CN114237291B - 一种柔性约束多无人机编队控制方法 - Google Patents
一种柔性约束多无人机编队控制方法 Download PDFInfo
- Publication number
- CN114237291B CN114237291B CN202111538000.3A CN202111538000A CN114237291B CN 114237291 B CN114237291 B CN 114237291B CN 202111538000 A CN202111538000 A CN 202111538000A CN 114237291 B CN114237291 B CN 114237291B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- flexible
- flexible constraint
- tether
- 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 50
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013461 design Methods 0.000 claims abstract description 5
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 244000144992 flock Species 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 241000257303 Hymenoptera Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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
本发明涉及一种柔性约束多无人机编队控制方法,现有的柔性约束下多无人机编队控制和系统常常会因为柔性约束的干扰而影响控制输入的设计,造成多无人机编队变化。因此,为了解决现有的柔性约束对多无人机编队干扰的技术问题,本发明提供一种在柔性约束下的多无人机编队的控制方法和系统,通过引入柔性约束状态信息,构建完整的多无人机编队系统模型,对控制输入的柔性约束分量部分进行了分析与解算。本发明引入期望系绳摆角和期望柔性约束系绳拉力,通过摆角控制器得出控制输入中的未知柔性约束力部分,解决了传统控制方法中柔性约束分量位置的技术问题。
Description
技术领域
本发明属于多无人机编队控制领域,涉及一种柔性约束多无人机编队控制方法,具体为一种多无人机在柔性约束下的编队控制方法。
背景技术
多无人机编队属于多智能体编队系统,智能体一般是指一个物理的或抽象的实体,它能感知到自己所处的环境,并能正确调用自身所具有的知识,对环境做出适当的反应。多智能体系统通常是指由多个智能体及其相应的组织规则和信息交互协议构成的,能够完成特定任务的一类复杂系统。其中,组织规则决定智能体之间的连接关系,信息交互协议用于确定及更新智能体的状态。类比于现实世界中的大量多智能体系统实例,例如多只蚂蚁协作搬运食物,牛群有组织地迁徙,鸟群成群结队地飞行等,多无人机系统的合作能够以更小的代价完成更复杂的任务,传统的面向单一对象的控制理论将很难满足实际的控制需求,而多无人机系统因其功能强大、结构灵活、可扩展性强等特点具有明显优势。
多无人机一致性是指随着时间的演化,一个多无人机系统中的所有无人机的某个或某些状态趋于一致,用数学表达式描述为:假设多无人机系统中有n个无人机,第j个无人机的状态用xj(j=1,2,...,n)表示,如果当t→∞时,有||xj-xi||→0,则称系统达到了一致。
编队控制是指多个无人机组成的团队在向某个特定的目标运动的过程中,既要保持预定的集合队形,同时又要避开障碍。一般而言,编队控制借助无人机的局部邻居无人机信息实现多无人机系统的集群行为,从而解决全局性的任务。多无人机编队控制在军事、航天、工业等各个领域具有广阔的应用前景,比如卫星导航、机器人控制、搜索救援等。
柔性约束是指由系绳索、链条、皮带等柔性体对物体构成的约束。在多无人机系统中,相比于刚性约束,柔性约束可以将受约束的多无人机保持在一定运动空间范围,使受约束的多无人机存在一定程度的位移。传统的多无人机编队控制方法需要精确的系统模型,但由于多无人机受到柔性约束时,系统模型的未知性、不精确性、非线性、复杂性,时变性等问题进一步复杂化,即使采用状态估计等方法,依旧存在不能完整获取多无人机系统状态信息的问题,从而导致多无人机不能进行精确编队。
因此,亟需一种新的在柔性约束下的多无人机编队控制方法来解决现有的多无人机不能进行精确编队的技术问题。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种柔性约束多无人机编队控制方法,克服现有传统控制方法的不足,获取柔性约束下多无人机系统中柔性约束体的实时状态信息,保证多无人机系统模型中各个无人机所受柔性约束力一致,完善多无人机系统模型,并通过控制和规划算法构建编队任务和方法,从而解决现有的多无人机不能进行精确编队的技术问题。
技术方案
一种柔性约束多无人机编队控制方法,其特征在于步骤如下:
步骤1:将柔性约束力加入到多无人机系统动力学模型中,完善系统模型的状态信息,构建包含柔性约束力在内的多无人机系统模型:
其中,u1i、u2i、u2i、u4i分别表示第i个无人机的虚拟控制输入,Fcable表示整个多无人机系统收到的柔性系系绳拉力,W表示阵风干扰,d表示系统的不确定性。通过对Fcable的分析,相应地设计出多无人机在构型保持与机动的不同情况下,控制输入u1i、u2i、u2i、u4i与期望编队构型的关系;
步骤2:通过几何约束下的多无人机、柔性系系绳与携带载荷间位置关系,获得柔性约束系绳与各个无人机之间连接的夹角状态数据:
系绳长为Lr,载荷P与各个无人机间相对位置关系为:
ξQ1=ξp+Lrρ1,ξQ2=ξp+Lrρ2
其中,定义从P到单个无人机Qi的单位方向向量为:
ρi=[cos(βi)cos(αi),cos(βi)sin(αi),sin(βi)]T
ξ为无人机和载荷在地面坐标系中的位置,i为第i个无人机;
得到柔性约束系绳与各个无人机之间的摆角α、β即柔性系绳与各个无人机间夹角数据;
步骤3:以控制器控制多无人机编队,以状态数据和夹角数据构建各个无人机的状态数据和柔性约束数据为输入量,以各个无人机所受的柔性约束力为输出量的编队优化模型:
步骤4:设计柔性约束系系绳摆角控制器
其中,c、k、η为控制参数,为阵风干扰,M、m分别为单个无人机与吊挂载荷的质量,xe为无人机状态偏差数据,xd为无人机目标状态数据,/>为滑模面,系绳拉力部分的控制力数据Fucable在不同路径阶段根据获取的状态数据进行更新;
步骤5:将输出得到的各个无人机的动作数据分发给各个无人机,各个无人机根据各自接收的动作数据来进行编队,执行任务。
有益效果
本发明提出的一种柔性约束多无人机编队控制方法,现有的柔性约束下多无人机编队控制和系统常常会因为柔性约束的干扰而影响控制输入的设计,造成多无人机编队变化。因此,为了解决现有的柔性约束对多无人机编队干扰的技术问题,本发明提供一种在柔性约束下的多无人机编队的控制方法和系统,通过引入柔性约束状态信息,构建完整的多无人机编队系统模型,对控制输入的柔性约束分量部分进行了分析与解算。
本发明与现有技术相比的有益效果是:
(1)本发明考虑了柔性约束对多无人机执行任务中编队模型的影响,给出了包含柔性约束力在内的多无人机动力学模型;
(2)本发明中采用“载荷”这一系统内参考物,利用“载荷”位置及多无人机——柔性约束间相对关系确定多无人机部分状态信息,相比传统任务规划中通过状态估计确定多无人机状态信息的方法,本发明以参考物和空间相对关系确定多无人机状态信息更准确;
(3)本发明建立了“多无人机——柔性约束——载荷”系统,利用其相互的空间位置关系构建多无人机编队队形,与现有编队构型保持技术相比,技术实现更简单;
(4)本发明中引入期望系绳摆角和期望柔性约束系绳拉力,通过摆角控制器得出控制输入中的未知柔性约束力部分,解决了传统控制方法中柔性约束分量位置的技术问题。
附图说明
图1为根据本发明实施例中双架无人机通过柔性系绳连接载荷编队系统示意图;
图2为本发明多无人机——柔性约束——载荷系统模型控制结构示意图;
图3为本发明中多无人机编队控制方法与系统流程示意图;
具体实施方式
现结合实施例、附图对本发明作进一步描述:
以现常见四旋翼无人机为无人机对象,两架四旋翼无人机通过两根柔性系系绳吊挂载荷为柔性约束下的多无人机系统,现提出一种在柔性约束下的多无人机编队的控制方法和系统。
一种多无人机编队的控制方法,包括以下步骤:
1、将柔性约束力加入到多无人机系统动力学模型中,完善系统模型的状态信息,构建包含柔性约束力在内的多无人机系统模型;
2、通过几何约束下的多无人机、柔性系系绳与携带载荷间位置关系,获得柔性约束系绳与各个无人机之间连接的夹角状态数据;
3、设计柔性约束系系绳摆角控制器;
4、以控制器控制多无人机编队,通过所述状态数据和夹角数据通过解算,构建以各个无人机的状态数据和柔性约束数据为输入量,以各个无人机所受的柔性约束力为输出量的编队优化模型;
根据新的柔性约束下多无人机系统模型对所述多无人机进行优化编队。
1、所述包含柔性约束力在内的多无人机系统动力学模型,以多无人机和携带载荷为研究对象,将柔性系系绳拉力作为外力纳入动力学分析中,分析得出多无人机编队动力学模型如下:
其中,u1i、u2i、u2i、u4i分别表示第i个无人机的虚拟控制输入,Fcable表示整个多无人机系统收到的柔性系系绳拉力,W表示阵风干扰,d表示系统的不确定性。通过对Fcable的分析,相应地设计出多无人机在构型保持与机动的不同情况下,控制输入u1i、u2i、u2i、u4i与期望编队构型的关系。
2、所述状态数据包括各个无人机的目标点和测量点的位置偏差数据及速度偏差数据;
所述的夹角数据包括柔性约束系绳与各个无人机之间的摆角α、β;
所述柔性系绳与各个无人机间夹角数据为可确定无人机与载荷间相对位置的摆角α、β,设定系绳长为Lr,载荷P与各个无人机间相对位置关系如下:
ξQ1=ξp+Lrρ1,ξQ2=ξp+Lrρ2
其中,定义从P到单个无人机Qi的单位方向向量为:ρi=[cos(βi)cos(αi),cos(βi)sin(αi),sin(βi)]T,ξ为无人机和载荷在地面坐标系中的位置。利用上述多无人机与载荷空间相对关系,反解得到系统期望目标(多无人机和载荷位置)下的期望柔性系绳摆角α、β,由此建立起“多无人机——柔性约束——载荷”的柔性约束下多无人机系统。
所述柔性约束系绳摆角控制器的输入为期望柔性系绳摆角α、β和获取到的实时摆角数据,输出为控制力数据中的Fucable,即多无人机一致性目标;
一致性目标的设计是指通过引入柔性约束的状态数据,建立起多无人机——载荷间的相对位置信息,同时设定柔性约束力为一致性目标,保证多无人机所受柔性系系绳约束力大小相同,以此来构建优化编队模型:
根据上述的状态数据,综合得出多无人机系统的一致性目标——柔性约束力一致:
其中g为重力加速度列向量。
根据多无人机中各个无人机的位置数据、速度数据以及各个无人机与载荷连接的柔性约束摆角数据,以单无人机任一前进方向为例,规划多无人机加速、匀速、减速段路径下的一致性目标:
其中Γ*为期望系系绳拉力大小,本发明中将本期望系系绳拉力设定为一个控制参数,保证柔性约束满足多无人机编队任务需求。
所述动作数据包括对各个无人机的控制力数据;
根据更精确的系统动力学模型,利用滑模控制算法,所述位置控制力数据计算公式形式如下:
其中,c、k、η为控制参数,为阵风干扰,M、m分别为单个无人机与吊挂载荷的质量,xe为无人机状态偏差数据,xd为无人机目标状态数据,/>为滑模面,系绳拉力部分的控制力数据Fucable在不同路径阶段根据获取的状态数据进行更新。
由此将输出得到的各个无人机的动作数据分发给各个无人机,各个无人机根据各自接收的动作数据来进行编队,执行任务。
如图1和图2所示,多无人机Q1、Q2为2架四旋翼无人机,通过柔性系绳与载荷P柔性连接,通过分析任务需求中的系统期望目标(多无人机和载荷位置),根据载荷P与各个无人机间相对位置关系:
ξQ1=ξp+Lrρ1,ξQ2=ξp+Lrρ2
解算得到期望柔性系绳摆角α1,2 *、β1,2 *,系统获取多无人机系统中各个无人机的状态数据和动作数据,以及柔性约束系绳与各个无人机之间连接的夹角数据,并输入所述的柔性约束系绳摆角控制器,保证实时摆角数据跟踪期望柔性系绳摆角α1,2 *、β1,2 *,同时输出控制力数据中的
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (1)
1.一种柔性约束多无人机编队控制方法,其特征在于步骤如下:
步骤1:将柔性约束力加入到多无人机系统动力学模型中,完善系统模型的状态信息,构建包含柔性约束力在内的多无人机系统模型:
其中,u1i、u2i、u2i、u4i分别表示第i个无人机的虚拟控制输入,Fcable表示整个多无人机系统收到的柔性系系绳拉力,W表示阵风干扰,d表示系统的不确定性;通过对Fcable的分析,相应地设计出多无人机在构型保持与机动的不同情况下,控制输入u1i、u2i、u2i、u4i与期望编队构型的关系;
步骤2:通过几何约束下的多无人机、柔性系系绳与携带载荷间位置关系,获得柔性约束系绳与各个无人机之间连接的夹角状态数据:
系绳长为Lr,载荷P与各个无人机间相对位置关系为:
ξQ1=ξp+Lrρ1,ξQ2=ξp+Lrρ2
其中,定义从P到单个无人机Qi的单位方向向量为:
ρi=[cos(βi)cos(αi),cos(βi)sin(αi),sin(βi)]T
ξ为无人机和载荷在地面坐标系中的位置,i为第i个无人机;
得到柔性约束系绳与各个无人机之间的摆角α、β即柔性系绳与各个无人机间夹角数据;
步骤3:以控制器控制多无人机编队,以状态数据和夹角数据构建各个无人机的状态数据和柔性约束数据为输入量,以各个无人机所受的柔性约束力为输出量的编队优化模型:
步骤4:设计柔性约束系系绳摆角控制器
其中,c、k、η为控制参数,为阵风干扰,M、m分别为单个无人机与吊挂载荷的质量,xe为无人机状态偏差数据,xd为无人机目标状态数据,/>为滑模面,系绳拉力部分的控制力数据Fucable在不同路径阶段根据获取的状态数据进行更新;
步骤5:将输出得到的各个无人机的动作数据分发给各个无人机,各个无人机根据各自接收的动作数据来进行编队,执行任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111538000.3A CN114237291B (zh) | 2021-12-15 | 2021-12-15 | 一种柔性约束多无人机编队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111538000.3A CN114237291B (zh) | 2021-12-15 | 2021-12-15 | 一种柔性约束多无人机编队控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114237291A CN114237291A (zh) | 2022-03-25 |
CN114237291B true CN114237291B (zh) | 2023-06-30 |
Family
ID=80756486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111538000.3A Active CN114237291B (zh) | 2021-12-15 | 2021-12-15 | 一种柔性约束多无人机编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114237291B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115373266B (zh) * | 2022-08-11 | 2024-04-30 | 西北工业大学 | 一种绳系约束多智能体的张力预测与协同控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665865A (zh) * | 2020-06-16 | 2020-09-15 | 天津大学 | 基于虚拟结构法的多无人机编队鲁棒控制方法 |
WO2021174765A1 (zh) * | 2020-03-03 | 2021-09-10 | 中国科学院自动化研究所 | 基于多无人机协同博弈对抗的控制系统 |
-
2021
- 2021-12-15 CN CN202111538000.3A patent/CN114237291B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021174765A1 (zh) * | 2020-03-03 | 2021-09-10 | 中国科学院自动化研究所 | 基于多无人机协同博弈对抗的控制系统 |
CN111665865A (zh) * | 2020-06-16 | 2020-09-15 | 天津大学 | 基于虚拟结构法的多无人机编队鲁棒控制方法 |
Non-Patent Citations (1)
Title |
---|
无人机吊挂飞行的非线性控制方法设计;鲜斌;张旭;杨森;;控制理论与应用(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114237291A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sabatino | Quadrotor control: modeling, nonlinearcontrol design, and simulation | |
Godbole et al. | Nonlinear control of unmanned aerial vehicles with cable suspended payloads | |
Zhu et al. | Model of collaborative UAV swarm toward coordination and control mechanisms study | |
Aghdam et al. | Cooperative load transport with movable load center of mass using multiple quadrotor UAVs | |
Sierra et al. | Wind and payload disturbance rejection control based on adaptive neural estimators: application on quadrotors | |
de Angelis | Swing angle estimation for multicopter slung load applications | |
CN112817328B (zh) | 一种四旋翼变绳长吊挂系统的路径规划与减摆控制方法 | |
Kusumoputro et al. | Development of an attitude control system of a heavy-lift hexacopter using Elman recurrent neural networks | |
Devi et al. | A cohesive and well-spaced swarm with application to unmanned aerial vehicles | |
CN114237291B (zh) | 一种柔性约束多无人机编队控制方法 | |
Tavoosi | Hybrid intelligent adaptive controller for tiltrotor UAV | |
Joukhadar et al. | Advanced UAVs nonlinear control systems and applications | |
Duong et al. | Adaptive control of SE (3) Hamiltonian dynamics with learned disturbance features | |
Antal et al. | Backflipping With Miniature Quadcopters by Gaussian-Process-Based Control and Planning | |
Korsun et al. | Direct method for forming the optimal open loop control of aerial vehicles | |
Velagić et al. | Design of LQR controller for 3D trajectory tracking of octocopter unmanned aerial vehicle | |
Li et al. | Nonlinear mpc for quadrotors in close-proximity flight with neural network downwash prediction | |
Davidi et al. | Formation flight using multiple integral backstepping controllers | |
Kim et al. | Guidance of multi-agent fixed-wing aircraft using a moving mesh method | |
Shukla et al. | Validation and verification flight testing of uas morphing potential field collision avoidance algorithms | |
Wu et al. | Real-time wind estimation with a quadrotor using BP neural network | |
Mendoza-Soto et al. | Constrained generalized predictive control for obstacle avoidance in a quadcopter | |
Jurado et al. | Continuous-time decentralized neural control of a quadrotor UAV | |
Roelofsen et al. | A comparative study of collision avoidance algorithms for unmanned aerial vehicles: Performance and robustness to noise | |
CN115373266B (zh) | 一种绳系约束多智能体的张力预测与协同控制方法 |
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 |