CN114063636B - 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
基于干扰观测器的无人机集群密集编队控制方法及装置 Download PDFInfo
- Publication number
- CN114063636B CN114063636B CN202110919778.2A CN202110919778A CN114063636B CN 114063636 B CN114063636 B CN 114063636B CN 202110919778 A CN202110919778 A CN 202110919778A CN 114063636 B CN114063636 B CN 114063636B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- control law
- formation
- calculating
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005312 nonlinear dynamic Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 230000001133 acceleration Effects 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005096 rolling process Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 2
- 238000005755 formation reaction Methods 0.000 description 72
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011295 pitch Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
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pi(t)=(xi(t),yi(t),zi(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,Vi(t)、χi(t)∈(-π,π]、γi(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,Ti(t)、ni(t)、θi(t)分别为推力、负载系数、滚转角的控制输入值,Di(t)为第i个无人机所受阻力,mi为第i个无人机的质量,dxi(t)、dyi(t)、dzi(t)、dVi(t)、dχi(t)、dγi(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vi(t)=Vi(t)[cos(γi(t))cos(χi(t)),cos(γi(t))sin(χi(t)),sin(γi(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dxi(t)、dyi(t)、dzi(t)、dVi(t)、dχi(t)、dγi(t)构建干扰观测器。设dxi(t)、dyi(t)、dzi(t)、dVi(t)、dχi(t)、dγi(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dxi(t)、dyi(t)、dzi(t)、dVi(t)、dχi(t)、dγi(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qi1(t)、qi2(t)满足:
其中,自适应增益αi1(t)、αi2(t)、βi1(t)、βi2(t)满足:
其中γi1、εi1、/>γi2、εi2均为任意正数,σT,i1、σT,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pr(t)和vr(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ui(t)=[Ti(t),ni(t),θi(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ui0(t)=[uix0(t),yiy0(t),uiz0(t)]T满足:
其中Cpi、Cvi为3×3的正定矩阵;λp1i、λp2i、λv1i、λv2i均为0或正常数;aij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,aij=1表示第i个无人机与第j个无人机有数据交换,aij=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 (4)
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:
对无人机集群中的无人机:
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,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pi(t)=(xi(t),yi(t),zi(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,Vi(t)、χi(t)∈(-π,π]、γi(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,Ti(t)、ni(t)、θi(t)分别为推力、负载系数、滚转角的控制输入值,Di(t)为第i个无人机所受阻力,mi为第i个无人机的质量,dxi(t)、dyi(t)、dzi(t)、dVi(t)、dχi(t)、dγi(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vi(t)=Vi(t)[cos(γi(t))cos(χi(t)),cos(γi(t))sin(χi(t)),sin(γi(t))]T,其中上标T表示转置;
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,所述有限时间干扰观测器满足:
为干扰观测器的估计输出,dxi(t)、dyi(t)、dzi(t)、dVi(t)、dχi(t)、dγi(t)为对应状态量的未知有界扰动;
其中qi1(t)、qi2(t)满足:
qi1(0)=pi(0)
qi2(0)=[Vi(0) χi(0) γi(0)]T
自适应增益αi1(t)、αi2(t)、βi1(t)、βi2(t)满足:
其中γi1、εi1、/>γi2、εi2均为任意正数,σT,i1、σT,i2均为大于0的误差阈值;
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;
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;
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;
第i个无人机的预控制律ui0(t)=[uix0(t),uiy0(t),uiz0(t)]T满足:
其中Cpi、Cvi为3×3的正定矩阵;λp1i、λp2i、λv1i、λv2i均为0或正常数;aij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,aij=1表示第i个无人机与第j个无人机有数据交换,aij=0表示第i个无人机与第j个无人机没有数据交换;
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;
控制律的计算过程包括:
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,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。
3.一种无人机控制装置,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:
对无人机集群中的无人机:
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,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pi(t)=(xi(t),yi(t),zi(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,Vi(t)、χi(t)∈(-π,π]、γi(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,Ti(t)、ni(t)、θi(t)分别为推力、负载系数、滚转角的控制输入值,Di(t)为第i个无人机所受阻力,mi为第i个无人机的质量,dxi(t)、dyi(t)、dzi(t)、dVi(t)、dχi(t)、dγi(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vi(t)=Vi(t)[cos(γi(t))cos(χi(t)),cos(γi(t))sin(λi(t)),sin(γit))]T,其中上标T表示转置;
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,所述有限时间干扰观测器满足:
为干扰观测器的估计输出,dxi(t)、dyi(t)、dzi(t)、dVi(t)、dχi(t)、dγi(t)为对应状态量的未知有界扰动;
其中qi1(t)、qi2(t)满足:
qi1(0)=pi(0)
qi2(0)=[Vi(0) χi(0) γi(0)]T
自适应增益αi1(t)、αi2(t)、βi1(t)、βi2(t)满足:
其中γi1、εi1、/>γi2、εi2均为任意正数,σT,i1、σT,i2均为大于0的误差阈值;
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;
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;
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;
第i个无人机的预控制律ui0(t)=[uix0(t),uiy0(t),uiz0(t)]T满足:
其中Cpi、Cvi为3×3的正定矩阵;λp1i、λp2i、λv1i、λv2i均为0或正常数;aij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,aij=1表示第i个无人机与第j个无人机有数据交换,aij=0表示第i个无人机与第j个无人机没有数据交换;
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;
控制律的计算过程包括:
根据各无人机的控制律执行密集编队控制。
4.一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或2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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110919778.2A CN114063636B (zh) | 2021-08-11 | 2021-08-11 | 基于干扰观测器的无人机集群密集编队控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110919778.2A CN114063636B (zh) | 2021-08-11 | 2021-08-11 | 基于干扰观测器的无人机集群密集编队控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114063636A CN114063636A (zh) | 2022-02-18 |
CN114063636B true CN114063636B (zh) | 2023-11-17 |
Family
ID=80233540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110919778.2A Active CN114063636B (zh) | 2021-08-11 | 2021-08-11 | 基于干扰观测器的无人机集群密集编队控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114063636B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116909315B (zh) * | 2023-09-12 | 2023-12-08 | 北京航空航天大学 | 一种通信链路不稳定的无人机编队鲁棒控制方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2180131C1 (ru) * | 2000-07-05 | 2002-02-27 | Казанский государственный технический университет им. А.Н. Туполева | Способ одноканального управления в продольном движении легкого экраноплана |
EP2772817A2 (en) * | 2013-01-28 | 2014-09-03 | The Boeing Company | Formation flight control |
CN108614426A (zh) * | 2018-06-06 | 2018-10-02 | 黄山学院 | 一种基于干扰观测器的多移动机器人编队鲁棒控制方法 |
CN110687920A (zh) * | 2019-10-28 | 2020-01-14 | 中国电子科技集团公司电子科学研究院 | 无人机集群编队控制方法、装置及储存介质 |
CN111338374A (zh) * | 2019-12-06 | 2020-06-26 | 中国电子科技集团公司电子科学研究院 | 无人机集群编队控制方法 |
CN111752280A (zh) * | 2020-07-10 | 2020-10-09 | 大连海事大学 | 一种基于有限时间不确定观测器的多无人船编队固定时间控制方法 |
CN111766899A (zh) * | 2020-08-11 | 2020-10-13 | 北京航空航天大学 | 一种基于干扰观测器的四旋翼无人机集群抗干扰编队控制方法 |
KR20210010172A (ko) * | 2019-07-19 | 2021-01-27 | 배재대학교 산학협력단 | 무인 비행체의 군집 비행 제어 시스템 및 방법 |
CN112379667A (zh) * | 2020-10-10 | 2021-02-19 | 内蒙古科技大学 | 领导跟随二阶多智能体系统有限时间一致性跟踪控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2666889A1 (en) * | 2008-05-27 | 2009-11-27 | Wilfred P. So | System and method for multiple aircraft lifting a common payload |
-
2021
- 2021-08-11 CN CN202110919778.2A patent/CN114063636B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2180131C1 (ru) * | 2000-07-05 | 2002-02-27 | Казанский государственный технический университет им. А.Н. Туполева | Способ одноканального управления в продольном движении легкого экраноплана |
EP2772817A2 (en) * | 2013-01-28 | 2014-09-03 | The Boeing Company | Formation flight control |
CN108614426A (zh) * | 2018-06-06 | 2018-10-02 | 黄山学院 | 一种基于干扰观测器的多移动机器人编队鲁棒控制方法 |
KR20210010172A (ko) * | 2019-07-19 | 2021-01-27 | 배재대학교 산학협력단 | 무인 비행체의 군집 비행 제어 시스템 및 방법 |
CN110687920A (zh) * | 2019-10-28 | 2020-01-14 | 中国电子科技集团公司电子科学研究院 | 无人机集群编队控制方法、装置及储存介质 |
CN111338374A (zh) * | 2019-12-06 | 2020-06-26 | 中国电子科技集团公司电子科学研究院 | 无人机集群编队控制方法 |
CN111752280A (zh) * | 2020-07-10 | 2020-10-09 | 大连海事大学 | 一种基于有限时间不确定观测器的多无人船编队固定时间控制方法 |
CN111766899A (zh) * | 2020-08-11 | 2020-10-13 | 北京航空航天大学 | 一种基于干扰观测器的四旋翼无人机集群抗干扰编队控制方法 |
CN112379667A (zh) * | 2020-10-10 | 2021-02-19 | 内蒙古科技大学 | 领导跟随二阶多智能体系统有限时间一致性跟踪控制方法 |
Non-Patent Citations (4)
Title |
---|
Adaptive leader–follower formation control for swarms of unmanned aerial vehicles with motion constraints and unknown disturbances;Yueqian LIANG 等;《Chinese Journal of Aeronautics》;第33卷(第11期);2972–2988 * |
Finite-time fully distributed formation reconfiguration control for UAV helicopters;Dandan Wang 等;《Int J Robust Nonlinear Control》;5943-5963 * |
基于自适应有限时间干扰观测器的无人机集群 编队控制方法;董琦 等;《中国科学》;第50卷(第4期);423-438 * |
多四旋翼无人机一致性编队控制方法研究;杨闯;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》(第6期);C031-119 * |
Also Published As
Publication number | Publication date |
---|---|
CN114063636A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109917800B (zh) | 无人机控制方法、装置、计算机设备及存储介质 | |
Hu et al. | Model predictive control‐based non‐linear fault tolerant control for air‐breathing hypersonic vehicles | |
CN108375907B (zh) | 基于神经网络的高超声速飞行器自适应补偿控制方法 | |
CN109507890A (zh) | 一种基于eso的无人机动态逆广义预测控制器 | |
CN113342037A (zh) | 具有输入饱和的多旋翼无人机时变编队控制方法及系统 | |
Ding et al. | An improved continuous sliding mode controller for flexible air‐breathing hypersonic vehicle | |
CN114063636B (zh) | 基于干扰观测器的无人机集群密集编队控制方法及装置 | |
CN113268084A (zh) | 一种无人机编队智能容错控制方法 | |
Bierling | Comparative analysis of adaptive control techniques for improved robust performance | |
CN114911265A (zh) | 一种四旋翼无人机编队协同机动控制方法 | |
Raza et al. | Robust output feedback control of fixed-wing aircraft | |
CN111830848A (zh) | 一种无人机超机动飞行性能仿真训练系统及方法 | |
Wang et al. | Intelligent control of air-breathing hypersonic vehicles subject to path and angle-of-attack constraints | |
CN113625730B (zh) | 一种基于超扭滑模的四旋翼自适应容错控制方法 | |
Sato | Robust gain-scheduled flight controller using inexact scheduling parameters | |
Lai et al. | Intelligent controller for unmanned surface vehicles by deep reinforcement learning | |
CN108958281B (zh) | 基于微分求积法的无人机悬吊运输稳定性分析和控制方法 | |
Alam et al. | On the internal stability of non‐linear dynamic inversion: application to flight control | |
Liang et al. | Design ride control system using two stern flaps based 3 DOF motion modeling for wave piercing catamarans with beam seas | |
Banazadeh et al. | Control effectiveness investigation of a ducted-fan aerial vehicle using model predictive controller | |
Zhao et al. | Model‐free attitude synchronization for multiple heterogeneous quadrotors via reinforcement learning | |
CN115857544A (zh) | 一种无人机集群编队飞行控制方法、装置及设备 | |
CN114943168A (zh) | 一种水上浮桥组合方法及系统 | |
Zhang et al. | Formation control of multiple underactuated surface vehicles based on prescribed-time method | |
CN112558465A (zh) | 一种带有输入限制的未知无人船有限时间强化学习控制方法 |
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 |