target information
Vinokursky et al. Model predictive control for path planning of UAV group
Li et al. Geometry-Aware Distributed Kalman Filtering for Affine Formation Control under Observation Losses

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20221111