CN114935943A - 一种无人机与无人车集群编队跟踪控制方法及系统 - Google Patents

一种无人机与无人车集群编队跟踪控制方法及系统 Download PDF

Info

Publication number
CN114935943A
CN114935943A CN202210648743.4A CN202210648743A CN114935943A CN 114935943 A CN114935943 A CN 114935943A CN 202210648743 A CN202210648743 A CN 202210648743A CN 114935943 A CN114935943 A CN 114935943A
Authority
CN
China
Prior art keywords
unmanned
vehicle
unmanned aerial
aerial vehicle
tracking
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
CN202210648743.4A
Other languages
English (en)
Inventor
董希旺
舒沛玄
化永朝
于江龙
任章
吕金虎
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN202210648743.4A priority Critical patent/CN114935943A/zh
Publication of CN114935943A publication Critical patent/CN114935943A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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

本发明涉及一种无人机与无人车集群编队跟踪控制方法及系统，涉及编队控制领域，该方法包括：分别建立无人机、无人车和跟踪目标的运动学模型；根据无人机的运动学模型、无人车的运动学模型和跟踪目标的运动学模型，建立跟踪目标位置和速度的分布式状态观测器；分布式状态观测器用于每个无人机和每个无人车通过邻居间的信息交互获得跟踪目标的位置和速度估计值；利用分布式状态观测器的观测数据构造无人机编队跟踪控制器和无人车编队跟踪控制器；利用无人机编队跟踪控制器对无人机编队进行运动控制，利用无人车编队跟踪控制器对无人车编队进行运动控制。本发明降低了计算量，适用于大规模无人机与无人车集群的跟踪控制。

Description

一种无人机与无人车集群编队跟踪控制方法及系统
技术领域
本发明涉及编队控制技术领域，特别是涉及一种无人机与无人车集群编队跟踪控制方法及系统。
背景技术
无人机-无人车集群系统的编队跟踪控制问题是科学和工程领域的研究热点。与单一的无人机或无人车相比，无人机与无人车组成的异构无人集群系统在区域侦察、目标搜索等多种任务中展现出更高的效率。通常在集群的编队跟踪控制问题中，需要设计编队跟踪控制方法，使得无人机和无人车在跟随领导者的同时形成期望的时变编队。
目前，集群的编队跟踪控制方法大致可分为两大类。第一类是集中式编队跟踪控制，一般含有一个可以获取集群全部信息的负责计算出每个无人机和无人车的控制指令的中心节点。这种方法只适用于集群中个体数量较少的情况，随着个体数量的增加，计算量也会随之增大并超过中心节点的计算能力。第二类方法是分布式编队跟踪控制，此时无人机和无人车只与附近的邻居个体通信，而不需要直接获取领导者的状态。这种分布式方法计算量和集群个体数量规模无关，因此在无人机和无人机集群的编队跟踪控制应用中具有很大的优势。但是现有的分布式集群编队跟踪控制方法只适用于只有无人机或者只有无人车的同构系统，并不能直接应用到无人机和无人车组成的异构集群系统中。而且目前的编队跟踪控制方法一般针对线性系统，无法应用到差动轮这类非线性模型的无人车上。
发明内容
本发明的目的是提供一种无人机与无人车集群编队跟踪控制方法及系统，降低了计算量，适用于大规模无人机与无人车集群的跟踪控制。
为实现上述目的，本发明提供了如下方案：
一种无人机与无人车集群编队跟踪控制方法，包括：
分别建立无人机、无人车和跟踪目标的运动学模型；
根据无人机的运动学模型、无人车的运动学模型和跟踪目标的运动学模型，建立所述跟踪目标位置和速度的分布式状态观测器；所述分布式状态观测器用于每个无人机和每个无人车通过邻居间的信息交互获得所述跟踪目标的位置和速度估计值；
利用所述分布式状态观测器的观测数据构造无人机编队跟踪控制器和无人车编队跟踪控制器；
利用所述无人机编队跟踪控制器对无人机编队进行运动控制，利用所述无人车编队跟踪控制器对无人车编队进行运动控制。
可选地，所述分别建立无人机、无人车和跟踪目标的运动学模型之后还包括：
构建无人机和无人车之间的信息交互矩阵；所述邻居间的信息交互通过所述信息交互矩阵获得。
可选地，所述无人机运动学模型表示为：
Figure BDA0003684948820000021
其中，
Figure BDA0003684948820000022
xi＝[pxi,vxi,pyi,vyi]T，pxi表示第i个无人机的x方向位置，vxi表示第i个无人机的x方向速度，axi表示第i个无人机的x方向加速度，pyi表示第i个无人机的y方向位置，vyi表示第i个无人机的y方向速度，ayi表示第i个无人机的y方向加速度，ui＝[uxi,uyi]T，uxi表示第i个无人机在x方向的加速度控制指令，uyi表示第i个无人机在y方向的加速度控制指令，yi表示第i个无人机的位置输出量，Ai、Bi和Ci均为常值矩阵，T表示转置；
所述无人车的运动学模型表示为：
Figure BDA0003684948820000031
Figure BDA0003684948820000032
其中，pxj表示第j辆无人车的x方向位置，
Figure BDA0003684948820000033
表示pxj的导数，pyj表示表示第j辆无人车的y方向位置，
Figure BDA0003684948820000034
表示pyj的导数，αj表示第j辆无人车车头与x方向夹角，vj表示第j辆无人车的前向速度控制指令，ωj表示第j辆无人车的转动角速度控制指令，yj第j辆无人车的位置输出量；
所述跟踪目标的运动学模型表示为：
Figure BDA0003684948820000035
其中，x0＝[px0,vx0,py0,vy0]T，
Figure BDA0003684948820000036
表示x0的导数，px0表示跟踪目标x方向位置，vx0表示跟踪目标x方向速度，py0表示跟踪目标y方向位置，vy0表示跟踪目标y方向速度，A0和C0均为常值矩阵，y0表示跟踪目标的位置输出量。
可选地，所述分布式状态观测器表示为：
Figure BDA0003684948820000037
其中，ζi表示第i个无人机或者第i个无人车对于跟踪目标的位置和速度的估计值；ζj表示第j个无人机或者第j个无人车对于跟踪目标的位置和速度的估计值；ωi0表示第i个无人机或无人车是否获取到跟踪目标的位置和速度，如果是ωi0＝1，否则ωi0＝0；A0为常值矩阵，x0＝[px0,vx0,py0,vy0]T，
Figure BDA0003684948820000038
表示x0的导数，px0表示跟踪目标x方向位置，vx0表示跟踪目标x方向速度，py0表示跟踪目标y方向位置，vy0表示跟踪目标y方向速度，M表示无人机的数量，N表示无人车的数量，η为常数；
满足
Figure BDA0003684948820000039
表示
Figure BDA00036849488200000310
矩阵的最大特征值，γmin(L1)表示拉普拉斯矩阵L1中所有特征值中的最小实部，L1表示无人机和无人车之间的信息交互矩阵。
可选地，所述无人机编队跟踪控制器表示为：
Figure BDA0003684948820000041
其中，xi＝[pxi,vxi,pyi,vyi]T，pxi表示第i个无人机的x方向位置，vxi表示第i个无人机的x方向速度，pyi表示第i个无人机的y方向位置，vyi表示第i个无人机的y方向速度，ui＝[uxi,uyi]T，uxi表示第i个无人机在x方向的加速度控制指令，uyi表示第i个无人机在y方向的加速度控制指令，
Figure BDA0003684948820000042
hxi(t)表示第i个无人机相对跟踪目标x方向期望相对位置，
Figure BDA0003684948820000043
表示第i个无人机相对跟踪目标x方向期望相对速度，hyi(t)表示第i个无人机相对跟踪目标y方向期望相对位置，
Figure BDA0003684948820000044
表示第i个无人机相对跟踪目标y方向期望相对速度，K1i和K2i均为常数矩阵，满足Ai+BiK1i为赫尔维茨矩阵，Ai和Bi均为常值矩阵，
Figure BDA0003684948820000045
Figure BDA0003684948820000046
a和b是矩阵A0中的常数，ri为第i个无人机的补偿输入项，I2表示2维单位矩阵；
所述无人车编队跟踪控制器表示为：
Figure BDA0003684948820000047
vj表示第j辆无人车的前向速度控制指令，ωj表示第j辆无人车的转动角速度控制指令，gj表示第j辆无人车的车头方向，
Figure BDA0003684948820000048
表示第j辆无人车的车头方向的垂直方向，αj表示第j辆无人车车头与x方向夹角，yj表示第j辆无人车的位置输出量，ζj表示第j个无人机或者第j个无人车对于跟踪目标的位置和速度的估计值，
Figure BDA0003684948820000049
hxj(t)表示第j个无人车相对跟踪目标x方向期望相对位置，
Figure BDA00036849488200000410
表示第j个无人车相对跟踪目标x方向期望相对速度，hyj(t)表示第j个无人车相对跟踪目标y方向期望相对位置，
Figure BDA00036849488200000411
表示第j个无人车相对跟踪目标y方向期望相对速度，K1j和K2j均为常数矩阵，K1j＝-kI2，
Figure BDA00036849488200000412
k为正实数，ωcj为第j个无人车的角速度补偿量。
可选地，第i个无人机的补偿输入项表示为：
Figure BDA0003684948820000051
其中，
Figure BDA0003684948820000052
表示第i个无人机相对跟踪目标x方向期望相对加速度，
Figure BDA0003684948820000053
表示第i个无人机相对跟踪目标y方向期望相对加速度；
第j个无人车的角速度补偿量满足：
Figure BDA0003684948820000054
其中，
Figure BDA0003684948820000055
表示第j个无人车的期望速度，C0为常值矩阵，
Figure BDA0003684948820000056
本发明还公开了一种无人机与无人车集群编队跟踪控制系统，包括：
运动学模型构建模块，用于分别建立无人机、无人车和跟踪目标的运动学模型；
分布式状态观测器构建模块，用于根据无人机的运动学模型、无人车的运动学模型和跟踪目标的运动学模型，建立所述跟踪目标位置和速度的分布式状态观测器；所述分布式状态观测器用于每个无人机和每个无人车通过邻居间的信息交互获得所述跟踪目标的位置和速度估计值；
编队跟踪控制器构建模块，用于利用所述分布式状态观测器的观测数据构造无人机编队跟踪控制器和无人车编队跟踪控制器；
运动控制模块，用于利用所述无人机编队跟踪控制器对无人机编队进行运动控制，利用所述无人车编队跟踪控制器对无人车编队进行运动控制。
可选地，还包括：
信息交互矩阵构建模块，用于构建无人机和无人车之间的信息交互矩阵；所述邻居间的信息交互通过所述信息交互矩阵获得。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开了一种无人机与无人车集群编队跟踪控制方法及系统，根据分布式状态观测器，每个无人机和每个无人车通过邻居间的信息交互获得所述跟踪目标的位置和速度估计值，使得计算量和集群个体数量规模无关，降低了计算量，适用于无人机与无人车构成的异构集群系统。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种无人机与无人车集群编队跟踪控制方法流程图；
图2为本发明一种无人机与无人车集群编队跟踪控制方法仿真中集群通信拓扑示意图；
图3为本发明实施例无人机与无人车集群运动轨迹示意图；
图4为本发明实施例无人机与无人车集群编队误差示意图；
图5为本发明一种无人机与无人车集群编队跟踪控制系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种无人机与无人车集群编队跟踪控制方法及系统，降低了计算量，适用于大规模无人机与无人车集群的跟踪控制。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明一种无人机与无人车集群编队跟踪控制方法流程图，如图1所示，一种无人机与无人车集群编队跟踪控制方法，包括：
步骤101：分别建立无人机、无人车和跟踪目标的运动学模型。
建立四旋翼无人机和无人车的运动学模型，并建立跟踪目标的运动学模型，为后续编队跟踪控制提供控制模型。
无人机运动学模型为四旋翼无人机运动学模型，对于四旋翼无人机，将其姿态控制环和位置控制环分离，只考虑位置控制外环。四旋翼无人机在水平面内飞行时，可以控制其加速度，据此无人机运动学模型(四旋翼无人机运动学模型)表示为：
Figure BDA0003684948820000071
其中，xi表示第i个无人机的状态，
Figure BDA0003684948820000072
表示xi的导数，
Figure BDA0003684948820000073
xi＝[pxi,vxi,pyi,vyi]T，pxi表示第i个无人机的x方向位置，vxi表示第i个无人机的x方向速度，axi表示第i个无人机的x方向加速度，pyi表示第i个无人机的y方向位置，vyi表示第i个无人机的y方向速度，ayi表示第i个无人机的y方向加速度，ui＝[uxi,uyi]T，uxi表示第i个无人机在x方向的加速度控制指令，uyi表示第i个无人机在y方向的加速度控制指令，yi表示第i个无人机的位置输出量，Ai、Bi和Ci均为常值矩阵，T表示转置。
Figure BDA0003684948820000074
其中
Figure BDA0003684948820000075
表示克罗内克积，I2表示2维单位矩阵。
对于差动轮无人车，可以控制其前向速度和角速度，无人车的运动学模型(差动轮无人车的运动学模型)表示为：
Figure BDA0003684948820000076
Figure BDA0003684948820000077
其中，pxj表示第j辆无人车的x方向位置，
Figure BDA0003684948820000078
表示pxj的导数，
Figure BDA0003684948820000079
表示第j辆无人车的x方向速度，pyj表示表示第j辆无人车的y方向位置，
Figure BDA00036849488200000710
表示pyj的导数，
Figure BDA00036849488200000711
表示第j辆无人车的y方向速度，αj表示第j辆无人车车头与x方向夹角，vj表示第j辆无人车的前向速度控制指令，ωj表示第j辆无人车的转动角速度控制指令，yj第j辆无人车的位置输出量。
对于跟踪目标，用无输入二阶线性系统来表示其运动学模型，跟踪目标的运动学模型表示为：
Figure BDA0003684948820000081
其中，x0＝[px0,vx0,py0,vy0]T，
Figure BDA0003684948820000082
表示x0的导数，
Figure BDA0003684948820000083
px0表示跟踪目标x方向位置，vx0表示跟踪目标x方向速度，py0表示跟踪目标y方向位置，ax0表示跟踪目标的x方向加速度，ay0表示跟踪目标的y方向加速度，vy0表示跟踪目标y方向速度，A0和C0均为常值矩阵，y0表示跟踪目标的位置输出量。
Figure BDA0003684948820000084
其中a，b是两个可以任意选取的实数，其值决定了跟踪目标的运动模式。比如当a和b都取为0时，跟踪目标作匀速直线运动。
构建无人机和无人车之间的信息交互矩阵；所述邻居间的信息交互通过所述信息交互矩阵获得。
对于由M个无人机、N个无人车和1个跟踪目标组成的集群，定义其拉普拉斯矩阵为
Figure BDA0003684948820000085
Figure BDA0003684948820000086
可以分解为
Figure BDA0003684948820000087
其中
Figure BDA0003684948820000088
表示无人机无人车和跟踪目标的信息交互矩阵，
Figure BDA0003684948820000089
表示无人机无人车之间的信息交互矩阵。
步骤102：根据无人机的运动学模型、无人车的运动学模型和跟踪目标的运动学模型，建立所述跟踪目标位置和速度的分布式状态观测器；所述分布式状态观测器用于每个无人机和每个无人车通过邻居间的信息交互获得所述跟踪目标的位置和速度估计值。
分布式状态观测器使得每个无人机和无人车能够仅通过邻居间的信息交互就能获取跟踪目标状态的有效估计。
对于每个无人机、无人车，所述分布式状态观测器表示为：
Figure BDA0003684948820000091
其中，
Figure BDA0003684948820000092
表示第i个无人机或者第i个无人车对于跟踪目标的位置和速度x0的估计值；
Figure BDA0003684948820000093
表示第j个无人机或者第j个无人车对于跟踪目标的位置和速度x0的估计值，
Figure BDA0003684948820000094
表示4维实数；ωi0表示第i个无人机或无人车是否获取到跟踪目标的位置和速度，如果是ωi0＝1，否则ωi0＝0；A0为跟踪目标的系统矩阵，
Figure BDA0003684948820000095
x0＝[px0,vx0,py0,vy0]T，
Figure BDA0003684948820000096
表示x0的导数，px0表示跟踪目标x方向位置，vx0表示跟踪目标x方向速度，py0表示跟踪目标y方向位置，vy0表示跟踪目标y方向速度，M表示无人机的数量，N表示无人车的数量，η为待设计的常数。
满足
Figure BDA0003684948820000097
Figure BDA0003684948820000098
是A0的转置矩阵，
Figure BDA0003684948820000099
表示
Figure BDA00036849488200000910
矩阵的最大特征值，γmin(L1)＝min{Re(λi(L1))}表示拉普拉斯矩阵L1中所有特征值中的最小实部，L1表示无人机和无人车之间的信息交互矩阵，λi(L1)表示拉普拉斯矩阵L1的特征值。
分布式状态观测器中，ζi将收敛到跟踪目标的状态x0，说明各无人机和无人车仅通过邻居信息交互就可以获得跟踪目标的位置、速度状态，为后续编队跟踪控制器的设计提供了跟踪目标信息。
步骤103：利用所述分布式状态观测器的观测数据构造无人机编队跟踪控制器和无人车编队跟踪控制器。
其中，步骤103具体包括利用分布式状态观测器获得的跟踪目标状态信息估计值，根据无人机和无人车的运动学模型特点，构造相应的编队跟踪控制器，从而计算出无人机和无人车的控制指令，以实现编队跟踪。
对于四旋翼无人机，无人机编队跟踪控制器表示为：
Figure BDA00036849488200000911
其中，xi＝[pxi,vxi,pyi,vyi]T，pxi表示第i个无人机的x方向位置，vxi表示第i个无人机的x方向速度，pyi表示第i个无人机的y方向位置，vyi表示第i个无人机的y方向速度，ui＝[uxi,uyi]T，uxi表示第i个无人机在x方向的加速度控制指令，uyi表示第i个无人机在y方向的加速度控制指令，
Figure BDA0003684948820000101
hxi(t)表示第i个无人机相对跟踪目标x方向期望相对位置，
Figure BDA0003684948820000102
表示第i个无人机相对跟踪目标x方向期望相对速度，hyi(t)表示第i个无人机相对跟踪目标y方向期望相对位置，
Figure BDA0003684948820000103
表示第i个无人机相对跟踪目标y方向期望相对速度，K1i和K2i均为常数矩阵，满足Ai+BiK1i为赫尔维茨矩阵，Ai和Bi均为常值矩阵，
Figure BDA0003684948820000104
Figure BDA0003684948820000105
a和b是矩阵A0中的常数，ri为第i个无人机的补偿输入项。
第i个无人机的补偿输入项表示为：
Figure BDA0003684948820000106
其中，
Figure BDA0003684948820000107
表示第i个无人机相对跟踪目标x方向期望相对加速度，
Figure BDA0003684948820000108
表示第i个无人机相对跟踪目标y方向期望相对加速度。
对于差动轮模型的无人车，无人车编队跟踪控制器表示为：
Figure BDA0003684948820000109
vj表示第j辆无人车的前向速度控制指令，ωj表示第j辆无人车的转动角速度控制指令，gj＝[cosαj,sinαj]T表示第j辆无人车的车头方向，
Figure BDA00036849488200001010
表示第j辆无人车的车头方向的垂直方向，αj表示第j辆无人车车头与x方向夹角，yj表示第j辆无人车的位置输出量，ζj表示第j个无人机或者第j个无人车对于跟踪目标的位置和速度的估计值，
Figure BDA00036849488200001011
hxj(t)表示第j个无人车相对跟踪目标x方向期望相对位置，
Figure BDA00036849488200001012
表示第j个无人车相对跟踪目标x方向期望相对速度，hyj(t)表示第j个无人车相对跟踪目标y方向期望相对位置，
Figure BDA00036849488200001013
表示第j个无人车相对跟踪目标y方向期望相对速度，K1j和K2j均为常数矩阵，K1j＝-kI2，
Figure BDA0003684948820000111
k为正实数，ωcj为第j个无人车的角速度补偿量。
第j个无人车的角速度补偿量满足：
Figure BDA0003684948820000112
其中，
Figure BDA0003684948820000113
表示第j个无人车的期望速度，C0为常值矩阵，
Figure BDA0003684948820000114
通过以上针对无人机和无人车分别构造的编队跟踪控制器的控制作用，无人机和无人车的x、y方向位置在保持对目标跟踪的同时将收敛到期望的编队形状，从而实现无人机-无人车集群的编队跟踪控制。
步骤104：利用所述无人机编队跟踪控制器对无人机编队进行运动控制，利用所述无人车编队跟踪控制器对无人车编队进行运动控制。
对于每个无人机和无人车，通过和邻居以及跟踪目标之间的局部信息交互，利用以上无人机和无人车编队跟踪控制器计算出的控制指令，控制无人机和无人车的运动，可以实现无人机-无人车集群的编队跟踪控制。对本发明一种无人机与无人车集群编队跟踪控制方法进行仿真试验验证。
对于一个由0号跟踪目标、1号和2号四旋翼无人机、3号差动轮无人车构成的异构集群系统，设置跟踪目标的系统矩阵常数a＝0,b＝0，x、y方向初始速度为[0,0.05]T，即跟踪目标在y方向作速度为0.05m/s2的匀速直线运动。集群内通信拓扑如图2所示。
期望的时变编队形状选取为：
Figure BDA0003684948820000115
其中h1(t),h2(t),h3(t)分别表示1号、2号无人机和3号无人车相对于跟踪目标的期望相对位置。分布式状态观测器和编队跟踪控制器参数选取为：
Figure BDA0003684948820000121
Figure BDA0003684948820000122
K13＝-0.1I2；
Figure BDA0003684948820000123
η＝1,ωc3＝0
其中各项参数为本方法中分布式状态观测器和编队跟踪控制器的各项参数。
在以上配置情况下，数值仿真中的无人机-无人车轨迹，以及第0s、11s、65s、103s和150s的位置截图如图3所示。
在以上配置情况下，数值仿真中的无人机-无人车编队运行位置误差如图4所示。
可见，本发明一种无人机与无人车集群编队跟踪控制方法可以有效实现对无人机-无人车集群的编队跟踪控制。
本发明一种无人机与无人车集群编队跟踪控制方法的主要优势如下：
1、本发明提出了一种分布式的跟踪目标状态观测器，仅利用局部邻居信息交互就能形成对目标位置、速度信息的有效估计。相较于传统的集中式控制方法，本方法不需要每个无人机和无人车都获取跟踪目标的位置、速度信息，并且计算量不随集群个体数量增加而增大，因此适用于大规模无人机-无人车集群系统。
2、本发明提出了一种针对无人机-无人车异构集群的编队跟踪控制方法，解决了传统编队控制方法只能用于无人机或无人车组成的同构集群系统的问题，能够实现同时对无人机和无人车的编队跟踪控制。
3、本发明提出的无人机-无人车编队控制方法适用于四旋翼无人机和差动轮无人车，解决了传统编队控制方法只适用于线性系统无人车，而不能用于具有非线性特性的差动轮模型无人车的问题。
图5为本发明一种无人机与无人车集群编队跟踪控制系统结构示意图，如图5所示，一种无人机与无人车集群编队跟踪控制系统，包括：
运动学模型构建模块201，用于分别建立无人机、无人车和跟踪目标的运动学模型。
分布式状态观测器构建模块202，用于根据无人机的运动学模型、无人车的运动学模型和跟踪目标的运动学模型，建立所述跟踪目标位置和速度的分布式状态观测器；所述分布式状态观测器用于每个无人机和每个无人车通过邻居间的信息交互获得所述跟踪目标的位置和速度估计值。
编队跟踪控制器构建模块203，用于利用所述分布式状态观测器的观测数据构造无人机编队跟踪控制器和无人车编队跟踪控制器。
运动控制模块204，用于利用所述无人机编队跟踪控制器对无人机编队进行运动控制，利用所述无人车编队跟踪控制器对无人车编队进行运动控制。
一种无人机与无人车集群编队跟踪控制系统，还包括：
信息交互矩阵构建模块，用于构建无人机和无人车之间的信息交互矩阵；所述邻居间的信息交互通过所述信息交互矩阵获得。
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，由于其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。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种无人机与无人车集群编队跟踪控制方法，其特征在于，包括：
分别建立无人机、无人车和跟踪目标的运动学模型；
根据无人机的运动学模型、无人车的运动学模型和跟踪目标的运动学模型，建立所述跟踪目标位置和速度的分布式状态观测器；所述分布式状态观测器用于每个无人机和每个无人车通过邻居间的信息交互获得所述跟踪目标的位置和速度估计值；
利用所述分布式状态观测器的观测数据构造无人机编队跟踪控制器和无人车编队跟踪控制器；
利用所述无人机编队跟踪控制器对无人机编队进行运动控制，利用所述无人车编队跟踪控制器对无人车编队进行运动控制。
2.根据权利要求1所述的无人机与无人车集群编队跟踪控制方法，其特征在于，所述分别建立无人机、无人车和跟踪目标的运动学模型之后还包括：
构建无人机和无人车之间的信息交互矩阵；所述邻居间的信息交互通过所述信息交互矩阵获得。
3.根据权利要求1所述的无人机与无人车集群编队跟踪控制方法，其特征在于，所述无人机运动学模型表示为：
Figure FDA0003684948810000011
其中，
Figure FDA0003684948810000012
表示xi的导数，xi＝[pxi,vxi,pyi,vyi]T，pxi表示第i个无人机的x方向位置，vxi表示第i个无人机的x方向速度，pyi表示第i个无人机的y方向位置，vyi表示第i个无人机的y方向速度，ui＝[uxi,uyi]T，uxi表示第i个无人机在x方向的加速度控制指令，uyi表示第i个无人机在y方向的加速度控制指令，yi表示第i个无人机的位置输出量，Ai、Bi和Ci均为常值矩阵，T表示转置；
所述无人车的运动学模型表示为：
Figure FDA0003684948810000021
Figure FDA0003684948810000022
其中，pxj表示第j辆无人车的x方向位置，
Figure FDA0003684948810000023
表示pxj的导数，pyj表示表示第j辆无人车的y方向位置，
Figure FDA00036849488100000210
表示pyj的导数，αj表示第j辆无人车车头与x方向夹角，vj表示第j辆无人车的前向速度控制指令，ωj表示第j辆无人车的转动角速度控制指令，yj第j辆无人车的位置输出量；
所述跟踪目标的运动学模型表示为：
Figure FDA0003684948810000024
其中，x0＝[px0,vx0,py0,vy0]T，
Figure FDA0003684948810000025
表示x0的导数，px0表示跟踪目标x方向位置，vx0表示跟踪目标x方向速度，py0表示跟踪目标y方向位置，vy0表示跟踪目标y方向速度，A0和C0均为常值矩阵，y0表示跟踪目标的位置输出量。
4.根据权利要求1所述的无人机与无人车集群编队跟踪控制方法，其特征在于，所述分布式状态观测器表示为：
Figure FDA0003684948810000026
其中，ζi表示第i个无人机或者第i个无人车对于跟踪目标的位置和速度的估计值；ζj表示第j个无人机或者第j个无人车对于跟踪目标的位置和速度的估计值；ωi0表示第i个无人机或无人车是否获取到跟踪目标的位置和速度，如果是ωi0＝1，否则ωi0＝0；A0为常值矩阵，x0＝[px0,vx0,py0,vy0]T，
Figure FDA00036849488100000211
表示x0的导数，px0表示跟踪目标x方向位置，vx0表示跟踪目标x方向速度，py0表示跟踪目标y方向位置，vy0表示跟踪目标y方向速度，M表示无人机的数量，N表示无人车的数量，η为常数；
满足
Figure FDA0003684948810000027
Figure FDA0003684948810000028
表示
Figure FDA0003684948810000029
矩阵的最大特征值，γmin(L1)表示拉普拉斯矩阵L1中所有特征值中的最小实部，L1表示无人机和无人车之间的信息交互矩阵。
5.根据权利要求4所述的无人机与无人车集群编队跟踪控制方法，其特征在于，所述无人机编队跟踪控制器表示为：
Figure FDA0003684948810000031
其中，xi＝[pxi,vxi,pyi,vyi]T，pxi表示第i个无人机的x方向位置，vxi表示第i个无人机的x方向速度，pyi表示第i个无人机的y方向位置，vyi表示第i个无人机的y方向速度，ui＝[uxi,uyi]T，uxi表示第i个无人机在x方向的加速度控制指令，uyi表示第i个无人机在y方向的加速度控制指令，
Figure FDA0003684948810000032
hxi(t)表示第i个无人机相对跟踪目标x方向期望相对位置，
Figure FDA0003684948810000033
表示第i个无人机相对跟踪目标x方向期望相对速度，hyi(t)表示第i个无人机相对跟踪目标y方向期望相对位置，
Figure FDA0003684948810000034
表示第i个无人机相对跟踪目标y方向期望相对速度，K1i和K2i均为常数矩阵，满足Ai+BiK1i为赫尔维茨矩阵，Ai和Bi均为常值矩阵，
Figure FDA0003684948810000035
Figure FDA0003684948810000036
a和b是矩阵A0中的常数，ri为第i个无人机的补偿输入项，I2表示2维单位矩阵；
所述无人车编队跟踪控制器表示为：
Figure FDA0003684948810000037
vj表示第j辆无人车的前向速度控制指令，ωj表示第j辆无人车的转动角速度控制指令，gj表示第j辆无人车的车头方向，
Figure FDA0003684948810000038
表示第j辆无人车的车头方向的垂直方向，αj表示第j辆无人车车头与x方向夹角，yj表示第j辆无人车的位置输出量，ζj表示第j个无人机或者第j个无人车对于跟踪目标的位置和速度的估计值，
Figure FDA0003684948810000039
hxj(t)表示第j个无人车相对跟踪目标x方向期望相对位置，
Figure FDA00036849488100000310
表示第j个无人车相对跟踪目标x方向期望相对速度，hyj(t)表示第j个无人车相对跟踪目标y方向期望相对位置，
Figure FDA00036849488100000311
表示第j个无人车相对跟踪目标y方向期望相对速度，K1j和K2j均为常数矩阵，K1j＝-kI2，
Figure FDA0003684948810000041
k为正实数，ωcj为第j个无人车的角速度补偿量。
6.根据权利要求5所述的无人机与无人车集群编队跟踪控制方法，其特征在于，第i个无人机的补偿输入项表示为：
Figure FDA0003684948810000042
其中，
Figure FDA0003684948810000043
表示第i个无人机相对跟踪目标x方向期望相对加速度，
Figure FDA0003684948810000044
表示第i个无人机相对跟踪目标y方向期望相对加速度；
第j个无人车的角速度补偿量满足：
Figure FDA0003684948810000045
其中，
Figure FDA0003684948810000046
表示第j个无人车的期望速度，C0为常值矩阵，
Figure FDA0003684948810000047
7.一种无人机与无人车集群编队跟踪控制系统，其特征在于，包括：
运动学模型构建模块，用于分别建立无人机、无人车和跟踪目标的运动学模型；
分布式状态观测器构建模块，用于根据无人机的运动学模型、无人车的运动学模型和跟踪目标的运动学模型，建立所述跟踪目标位置和速度的分布式状态观测器；所述分布式状态观测器用于每个无人机和每个无人车通过邻居间的信息交互获得所述跟踪目标的位置和速度估计值；
编队跟踪控制器构建模块，用于利用所述分布式状态观测器的观测数据构造无人机编队跟踪控制器和无人车编队跟踪控制器；
运动控制模块，用于利用所述无人机编队跟踪控制器对无人机编队进行运动控制，利用所述无人车编队跟踪控制器对无人车编队进行运动控制。
8.根据权利要求7所述的无人机与无人车集群编队跟踪控制系统，其特征在于，还包括：
信息交互矩阵构建模块，用于构建无人机和无人车之间的信息交互矩阵；所述邻居间的信息交互通过所述信息交互矩阵获得。
CN202210648743.4A 2022-06-09 2022-06-09 一种无人机与无人车集群编队跟踪控制方法及系统 Pending CN114935943A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210648743.4A CN114935943A (zh) 2022-06-09 2022-06-09 一种无人机与无人车集群编队跟踪控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210648743.4A CN114935943A (zh) 2022-06-09 2022-06-09 一种无人机与无人车集群编队跟踪控制方法及系统

Publications (1)

Publication Number Publication Date
CN114935943A true CN114935943A (zh) 2022-08-23

Family

ID=82866860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210648743.4A Pending CN114935943A (zh) 2022-06-09 2022-06-09 一种无人机与无人车集群编队跟踪控制方法及系统

Country Status (1)

Country Link
CN (1) CN114935943A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115877718A (zh) * 2023-02-23 2023-03-31 北京航空航天大学 数据驱动的异构导弹编队切换通信拓扑协同控制方法
CN116414037A (zh) * 2023-06-09 2023-07-11 北京航空航天大学 一种用于集群系统约束控制的自适应装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115877718A (zh) * 2023-02-23 2023-03-31 北京航空航天大学 数据驱动的异构导弹编队切换通信拓扑协同控制方法
CN116414037A (zh) * 2023-06-09 2023-07-11 北京航空航天大学 一种用于集群系统约束控制的自适应装置
CN116414037B (zh) * 2023-06-09 2023-08-18 北京航空航天大学 一种用于集群系统约束控制的自适应装置

Similar Documents

Publication Publication Date Title
Li et al. Robust tracking control strategy for a quadrotor using RPD-SMC and RISE
CN114935943A (zh) 一种无人机与无人车集群编队跟踪控制方法及系统
CN110989626B (zh) 一种基于控制参数化的无人机路径规划方法
CN110780668B (zh) 一种多无人艇的分布式编队合围跟踪控制方法及系统
CN111273688B (zh) 基于事件触发的四旋翼无人机一致性编队控制方法
CN112631335B (zh) 一种基于事件触发的多四旋翼无人机固定时间编队方法
CN115639830B (zh) 一种空地智能体协同编队控制系统及其编队控制方法
CN114138010B (zh) 一种基于加权偏差的多智能体高阶滑模编队控制方法
Cong et al. Formation control for multiquadrotor aircraft: Connectivity preserving and collision avoidance
Rojo-Rodriguez et al. Robust consensus-based formation flight for multiple quadrotors
CN110658811B (zh) 基于神经网络的受限移动机器人协同路径跟踪控制方法
CN114138002A (zh) 分布式多无人机编队群集行为动态障碍物避障控制方法
CN112947086A (zh) 一种无人机和无人车组成的异构多智能体系统编队控制中执行器故障的自适应补偿方法
Ahmad et al. Variants of the sliding mode control in presence of external disturbance for quadrotor
CN113777932B (zh) 一种基于Delta算子的四旋翼自适应滑模容错控制方法
Enjiao et al. Finite-time control of formation system for multiple flight vehicles subject to actuator saturation
Gong et al. Fault-tolerant formation tracking control for heterogeneous multiagent systems with directed topology
CN115877871B (zh) 一种基于强化学习的非零和博弈无人机编队控制方法
CN116107339B (zh) 一种推力损失故障下的蜂群无人机容错协同控制方法
CN114721273B (zh) 一种固定时间收敛零化神经网络的多智能体编队控制方法
Di et al. Low-level control with actuator dynamics for multirotor UAVs
CN114610065A (zh) 一种基于图论的集群无人机编队飞行轨迹优化方法
CN114265315A (zh) 异构线性集群系统时变输出编队跟踪控制方法及系统
Keviczky et al. Coordinated autonomous vehicle formations: decentralization, control synthesis and optimization
Agarwal et al. Attitude control in unmanned aerial vehicles using reinforcement learning—a survey

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