CN114995521B - 多无人机分布式编队控制方法、装置及电子设备 - Google Patents

多无人机分布式编队控制方法、装置及电子设备 Download PDF

Info

Publication number
CN114995521B
CN114995521B CN202210941902.XA CN202210941902A CN114995521B CN 114995521 B CN114995521 B CN 114995521B CN 202210941902 A CN202210941902 A CN 202210941902A CN 114995521 B CN114995521 B CN 114995521B
Authority
CN
China
Prior art keywords
unmanned aerial
full
aerial vehicle
distributed
formation
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
Application number
CN202210941902.XA
Other languages
English (en)
Other versions
CN114995521A (zh
Inventor
艾晓琳
蒲志强
刘振
丘腾海
易建强
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.)
Institute of Automation of Chinese Academy of Science
Original Assignee
Institute of Automation of Chinese Academy of Science
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 Institute of Automation of Chinese Academy of Science filed Critical Institute of Automation of Chinese Academy of Science
Priority to CN202210941902.XA priority Critical patent/CN114995521B/zh
Publication of CN114995521A publication Critical patent/CN114995521A/zh
Application granted granted Critical
Publication of CN114995521B publication Critical patent/CN114995521B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

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

本发明提供一种多无人机分布式编队控制方法、装置及电子设备，该方法涉及无人机技术领域，包括：建立无人机的动力学模型；对所述动力学模型进行转化，得到针对所述无人机的多个全驱动子系统模型；获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量；根据所述期望队形向量确定各所述全驱动子系统模型对应的分布式编队控制器；根据各所述分布式编队控制器，对所述多无人机进行分布式编队控制。本发明提供的方法，实现了分布式编队控制器的设计，可以控制多无人机在有限时间内达成期望队形，为遂行协同任务提供支撑，使得分布式编队控制器的设计比较简单且容易实现。

Description

多无人机分布式编队控制方法、装置及电子设备
技术领域
本发明涉及无人机技术领域，尤其涉及一种多无人机分布式编队控制方法、装置及电子设备。
背景技术
近年来，随着微机电系统和无线通信技术的发展，无人机在情报搜集、监视、侦察，打击，电子对抗等军事领域和航拍、植保、地质监测、通信中继等民用领域都得到了广泛的应用。在军事电子对抗过程中，无人机代替人员执行“枯燥的、恶劣的和危险的”任务，能够在达成既定作战目标的同时实现“非接触、零伤亡”的战略目的。然而，受限于无人机载重较小，单架无人机的任务能力和适用范围会受到诸多方面的限制：1）一旦设备或载荷损坏无法继续执行任务；2）搭载传感器、设备数量有限无法胜任多样化复杂突发任务；3）受限于单个传感器能力，单机执行任务效率低下。
考虑到单无人机在遂行任务上的天然不足，采用多架无人机协同配合的方式开展任务被证明是行之有效的途径。与单无人机相比，多无人机可以通过搭载不同载荷及冗余设备，一方面可以提高任务执行的效率和可靠性，另一方面对复杂的突发任务具有更强的适应能力。多无人机以编队的形式遂行任务是多无人机协同的核心。
相关技术中，对多无人机的分布式编队控制方法将四旋翼编队控制问题分解为线运动编队控制和角运动跟踪控制两个子问题，分别针对两个子问题设计控制器，再通过反复调试参数使得两个子系统匹配。然而，相关技术中所使用的方法，使得多无人机的分布式编队控制器的设计变得比较复杂。
发明内容
本发明提供一种多无人机分布式编队控制方法、装置及电子设备，用以解决现有技术中多无人机的分布式编队控制器的设计变得比较复杂的缺陷，实现端到端的设计多无人机的分布式编队控制器，为遂行协同任务提供支撑，使得分布式编队控制器的设计比较简单且容易实现。
本发明提供一种多无人机分布式编队控制方法，包括：
建立无人机的动力学模型；
对所述动力学模型进行转化，得到针对所述无人机的多个全驱动子系统模型；
获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量；
根据所述期望队形向量确定各所述全驱动子系统模型对应的分布式编队控制器；
根据各所述分布式编队控制器，对所述多无人机进行分布式编队控制。
根据本发明提供的一种多无人机分布式编队控制方法，所述根据所述期望队形向量确定各所述全驱动子系统模型对应的分布式编队控制器，包括：
构造各所述全驱动子系统模型对应的分布式状态观测器，所述分布式状态观测器用于使多无人机中的跟随者无人机对领导者无人机在目标时间段内的状态进行估计；
基于各所述全驱动子系统模型对应的估计值和所述期望队形向量，确定各所述全驱动子系统模型对应的分布式编队控制器。
根据本发明提供的一种多无人机分布式编队控制方法，所述基于各所述全驱动子系统模型对应的估计值和所述期望队形向量，确定各所述全驱动子系统模型对应的分布式编队控制器，包括：
基于各所述全驱动子系统模型对应的估计值和所述期望队形向量，确定各所述全驱动子系统模型对应的编队控制误差；
基于各所述全驱动子系统模型对应的所述编队控制误差和所述分布式状态观测器，确定各所述全驱动子系统模型对应的误差动力学模型；
根据各所述全驱动子系统模型对应的误差动力学模型，确定各所述全驱动子系统模型对应的分布式编队控制器。
根据本发明提供的一种多无人机分布式编队控制方法，所述根据各所述全驱动子系统模型对应的误差动力学模型，确定各所述全驱动子系统模型对应的分布式编队控制器，包括：
构造滑模面，所述滑模面用于使误差动力学模型稳定；
根据各所述全驱动子系统模型对应的所述误差动力学模型和所述滑模面，确定各所述全驱动子系统模型对应的分布式编队控制器。
根据本发明提供的一种多无人机分布式编队控制方法，所述构造各所述全驱动子系统模型对应的分布式状态观测器，包括：
基于构建的拓扑图，构造各所述全驱动子系统模型对应的分布式状态观测器，所述拓扑图用于描述所述多无人机之间的通信拓扑关系。
根据本发明提供的一种多无人机分布式编队控制方法，所述基于微分平坦理论，对所述动力学模型进行转化，得到针对所述无人机的全驱动系统模型，包括：
基于微分平坦理论，对所述动力学模型进行转化，采用公式（1），得到针对所述无人机的全驱动系统模型；
Figure 27658DEST_PATH_IMAGE001
其中，x、y和z分别表示无人机在惯性坐标系中的三维位置，
Figure 139970DEST_PATH_IMAGE002
，
Figure 803033DEST_PATH_IMAGE003
，
Figure 266375DEST_PATH_IMAGE004
，
Figure 689397DEST_PATH_IMAGE005
，
Figure 921795DEST_PATH_IMAGE006
，
Figure 21338DEST_PATH_IMAGE007
，
Figure 549141DEST_PATH_IMAGE008
，
Figure 900487DEST_PATH_IMAGE009
，
Figure 987392DEST_PATH_IMAGE010
表示无人机相对于 惯性坐标系的俯仰角，
Figure 788995DEST_PATH_IMAGE011
表示无人机相对于惯性坐标系的滚转角，
Figure 430192DEST_PATH_IMAGE012
表示合力加速度，
Figure 195017DEST_PATH_IMAGE013
表示偏航角加速度，
Figure 136428DEST_PATH_IMAGE014
表示无人机相对于惯性坐标系的偏航角，g表示当地的重力加速度。
根据本发明提供的一种多无人机分布式编队控制方法，所述对所述动力学模型进行转化，得到针对所述无人机的多个全驱动子系统模型，包括：
基于微分平坦理论，对所述动力学模型进行转化，得到针对所述无人机的全驱动系统模型；
根据所述全驱动系统模型，确定所述无人机在不同状态下对应的多个全驱动子系统模型。
本发明还提供一种多无人机分布式编队控制装置，包括：
建立模块，用于建立无人机的动力学模型；
转化模块，用于对所述动力学模型进行转化，得到针对所述无人机的多个全驱动子系统模型；
获取模块，用于获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量；
确定模块，用于根据所述期望队形向量确定各所述全驱动子系统模型对应的分布式编队控制器；
控制模块，用于根据各所述分布式编队控制器，对所述多无人机进行分布式编队控制。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述多无人机分布式编队控制方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述多无人机分布式编队控制方法。
本发明提供的多无人机分布式编队控制方法、装置及电子设备，通过建立无人机的动力学模型，再对该动力学模型进行转化，得到针对无人机的多个全驱动子系统模型；获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量，根据期望队形向量确定各全驱动子系统模型对应的分布式编队控制器；根据确定的各分布式编队控制器，对多无人机进行分布式编队控制，实现了分布式编队控制器的设计，可以控制多无人机在有限时间内达成期望队形，为遂行协同任务提供支撑，使得分布式编队控制器的设计比较简单且容易实现。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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是本发明提供的多无人机分布式编队控制方法的流程示意图之一；
图2是本发明提供的四旋翼无人机的架构图；
图3是本发明提供的多无人机的期望队形示意图；
图4是本发明提供的多无人机分布式编队控制方法的流程示意图之二；
图5是本发明提供的多无人机分布式编队控制装置的结构示意图；
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
下面结合附图，通过一些实施例及其应用场景对本发明提供的多无人机分布式编队控制方法进行详细地说明。
本发明提供一种多无人机分布式编队控制方法，该多无人机分布式编队控制方法适用于多无人机的控制场景中，通过建立无人机的动力学模型；对所述动力学模型进行转化，得到针对所述无人机的多个全驱动子系统模型；获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量；根据所述期望队形向量确定各所述全驱动子系统模型对应的分布式编队控制器；根据各所述分布式编队控制器，对所述多无人机进行分布式编队控制。本发明提供的方法，通过多个全驱动子系统模型实现了分布式编队控制器的设计，可以控制多无人机在有限时间内达成期望队形，为遂行协同任务提供支撑，使得分布式编队控制器的设计比较简单且容易实现。
下面结合图1-图4描述本发明的多无人机分布式编队控制方法。
图1是本发明提供的多无人机分布式编队控制方法的流程示意图之一，如图1所示，该方法包括步骤101-步骤105，其中：
步骤101，建立无人机的动力学模型。
需要说明的是，本发明提供的多无人机分布式编队控制方法适用于多无人机的控制场景中。该方法的执行主体可以为多无人机分布式编队控制装置，例如电子设备、或者该多无人机分布式编队控制装置中的用于执行多无人机分布式编队控制方法的控制模块。
具体地，以多四旋翼无人机的分布式编队控制为例，图2是本发明提供的四旋翼无 人机的架构图，如图2所示，
Figure 108932DEST_PATH_IMAGE015
表示惯性坐标系，
Figure 503004DEST_PATH_IMAGE016
表示四旋翼无人机的 机体坐标系，令
Figure 570055DEST_PATH_IMAGE017
表示四旋翼无人机在惯性坐标系中的三维位置，
Figure 100393DEST_PATH_IMAGE018
表示 四旋翼无人机相对于惯性坐标系的滚转角、俯仰角和偏航角。
假设无人机为刚体，具有确定的结构和气动参数，其中，气动参数可以为阻力系数，也可以为升力系数。根据牛顿第二定律，可以为四旋翼无人机构建动力学模型，采用如下公式（2）表示：
Figure 712640DEST_PATH_IMAGE019
其中，
Figure 594009DEST_PATH_IMAGE020
表示由四旋翼无人机的四个螺旋桨的拉力确定的控制 输入，
Figure 231795DEST_PATH_IMAGE021
表示合力加速度，
Figure 882219DEST_PATH_IMAGE022
表示滚转角加速度，
Figure 665367DEST_PATH_IMAGE023
表示俯仰角加速度，
Figure 768452DEST_PATH_IMAGE024
表示偏航角 加速度，
Figure 189024DEST_PATH_IMAGE025
表示四旋翼无人机相对于惯性坐标系的滚转角，
Figure 225114DEST_PATH_IMAGE026
表示四旋翼无人机相对于惯 性坐标系的俯仰角，
Figure 179163DEST_PATH_IMAGE014
表示四旋翼无人机相对于惯性坐标系的偏航角，g表示当地的重力 加速度。
根据上述公式（2）可以看出，该四旋翼无人机的动力学模型的输入包括四个控制输入，输出包括六个自由度，即四旋翼无人机具有六个自由度，但只有四个控制输入，因此，四旋翼无人机的动力学模型为典型的欠驱动系统。
步骤102，对所述动力学模型进行转化，得到针对所述无人机的多个全驱动子系统模型。
具体地，通过对动力学模型进行转化，可以得到针对无人机的多个全驱动子系统模型。
步骤103，获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量。
需要说明的是，根据多个全驱动子系统模型，采用领导者无人机-跟随者无人机编队控制框架，可以建立多无人机编队控制问题数学模型，根据多无人机编队控制问题数学模型，获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量；也可以通过预先设计多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量，在实际的控制过程中，直接获取该期望队形向量。
具体地，采用领导者无人机-跟随者无人机编队控制框架，可以建立多无人机编队 控制问题数学模型的实现方式可以归纳为：为四旋翼无人机设计分布式编队控制器
Figure 300703DEST_PATH_IMAGE027
，使得存在有限时间
Figure 749133DEST_PATH_IMAGE028
时，如下公式（3）成立：
Figure 108570DEST_PATH_IMAGE029
其中，t表示第t时刻，
Figure 499100DEST_PATH_IMAGE030
表示有限时间，
Figure 842357DEST_PATH_IMAGE031
表示跟随者无人机在 惯性坐标系中的三维位置，
Figure 484691DEST_PATH_IMAGE032
表示领导者无人机在惯性坐标系中的三维 位置，
Figure 338115DEST_PATH_IMAGE033
表示领导者无人机指向跟随者无人机的期望队形向量，
Figure 774912DEST_PATH_IMAGE034
表 示跟随者无人机相对于惯性坐标系的偏航角，
Figure 464520DEST_PATH_IMAGE035
表示领导者无人机相对于惯性坐标系 的偏航角，
Figure 644965DEST_PATH_IMAGE036
。
图3是本发明提供的多无人机的期望队形示意图，如图3所示，总共包括领导者无 人机0（Quadrotor 0）、跟随者无人机1（Quadrotor 1）、跟随者无人机2（Quadrotor 2）、跟随 者无人机3（Quadrotor 3）和跟随者无人机4（Quadrotor 4）等5个无人机，其中，领导者无人 机0指向跟随者无人机1的期望队形向量为
Figure 119940DEST_PATH_IMAGE037
，领导者无人机0指向跟随者 无人机2的期望队形向量为
Figure 727639DEST_PATH_IMAGE038
，领导者无人机0指向跟随者无人机3的期 望队形向量为
Figure 45488DEST_PATH_IMAGE039
，领导者无人机0指向跟随者无人机4的期望队形向量为
Figure 623100DEST_PATH_IMAGE040
。
步骤104，根据所述期望队形向量确定各所述全驱动子系统模型对应的分布式编队控制器。
具体地，根据领导者无人机在目标时间段内指向跟随者无人机的期望队形向量，可以确定各全驱动子系统模型对应的分布式编队控制器。
步骤105，根据各所述分布式编队控制器，对所述多无人机进行分布式编队控制。
具体地，根据确定的各分布式编队控制器，可以对多无人机进行分布式编队控制，实现多无人机在有限时间内达成期望队形。
本发明提供的多无人机分布式编队控制方法，通过建立无人机的动力学模型，再对该动力学模型进行转化，得到针对无人机的多个全驱动子系统模型；获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量，根据期望队形向量确定各全驱动子系统模型对应的分布式编队控制器；根据确定的各分布式编队控制器，对多无人机进行分布式编队控制，实现了分布式编队控制器的设计，可以控制多无人机在有限时间内达成期望队形，为遂行协同任务提供支撑，使得分布式编队控制器的设计比较简单且容易实现。
可选地，上述步骤102的具体实现方式包括以下步骤：
步骤1）基于微分平坦理论，对所述动力学模型进行转化，得到针对所述无人机的全驱动系统模型。
具体地，由于动力学模型是欠驱动系统，因此基于微分平坦理论，对动力学模型进行转化，可以得到针对无人机的全驱动系统模型。
可选地，上述步骤1）的具体实现方式包括：
基于微分平坦理论，对所述动力学模型进行转化，采用公式（1），得到针对所述无人机的全驱动系统模型；
Figure 451116DEST_PATH_IMAGE041
其中，x、y和z分别表示无人机在惯性坐标系中的三维位置，
Figure 495296DEST_PATH_IMAGE042
，
Figure 34861DEST_PATH_IMAGE043
，
Figure 681743DEST_PATH_IMAGE044
，
Figure 990365DEST_PATH_IMAGE045
，
Figure 815233DEST_PATH_IMAGE046
，
Figure 576515DEST_PATH_IMAGE047
，
Figure 292667DEST_PATH_IMAGE048
，
Figure 455795DEST_PATH_IMAGE049
，
Figure 841777DEST_PATH_IMAGE010
表示无人机相对 于惯性坐标系的俯仰角，
Figure 464258DEST_PATH_IMAGE050
表示无人机相对于惯性坐标系的滚转角，
Figure 452942DEST_PATH_IMAGE021
表示合力加速度，
Figure 736156DEST_PATH_IMAGE013
表示偏航角加速度，
Figure 293039DEST_PATH_IMAGE051
表示无人机相对于惯性坐标系的偏航角，g表示当地的重力加速 度。
具体地，选择
Figure 169859DEST_PATH_IMAGE052
作为四旋翼的平坦输出并对
Figure 572022DEST_PATH_IMAGE053
求导，可以得到上 述公式（1）表示的针对无人机的全驱动系统模型。通过上述变换，将欠驱动的动力学模型转 化为平坦的全驱动系统模型。
步骤2）根据所述全驱动系统模型，确定所述无人机在不同状态下对应的多个全驱动子系统模型。
具体地，以领导者无人机-跟随者无人机的编队控制框架为例，假设有N+1架四旋 翼无人机参与编队，令
Figure 568797DEST_PATH_IMAGE054
表示第i架无人机在惯性坐标系下的三维位 置和偏航角，
Figure 562161DEST_PATH_IMAGE055
，其中，下标0表示领导者无人机，下标
Figure 159233DEST_PATH_IMAGE056
表示跟随者无 人机。根据上述公式（1）表示的全驱动系统模型，将领导者无人机动力学可以分为如下四个 独立全驱动子系统模型，采用如下公式（4）表示：
Figure 365086DEST_PATH_IMAGE057
其中，
Figure 622892DEST_PATH_IMAGE058
，
Figure 380633DEST_PATH_IMAGE059
，
Figure 700887DEST_PATH_IMAGE060
，
Figure 976010DEST_PATH_IMAGE061
。由于无人机的控制输入和机动能力有限，因此
Figure 88323DEST_PATH_IMAGE062
有界。
同理，可以将跟随者者无人机动力学可以分为如下四个独立全驱动子系统模型，采用如下公式（5）表示：
Figure 282544DEST_PATH_IMAGE063
本发明提供的多无人机分布式编队控制方法，通过基于微分平坦理论，对动力学模型进行转化，得到针对无人机的全驱动系统模型，实现了无人机由欠驱动的动力学模型转化为全驱动系统模型，有助于后续分布式编队控制器的设计，进而可以直接根据全驱动系统模型进行分布式编队控制器的设计，使得分布式编队控制器的设计比较简单且容易实现。
图4是本发明提供的虚拟医疗会诊中虚拟形象的驱动方法的流程示意图之二，如图4所示，该方法包括步骤401-步骤405，其中：
步骤401，建立无人机的动力学模型。
步骤402，对所述动力学模型进行转化，得到针对所述无人机的多个全驱动子系统模型。
步骤403，获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量。
可选地，关于步骤401-403的说明和解释，可以参照上述针对步骤101-103的说明和解释，且能达到相同的技术效果，为避免重复，这里不再赘述。
步骤404，构造各所述全驱动子系统模型对应的分布式状态观测器，所述分布式状态观测器用于使多无人机中的跟随者无人机对领导者无人机在目标时间段内的状态进行估计。
具体地，可以根据各全驱动子系统模型，构造各全驱动子系统模型对应的分布式状态观测器，其中，分布式状态观测器用于使多无人机中的跟随者无人机对领导者无人机在目标时间段内的状态进行估计。
步骤405，基于各所述全驱动子系统模型对应的估计值和所述期望队形向量，确定各所述全驱动子系统模型对应的分布式编队控制器。
具体地，可以根据各全驱动子系统模型对应的估计值和期望队形向量，进一步确定各全驱动子系统模型对应的分布式编队控制器。
步骤406，根据各所述分布式编队控制器，对所述多无人机进行分布式编队控制。
可选地，关于步骤406的说明和解释，可以参照上述针对步骤105的说明和解释，且能达到相同的技术效果，为避免重复，这里不再赘述。
本发明提供的多无人机分布式编队控制方法，通过构造各全驱动子系统模型对应的分布式状态观测器，分布式状态观测器用于使多无人机中的跟随者无人机对领导者无人机在目标时间段内的状态进行估计；基于各全驱动子系统模型对应的估计值和期望队形向量，确定各全驱动子系统模型对应的分布式编队控制器，通过跟随者无人机对领导者无人机在目标时间段内的状态的估计值和期望队形向量，实现了分布式编队控制器的设计，可以使得跟随者无人机在目标时间段内与领导者无人机保持期望的队形，从而使得分布式编队控制器的设计比较简单且容易实现。
可选地，上述步骤404的具体实现方式包括以下步骤：
基于构建的拓扑图，构造各所述全驱动子系统模型对应的分布式状态观测器，所述拓扑图用于描述所述多无人机之间的通信拓扑关系。
具体地，分布式编队中的无人机仅通过和其相邻的无人机之间进行通信，从而获取局部信息实现控制。为描述无人机之间的通信关系，采用图论构建多无人机之间通信网络的拓扑图。
图5本发明提供的多无人机之间通信网络的拓扑图，如图5所示，以5架无人机编队 为例，假设无人机构成图
Figure 323050DEST_PATH_IMAGE064
，其中
Figure 870706DEST_PATH_IMAGE065
，V表示由无人机构成 的节点集合，
Figure 962159DEST_PATH_IMAGE066
为边集合。若无人机
Figure 937068DEST_PATH_IMAGE067
和无人机
Figure 887706DEST_PATH_IMAGE068
可以通信，则
Figure 114419DEST_PATH_IMAGE069
为图 中的一条边。令
Figure 794800DEST_PATH_IMAGE070
表示图的邻接矩阵，其中，若
Figure 471768DEST_PATH_IMAGE071
则
Figure 378545DEST_PATH_IMAGE072
；否则
Figure 641905DEST_PATH_IMAGE073
。进一步可定义图的拉普拉斯矩阵
Figure 583316DEST_PATH_IMAGE074
，采用如下公式（6）表示：
Figure 24661DEST_PATH_IMAGE075
其中，i和j的取值为0至N，当k=0时，
Figure 684313DEST_PATH_IMAGE076
表示跟随者无人机与领导者无人机之间 的通信，当
Figure 252829DEST_PATH_IMAGE077
时，
Figure 48746DEST_PATH_IMAGE078
表示跟随者无人机与跟随者无人机之间的通信。
在领导者无人机-跟随者无人机的编队框架中，领导者无人机通常仅负责引导整 个编队的运动方向，无需获得跟随者无人机的任何信息，而跟随者无人机主要负责形成队 形并保持期望队形，因而至少一个跟随者无人机需要获取领导者无人机的信息。通过上述 分析，图的拉普拉斯矩阵
Figure 67518DEST_PATH_IMAGE079
可以如下分块形式，采用如下公式（7）表示：
Figure 73520DEST_PATH_IMAGE080
其中，
Figure 304781DEST_PATH_IMAGE081
表示N维行向量，
Figure 329107DEST_PATH_IMAGE082
表示N维列向量，
Figure 253200DEST_PATH_IMAGE083
表示
Figure 12078DEST_PATH_IMAGE084
维向量。
为保证通信网络的拓扑图的抗毁性，在多无人机编队中通常要求跟随者无人机之 间的通信网络的拓扑图是无向且连通的，在这种情况下矩阵
Figure 47030DEST_PATH_IMAGE085
正定。
根据构建的图谱图，可以构造各全驱动子系统模型对应的分布式状态观测器，具 体分别从x或y，及z或
Figure 427327DEST_PATH_IMAGE014
方向对分布式状态观测器进行说明：
1、x或y方向
由于x和y方向对应的全驱动子系统模型具有完全一致的结构，因此，仅以x方向对 分布式状态观测器进行说明。令
Figure 522322DEST_PATH_IMAGE086
表示跟随者无人机对领导者无人机的状态
Figure 502916DEST_PATH_IMAGE087
的估计值，
Figure 75980DEST_PATH_IMAGE088
，可以为跟随者无人机构造分布式状态观测 器，采用如下公式（8）表示：
Figure 966576DEST_PATH_IMAGE089
其中，
Figure 618092DEST_PATH_IMAGE090
，
Figure 695769DEST_PATH_IMAGE091
表示局部 误差，
Figure 462737DEST_PATH_IMAGE092
表示跟随者无人机与跟随者无人机之间通信，
Figure 942260DEST_PATH_IMAGE093
表示跟随者无人机与领导者 无人机之间的通信，
Figure 520003DEST_PATH_IMAGE094
表示跟随者无人机i对领导者无人机状态的估计值，表示跟随者 无人机j对领导者无人机状态的估计值，
Figure 84976DEST_PATH_IMAGE095
表示领导者状态的真实值。
Figure 124477DEST_PATH_IMAGE096
和
Figure 724085DEST_PATH_IMAGE097
为大于零 的待设计观测器参数，
Figure 705685DEST_PATH_IMAGE098
和
Figure 23534DEST_PATH_IMAGE099
为正奇数且取值满足
Figure 742092DEST_PATH_IMAGE100
，
Figure 586420DEST_PATH_IMAGE101
表示对
Figure 99441DEST_PATH_IMAGE102
上界的 估计，并由自适应控制律获得，自适应控制律采用如下公式（9）表示：
Figure 514373DEST_PATH_IMAGE103
其中，
Figure 302200DEST_PATH_IMAGE104
表示局部误差，
Figure 735455DEST_PATH_IMAGE105
和
Figure 950536DEST_PATH_IMAGE106
为参数，且
Figure 711819DEST_PATH_IMAGE107
的初值需满足
Figure 146080DEST_PATH_IMAGE108
。
需要说明的是，本发明提供的分布式状态观测器，可采用李雅普诺夫稳定性理论， 对其稳定性和收敛性进行分析。若参数
Figure 433842DEST_PATH_IMAGE109
和
Figure 554245DEST_PATH_IMAGE110
满足如下公式（10）和公式（11），其中：
Figure 333982DEST_PATH_IMAGE111
其中，
Figure 73399DEST_PATH_IMAGE112
和
Figure 356613DEST_PATH_IMAGE113
为任意选取的大于零参数，
Figure 772550DEST_PATH_IMAGE114
表示跟随者无人机的数量，
Figure 774005DEST_PATH_IMAGE115
表示矩阵
Figure 550068DEST_PATH_IMAGE116
的最小特征值，
Figure 687789DEST_PATH_IMAGE117
和
Figure 681152DEST_PATH_IMAGE118
为大于零的待设计观测器参数，
Figure 763378DEST_PATH_IMAGE119
和
Figure 234811DEST_PATH_IMAGE120
为正奇数且取值满足
Figure 102404DEST_PATH_IMAGE121
。
则分布式状态观测器的误差
Figure 1089DEST_PATH_IMAGE122
在有限时间内满足如下公式 （12），即收敛至零，其中：
Figure 836190DEST_PATH_IMAGE123
其中，
Figure 845735DEST_PATH_IMAGE124
表示
Figure 66369DEST_PATH_IMAGE125
的上界，
Figure 135956DEST_PATH_IMAGE126
和
Figure 333720DEST_PATH_IMAGE127
为参数，且
Figure 271589DEST_PATH_IMAGE128
的初值 需满足
Figure 238408DEST_PATH_IMAGE129
。
需要说明的，将上述公式（8）-公式（12）中的x替换为y，即可以实现在y方向上的分布式状态观测器的设计。
2、z或
Figure 88683DEST_PATH_IMAGE130
方向
由于z或
Figure 773742DEST_PATH_IMAGE131
方向对应的全驱动子系统模型具有完全一致的结构，因此，仅以z方向 对分布式状态观测器进行说明。令
Figure 249723DEST_PATH_IMAGE132
表示跟随者无人机对领导者无人机的状态
Figure 336628DEST_PATH_IMAGE133
的估计，则有限时间分布式状态观测器可以采用如下公式（13）表示：
Figure 590760DEST_PATH_IMAGE134
其中，
Figure 763116DEST_PATH_IMAGE135
，
Figure 42787DEST_PATH_IMAGE136
表示局部观测误差，
Figure 718619DEST_PATH_IMAGE137
表示跟随者无人机与跟随者无人机之间通信，
Figure 566490DEST_PATH_IMAGE138
表示跟随者无 人机与领导者无人机之间的通信，
Figure 570349DEST_PATH_IMAGE139
表示跟随者无人机i对领导者无人机状态的估计值，
Figure 529078DEST_PATH_IMAGE140
表示跟随者无人机j对领导者无人机状态的估计值，
Figure 449629DEST_PATH_IMAGE141
表示领导者状态的真实值，
Figure 468401DEST_PATH_IMAGE142
和
Figure 192512DEST_PATH_IMAGE110
为大于零的待设计观测器参数，
Figure 689352DEST_PATH_IMAGE143
和
Figure 729989DEST_PATH_IMAGE144
为正奇数且取值满足
Figure 654083DEST_PATH_IMAGE145
。
需要说明的，将上述公式（13）中的z替换为
Figure 288327DEST_PATH_IMAGE146
，即可以实现在
Figure 198645DEST_PATH_IMAGE051
方向上的分布式 状态观测器的设计。
根据上述的描述，实现了所有跟随者无人机对领导者无人机的状态的分布式估计。
本发明提供的多无人机分布式编队控制方法，通过根据构建的拓扑图，构造各全驱动子系统模型对应的分布式状态观测器，拓扑图用于描述多无人机之间的通信拓扑关系，通过分布式状态观测器实现所有跟随者无人机对领导者无人机的状态的分布式估计，使得所有跟随者无人机与领导者无人机保持期望的队形，从而使得跟随者无人机能够在目标时间段内以较快的速度与领导者无人机之间编成期望的队形，进而使得分布式编队控制器的设计比较简单且容易实现。
可选地，上述步骤405的具体实现方式包括以下步骤：
步骤1）基于各所述全驱动子系统模型对应的估计值和所述期望队形向量，确定各所述全驱动子系统模型对应的编队控制误差。
具体地，分别从x或y，及z或
Figure 703576DEST_PATH_IMAGE146
方向对编队控制误差进行说明：
1、x或y方向
由于x和y方向对应的全驱动子系统模型具有完全一致的结构，因此，仅以x方向对编队控制误差进行说明。具体地，根据各全驱动子系统模型对应的估计值和期望队形向量，可以定义编队控制误差，采用如下公式（14）表示：
Figure 923205DEST_PATH_IMAGE147
其中，
Figure 513586DEST_PATH_IMAGE148
分别表示跟随者无人机对领导者无人机的状态估计 的局部观测误差，
Figure 991709DEST_PATH_IMAGE149
表示x方向跟随者无人机与领导者无人机之间的期望距离。
需要说明的，将上述公式（14）中的x替换为y，即可以实现在y方向上的编队控制误差的设计。
2、z或
Figure 616726DEST_PATH_IMAGE051
方向
由于z或
Figure 7256DEST_PATH_IMAGE130
方向对应的全驱动子系统模型具有完全一致的结构，因此，仅以z方向 对编队控制误差进行说明。具体地，定义z方向的编队控制误差，可以采用如下公式（15）表 示：
Figure 84933DEST_PATH_IMAGE150
其中，
Figure 337054DEST_PATH_IMAGE151
分别表示跟随者无人机对领导者无人机的状态估计的局部观 测误差，
Figure 82156DEST_PATH_IMAGE152
表示z方向跟随者无人机与领导者无人机之间的期望距离。
需要说明的，将上述公式（15）中的z替换为
Figure 518954DEST_PATH_IMAGE131
，即可以实现在
Figure 208561DEST_PATH_IMAGE146
方向上的编队控 制误差的设计。
步骤2）基于各所述全驱动子系统模型对应的所述编队控制误差和所述分布式状态观测器，确定各所述全驱动子系统模型对应的误差动力学模型。
具体地，根据各全驱动子系统模型对应的编队控制误差和分布式状态观测器，即 上述公式（15）和上述公式（8），分别从x或y，及z或
Figure 389007DEST_PATH_IMAGE131
方向对误差动力学模型进行说明：
1、x或y方向
由于x和y方向对应的全驱动子系统模型具有完全一致的结构，因此，仅以x方向对误差动力学模型进行说明。具体地，x方向的误差动力学模型采用如下公式（16）表示：
Figure 374236DEST_PATH_IMAGE153
其中，
Figure 247514DEST_PATH_IMAGE154
和
Figure 158838DEST_PATH_IMAGE118
为大于零的待设计观测器参数，
Figure 408554DEST_PATH_IMAGE098
和
Figure 862669DEST_PATH_IMAGE155
为正奇数且取值满足
Figure 516635DEST_PATH_IMAGE156
，
Figure 790622DEST_PATH_IMAGE157
表示对
Figure 437504DEST_PATH_IMAGE158
上界的估计。
需要说明的是，将上述公式（16）中的x替换为y，即可以实现在y方向上的误差动力学模型的设计。
2、z或
Figure 746125DEST_PATH_IMAGE159
方向
由于z或
Figure 335107DEST_PATH_IMAGE051
方向对应的全驱动子系统模型具有完全一致的结构，因此，仅以z方向 对误差动力学模型进行说明。具体地，z方向的误差动力学模型采用如下公式（17）表示：
Figure 361969DEST_PATH_IMAGE160
需要说明的是，将上述公式（17）中的z替换为
Figure 546963DEST_PATH_IMAGE131
，即可以实现在
Figure 975670DEST_PATH_IMAGE146
方向上的误差 动力学模型的设计。
步骤3）根据各所述全驱动子系统模型对应的误差动力学模型，确定各所述全驱动子系统模型对应的分布式编队控制器。
具体地，可以根据各全驱动子系统模型对应的误差动力学模型，确定各全驱动子系统模型对应的分布式编队控制器。
本发明提供的多无人机分布式编队控制方法，通过基于各全驱动子系统模型对应的估计值和期望队形向量，确定各全驱动子系统模型对应的编队控制误差；基于各全驱动子系统模型对应的编队控制误差和分布式状态观测器，确定各全驱动子系统模型对应的误差动力学模型；根据各全驱动子系统模型对应的误差动力学模型，确定各全驱动子系统模型对应的分布式编队控制器，通过编队控制误差和分布式状态观测器的设计，可以确定误差动力学模型，使得跟随者无人机与领导者无人机之间的队形在误差范围之内，从而使得跟随者无人机能够在目标时间段内以较快的速度与领导者无人机之间编成期望的队形，进而使得分布式编队控制器的设计比较简单且容易实现。
可选地，上述步骤3）的具体实现方式包括以下步骤：
步骤3-1）构造滑模面，所述滑模面用于使误差动力学模型稳定。
具体地，为使误差动力学模型稳定，可以构造滑模面。具体地，分别从x或y，及z或
Figure 971439DEST_PATH_IMAGE161
方向对滑模面进行说明：
1、x或y方向
由于x和y方向对应的全驱动子系统模型具有完全一致的结构，因此，仅以x方向对滑模面进行说明。具体地，x方向的滑模面可以采用如下公式（18）表示：
Figure 485597DEST_PATH_IMAGE162
其中，
Figure 349648DEST_PATH_IMAGE163
，使得
Figure 23075DEST_PATH_IMAGE164
和
Figure 314379DEST_PATH_IMAGE165
为（赫维茨）Hurwitz多项式的参数，
Figure 424155DEST_PATH_IMAGE166
和
Figure 91897DEST_PATH_IMAGE167
满足
Figure 495196DEST_PATH_IMAGE168
和
Figure 82035DEST_PATH_IMAGE169
且
Figure 305206DEST_PATH_IMAGE170
，t表示时间，
Figure 652005DEST_PATH_IMAGE171
表示变 量。
需要说明的是，将上述公式（18）中的x替换为y，即可以实现在y方向上的滑膜面的设计。
2、z或
Figure 644232DEST_PATH_IMAGE131
方向
由于z或
Figure 667551DEST_PATH_IMAGE130
方向对应的全驱动子系统模型具有完全一致的结构，因此，仅以z方向 对滑模面进行说明。具体地，z方向的滑模面采用如下公式（19）表示：
Figure 378018DEST_PATH_IMAGE172
其中，
Figure 653142DEST_PATH_IMAGE173
，使得
Figure 608197DEST_PATH_IMAGE174
和
Figure 802418DEST_PATH_IMAGE175
为（赫维茨）Hurwitz多项式的参数，
Figure 181DEST_PATH_IMAGE176
和
Figure 813417DEST_PATH_IMAGE177
满足
Figure 655602DEST_PATH_IMAGE178
和
Figure 896090DEST_PATH_IMAGE179
且
Figure 440204DEST_PATH_IMAGE180
，t表示时间，
Figure 791551DEST_PATH_IMAGE181
表示变 量。
需要说明的是，将上述公式（19）中的z替换为
Figure 986778DEST_PATH_IMAGE182
，即可以实现在
Figure 663747DEST_PATH_IMAGE051
方向上的滑膜 面的设计。
步骤3-2）根据各所述全驱动子系统模型对应的所述误差动力学模型和所述滑模面，确定各所述全驱动子系统模型对应的分布式编队控制器。
具体地，根据全驱动子系统模型对应的误差动力学模型和滑模面，可以确定各全 驱动子系统模型对应的分布式编队控制器，分别从x或y，及z或
Figure 570523DEST_PATH_IMAGE014
方向对分布式编队控制 器进行说明：
1、x或y方向
由于x和y方向对应的全驱动子系统模型具有完全一致的结构，因此，仅以x方向对分布式编队控制器进行说明。具体地，x方向的分布式编队控制器可以采用如下公式（20）表示：
Figure 850195DEST_PATH_IMAGE183
其中，
Figure 526027DEST_PATH_IMAGE184
表示分布式编队控制器，
Figure 983684DEST_PATH_IMAGE185
，
Figure 643335DEST_PATH_IMAGE186
和
Figure 461119DEST_PATH_IMAGE187
满足
Figure 257036DEST_PATH_IMAGE188
和
Figure 118551DEST_PATH_IMAGE189
且
Figure 999919DEST_PATH_IMAGE190
，
Figure 762339DEST_PATH_IMAGE191
表示编队控制误差，
Figure 537397DEST_PATH_IMAGE192
，
Figure 727070DEST_PATH_IMAGE193
表示
Figure 705521DEST_PATH_IMAGE194
上界的估计，
Figure 740473DEST_PATH_IMAGE195
，
Figure 635617DEST_PATH_IMAGE196
，
Figure 730612DEST_PATH_IMAGE197
，
Figure 586572DEST_PATH_IMAGE198
表示无人机相对于惯性坐标系的俯仰角，
Figure 799117DEST_PATH_IMAGE199
和
Figure 424133DEST_PATH_IMAGE200
为大于零的待设计参数，
Figure 814663DEST_PATH_IMAGE201
和
Figure 892341DEST_PATH_IMAGE202
为正奇数且取值满足
Figure 410041DEST_PATH_IMAGE203
，
Figure 889564DEST_PATH_IMAGE204
表示滑模 面。
具体地，
Figure 591941DEST_PATH_IMAGE205
可以由自适应控制率得到，自适应控制率可以采用如下公式（21）表 示：
Figure 281548DEST_PATH_IMAGE206
其中，
Figure 461993DEST_PATH_IMAGE207
和
Figure 169924DEST_PATH_IMAGE208
为参数，且
Figure 777623DEST_PATH_IMAGE209
的初值需满足
Figure 220106DEST_PATH_IMAGE210
，
Figure 204242DEST_PATH_IMAGE211
表示滑模面。
需要说明的是，对于本发明提供的有限时间分布式编队控制器，可采用李雅普诺 夫稳定性理论对其稳定性和收敛性进行分析。若参数
Figure 268144DEST_PATH_IMAGE212
和
Figure 46744DEST_PATH_IMAGE213
满足如下公式（22）和公式 （23），其中：
Figure 710944DEST_PATH_IMAGE214
其中，
Figure 498771DEST_PATH_IMAGE215
和
Figure 807393DEST_PATH_IMAGE216
表示任意选取的大于零的参数。
则编队控制误差
Figure 408094DEST_PATH_IMAGE217
在有限时间Tc内收 敛，收敛条件为
Figure 434956DEST_PATH_IMAGE218
,其中，Tc可以采用如下公式（24）表示：
Figure 619949DEST_PATH_IMAGE219
其中，
Figure 783077DEST_PATH_IMAGE220
为
Figure 44426DEST_PATH_IMAGE221
的上界。
从而可以得到如下公式（25）：
Figure 558584DEST_PATH_IMAGE222
其中，
Figure 422634DEST_PATH_IMAGE223
。
上述公式（25）表明实现了多无人机在x方向上有限时间分布式编队控制。
需要说明的是，将上述公式（25）中的x替换为y，即可以得到y方向上有限时间分布式编队控制器。
2、z或
Figure 830482DEST_PATH_IMAGE159
方向
由于z或
Figure 121786DEST_PATH_IMAGE051
方向对应的全驱动子系统模型具有完全一致的结构，因此，仅以z方向 对分布式编队控制器进行说明。具体地，z方向的分布式编队控制器采用如下公式（26）表 示：
Figure 231562DEST_PATH_IMAGE224
需要说明的是，将上述公式（26）中的z替换为
Figure 164883DEST_PATH_IMAGE225
，即可以得到
Figure 427237DEST_PATH_IMAGE014
方向上有限时间 分布式编队控制器。
本发明提供的多无人机分布式编队控制方法，通过构造滑模面，滑模面用于使误差动力学模型稳定；根据各全驱动子系统模型对应的误差动力学模型和滑模面，确定各全驱动子系统模型对应的分布式编队控制器，实现了分布式编队控制器的设计，使得分布式编队控制器的设计比较简单且容易实现，同时，分布式编队控制器可以使得多无人机在有限时间内达成期望的编队构型，从而使得多无人机编队具备遂行有严格时序约束的多阶段任务的能力。
需要说明的是，本发明提供的多无人机分布式编队控制方法适用于包括但不局限于以下应用场景，其中：
1）协同搬运。随着电子商务的井喷式发展，快递物流网络的配送能力逐渐出现瓶颈，特别是在末端配送环节。为了提高末端配送的效率，同时，降低人力成本，基于无人机的末端快递配送是物流配送的趋势之一。然而，客户需要快递送货上门的一大品类是体积较大的包裹，单一无人机由于尺寸和承载能力的限制，无法满足客户对较大体积的包裹送货上门的服务需求。因此，可以采用本发明提供的方法，根据大件包裹的尺寸和重量，合理规划多无人机的数量和队形，从而以多无人机协同编队的形式完成较大体积的包裹的末端配送。
2）协同搜索。在武装冲突中，情报、监视、侦察（ISR）是拨开战争迷雾，获取敌方态势，并为我方遂行作战计划提供有力支撑的重要手段，而对作战任务区域的搜索则是实现ISR的前提。采用本发明提供的方法，可以形成多无人机的编队，实现对任务区域的搜索，可以通过搭载多个传感器增大瞬态搜索面积，从而提高搜索效率，降低无人机在敌方作战半径内的停留时间，进而提高任务成功率。因此，基于多无人机编队的协同搜索，已成为军事冲突中获取敌方情报的重要手段。
下面对本发明提供的多无人机分布式编队控制装置进行描述，下文描述的多无人机分布式编队控制装置与上文描述的多无人机分布式编队控制方法可相互对应参照。
图5是本发明提供的多无人机分布式编队控制装置的结构示意图，如图5所示，该多无人机分布式编队控制装置500包括：建立模块501、转化模块502、获取模块503、确定模块504和控制模块505；其中，
建立模块501，用于建立无人机的动力学模型；
转化模块502，用于对所述动力学模型进行转化，得到针对所述无人机的多个全驱动子系统模型；
获取模块503，用于获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量；
确定模块504，用于根据所述期望队形向量确定各所述全驱动子系统模型对应的分布式编队控制器；
控制模块505，用于根据各所述分布式编队控制器，对所述多无人机进行分布式编队控制。
本发明提供的多无人机分布式编队控制装置，通过建立无人机的动力学模型，再对该动力学模型进行转化，得到针对无人机的多个全驱动子系统模型；获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量，根据期望队形向量确定各全驱动子系统模型对应的分布式编队控制器；根据确定的各分布式编队控制器，对多无人机进行分布式编队控制，实现了分布式编队控制器的设计，可以控制多无人机在有限时间内达成期望队形，为遂行协同任务提供支撑，使得分布式编队控制器的设计比较简单且容易实现。
可选地，所述确定模块504，具体用于：
构造各所述全驱动子系统模型对应的分布式状态观测器，所述分布式状态观测器用于使多无人机中的跟随者无人机对领导者无人机在目标时间段内的状态进行估计；
基于各所述全驱动子系统模型对应的估计值和所述期望队形向量，确定各所述全驱动子系统模型对应的分布式编队控制器。
可选地，所述确定模块504，具体用于：
基于各所述全驱动子系统模型对应的估计值和所述期望队形向量，确定各所述全驱动子系统模型对应的编队控制误差；
基于各所述全驱动子系统模型对应的所述编队控制误差和所述分布式状态观测器，确定各所述全驱动子系统模型对应的误差动力学模型；
根据各所述全驱动子系统模型对应的误差动力学模型，确定各所述全驱动子系统模型对应的分布式编队控制器。
可选地，所述确定模块504，具体用于：
构造滑模面，所述滑模面用于使误差动力学模型稳定；
根据各所述全驱动子系统模型对应的所述误差动力学模型和所述滑模面，确定各所述全驱动子系统模型对应的分布式编队控制器。
可选地，所述确定模块504，还用于：
基于构建的拓扑图，构造各所述全驱动子系统模型对应的分布式状态观测器，所述拓扑图用于描述所述多无人机之间的通信拓扑关系。
可选地，所述转化模块502，具体用于：
基于微分平坦理论，对所述动力学模型进行转化，得到针对所述无人机的全驱动系统模型；
根据所述全驱动系统模型，确定所述无人机在不同状态下对应的多个全驱动子系统模型。
可选地，所述转化模块502，具体用于：
基于微分平坦理论，对所述动力学模型进行转化，采用公式（1），得到针对所述无人机的全驱动系统模型；
Figure 889443DEST_PATH_IMAGE226
其中，x、y和z分别表示无人机在惯性坐标系中的三维位置，
Figure 987980DEST_PATH_IMAGE227
，
Figure 459412DEST_PATH_IMAGE228
，
Figure 451639DEST_PATH_IMAGE229
，
Figure 474959DEST_PATH_IMAGE230
，
Figure 185426DEST_PATH_IMAGE231
，
Figure 303292DEST_PATH_IMAGE232
，
Figure 681184DEST_PATH_IMAGE233
，
Figure 609826DEST_PATH_IMAGE234
，
Figure 807589DEST_PATH_IMAGE198
表示无人 机相对于惯性坐标系的俯仰角，
Figure 230611DEST_PATH_IMAGE011
表示无人机相对于惯性坐标系的滚转角，
Figure 197430DEST_PATH_IMAGE235
表示合力加 速度，
Figure 703498DEST_PATH_IMAGE013
表示偏航角加速度，
Figure 247612DEST_PATH_IMAGE051
表示无人机相对于惯性坐标系的偏航角，g表示当地的重 力加速度。
图6是本发明提供的一种电子设备的实体结构示意图，如图6所示，该电子设备600可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行多无人机分布式编队控制方法，该方法包括：建立无人机的动力学模型；对所述动力学模型进行转化，得到针对所述无人机的多个全驱动子系统模型；获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量；根据所述期望队形向量确定各所述全驱动子系统模型对应的分布式编队控制器；根据各所述分布式编队控制器，对所述多无人机进行分布式编队控制。
此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的多无人机分布式编队控制方法，该方法包括：建立无人机的动力学模型；对所述动力学模型进行转化，得到针对所述无人机的多个全驱动子系统模型；获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量；根据所述期望队形向量确定各所述全驱动子系统模型对应的分布式编队控制器；根据各所述分布式编队控制器，对所述多无人机进行分布式编队控制。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种多无人机分布式编队控制方法，其特征在于，包括：
建立无人机的动力学模型；
对所述动力学模型进行转化，得到针对所述无人机的多个全驱动子系统模型；
获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量；
根据所述期望队形向量确定各所述全驱动子系统模型对应的分布式编队控制器；
根据各所述分布式编队控制器，对所述多无人机进行分布式编队控制；
所述对所述动力学模型进行转化，得到针对所述无人机的多个全驱动子系统模型，包括：
基于微分平坦理论，对所述动力学模型进行转化，得到针对所述无人机的全驱动系统模型；
根据所述全驱动系统模型，确定所述无人机在不同状态下对应的多个全驱动子系统模型；
所述基于微分平坦理论，对所述动力学模型进行转化，得到针对所述无人机的全驱动系统模型，包括：
基于微分平坦理论，对所述动力学模型进行转化，采用公式（1），得到针对所述无人机的全驱动系统模型；
Figure 818938DEST_PATH_IMAGE001
其中，x、y和z分别表示无人机在惯性坐标系中的三维位置，
Figure 604492DEST_PATH_IMAGE002
，
Figure 529722DEST_PATH_IMAGE003
，
Figure 691713DEST_PATH_IMAGE004
，
Figure 753210DEST_PATH_IMAGE005
，
Figure 975244DEST_PATH_IMAGE006
，
Figure 387771DEST_PATH_IMAGE007
，
Figure 851988DEST_PATH_IMAGE008
，
Figure 33571DEST_PATH_IMAGE009
，
Figure 160927DEST_PATH_IMAGE010
表示无人机相对 于惯性坐标系的俯仰角，
Figure 60750DEST_PATH_IMAGE011
表示无人机相对于惯性坐标系的滚转角，
Figure 564543DEST_PATH_IMAGE012
表示合力加速度，
Figure 866212DEST_PATH_IMAGE013
表示偏航角加速度，
Figure 164469DEST_PATH_IMAGE014
表示无人机相对于惯性坐标系的偏航角，g表示当地的重力加速 度。
2.根据权利要求1所述的多无人机分布式编队控制方法，其特征在于，所述根据所述期望队形向量确定各所述全驱动子系统模型对应的分布式编队控制器，包括：
构造各所述全驱动子系统模型对应的分布式状态观测器，所述分布式状态观测器用于使多无人机中的跟随者无人机对领导者无人机在目标时间段内的状态进行估计；
基于各所述全驱动子系统模型对应的估计值和所述期望队形向量，确定各所述全驱动子系统模型对应的分布式编队控制器。
3.根据权利要求2所述的多无人机分布式编队控制方法，其特征在于，所述基于各所述全驱动子系统模型对应的估计值和所述期望队形向量，确定各所述全驱动子系统模型对应的分布式编队控制器，包括：
基于各所述全驱动子系统模型对应的估计值和所述期望队形向量，确定各所述全驱动子系统模型对应的编队控制误差；
基于各所述全驱动子系统模型对应的所述编队控制误差和所述分布式状态观测器，确定各所述全驱动子系统模型对应的误差动力学模型；
根据各所述全驱动子系统模型对应的误差动力学模型，确定各所述全驱动子系统模型对应的分布式编队控制器。
4.根据权利要求3所述的多无人机分布式编队控制方法，其特征在于，所述根据各所述全驱动子系统模型对应的误差动力学模型，确定各所述全驱动子系统模型对应的分布式编队控制器，包括：
构造滑模面，所述滑模面用于使误差动力学模型稳定；
根据各所述全驱动子系统模型对应的所述误差动力学模型和所述滑模面，确定各所述全驱动子系统模型对应的分布式编队控制器。
5.根据权利要求2-4任一项所述的多无人机分布式编队控制方法，其特征在于，所述构造各所述全驱动子系统模型对应的分布式状态观测器，包括：
基于构建的拓扑图，构造各所述全驱动子系统模型对应的分布式状态观测器，所述拓扑图用于描述所述多无人机之间的通信拓扑关系。
6.一种多无人机分布式编队控制装置，其特征在于，包括：
建立模块，用于建立无人机的动力学模型；
转化模块，用于对所述动力学模型进行转化，得到针对所述无人机的多个全驱动子系统模型；
获取模块，用于获取多无人机中的领导者无人机在目标时间段内指向跟随者无人机的期望队形向量；
确定模块，用于根据所述期望队形向量确定各所述全驱动子系统模型对应的分布式编队控制器；
控制模块，用于根据各所述分布式编队控制器，对所述多无人机进行分布式编队控制；
所述转化模块，具体用于：
基于微分平坦理论，对所述动力学模型进行转化，得到针对所述无人机的全驱动系统模型；
根据所述全驱动系统模型，确定所述无人机在不同状态下对应的多个全驱动子系统模型；
所述转化模块，具体用于：
基于微分平坦理论，对所述动力学模型进行转化，采用公式（1），得到针对所述无人机的全驱动系统模型；
Figure 551588DEST_PATH_IMAGE001
其中，x、y和z分别表示无人机在惯性坐标系中的三维位置，
Figure 357608DEST_PATH_IMAGE002
，
Figure 248203DEST_PATH_IMAGE003
，
Figure 982941DEST_PATH_IMAGE004
，
Figure 591777DEST_PATH_IMAGE005
，
Figure 702952DEST_PATH_IMAGE006
，
Figure 713634DEST_PATH_IMAGE007
，
Figure 681590DEST_PATH_IMAGE008
，
Figure 715405DEST_PATH_IMAGE009
，
Figure 427009DEST_PATH_IMAGE010
表示无人机相对 于惯性坐标系的俯仰角，
Figure 728415DEST_PATH_IMAGE011
表示无人机相对于惯性坐标系的滚转角，
Figure 867272DEST_PATH_IMAGE012
表示合力加速度，
Figure 388383DEST_PATH_IMAGE013
表示偏航角加速度，
Figure 638099DEST_PATH_IMAGE014
表示无人机相对于惯性坐标系的偏航角，g表示当地的重力加速 度。
7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述多无人机分布式编队控制方法。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述多无人机分布式编队控制方法。
CN202210941902.XA 2022-08-08 2022-08-08 多无人机分布式编队控制方法、装置及电子设备 Active CN114995521B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210941902.XA CN114995521B (zh) 2022-08-08 2022-08-08 多无人机分布式编队控制方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210941902.XA CN114995521B (zh) 2022-08-08 2022-08-08 多无人机分布式编队控制方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN114995521A CN114995521A (zh) 2022-09-02
CN114995521B true CN114995521B (zh) 2022-10-28

Family

ID=83023286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210941902.XA Active CN114995521B (zh) 2022-08-08 2022-08-08 多无人机分布式编队控制方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN114995521B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116860002B (zh) * 2023-08-01 2023-12-22 北京航空航天大学 基于流网络模型的无人机集群任务资源调度方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107943071B (zh) * 2017-11-03 2020-02-07 中国科学院自动化研究所 无人车的编队保持控制方法及系统
CN111694365B (zh) * 2020-07-01 2021-04-20 武汉理工大学 一种基于深度强化学习的无人船艇编队路径跟踪方法
CN112099517B (zh) * 2020-09-11 2022-09-27 南京工程学院 基于力觉和视觉反馈的协作吊运系统双边遥操作控制方法
CN112241125B (zh) * 2020-10-29 2021-08-13 北京理工大学 一种基于微分平坦特性的无人机轨迹跟踪方法

Also Published As

Publication number Publication date
CN114995521A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
Du et al. Finite-time formation control for a group of quadrotor aircraft
Wang et al. Distributed cooperative control for multiple quadrotor systems via dynamic surface control
Ghommam et al. Three-dimensional distributed tracking control for multiple quadrotor helicopters
CN109582036B (zh) 四旋翼无人机一致性编队控制方法
CN110703795B (zh) 一种基于切换拓扑的无人机群协同安全控制方法
Yang et al. Distributed optimal consensus with obstacle avoidance algorithm of mixed-order UAVs–USVs–UUVs systems
CN110658821A (zh) 一种多机器人抗干扰分组时变编队控制方法及系统
Rekabi et al. Distributed nonlinear H∞ control algorithm for multi-agent quadrotor formation flying
Ortega et al. Implementation of leader-follower linear consensus algorithm for coordination of multiple aircrafts
CN114995521B (zh) 多无人机分布式编队控制方法、装置及电子设备
CN112947086B (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
Dou et al. Distributed finite‐time formation control for multiple quadrotors via local communications
Yang et al. Cooperative group formation control for multiple quadrotors system with finite-and fixed-time convergence
CN114610072A (zh) 一种无人机集群系统分布式时变编队跟踪控制方法及系统
CN115639830A (zh) 一种空地智能体协同编队控制系统及其编队控制方法
Koung et al. Consensus-based formation control and obstacle avoidance for nonholonomic multi-robot system
Xu et al. Distributed fixed-time time-varying formation-containment control for networked underactuated quadrotor UAVs with unknown disturbances
Saied et al. Unmanned aerial vehicles fleet control via artificial bee colony algorithm
Su et al. A robust adaptive formation control methodology for networked multi-UAV systems with applications to cooperative payload transportation
Sun et al. Nonlinear MPC for full-pose manipulation of a cable-suspended load using multiple UAVs
Ping et al. Collaborative Control Based on Payload-leading for the Multi-quadrotor Transportation Systems
Chai et al. Energy-based nonlinear adaptive control for collaborative transportation systems
Ghommam et al. Distance‐Based Formation Control for Quadrotors with Collision Avoidance via Lyapunov Barrier Functions
CN116610106B (zh) 一种多无人机容错跟踪控制方法
Guo et al. Collision-free formation tracking control for multiple quadrotors under switching directed topologies: Theory and experiment

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