CN114779647A - 无人艇集群的围堵控制方法 - Google Patents

无人艇集群的围堵控制方法 Download PDF

Info

Publication number
CN114779647A
CN114779647A CN202210506176.9A CN202210506176A CN114779647A CN 114779647 A CN114779647 A CN 114779647A CN 202210506176 A CN202210506176 A CN 202210506176A CN 114779647 A CN114779647 A CN 114779647A
Authority
CN
China
Prior art keywords
unmanned ship
unmanned
cluster
target
containment
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.)
Pending
Application number
CN202210506176.9A
Other languages
English (en)
Inventor
柳春
夏志伟
汪小帆
蒲华燕
任肖强
王曰英
彭艳
谢少荣
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 Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
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 Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN202210506176.9A priority Critical patent/CN114779647A/zh
Publication of CN114779647A publication Critical patent/CN114779647A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供了一种无人艇集群的围堵控制方法，将无人艇集群分布式协同围堵模型分解为外层控制策略和内层控制策略。基于无人艇之间的信息传输和交互，使用分布式控制架构，通过无人艇集群中领导者无人艇和跟随者无人艇信息交互，使得所有无人艇的期望速度一致，以将无人艇集群的围堵模型转化为基于虚拟中心的多智能体系统分布式协同编队模型，获取领导者‑跟随者分布式一致性控制算法以及固定几何队形列阵对目标无人艇进行有效围堵；基于无人艇在复杂海域中所受到的外界环境扰动，将滑模控制施加到无人艇集群分布式协同围堵控制的内层控制中，在环境扰动的基础上，各无人艇能够跟踪到达到几何队形中的目标位置，实现对目标无人艇的稳定跟踪控制。

Description

无人艇集群的围堵控制方法
技术领域
本发明涉及无人艇技术领域，特别涉及一种无人艇集群的围堵控制方法。
背景技术
近年来，随着陆地燃料资源的枯竭，占据地球面积约71％的海洋战略地位随之不断提高。为充分勘探和开采海洋资源，海洋装备技术的发展不可或缺。以无人艇(包括水下航行体、水下机器人、水面无人船等)为代表的海洋智能装备是现阶段海上作业的主要载体。
集群无人舰艇是指一组编队的多个无人舰艇。近年来，集群无人舰艇的应用日益增长，目前，集群无人艇已经在诸如围捕、驱离、扫雷、反潜之类的军事领域以及诸如物资补给、地形测绘、海面营救、无人搜索之类的民事领域发挥重要作用。
但无人艇集群的围堵控制，往往存在无法保证精准性、时效性的问题。
发明内容
本发明的目的在于提供一种无人艇集群的围堵控制方法，以解决现有的无人艇集群的围堵控制存在无法保证精准性、时效性的问题。
为解决上述技术问题，本发明提供一种无人艇集群的围堵控制方法，包括：
将无人艇集群分布式协同围堵模型分解为外层控制策略的无人艇集群分布式协同编队控制模型和内层控制策略的基于滑模控制的无人艇稳定跟踪控制模型；
所述外层控制策略包括：基于无人艇之间的信息传输和交互，使用分布式控制架构，通过无人艇集群中领导者无人艇和跟随者无人艇的信息交互，使得所有无人艇的位置和速度保持一致，以将无人艇集群的围堵模型转化为基于虚拟中心的多智能体系统分布式协同编队模型，获取领导者-跟随者分布式一致性控制算法以及固定几何队形列阵对目标无人艇进行有效围堵；
所述内层控制策略包括：基于无人艇在复杂海域中所受到的外界环境扰动，将滑模控制施加到无人艇集群分布式协同围堵控制的内层控制中，在环境扰动的基础上，各无人艇能够跟踪到达到几何队形中的目标位置，实现对目标无人艇的稳定跟踪控制。
可选的，在所述的无人艇集群的围堵控制方法中，还包括：
对于无人艇集群分布式协同围堵控制，分别形成三个围堵阶段，并根据不同的围堵阶段实施不同的无人艇集群分布式协同控制策略；
引入领导者-跟随者分布式一致性控制算法，所述领导者-跟随者分布式一致性控制算法具有位置一致性和加速度一致性；
根据被围堵无人艇距围堵中心的距离以及被围堵无人艇的运动状态，设置多个位置一致性权重参数和加速度一致性权重参数，使得无人艇集群能够在第一距离时快速接近目标无人艇，以及能够在第二距离时对目标无人艇进行快速稳定的围堵；
其中第一距离大于第二距离。
可选的，在所述的无人艇集群的围堵控制方法中，还包括步骤一：
定义执行动态围堵任务的无人艇集群包括由领导者无人艇与跟随者无人艇组成的网络化无人艇集群系统，首先建立如下常规无人艇的单艇模型：
Figure BDA0003637419650000021
其中xpi和ypi表示无人艇在地面坐标系O-XYZ中的位置坐标，ψi是无人艇地面坐标系的偏航角，pi,qi分别是无人艇的浪涌速度和摇摆速度，ri是无人艇的偏航角速度，m11,m22,m23,m32,m33表示无人艇的惯性质量；d11,d22,d23,d32,d33表示无人艇流体动力的阻尼，c13,c23表示阻尼系数；upi,uri是无人艇推进器系统提供的控制输入；ωpi,ωqi,ωri分别是无人艇在浪涌、摇摆和偏航方向的海洋环境扰动。
可选的，在所述的无人艇集群的围堵控制方法中，还包括步骤二：
根据步骤一中的单艇模型，定义第i艘无人艇的速度向量和位置向量分别是vi＝[pi qi ri]T,xi＝[xpi ypiψi]T，将常规无人艇模型转换如下带有位置向量和速度向量的二阶动态模型：
Figure BDA0003637419650000031
其中ui＝[upi 0 uri]T是无人艇推进器系统的实际控制输入向量，ωi＝[ωpi ωqiωri]T是无人艇受到的外部扰动向量，C和D为阻尼系数矩阵，M表示惯性质量矩阵，J(ψi)为地面坐标系与艇体坐标系之间的变换矩阵，具体参数由下式给出：
Figure BDA0003637419650000032
进一步，将以上无人艇集群二阶动态模型转换如下：
Figure BDA0003637419650000033
其中，f(xi,vi,t)＝M-1(-Dvi-Cxi)和f(ωi,t)＝M-1ωi分别表示为无人艇的系统非线性项和外部扰动项。
可选的，在所述的无人艇集群的围堵控制方法中，还包括步骤三：
在复杂海域中执行无人艇集群围堵任务中，设置无人艇集群围堵应用场景，包括：被围堵目标无人艇在非逃逸状态进行匀速直线运动，在被围堵时进入逃逸状态，进行弧线运动；
根据无人艇集群围堵应用场景，被围堵目标无人艇在对应三阶段有如下运动模式：
第一阶段时，设定d是目标无人艇与围堵无人艇集群围堵中心之间的距离，目标无人艇发现围堵无人艇集群的距离为D，则当d大于设定的围堵发现距离D时，围堵无人艇集群加速靠近目标无人艇，目标无人艇处于非逃逸状态，进行匀速直线运动；
第二阶段时，当d＝D时，目标无人艇已发现自身即将被围堵，开始加速逃逸，目标无人艇进入弧线逃逸状态，围堵无人艇集群加速靠近；当d＜D时，围堵无人艇集群已接近目标无人艇开始进行几何围堵；
第三阶段时，目标无人艇逃逸失败，被成功围堵，标识为
Figure BDA0003637419650000041
其中，
Figure BDA0003637419650000042
表示完成规避碰撞的预设较小常量，则围堵无人艇集群开始稳定围堵，与目标无人艇一起保持几何队形前进；
具体的，各阶段移动位置方程表示如下：
Figure BDA0003637419650000043
其中，xtg,ytg代表目标无人艇的横纵向移动位置，t表示时间参数，t0,t1分别表示阶段一的结束时间，阶段二的结束时间，(x0,y0),(x1,y1)分别表示阶段一和阶段二结束时目标无人艇到达的坐标位置，σx,σy分别表示在横纵方向移动的速率参数。
可选的，在所述的无人艇集群的围堵控制方法中，还包括步骤四：
通过内外层双环控制策略的无人艇集群分布式围堵控制方法实现无人艇集群对目标无人艇的围堵；首先，实施无人艇集群分布式围堵控制方法的外层控制策略，将无人艇围堵问题转化为基于虚拟中心的多智能体系统分布式协同编队控制问题；
网络化无人艇集群通过通信网络相互连接，其网络层连接方式依据通信拓扑图表示；对于有向拓扑图G＝(V,E,A)，V＝{1,...,N}表示有向图的节点，E＝{(i,j),i,j∈V}表示有向图的边，其邻接矩阵为
Figure BDA0003637419650000044
其中若(j,i)∈E，则aij＞0，否则aij＝0；定义拉普拉斯矩阵
Figure BDA0003637419650000045
其中
Figure BDA0003637419650000046
在无人艇集群分布式围堵控制方法的外层控制策略中，基于无人艇的位置，线速度以及偏航角，在外层环节忽略无人艇的姿态控制问题，将无人艇建模为点质量系统；无人艇点质量模型用以下双积分器近似描述：
Figure BDA0003637419650000047
其中，xi(t)和vi(t)分别代表第i艘无人艇的位置和速度向量，ui(t)表示无人艇推进器系统的控制输入向量，具体见步骤二的定义；
根据无人艇集群的围堵应用场景，针对领导者-跟随者无人艇集群系统，设置基于位置一致性、速度一致性和加速度一致性参数的领导者-跟随者分布式一致性控制算法实现无人艇集群位置和速度向量的一致性，确定领导者-跟随者无人艇集群的围堵中心跟踪和逼近被围堵目标无人艇：
Figure BDA0003637419650000051
其中
Figure BDA0003637419650000052
表示围堵中心的位置向量，
Figure BDA0003637419650000053
表示目标无人艇的位置向量，其中ψtg是目标无人艇的偏航角，同时位置向量的一阶导和二阶导形式分别表示无人艇的速度向量和加速度向量，驱动
Figure BDA0003637419650000054
跟踪到达
Figure BDA0003637419650000055
Υ表示可获得被围堵目标无人艇
Figure BDA0003637419650000056
信息的领导者无人艇集合；
Figure BDA0003637419650000057
表示位置一致性参数；
Figure BDA0003637419650000058
表示加速度一致性参数，其中α,β表示两个正值可调参数，且有p≤p(t)≤P和q≤q(t)≤Q，其中p,P表示参数p(t)的上下界，q,Q表示参数q(t)的上下界；若领导者-跟随者无人艇集群系统中第i个无人艇可接收第j个无人艇的信息，则gij＝1，若无法接收信息则gij＝0。
可选的，在所述的无人艇集群的围堵控制方法中，还包括步骤五：
对于步骤四中无人艇集群分布式围堵控制方法外层控制策略，通过几何队形对目标无人艇进行围堵，按照步骤三中需要完成的围堵任务目标，设置如下的几何队形来完成动态围堵任务：
Figure BDA0003637419650000059
其中，
Figure BDA00036374196500000510
表示第i艘无人艇根据步骤四中领导者-跟随者分布式一致性控制算法所得到的围堵中心位置向量中的横纵方向位置，在几何队形二维平面中不考虑偏航角；
同理
Figure BDA00036374196500000511
表示在几何队形中第i艘无人艇的目标位置向量中的横纵方向位置；
Figure BDA0003637419650000061
其中D表示编队方形的横向长度；根据上式，得到若领导者-跟随者无人艇集群中各围堵无人艇能到达目标位置，则实现所需的几何队形围堵形状。
可选的，在所述的无人艇集群的围堵控制方法中，还包括步骤六：
为实现步骤五中的几何队形，在步骤三中的无人艇集群分布式围堵控制方法外层控制策略的基础上，设置内层控制策略的滑模控制协议，首先根据步骤五中几何编队形状和各无人艇目标位置，设计如下的二阶动态误差量：
Figure BDA0003637419650000062
其中xi,vi表示无人艇当前的位置和速度向量，bi表示第i艘无人艇误差的比例参数，
Figure BDA0003637419650000063
是第i艘无人艇的期望位置向量和速度向量，其中横纵方向的位置量由步骤五得到，而偏航角
Figure BDA0003637419650000064
定义
Figure BDA0003637419650000065
和
Figure BDA0003637419650000066
则得到如下二阶动态的全局表达式：
Figure BDA0003637419650000067
其中全局位置误差为
Figure BDA0003637419650000068
全局速度误差为
Figure BDA0003637419650000069
其余二阶动态的全局误差量表示为
Figure BDA00036374196500000610
B是N×N的对角矩阵且对角元素为bi,In表示n×n单位阵；
进一步根据步骤二中带有系统非线性项和外部扰动项的无人艇模型，定义F＝[fT(x1,v1,t),...,fT(xN,vN,t)T]T表示无人艇集群的全局非线性项，
Figure BDA00036374196500000611
表示对应所得目标位置、目标速度的全局非线性项，ω＝[fT(ω1,t),...,fT(ωN,t)]T表示全局外部扰动项，u＝[[M-1u1]T,...,[M-1uN]T]T表示全局控制输入，J＝[JT(ψ1),...,JT(ψN)]T；
因此二阶动态的全局动态误差量表示如下：
Figure BDA00036374196500000612
Figure BDA00036374196500000613
其中目标控制的全局输入
Figure BDA0003637419650000071
且
Figure BDA0003637419650000072
根据上述误差量，设置如下的滑模面：
s＝μe1+e2
其中，μ＞0，
Figure BDA0003637419650000073
且si＝μe1i+e2i,i＝1,...,N；
在内层控制策略的滑模面作用下，针对领导者-跟随者无人艇集群设计如下表示的滑模控制协议实现各无人艇都能跟踪到达几何队形中各自的目标位置，完成几何队形围堵任务：
Figure BDA0003637419650000074
其中，ψd(si)＝-χsgn(si)且χ是依据李雅普诺夫函数确定的确保无人艇集群系统稳定的参数。
可选的，在所述的无人艇集群的围堵控制方法中，还包括步骤七：
根据步骤六内层控制策略的滑模控制协议，结合步骤四中基于位置一致性、速度一致性、加速度一致性参数的领导者-跟随者分布式一致性控制算法，根据步骤六内层控制策略的滑模控制协议，结合步骤四中基于位置一致性、速度一致性、加速度一致性参数的领导者-跟随者分布式一致性控制算法，目标无人艇与任务无人艇集群拓扑由五个节点构成，分别为Target,1L,2F,3F,4F，其中，Target表示被围堵目标无人艇，1L代表领导者-跟随者无人艇集群编队中的领导者无人艇，2F,3F,4F代表领导者-跟随者无人艇集群编队中的其余三个跟随者无人艇，其中1L无人艇能够单向接收Target无人艇信息，2F能够单向接收1L,4F无人艇信息，3F能够单向接收2F无人艇信息，4F能够单向接收1L,3F无人艇信息，所述拓扑所构成的四艘无人艇集群进行分布式围堵作业，使其实现步骤五中的几何队形，完成对被围堵目标无人艇的成功动态围堵。
本发明还提供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上任一项所述无人艇集群的围堵控制方法的步骤。
本发明的发明人通过研究发现，对于无人艇集群的围堵控制问题，现有技术往往专注于对执行围堵任务的无人艇集群的位置做单一约束，根据目标无人艇位置的获取直接进行包围来实施围堵，较少考虑无人艇集群之间的信息传输和交互，尚未有效利用集群分布式协同的思想来实现无人艇集群的自主性和智能性。因此亟需开发无人艇集群围堵领域的分布式协同围堵控制算法；
对于在无人艇集群分布式协同围堵控制问题中单艇的稳定控制、精准跟踪问题，现有技术往往使用基于李雅普诺夫稳定性理论设计轨迹和路径跟踪的联合控制器，忽略在实际应用中对于执行动态任务的无人艇的非线性因素，如非线性系统建模、环境波浪扰动，雷达信息的干扰等。因此，亟需开发在无人艇集群分布式协同围堵控制框架下，在考虑外界扰动的基础上能实现对目标无人艇稳定围堵的控制策略；
对于无人艇集群分布式协同围堵控制问题的具体应用场景，现有技术往往专注于利用无人艇集群直接包围目标无人艇来实现围堵目标，缺乏围堵过程动态追逐、动态逃逸的策略探索，没有考虑到在无人艇集群围堵过程中具有不同阶段所需要采用的不同分布式协同围堵控制策略。因此，亟需开发在无人艇集群分布式围堵过程中出现的实际、具体的围堵场景，并针对不同围堵阶段采用相对应的分布式协同围堵控制策略。
基于以上洞察，本发明提供了一种无人艇集群的围堵控制方法，使用内外层双环控制策略，将无人艇集群分布式协同围堵问题分解为外层控制策略的无人艇集群分布式协同编队控制问题和内层控制策略的基于滑模控制的无人艇稳定跟踪控制问题，构建了针对在开放、动态、复杂海域中执行军事作战围堵/民用海面营救的网络化领导者-跟随者无人艇集群系统，提出的一种无人艇集群分布式协同围堵控制方法，实现了对目标无人艇的几何队形围堵任务，解决无人艇集群保证多艇协同一致性的基础上实现快速、稳定围堵的难点。
本发明在开放、动态、复杂海域中，设计一种无人艇集群分布式协同围堵控制方法，可使己方多艘无人艇在保证己方状态一致性基础上，对敌方目标无人艇实现稳定几何队形围堵，在军事作战围捕，民用领域海面营救等方面发挥重要作用。
附图说明
图1是本发明第一实施例中的无人艇集群分布式协同围堵控制方法流程示意图；
图2是本发明第一实施例中的无人艇集群分布式协同围堵拓扑示意图；
图3是本发明第二实施例中的己方四艘无人艇对敌方一艘无人艇进行围堵三阶段流程示意图。
具体实施方式
下面结合具体实施方式参考附图进一步阐述本发明。
应当指出，各附图中的各组件可能为了图解说明而被夸大地示出，而不一定是比例正确的。在各附图中，给相同或功能相同的组件配备了相同的附图标记。
在本发明中，除非特别指出，“布置在…上”、“布置在…上方”以及“布置在…之上”并未排除二者之间存在中间物的情况。此外，“布置在…上或上方”仅仅表示两个部件之间的相对位置关系，而在一定情况下、如在颠倒产品方向后，也可以转换为“布置在…下或下方”，反之亦然。
在本发明中，各实施例仅仅旨在说明本发明的方案，而不应被理解为限制性的。
在本发明中，除非特别指出，量词“一个”、“一”并未排除多个元素的场景。
在此还应当指出，在本发明的实施例中，为清楚、简单起见，可能示出了仅仅一部分部件或组件，但是本领域的普通技术人员能够理解，在本发明的教导下，可根据具体场景需要添加所需的部件或组件。另外，除非另行说明，本发明的不同实施例中的特征可以相互组合。例如，可以用第二实施例中的某特征替换第一实施例中相对应或功能相同或相似的特征，所得到的实施例同样落入本申请的公开范围或记载范围。
在此还应当指出，在本发明的范围内，“相同”、“相等”、“等于”等措辞并不意味着二者数值绝对相等，而是允许一定的合理误差，也就是说，所述措辞也涵盖了“基本上相同”、“基本上相等”、“基本上等于”。以此类推，在本发明中，表方向的术语“垂直于”、“平行于”等等同样涵盖了“基本上垂直于”、“基本上平行于”的含义。
另外，本发明的各方法的步骤的编号并未限定所述方法步骤的执行顺序。除非特别指出，各方法步骤可以以不同顺序执行。
以下结合附图和具体实施例对本发明提出的无人艇集群的围堵控制方法作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
本发明的目的在于提供一种无人艇集群的围堵控制方法，以解决现有的无人艇集群的围堵控制存在无法保证精准性、时效性的问题。
为实现上述目的，本发明提供了一种无人艇集群的围堵控制方法，包括：包括：将无人艇集群分布式协同围堵模型分解为外层控制策略的无人艇集群分布式协同编队控制模型和内层控制策略的基于滑模控制的无人艇稳定跟踪控制模型。
对于外层控制策略，在考虑到无人艇之间的信息传输、交互的基础上，使用分布式控制架构，通过无人艇集群中领导者无人艇和跟随者无人艇的信息交互确保无人艇的位置和速度状态一致性，将无人艇集群的围堵问题转化为基于虚拟中心的多智能体系统分布式协同编队问题，设计了领导者-跟随者分布式一致性控制算法以及设计固定几何队形列阵对目标无人艇进行有效围堵；对于内层控制策略，考虑到无人艇在复杂海域中所受到的外界环境扰动，将滑模控制应用到无人艇集群分布式协同围堵控制的内层控制中，在考虑环境扰动的基础上，各无人艇都能到达跟踪到几何队形中的目标位置，实现对目标无人艇的稳定跟踪控制；
对于无人艇集群分布式协同围堵控制，设计了三阶段的具体围堵过程，并根据不同的围堵阶段设计不同的无人艇集群分布式协同控制策略，引入位置一致性和加速度一致性的领导者-跟随者分布式一致性控制算法，根据被围堵无人艇距围堵中心的距离以及被围堵无人艇的运动状态设计不同的位置一致性权重参数和加速度一致性权重参数，保证无人艇集群既能在较远距离时快速接近目标无人艇，也可以在较近距离时对目标无人艇实现快速稳定的围堵。
图1、2提供了本发明的第一个实施例，其中图1示出了无人艇集群的围堵控制方法的流程示意图；如图1所示，步骤一包括：定义执行动态围堵任务的无人艇集群是由领导者无人艇与跟随者无人艇组成的网络化无人艇集群系统。首先建立如下常规无人艇的单艇模型：
Figure BDA0003637419650000111
其中xpi和ypi表示无人艇在地面坐标系O-XYZ中的位置坐标，ψi是无人艇地面坐标系的偏航角，pi,qi分别是无人艇的浪涌速度和摇摆速度，ri是无人艇的偏航角速度，m11,m22,m23,m32,m33表示无人艇的惯性质量。d11,d22,d23,d32,d33表示无人艇流体动力的阻尼，c13,c23表示阻尼系数。upi,uri是无人艇推进器系统提供的控制输入。ωpi,ωqi,ωri分别是无人艇在浪涌、摇摆和偏航方向的海洋环境扰动。
步骤二：根据步骤一中的单艇模型，定义第i艘无人艇的速度向量和位置向量分别是vi＝[pi qi ri]T,xi＝[xpi ypi ψi]T，将常规无人艇模型转换如下带有位置向量和速度向量的二阶动态模型：
Figure BDA0003637419650000112
其中ui＝[upi 0 uri]T是无人艇推进器系统的实际控制输入向量，ωi＝[ωpi ωqiωri]T是无人艇受到的外部扰动向量，C和D为阻尼系数矩阵，M表示惯性质量矩阵，J(ψi)为地面坐标系与艇体坐标系之间的变换矩阵，具体参数由下式给出：
Figure BDA0003637419650000113
进一步，将以上无人艇集群二阶动态模型转换如下：
Figure BDA0003637419650000114
其中，f(xi,vi,t)＝M-1(-Dvi-Cxi)和f(ωi,t)＝M-1ωi分别表示为无人艇的系统非线性项和外部扰动项。
步骤三：在复杂海域中执行无人艇集群围堵任务中，设计如下的无人艇集群围堵应用场景，实施以下三阶段围堵方案：
被围堵目标无人艇在非逃逸状态进行匀速直线运动，在被围堵时进入逃逸状态，进行弧线运动，因此被围堵目标无人艇在对应三阶段有如下运动模式：
第一阶段时，设定d是目标无人艇与围堵无人艇集群围堵中心之间的距离，目标无人艇发现围堵无人艇集群的距离为D，则当d大于设定的围堵发现距离D时，围堵无人艇集群加速靠近目标无人艇，目标无人艇处于非逃逸状态，进行匀速直线运动；
第二阶段时，当d＝D时，目标无人艇已发现自身即将被围堵，开始加速逃逸，目标无人艇进入弧线逃逸状态，围堵无人艇集群加速靠近。当d＜D时，围堵无人艇集群已接近目标无人艇开始进行几何围堵；
第三阶段时，目标无人艇逃逸失败，被成功围堵，标识为
Figure BDA0003637419650000121
其中，
Figure BDA0003637419650000122
表示完成规避碰撞的预设较小常量，则围堵无人艇集群开始稳定围堵，与目标无人艇一起保持几何队形前进。
具体的，各阶段移动位置方程表示如下：
Figure BDA0003637419650000123
其中，xtg,ytg代表目标无人艇的横纵向移动位置，t表示时间参数，t0,t1分别表示阶段一的结束时间，阶段二的结束时间，(x0,y0),(x1,y1)分别表示阶段一和阶段二结束时目标无人艇到达的坐标位置，σx,σy分别表示在横纵方向移动的速率参数。
步骤四：设计内外层双环控制策略的无人艇集群分布式围堵控制方法实现无人艇集群对目标无人艇的围堵。首先，设计无人艇集群分布式围堵控制方法的外层控制策略，将无人艇围堵问题转化为基于虚拟中心的多智能体系统分布式协同编队控制问题。
网络化无人艇集群通过通信网络相互连接，其网络层连接方式依据通信拓扑图表示。对于有向拓扑图G＝(V,E,A)，V＝{1,...,N}表示有向图的节点，E＝{(i,j),i,j∈V}表示有向图的边，其邻接矩阵为
Figure BDA0003637419650000131
其中若(j,i)∈E，则aij＞0，
否则aij＝0。定义拉普拉斯矩阵
Figure BDA0003637419650000132
其中
Figure BDA0003637419650000133
在本发明设计的无人艇集群分布式围堵控制方法的外层控制策略中，只需要考虑到无人艇的位置，线速度以及偏航角。因此在外层环节可忽略无人艇的姿态控制问题，将无人艇建模为点质量系统。进一步，无人艇点质量模型可用以下双积分器近似描述：
Figure BDA0003637419650000134
其中，xi(t)和vi(t)分别代表第i艘无人艇的位置和速度向量，ui(t)表示无人艇推进器系统的控制输入向量，具体见步骤二的定义。
考虑到无人艇集群的围堵应用场景，本发明针对领导者-跟随者无人艇集群系统，设计基于位置一致性，速度一致性和加速度一致性参数的领导者-跟随者分布式一致性控制算法实现无人艇集群位置和速度向量的一致性，确定领导者-跟随者无人艇集群的围堵中心可有效跟踪和逼近被围堵目标无人艇：
Figure BDA0003637419650000135
其中
Figure BDA0003637419650000136
表示围堵中心的位置向量，
Figure BDA0003637419650000137
表示目标无人艇的位置向量，其中ψtg是目标无人艇的偏航角，同时位置向量的一阶导和二阶导形式分别表示无人艇的速度向量和加速度向量。该算法的目标是驱动
Figure BDA0003637419650000138
跟踪到达
Figure BDA0003637419650000139
Υ表示可获得被围堵目标无人艇
Figure BDA00036374196500001310
信息的领导者无人艇集合。
Figure BDA00036374196500001311
表示位置一致性参数，
Figure BDA00036374196500001312
表示加速度一致性参数，其中α,β表示两个正值可调参数，且有p≤p(t)≤P和q≤q(t)≤Q，其中p,P表示参数p(t)的上下界，q,Q表示参数q(t)的上下界。若领导者-跟随者无人艇集群系统中第i个无人艇可接收第j个无人艇的信息，则gij＝1，若无法接收信息则gij＝0。
对于上述领导者-跟随者分布式一致性控制算法，对于位置一致性本发明使用p(t)作为一致性参数，意为当目标无人艇与围堵无人艇集群围堵中心的距离较大时，位置一致性在领导者-跟随者算法中占较大权重，当目标无人艇与围堵无人艇集群围堵中心的距离较小时，位置一致性在领导者-跟随者算法中占较小的权重；而对于加速度一致性，本发明使用q(t)作为一致性参数，当目标无人艇与围堵无人艇集群围堵中心的距离较大时，加速度一致性占较小的权重，而当目标无人艇与围堵无人艇集群围堵中心的距离较小时，加速度一致性占较大的权重。该策略使得被围堵目标无人艇与无人艇集群围堵中心的距离较大时可以实现快速跟踪，也可以在被围堵目标无人艇与无人艇集群围堵中心的距离较小时避免因为被围堵目标快速启动而丢失目标。
步骤五：对于步骤四中无人艇集群分布式围堵控制方法外层控制策略，本发明设计几何队形对目标无人艇进行围堵，按照步骤三中需要完成的围堵任务目标，可以设计如下的几何队形来完成动态围堵任务：
Figure BDA0003637419650000141
其中，
Figure BDA0003637419650000142
表示第i艘无人艇根据步骤四中领导者-跟随者分布式一致性控制算法所得到的围堵中心位置向量中的横纵方向位置，在几何队形二维平面中不考虑偏航角。
同理
Figure BDA0003637419650000143
表示在几何队形中第i艘无人艇的目标位置向量中的横纵方向位置。
Figure BDA0003637419650000144
其中D表示编队方形的横向长度。根据上式，可得若领导者-跟随者无人艇集群中各围堵无人艇能到达目标位置，则可以实现所需的几何队形围堵形状。
步骤六：为了实现步骤五中的几何队形，在步骤三中的无人艇集群分布式围堵控制方法外层控制策略的基础上，设计内层控制策略的滑模控制协议，首先根据步骤五中几何编队形状和各无人艇目标位置，设计如下的二阶动态误差量：
Figure BDA0003637419650000151
其中xi,vi表示无人艇当前的位置和速度向量，bi表示第i艘无人艇误差的比例参数，
Figure BDA0003637419650000152
是第i艘无人艇的期望位置向量和速度向量，其中横纵方向的位置量由步骤五得到，而偏航角
Figure BDA0003637419650000153
定义
Figure BDA0003637419650000154
和
Figure BDA0003637419650000155
则可得如下二阶动态的全局表达式：
Figure BDA0003637419650000156
其中全局位置误差为
Figure BDA0003637419650000157
全局速度误差为
Figure BDA0003637419650000158
其余二阶动态的全局误差量表示为
Figure BDA0003637419650000159
B是N×N的对角矩阵且对角元素为bi,In表示n×n单位阵。
进一步根据步骤二中带有系统非线性项和外部扰动项的无人艇模型，定义F＝[fT(x1,v1,t),...,fT(xN,vN,t)T]T表示无人艇集群的全局非线性项，
Figure BDA00036374196500001510
表示对应所得目标位置、目标速度的全局非线性项，ω＝[fT(ω1,t),...,fT(ωN,t)]T表示全局外部扰动项，u＝[[M-1u1]T,...,[M-1uN]T]T表示全局控制输入，J＝[JT(ψ1),...,JT(ψN)]T。
因此二阶动态的全局动态误差量表示如下：
Figure BDA00036374196500001511
Figure BDA00036374196500001512
其中目标控制的全局输入
Figure BDA00036374196500001513
且
Figure BDA00036374196500001514
根据上述误差量，本发明设计如下的滑模面：
s＝μe1+e2
其中，μ＞0，
Figure BDA00036374196500001515
且si＝μe1i+e2i,i＝1,…,N。
在内层控制策略的滑模面作用下，针对领导者-跟随者无人艇集群设计如下表示的滑模控制协议实现各无人艇都能跟踪到达几何队形中各自的目标位置，完成几何队形围堵任务：
Figure BDA00036374196500001516
其中，ψd(si)＝-χsgn(si)且χ是依据李雅普诺夫函数确定的确保无人艇集群系统稳定的参数。
步骤七：根据步骤六内层控制策略的滑模控制协议，结合步骤四中基于位置一致性，速度一致性，加速度一致性参数的领导者-跟随者分布式一致性控制算法，如图2所示，本发明可以对按照拓扑图构成的四艘无人艇集群进行分布式围堵作业，其中，Target表示被围堵目标无人艇，1L代表领导者-跟随者无人艇集群编队中的领导者无人艇，2F,3F,4F代表领导者-跟随者无人艇集群编队中的其余三个跟随者无人艇，使其实现步骤五中的几何队形，完成对被围堵目标无人艇的成功动态围堵。如图2所示的拓扑图：有向拓扑图由五个节点构成，分别为Target,1L,2F,3F,4F，其中，Target表示被围堵目标无人艇，1L代表领导者-跟随者无人艇集群编队中的领导者无人艇，2F,3F,4F代表领导者-跟随者无人艇集群编队中的其余三个跟随者无人艇，其中1L无人艇可以单向接收Target无人艇信息，2F可以单向接收1L,4F无人艇信息，3F可以单向接收2F无人艇信息，4F可以单向接收1L,3F无人艇信息，按照如上描述拓扑图所构成的四艘无人艇集群进行分布式围堵作业，使其实现步骤五中的几何队形，完成对被围堵目标无人艇的成功动态围堵。
图3提供了本发明的第二个实施例，其示出了由己方四艘无人艇对敌方一艘无人艇进行围堵三阶段方案，如图3所示，其中：
在第一阶段中，任务无人艇集群在海域中发现需要进行围堵的目标无人艇，开始快速接近目标无人艇，而目标无人艇尚未发现被围堵，仍然处于非逃逸阶段，在水面上进行匀速直线运动。
在第二阶段中，任务无人艇集群继续接近目标无人艇，开始按照几何队形进行围堵，此时目标无人艇发现被无人艇集群围堵，开始进入逃逸阶段，为了躲避围堵，改变运动方向，进行变速弧线运动。
在第三阶段中，任务无人艇集群跟随并锁定目标，目标无人艇逃逸失败，无人艇集群实现对目标无人艇的稳定围堵，在围堵成功后，任务无人艇集群保持几何队形，并与目标无人艇同步匀速前进。
本发明适用于在复杂海域中，由己方数艘无人艇对敌方一艘无人艇进行几何队形围堵，在真实海域中，本发明己方无人艇编队可以根据所设计的领导者-跟随者分布式一致性控制算法实现自身位置和速度状态的一致性，并驱动围堵中心能快速、准确地到达追踪到敌方目标无人艇，进行有效围堵，并设计具体的几何编队队形防止目标无人艇进行二次逃逸。
综上所述，本发明提出了三个改进点，第一个改进点在于：设计内外层双环控制策略的无人艇集群分布式协同围堵控制方法，在外层控制策略中考虑到无人艇之间的信息传输，基于分布式机制，将基于图论的多智能体系统分布式协同编队控制方法应用于无人艇集群围堵控制领域。
为了实现无人艇集群分布式协同围堵控制，本发明使用内外层双环控制结构，在外层控制策略中将无人艇的编队围堵问题转化为基于虚拟中心的多智能体系统分布式协同编队控制问题，在步骤四中，设计如下基于位置一致性，速度一致性，加速度一致性参数的领导者-跟随者分布式一致性控制算法：
Figure BDA0003637419650000171
将常规多智能体编队方法中应用的虚拟中心策略转化为本发明无人艇集群分布式协同围堵问题的围堵中心策略，并设计外层分布式控制架构，通过无人艇集群中领导者无人艇和跟随者无人艇的信息交互确保无人艇位置和速度状态的精确一致性性能。
同时，本发明基于无人艇的位置一致性误差
Figure BDA0003637419650000172
和加速度一致性误差
Figure BDA0003637419650000173
的改进点可保证无人艇集群在较远距离时快速接近目标无人艇，也可实现无人艇集群在较近距离时对目标无人艇的稳定围堵。
第二个改进点在于：设计内外层双环控制策略的无人艇集群分布式协同围堵控制方法，在内层控制策略中引入具有强鲁棒性的滑模控制策略，实现在考虑海洋环境扰动的基础上对目标无人艇的稳定围堵控制。
由于开放动态海洋环境下无人艇协同控制中面临复杂的非线性问题，现有技术为了减少模型不确定性和海洋环境干扰的影响，提出了几类控制方法，例如自适应反步控制、神经网络控制，滑模控制等。与其他基于自适应、神经网络策略的协同控制方法相比，滑模控制结构简单、设计直观，对系统不确定参数和扰动具有良好的鲁棒性。本发明将滑模控制策略应用到无人艇集群分布式协同围堵控制的内层控制中，实现在考虑海洋环境扰动的基础上实现对目标无人艇稳定围堵控制性能。
在步骤六中，本发明引入基于二阶动态的位置和速度的误差量并设计如下无人艇集群全局动态误差响应：
Figure BDA0003637419650000181
Figure BDA0003637419650000182
同时，在滑模面s＝μe1+e2作用下设计领导者-跟随者无人艇集群的滑模控制协议
Figure BDA0003637419650000183
确保无人艇集群系统中各无人艇都能跟踪到达几何队形中无人艇的目标位置，最终实现成功动态围堵。
第三个改进点在于：设计了三阶段的具体围堵过程，并根据不同的围堵阶段设计针对性的无人艇集群分布式协同围堵控制策略。
考虑到无人艇集群在围堵方面的具体应用，本发明设计如下三阶段的具体围堵方案：
Figure BDA0003637419650000184
对于不同围堵阶段围堵控制，根据所述领导者-跟随者一致性控制算法进行如下对应设计：在第一阶段时，目标无人艇距离围堵中心较远，设计的领导者-跟随者分布式一致性控制算法中，位置一致性
Figure BDA0003637419650000185
起到主导作用，此时分布式一致性算法可以使无人艇集群快速接近被围堵目标无人艇；在进入第二阶段时，由位置、速度、加速度一致性
Figure BDA0003637419650000186
共同作用，保证逃逸阶段被围堵目标无人艇无法逃离；在第三阶段时，围堵中心距离目标无人艇较近，加速度一致性
Figure BDA0003637419650000187
起主导作用，可防止被围堵无人艇突然加速逃离。设计的三阶段具体围堵场景结合对应的分布式协同围堵控制，可以实现无人艇集群对目标无人艇的快速、稳定围堵。
综上，上述实施例对无人艇集群的围堵控制方法的不同构型进行了详细说明，当然，本发明包括但不局限于上述实施中所列举的构型，任何在上述实施例提供的构型基础上进行变换的内容，均属于本发明所保护的范围。本领域技术人员可以根据上述实施例的内容举一反三。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。

Claims (10)

1.一种无人艇集群的围堵控制方法，其特征在于，包括：
将无人艇集群分布式协同围堵模型分解为外层控制策略的无人艇集群分布式协同编队控制模型和内层控制策略的基于滑模控制的无人艇稳定跟踪控制模型；
所述外层控制策略包括：基于无人艇之间的信息传输和交互，使用分布式控制架构，通过无人艇集群中领导者无人艇和跟随者无人艇的信息交互，使得所有无人艇的位置和速度保持一致，以将无人艇集群的围堵模型转化为基于虚拟中心的多智能体系统分布式协同编队模型，获取领导者-跟随者分布式一致性控制算法以及固定几何队形列阵对目标无人艇进行有效围堵；
所述内层控制策略包括：基于无人艇在复杂海域中所受到的外界环境扰动，将滑模控制施加到无人艇集群分布式协同围堵控制的内层控制中，在环境扰动的基础上，各无人艇能够跟踪到达到几何队形中的目标位置，实现对目标无人艇的稳定跟踪控制。
2.如权利要求1所述的无人艇集群的围堵控制方法，其特征在于，还包括：
对于无人艇集群分布式协同围堵控制，分别形成三个围堵阶段，并根据不同的围堵阶段实施不同的无人艇集群分布式协同控制策略；
引入领导者-跟随者分布式一致性控制算法，所述领导者-跟随者分布式一致性控制算法具有位置一致性和加速度一致性；
根据被围堵无人艇距围堵中心的距离以及被围堵无人艇的运动状态，设置多个位置一致性权重参数和加速度一致性权重参数，使得无人艇集群能够在第一距离时快速接近目标无人艇，以及能够在第二距离时对目标无人艇进行快速稳定的围堵；
其中第一距离大于第二距离。
3.如权利要求2所述的无人艇集群的围堵控制方法，其特征在于，还包括步骤一：
定义执行动态围堵任务的无人艇集群包括由领导者无人艇与跟随者无人艇组成的网络化无人艇集群系统，首先建立如下常规无人艇的单艇模型：
Figure FDA0003637419640000021
其中xpi和ypi表示无人艇在地面坐标系O-XYZ中的位置坐标，ψi是无人艇地面坐标系的偏航角，pi,qi分别是无人艇的浪涌速度和摇摆速度，ri是无人艇的偏航角速度，m11,m22,m23,m32,m33表示无人艇的惯性质量；d11,d22,d23,d32,d33表示无人艇流体动力的阻尼，c13,c23表示阻尼系数；upi,uri是无人艇推进器系统提供的控制输入；ωpi,ωqi,ωri分别是无人艇在浪涌、摇摆和偏航方向的海洋环境扰动。
4.如权利要求3所述的无人艇集群的围堵控制方法，其特征在于，还包括步骤二：
根据步骤一中的单艇模型，定义第i艘无人艇的速度向量和位置向量分别是vi＝[pi qiri]T,xi＝[xpi ypi ψi]T，将常规无人艇模型转换如下带有位置向量和速度向量的二阶动态模型：
Figure FDA0003637419640000022
其中ui＝[upi 0 uri]T是无人艇推进器系统的实际控制输入向量，ωi＝[ωpi ωqi ωri]T是无人艇受到的外部扰动向量，C和D为阻尼系数矩阵，M表示惯性质量矩阵，J(ψi)为地面坐标系与艇体坐标系之间的变换矩阵，具体参数由下式给出：
Figure FDA0003637419640000023
进一步，将以上无人艇集群二阶动态模型转换如下：
Figure FDA0003637419640000024
其中，f(xi,vi,t)＝M-1(-Dvi-Cxi)和f(ωi,t)＝M-1ωi分别表示为无人艇的系统非线性项和外部扰动项。
5.如权利要求4所述的无人艇集群的围堵控制方法，其特征在于，还包括步骤三：
在复杂海域中执行无人艇集群围堵任务中，设置无人艇集群围堵应用场景，包括：被围堵目标无人艇在非逃逸状态进行匀速直线运动，在被围堵时进入逃逸状态，进行弧线运动；
根据无人艇集群围堵应用场景，被围堵目标无人艇在对应三阶段有如下运动模式：
第一阶段时，设定d是目标无人艇与围堵无人艇集群围堵中心之间的距离，目标无人艇发现围堵无人艇集群的距离为D，则当d大于设定的围堵发现距离D时，围堵无人艇集群加速靠近目标无人艇，目标无人艇处于非逃逸状态，进行匀速直线运动；
第二阶段时，当d＝D时，目标无人艇已发现自身即将被围堵，开始加速逃逸，目标无人艇进入弧线逃逸状态，围堵无人艇集群加速靠近；当d＜D时，围堵无人艇集群已接近目标无人艇开始进行几何围堵；
第三阶段时，目标无人艇逃逸失败，被成功围堵，标识为
Figure FDA0003637419640000032
其中，
Figure FDA0003637419640000033
表示完成规避碰撞的预设较小常量，则围堵无人艇集群开始稳定围堵，与目标无人艇一起保持几何队形前进；
具体的，各阶段移动位置方程表示如下：
Figure FDA0003637419640000031
其中，xtg,ytg代表目标无人艇的横纵向移动位置，t表示时间参数，t0,t1分别表示阶段一的结束时间，阶段二的结束时间，(x0,y0),(x1,y1)分别表示阶段一和阶段二结束时目标无人艇到达的坐标位置，σx,σy分别表示在横纵方向移动的速率参数。
6.如权利要求5所述的无人艇集群的围堵控制方法，其特征在于，还包括步骤四：
通过内外层双环控制策略的无人艇集群分布式围堵控制方法实现无人艇集群对目标无人艇的围堵；首先，实施无人艇集群分布式围堵控制方法的外层控制策略，将无人艇围堵问题转化为基于虚拟中心的多智能体系统分布式协同编队控制问题；
网络化无人艇集群通过通信网络相互连接，其网络层连接方式依据通信拓扑图表示；对于有向拓扑图G＝(V,E,A)，V＝{1,...,N}表示有向图的节点，E＝{(i,j),i,j∈V}表示有向图的边，其邻接矩阵为
Figure FDA0003637419640000041
其中若(j,i)∈E，则aij＞0，否则aij＝0；定义拉普拉斯矩阵
Figure FDA0003637419640000042
其中
Figure FDA0003637419640000043
在无人艇集群分布式围堵控制方法的外层控制策略中，基于无人艇的位置，线速度以及偏航角，在外层环节忽略无人艇的姿态控制问题，将无人艇建模为点质量系统；无人艇点质量模型用以下双积分器近似描述：
Figure FDA0003637419640000044
其中，xi(t)和vi(t)分别代表第i艘无人艇的位置和速度向量，ui(t)表示无人艇推进器系统的控制输入向量，具体见步骤二的定义；
根据无人艇集群的围堵应用场景，针对领导者-跟随者无人艇集群系统，设置基于位置一致性、速度一致性和加速度一致性参数的领导者-跟随者分布式一致性控制算法实现无人艇集群位置和速度向量的一致性，确定领导者-跟随者无人艇集群的围堵中心跟踪和逼近被围堵目标无人艇：
Figure FDA0003637419640000045
其中
Figure FDA0003637419640000046
表示围堵中心的位置向量，
Figure FDA0003637419640000047
表示目标无人艇的位置向量，其中ψtg是目标无人艇的偏航角，同时位置向量的一阶导和二阶导形式分别表示无人艇的速度向量和加速度向量，驱动
Figure FDA0003637419640000048
跟踪到达
Figure FDA0003637419640000049
Υ表示可获得被围堵目标无人艇
Figure FDA00036374196400000410
信息的领导者无人艇集合；
Figure FDA00036374196400000411
表示位置一致性参数；
Figure FDA00036374196400000412
表示加速度一致性参数，其中α,β表示两个正值可调参数，且有p≤p(t)≤P和q≤q(t)≤Q，其中p,P表示参数p(t)的上下界，q,Q表示参数q(t)的上下界；若领导者-跟随者无人艇集群系统中第i个无人艇可接收第j个无人艇的信息，则gij＝1，若无法接收信息则gij＝0。
7.如权利要求6所述的无人艇集群的围堵控制方法，其特征在于，还包括步骤五：
对于步骤四中无人艇集群分布式围堵控制方法外层控制策略，通过几何队形对目标无人艇进行围堵，按照步骤三中需要完成的围堵任务目标，设置如下的几何队形来完成动态围堵任务：
Figure FDA0003637419640000051
其中，
Figure FDA0003637419640000052
表示第i艘无人艇根据步骤四中领导者-跟随者分布式一致性控制算法所得到的围堵中心位置向量中的横纵方向位置，在几何队形二维平面中不考虑偏航角；
同理
Figure FDA0003637419640000053
表示在几何队形中第i艘无人艇的目标位置向量中的横纵方向位置；
Figure FDA0003637419640000054
其中D表示编队方形的横向长度；根据上式，得到若领导者-跟随者无人艇集群中各围堵无人艇能到达目标位置，则实现所需的几何队形围堵形状。
8.如权利要求7所述的无人艇集群的围堵控制方法，其特征在于，还包括步骤六：
为实现步骤五中的几何队形，在步骤三中的无人艇集群分布式围堵控制方法外层控制策略的基础上，设置内层控制策略的滑模控制协议，首先根据步骤五中几何编队形状和各无人艇目标位置，设计如下的二阶动态误差量：
Figure FDA0003637419640000055
其中xi,vi表示无人艇当前的位置和速度向量，bi表示第i艘无人艇误差的比例参数，
Figure FDA0003637419640000056
是第i艘无人艇的期望位置向量和速度向量，其中横纵方向的位置量由步骤五得到，而偏航角
Figure FDA0003637419640000057
定义
Figure FDA0003637419640000058
和
Figure FDA0003637419640000059
则得到如下二阶动态的全局表达式：
Figure FDA0003637419640000061
其中全局位置误差为
Figure FDA0003637419640000062
全局速度误差为
Figure FDA0003637419640000063
其余二阶动态的全局误差量表示为
Figure FDA0003637419640000064
B是N×N的对角矩阵且对角元素为bi,In表示n×n单位阵；
进一步根据步骤二中带有系统非线性项和外部扰动项的无人艇模型，定义F＝[fT(x1,v1,t),...,fT(xN,vN,t)T]T表示无人艇集群的全局非线性项，
Figure FDA0003637419640000065
表示对应所得目标位置、目标速度的全局非线性项，ω＝[fT(ω1,t),...,fT(ωN,t)]T表示全局外部扰动项，u＝[[M-1u1]T,...,[M-1uN]T]T表示全局控制输入，J＝[JT(ψ1),...,JT(ψN)]T；
因此二阶动态的全局动态误差量表示如下：
Figure FDA0003637419640000066
Figure FDA0003637419640000067
其中目标控制的全局输入
Figure FDA0003637419640000068
且
Figure FDA0003637419640000069
根据上述误差量，设置如下的滑模面：
s＝μe1+e2
其中，μ＞0，
Figure FDA00036374196400000610
且si＝μe1i+e2i,i＝1,...,N；
在内层控制策略的滑模面作用下，针对领导者-跟随者无人艇集群设计如下表示的滑模控制协议实现各无人艇都能跟踪到达几何队形中各自的目标位置，完成几何队形围堵任务：
Figure FDA00036374196400000611
其中，ψd(si)＝-χsgn(si)且χ是依据李雅普诺夫函数确定的确保无人艇集群系统稳定的参数。
9.如权利要求8所述的无人艇集群的围堵控制方法，其特征在于，还包括步骤七：
根据步骤六内层控制策略的滑模控制协议，结合步骤四中基于位置一致性、速度一致性、加速度一致性参数的领导者-跟随者分布式一致性控制算法，目标无人艇与任务无人艇集群拓扑由五个节点构成，分别为Target,1L,2F,3F,4F，其中，Target表示被围堵目标无人艇，1L代表领导者-跟随者无人艇集群编队中的领导者无人艇，2F,3F,4F代表领导者-跟随者无人艇集群编队中的其余三个跟随者无人艇，其中1L无人艇能够单向接收Target无人艇信息，2F能够单向接收1L,4F无人艇信息，3F能够单向接收2F无人艇信息，4F能够单向接收1L,3F无人艇信息，所述拓扑所构成的四艘无人艇集群进行分布式围堵作业，使其实现步骤五中的几何队形，完成对被围堵目标无人艇的成功动态围堵。
10.一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至9任一项所述无人艇集群的围堵控制方法的步骤。
CN202210506176.9A 2022-05-11 2022-05-11 无人艇集群的围堵控制方法 Pending CN114779647A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210506176.9A CN114779647A (zh) 2022-05-11 2022-05-11 无人艇集群的围堵控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210506176.9A CN114779647A (zh) 2022-05-11 2022-05-11 无人艇集群的围堵控制方法

Publications (1)

Publication Number Publication Date
CN114779647A true CN114779647A (zh) 2022-07-22

Family

ID=82436493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210506176.9A Pending CN114779647A (zh) 2022-05-11 2022-05-11 无人艇集群的围堵控制方法

Country Status (1)

Country Link
CN (1) CN114779647A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116300985A (zh) * 2023-05-24 2023-06-23 清华大学 控制方法、装置、计算机设备和存储介质
CN116909319A (zh) * 2023-09-14 2023-10-20 中国空气动力研究与发展中心空天技术研究所 一种分布式无人机集群编队控制方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116300985A (zh) * 2023-05-24 2023-06-23 清华大学 控制方法、装置、计算机设备和存储介质
CN116300985B (zh) * 2023-05-24 2023-09-05 清华大学 控制方法、装置、计算机设备和存储介质
CN116909319A (zh) * 2023-09-14 2023-10-20 中国空气动力研究与发展中心空天技术研究所 一种分布式无人机集群编队控制方法
CN116909319B (zh) * 2023-09-14 2023-12-08 中国空气动力研究与发展中心空天技术研究所 一种分布式无人机集群编队控制方法

Similar Documents

Publication Publication Date Title
Ihle et al. Formation control of marine surface craft: A Lagrangian approach
CN114779647A (zh) 无人艇集群的围堵控制方法
CN112965371B (zh) 基于固定时间观测器的水面无人艇轨迹快速跟踪控制方法
Cao et al. Toward optimal rendezvous of multiple underwater gliders: 3D path planning with combined sawtooth and spiral motion
Pascoal et al. Vehicle and mission control of single and multiple autonomous marine robots
CN110989639B (zh) 一种基于应力矩阵的水下航行器编队控制方法
CN110262494B (zh) 一种同构多无人艇系统的协同学习与编队控制方法
CN109799818B (zh) 多参数化路径导引的无人船协同操纵控制器的设计方法
CN113296507B (zh) 一种基于时空解耦的多动力定位船舶协同编队控制方法
CN108549394A (zh) 一种基于领航者和虚拟领航者的多auv直线编队控制方法
CN110609556A (zh) 一种基于los导航法的多无人艇协同控制方法
Fan et al. Formation control of multiple unmanned surface vehicles using the adaptive null-space-based behavioral method
Bechlioulis et al. Robust formation control for multiple underwater vehicles
CN113342015A (zh) 一种分布式海域跨介质异构系统一致性编队方法
CN110580740A (zh) 多智能体协同三维建模方法及装置
CN110162053A (zh) 异构多无人艇编队的自适应行为融合方法
Zhuang et al. Motion control and collision avoidance algorithms for unmanned surface vehicle swarm in practical maritime environment
Chocron et al. Dynamic reconfiguration of autonomous underwater vehicles propulsion system using genetic optimization
Zhu et al. A hybrid control strategy of 7000 m-human occupied vehicle tracking control
Ghommam et al. Distance‐Based Formation Control for Quadrotors with Collision Avoidance via Lyapunov Barrier Functions
CN113147438A (zh) 一种水下航行器无线充电系统及控制方法
Jianzhang et al. Swarm control of USVs based on adaptive back-stepping combined with sliding mode
CN115617039B (zh) 一种基于事件触发的分布式仿射无人艇编队控制器构建方法和无人艇编队控制方法
Bian et al. Formation coordinated control for multi-AUV based on spatial curve path tracking
Pang et al. Multi-AUV Formation Reconfiguration Obstacle Avoidance Algorithm Based on Affine Transformation and Improved Artificial Potential Field Under Ocean Currents Disturbance

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