CN114063636A - 基于干扰观测器的无人机集群密集编队控制方法及装置 - Google Patents

Abstract

本发明公开了一种基于干扰观测器的无人机集群密集编队控制方法及装置，其中方法包括，包括：为无人机集群中的各无人机：考虑该无人机各状态量存在未知有界扰动时的非线性动态系统模型；基于超螺旋算法为各状态量的未知有界扰动构建有限时间干扰观测器；基于所述干扰观测器的输出以及所述非线性模型计算该无人机的基于一致性理论的密集编队控制律；根据各无人机的控制律执行密集编队控制。本发明提出了一种具有解析形式的、易实现的无人机集群密集编队控制解决方案，可实现无人机集群在未知干扰条件下的密集编队飞行。

Description

基于干扰观测器的无人机集群密集编队控制方法及装置

技术领域

本发明涉及无人机技术领域，尤其涉及一种基于干扰观测器的无人机集 群密集编队控制方法及装置。

背景技术

现有的无人机集群控制方案只能实现小规模、无干扰、大间距的编队控 制，无法实现大规模、存在未知干扰的密集编队控制。

发明内容

本发明实施例提供一种基于干扰观测器的无人机集群密集编队控制方法 及装置，提出一种可实现无人机集群进行密集编队飞行的控制方法。

本发明实施例提出一种基于干扰观测器的无人机集群密集编队控制方法， 所述无人机集群包括多台无人机，包括：

为无人机集群中的各无人机：

考虑该无人机各状态量存在未知有界扰动时的非线性动态系统模型；

基于超螺旋算法为各状态量的未知有界扰动构建有限时间干扰观测 器；

基于所述干扰观测器的输出以及所述非线性模型计算该无人机的基 于一致性理论的密集编队控制律；

根据各无人机的控制律执行密集编队控制。

在一些实施例中，基于超螺旋算法为各状态量的未知有界扰动构建有限 时间干扰观测器包括：

为该无人机的未知干扰构建辅助非线性动态系统；

计算自适应增益值；

构建有限时间干扰观测器，并输出干扰估计值。

在一些实施例中，基于所述非线性模型计算该无人机的基于一致性理论 的密集编队控制律包括：

根据该无人机在当前时刻相对于另一无人机的期望相对位置和期望 相对速度，计算编队位置误差和编队速度误差；

根据编队位置误差和编队速度误差，计算该无人机的密集编队预控 制律；

根据密集编队预控制律以及加速度矢量和实际控制输入量之间的关 系，计算该无人机的密集编队控制律。

在一些实施例中，所述期望相对位置和期望相对速度用以使得该无人机 与邻近的另一无人机之间达到期望编队飞行间距和期望飞行速度值。

在一些实施例中，计算该无人机的密集编队控制律包括：

根据当前时刻该无人机与其它无人机之间的数据交换关系以及编队位置 误差和编队速度误差，计算该无人机的密集编队预控制律。

在一些实施例中，计算该无人机的密集编队控制律还包括：

基于密集编队预控制律以及线性系统加速度矢量和非线性系统实际控制 输入量之间的关系，计算该无人机的由推力、负载系数和滚转角组成的密集 编队控制律。

本发明实施例还提出一种无人机控制装置，所述无人机控制器用于实现 无人机集群的密集编队控制，所述无人机控制装置包括：

处理器，被配置为：

为无人机集群中的各无人机：

考虑该无人机各状态量存在未知有界扰动时的非线性动态系统模型；

基于超螺旋算法为各状态量的未知有界扰动构建有限时间干扰观测 器；

基于所述干扰观测器的输出以及所述非线性模型计算该无人机的基 于一致性理论的密集编队控制律；

根据各无人机的控制律执行密集编队控制。

本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介 质上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的干扰 观测器的无人机集群密集编队控制方法的步骤。

本发明实施例通过为无人机构建非线性动态系统模型，构建干扰观测器， 求解非线性动态系统模型，即可获得无人机的密集编队控制律，在快速估计 未知有界扰动的同时，能够将集群中无人机之间的间距控制在较小的范围内， 实现密集编队飞行。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技 术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它 目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其它的优点和益处对于本 领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的， 而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示 相同的部件。在附图中：

图1为本发明实施例基本流程图；

图2为本发明实施例一种无人机集群编队过程图(斜视图)；

图3为本发明实施例一种无人机集群编队过程图(俯视图)；

图4为本发明实施例无人机集群编队误差图(位置误差)；

图5为本发明实施例无人机集群编队误差图(速度、航向角、飞行航迹角 误差)；

图6为本发明实施例未知干扰估计误差图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示 了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不 应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地 理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

自然界中很多群体生物通过密集编队运动达到节省体力、增加航程、共 同御敌等目的。大量风洞试验也表明，当一架飞机位于另一架飞机后方并且 两架机横向距离为翼展的约π/4倍时，前方飞机产生的上洗流将最大程度地 减小后方飞机的飞行阻力，从而使密集编队飞行的飞机比单独飞行的飞机航 程大大增加。但现有的控制方案无法满足小间距的密集编队的无人机集群控 制。主要存在的问题包括：未知外界干扰(包括为建模动态、未知大气气流、 未知无人机诱导气流、未知执行器扰动等)的处理。

本发明实施例提出基于干扰观测器的无人机集群密集编队控制方法，所 述无人机集群包括多台无人机，本示例中，可以设定每个无人机均装备有导 航模块，能输出自身的位置、速度信息；装备有执行单元，能快速响应控制 输入。每两个有期望相对位置的无人机之间有通信关系，并根据通信关系为 集群建立包含顶点和边的通信拓扑图。设每个无人机均做协调运动，即机头 方向与速度方向一致。并且不考虑无人机在飞行过程中的质量损耗，即假设 无人机的质量始终不变。为使集群形成一个稳定的编队队形，假设该通信拓 扑图是刚性图。本公开的控制方法可以包括：为无人机集群中的各无人机： S101、考虑该无人机各状态量存在未知有界扰动时的非线性动态系统模型。 本示例中可以设置无人机集群包括N个固定翼无人机，其中第i个无人机的非 线性动态系统模型可以表述为：

其中p_i(t)＝(x_i(t)，y_i(t)，z_i(t))^T为第i个无人机在时刻t在选定直角坐标系XYZ中的三 维位置，V_i(t)、χ_i(t)∈(-π，π]、γ_i(t)∈[-π/2，π/2]分别为第i个无人机在时刻t的速度、 转向角、飞行航迹角，T_i(t)、n_i(t)、θ_i(t)分别为推力、负载系数、滚转角的控制 输入值，D_i(t)为第i个无人机所受阻力，m_i为第i个无人机的质量，d_xi(t)、d_yi(t)、 d_zi(t)、d_Vi(t)、d_χi(t)、d_γi(t)为对应状态量的未知有界扰动，g为重力加速度。第i 个无人机在时刻t的速度矢量为v_i(t)＝V_i(t)[cos(γ_i(t))cos(χ_i(t))，cos(γ_i(t))sin(χ_i(t))，sin(γ_i(t))]^T， 其中上标T表示转置。

然后在S102中，基于超螺旋算法为各状态量的未知有界扰动构建有限时 间干扰观测器。在一些实施例中，为该无人机构建干扰观测器包括：为该无 人机的未知干扰构建辅助非线性动态系统；计算自适应增益值；构建有限时 间干扰观测器，并输出干扰估计值。例如可以为对应状态量的未知有界扰动 d_xi(t)、d_yi(t)、d_zi(t)、d_Vi(t)、d_χi(t)、d_γi(t)构建干扰观测器。设d_xi(t)、d_yi(t)、d_zi(t)、 d_Vi(t)、d_χi(t)、d_γi(t)为对应状态量的未知有界扰动，对集群中的每个无人机i (i＝1，2，…，N)，将d_xi(t)、d_yi(t)、d_zi(t)、d_Vi(t)、d_χi(t)、d_γi(t)的干扰观测器估计输出 分别记为

则可以设计出如下干扰观测 器：

其中q_i1(t)、q_i2(t)满足：

其中，自适应增益α_i1(t)、α_i2(t)、β_i1(t)、β_i2(t)满足：

其中

γ_i1、ε_i1、

γ_i2、ε_i2均为任意正数，σ_T，i1、σ_T，i2均为大于0的误差阈 值。

接着S103，基于所述干扰观测器的输出以及所述非线性模型计算该无人 机的基于一致性理论的密集编队控制律。最后S204，根据各无人机的控制律 执行密集编队控制。

在一些实施例中，基于所述非线性模型计算该无人机的基于一致性理论 的密集编队控制律包括：根据该无人机在当前时刻相对于另一无人机的期望 相对位置和期望相对速度，计算编队位置误差和编队速度误差；根据编队位 置误差和编队速度误差，计算该无人机的密集编队预控制律；根据密集编队 预控制律以及加速度矢量和实际控制输入量之间的关系，计算该无人机的密 集编队控制律。示例性的，可以设置集群在编队的同时跟踪一个目标，该目 标可以是真实目标，也可以是虚拟目标，目标在当前时刻t的位置矢量和速度 矢量分别为p_r(t)和v_r(t)。

在一些实施例中，所述期望相对位置和期望相对速度用以使得该无人机 与邻近的另一无人机之间达到期望编队飞行间距和期望飞行速度值。例如可 以假设无人机i和无人机j在时刻t的期望相对位置为

期望相对速度为

且使相邻无人机之间的期望编队间距不大于5倍翼展。由此无人机的 密集编队控制问题就是为集群中的每个无人机设计控制器u_i(t)＝[T_i(t)，n_i(t)，θ_i(t)]^T使 得无人机之间的相对位置达到期望值，进而使无人机集群按期望密集编队队 形进行飞行。

在一些实施例中，计算该无人机的密集编队控制律包括：

根据当前时刻该无人机与其它无人机之间的数据交换关系以及编队位置 误差和编队速度误差，计算该无人机的密集编队预控制律。

示例性的可以根据下式计算第i个无人机的预控制律 u_i0(t)＝[u_ix0(t)，u_iy0(t)，u_iz0(t)]^T满足：

其中C_pi、C_vi为3×3的正定矩阵；λ_p1i、λ_p2i、λ_v1i、λ_v2i均为0或正常数；a_ij表示第 i个无人机与第j个无人机的信息交换关系，具体地，a_ij＝1表示第i个无人机与 第j个无人机有数据交换，a_ij＝0表示第i个无人机与第j个无人机没有数据交 换。

在一些实施例中，计算该无人机的密集编队控制律还包括：

基于密集编队预控制律以及线性系统加速度矢量和非线性系统实际控制 输入量之间的关系，计算该无人机的由推力、负载系数和滚转角组成的密集 编队控制律。

本示例中，该无人机的密集编队控制律包括该无人机的推力、负载系数 和滚转角的控制输入值，具体的控制律的计算过程可以包括：

本实施例还提出一种基于干扰观测器的无人机集群密集编队控制方法的 实施案例：

在案例中，设无人机集群由8架固定翼无人机组成，期望集群最终形成 并保持“V”型密集编队。在编队过程中，令相邻无人机之间的距离依次为 100米、40米、10米(5倍翼展)。

编队过程如图2-图3所示，可以看到，集群最终形成了期望“V”型密集 编队。编队误差随时间的变化情况如图4-图5所示，可以看出，三种间距对 应的编队误差均变成了0。图6给出了未知干扰的估计误差图，可以看出，在 经历初始阶段的适应阶段以后，对干扰的估计误差很快收敛到0。

综上本发明的基于干扰观测器的无人机集群密集编队控制方法能够有效 处理未知干扰，本发明方法还可以利用鲁棒控制实现对干扰的抑制。

本发明实施例还提出一种无人机控制装置，所述无人机控制器用于实现 无人机集群的密集编队控制，本公开的无人机控制装置可以设置在各个无人 机中，本示例中可以设定各个无人机还装备有导航模块，能输出自身的位置、 速度信息；还可以装备有执行单元，能快速响应控制输入。每两个有期望相 对位置的无人机之间有通信关系，并根据通信关系为集群建立包含顶点和边 的通信拓扑图。设每个无人机均做协调运动，即机头方向与速度方向一致。 并且不考虑无人机在飞行过程中的质量损耗，即假设无人机的质量始终不变。 为使集群形成一个稳定的编队队形，假设该通信拓扑图是刚性图。所述无人 机控制装置包括：处理器，被配置为：为无人机集群中的各无人机：考虑该 无人机各状态量存在未知有界扰动时的非线性动态系统模型；基于超螺旋算 法为各状态量的未知有界扰动构建有限时间干扰观测器；基于所述干扰观测 器的输出以及所述非线性模型计算该无人机的基于一致性理论的密集编队控 制律；根据各无人机的控制律执行密集编队控制。

本发明实施例通过为无人机构建非线性动态系统模型，构建干扰观测器， 求解非线性动态系统模型，即可获得无人机的密集编队控制律，在快速估计 未知有界扰动的同时，能够将集群中无人机之间的间距控制在较小的范围内， 实现密集编队飞行。

发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质 上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的干扰观 测器的无人机集群控制方法的步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体 意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或 者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还 包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情 况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、 方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的 技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光 盘)中，包括若干指令用以使得一台终端(可以是无人机，手机，计算机， 服务器或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上 述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的， 本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求 所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (8)

1.基于干扰观测器的无人机集群密集编队控制方法，所述无人机集群包括多台无人机，其特征在于，包括：

为无人机集群中的各无人机：

考虑该无人机各状态量存在未知有界扰动时的非线性动态系统模型；

基于超螺旋算法为各状态量的未知有界扰动构建有限时间干扰观测器；

基于所述干扰观测器的输出以及所述非线性模型计算该无人机的基于一致性理论的密集编队控制律；

根据各无人机的控制律执行密集编队控制。

2.如权利要求1所述的无人机集群密集编队控制方法，其特征在于，基于超螺旋算法为各状态量的未知有界扰动构建有限时间干扰观测器包括：

为该无人机的未知干扰构建辅助非线性动态系统；

计算自适应增益值；

构建有限时间干扰观测器，并输出干扰估计值。

3.如权利要求2所述的无人机集群密集编队控制方法，其特征在于，基于所述非线性模型计算该无人机的基于一致性理论的密集编队控制律包括：

根据该无人机在当前时刻相对于另一无人机的期望相对位置和期望相对速度，计算编队位置误差和编队速度误差；

根据编队位置误差和编队速度误差，计算该无人机的密集编队预控制律；

根据密集编队预控制律以及加速度矢量和实际控制输入量之间的关系，计算该无人机的密集编队控制律。

4.如权利要求3所述的无人机集群密集编队控制方法，其特征在于，所述期望相对位置和期望相对速度用以使得该无人机与邻近的另一无人机之间达到期望编队飞行间距和期望飞行速度值。

5.如权利要求3所述的无人机集群密集编队控制方法，其特征在于，计算该无人机的密集编队控制律包括：

根据当前时刻该无人机与其它无人机之间的数据交换关系以及编队位置误差和编队速度误差，计算该无人机的密集编队预控制律。

6.如权利要求3所述的无人机集群密集编队控制方法，其特征在于，计算该无人机的密集编队控制律还包括：

基于密集编队预控制律以及线性系统加速度矢量和非线性系统实际控制输入量之间的关系，计算该无人机的由推力、负载系数和滚转角组成的密集编队控制律。

7.一种无人机控制装置，所述无人机控制器用于实现无人机集群的密集编队控制，其特征在于，所述无人机控制装置包括：

处理器，被配置为：

为无人机集群中的各无人机：

考虑该无人机各状态量存在未知有界扰动时的非线性动态系统模型；

基于超螺旋算法为各状态量的未知有界扰动构建有限时间干扰观测器；

基于所述干扰观测器的输出以及所述非线性模型计算该无人机的基于一致性理论的密集编队控制律；

根据各无人机的控制律执行密集编队控制。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的干扰观测器的无人机集群密集编队控制方法的步骤。

Images