CN115639841B - 一种基于鲁棒牵制的无人机集群编队控制系统及控制方法 - Google Patents

Abstract

本发明涉及一种基于鲁棒牵制的无人机集群编队控制系统及控制方法，属于无人机集群控制的技术领域。本发明结合图论方法建立无人机编队运动模型和编队系统的有向通讯拓扑结构，得到编队交互信息；然后根据无人机运动模型，构建牵制控制律和姿态反馈控制律，实现期望的编队飞行和姿态稳定；设计干扰估计律，抑制外界干扰影响；最后，将牵制控制律、姿态控制律与干扰估计律相结合，组成复合控制律，进而实现对无人飞行器编队控制。本发明可以实现多架无人机在外界扰动情况下的期望编队飞行，可以显著提高无人机编队飞行的可靠性。相比较现有控制技术方法，该方法更加符合实际的应用。

Description

一种基于鲁棒牵制的无人机集群编队控制系统及控制方法

技术领域

本发明属于无人机集群控制的技术领域，尤其涉及一种基于鲁棒牵制的无人机集群编队控制系统及控制方法。

背景技术

多智能体系统的编队控制越来越受到多个科学领域的关注，如移动机器人编队系统、无人机和卫星编队系统。在编队协同执行任务的一组多智能体可以完成复杂的任务，这是单个智能体无法完成的。特别是在信息化装备迅速发展的今天，无人机集群的编队技术在民用和军用领域受到广泛关注。

对于无人机集群的编队控制问题，主要任务是设计合适的控器实现期望编队飞行目标。目前，一些专利文献已提出了无人机集群的编队控制方法，如：中国专利CN110286691B公开了一种基于线性微分包含的多无人机编队控制方法。中国专利CN109947134B公开了一种基于多无人机分布式控制的四旋翼无人机编队容错方法，然而上述两个专利中，控制系统在实际任务时无法解决外部环境扰动和模型不匹配问题。中国专利CN114489142B公开了一种基于自适应滑模的无人机编队控制方法，然而，滑模控制器在实际任务中会发生抖振问题，严重影响控制性能。此外，随着无人机数量的增多，上述控制方法运算量迅速增大，无人机编队的整体规模受到限制。

发明内容

鉴于上述问题，本发明公开了一种基于鲁棒牵制的无人机集群编队控制系统及控制方法，用以解决现有技术中的无人机集群控制受到规模限制、环境干扰和控制指令生成速度慢的问题。

一方面，本发明提供的一种基于鲁棒牵制的无人机集群编队控制方法，包括以下步骤：

步骤一、结合图论方法建立无人机集群的有向通讯拓扑结构并确定编队中心：

无人机集群的有向通讯拓扑结构为：

G =（V,E）；

其中，V为无人机节点的集合，V={d ₁,d ₂,…,d _n }，n为无人机节点的总数；无人机节点d _i 与无人机节点d _j 之间有信息交换，二者互为邻居节点，i∈n, j∈n,i≠j，每对邻居节点之间的边为(i,j)和(j,i)；E为无人机节点中邻居节点之间边的集合，E={(i,j)，(j,i)}，W=[w _ij ]表示邻居权重矩阵，w _ij 表示无人机节点d _i 与无人机节点d _i 的第j架邻居无人机通信的权重系数；无人机节点d _i 的邻居无人机节点d _j 集合为N _i ，N _i ={d _j | j=1,2,…,s, (i,j)∈E }，s为无人机节点d _i 的邻居无人机节点d _j 总数；

惯性坐标系中，编队中心的位置坐标为p ₀=[x ₀,y ₀,z ₀]；

无人机节点d _i 的位置坐标为p _i =[x _i ,y _i ,z _i ]；

无人机节点d _i 的邻居无人机节点d _j 的位置坐标为p _j =[x _j ,y _j ,z _j ]；

步骤二、建立无人机集群编队的运动模型：

其中，m _i 表示无人机节点d _i 的质量；v _i 表示无人机节点d _i 在飞行过程中的速度向量，

表示无人机节点d _i 在飞行过程中的加速度向量；u _i ^p 表示无人机节点d _i 的复合控制力输入；R _i 表示惯性坐标系与无人机节点d _i 的本体坐标系之间的转换矩阵；g表示引力常量；c ₃ 表示3维列向量；FQ _i 表示无人机节点d _i 机身产生的气动力；FD _i 表示无人机节点d _i 受到的外界环境干扰力和气动力参数不确定性；J _i 表示无人机节点d _i 的转动惯量；ω _i 表示无人机节点d _i 绕自身本体坐标系旋转的角速度，

表示无人机节点d _i 绕自身本体坐标系旋转的角加速度，

表示将ω _i 做反对称矩阵运算；u _i ^a 表示无人机节点d _i 的复合控制力矩输入；MW _i 为无人机节点d _i 受到的气动力矩；MD _i 为无人机节点d _i 受到的外界干扰力矩和力矩参数不确定性；

步骤三、根据步骤二中的运动模型，建立无人机节点的牵制控制律和姿态反馈控制律；

步骤四、根据步骤二中的运动模型，建立无人机节点的位置干扰估计律和姿态干扰估计律；

步骤五、将步骤三和步骤四的牵制控制律和姿态反馈控制律分别与位置干扰估计律和姿态干扰估计律相结合，组成复合控制律。

可选地，步骤三、根据步骤二中的运动模型，建立无人机节点的牵制控制律和姿态反馈控制律为：

其中，UL _i 表示无人机节点d _i 受到编队中心影响需产生的牵制控制输入；PQ _i 表示无人机节点d _i 和编队中心之间的牵制系数；KP _i 和KD _i 表示无人机节点d _i 的牵制控制增益矩阵；

表示编队中心在惯性坐标系中的速度；

表示无人机节点d _i 的邻居无人机节点d _j 在飞行过程中的速度向量；D _i 表示无人机节点d _i 与编队中心的位置偏差；

表示无人机节点d _i 与编队中心的速度偏差；UP _i 表示无人机节点d _i 受到其它跟随者无人机节点影响需产生的牵制控制输入；PP _i 表示无人机d _i 跟其他所有跟随者无人机节点之间的牵制系数；D _ij 表示无人机节点d _i 与无人机节点d _j 的位置偏差，

表示无人机节点d _i 与无人机节点d _j 的速度偏差；UQ _i 表示无人机节点d _i 的牵制控制输入；UA _i 表示无人机节点d _i 的姿态反馈控制输入；KA _i 和KT _i 表示无人机d _i 的姿态反馈控制增益矩阵；MW _i 为无人机节点d _i 受到的气动力矩；EQ _i 表示无人机节点d _i 姿态误差信息；EV _i 表示无人机节点d _i 的角速度误差信息；ω _i ^r 表示无人机节点d _i 期望的旋转角速度。

可选地，步骤四、根据步骤二中的运动模型，建立无人机节点的位置干扰估计律和姿态干扰估计律为：

其中，L _i 表示无人机节点d _i 在位置通道上的干扰估计值；

表示无人机节点d _i 的位置通道上干扰估计的微分；M _i 表示无人机节点d _i 的姿态通道上的干扰估计值；

表示无人机节点d _i 的姿态通道上干扰估计的微分；f _1i 表示无人机节点d _i 位置通道上的干扰抑制参数，f _2i 表示无人机节点d _i 姿态通道上的干扰抑制参数；UR _i 表示无人机节点d _i 位置干扰估计输入；UT _i 表示无人机节点d _i 姿态干扰估计输入；FQ _i 表示无人机节点d _i 机身产生的气动力；EV _i 表示无人机节点d _i 的角速度误差信息。

另一方面，本发明提供的一种基于鲁棒牵制的无人机集群编队控制系统，采用前述无人机集群编队控制方法，包括牵制控制模块、姿态反馈控制模块、位置干扰估计模块、位置干扰估计模块和姿态干扰估计模块；

牵制控制模块，用于控制无人机编队协同飞行；

姿态反馈控制模块，用于实现无人机姿态稳定；

位置干扰估计模块，用于抑制无人机位置通道上的外界干扰影响；

姿态干扰估计模块，用于抑制无人机姿态通道上的外界干扰影响。

与现有技术相比，本发明至少可实现如下有益效果：

（1）本发明的方法结合图论方法建立无人机编队运动模型和编队系统的有向通讯拓扑结构，构建牵制控制律，实现期望的编队飞行和姿态稳定，解决了传统控制方法受到的规模限制和编队控制效率低的问题。

（2）本发明的干扰估计模块，能够抑制外界环境干扰影响，实现期望的编队任务。

（3）本发明的方法能够有效抑制无人机编队协同系统受到的外部干扰和模型不匹配问题，具有较好的鲁棒性，可以实现期望的编队协同性能。

（4）本发明的方法复杂度低，易于实现。

附图说明

图1是现有技术中无人机集群编队系统示意图；

图2是无人机在惯性坐标系和本体坐标系下示意图；

图3是本发明无人机集群编队控制系统的结构图；

图4是本发明的实施例中10架无人机集群编队通讯拓扑结构图；

图5是本发明的实施例中10架无人机飞行时的三维飞行轨迹；

图6a是本发明的实施例中10架无人机起飞时刻的队形；

图6b是本发明的实施例中10架无人机结束时刻的队形；

图7a是本发明的实施例中10架无人机飞行时X轴向的位置误差；

图7b是本发明的实施例中10架无人机飞行时Y轴向的位置误差；

图7c是本发明的实施例中10架无人机飞行时Z轴向的位置误差。

具体实施方式

下面结合附图和具体实施例，对本发明进行详细描述。

在本发明中，为了实现对无人机节点的状态表征，使用惯性坐标系E _地-OXYZ和无人机节点的本体坐标系E _体-O _b X _b Y _b Z _b ；

其中，惯性坐标系E _地-OXYZ为与地球表面固连的坐标系，坐标系原点O选取在地平面一点上，OX轴为指向目标的方向，OY轴垂直于OX轴，OZ轴与其它两轴垂直并构成右手直角坐标系；无人机节点的本体坐标系E _体-O _b X _b Y _b Z _b 为与无人机节点本体固连，本体坐标系原点O _b 在无人机节点的质心处（质心）；O _b X _b 轴在无人机节点对称平面内并平行于无人机节点的轴线指向前方；O _b Y _b 轴垂直于O _b X _b 轴；O _b Z _b 轴在无人机节点对称平面内，与O _b X _b 轴和O _b X _b 轴垂直并构成右手直角坐标系。

本发明的另一个实施例，如图1-图3，公开了一种基于鲁棒牵制的无人机编队控制方法，包括以下步骤：

步骤一、结合图论方法建立无人机集群的有向通讯拓扑结构并确定编队中心：

无人机集群的有向通讯拓扑结构为：

G =（V,E）；

其中，V为无人机节点的集合，V={d ₁,d ₂,…,d _n }，n为无人机节点的总数；无人机节点d _i 与无人机节点d _j 之间有信息交换，二者互为邻居节点，i∈n, j∈n,i≠j，每对邻居节点之间的边为(i,j)和(j,i)；E为无人机节点中邻居节点之间边的集合，E={(i,j)，(j,i)}，W=[w _ij ]表示邻居权重矩阵；w _ij 表示无人机节点di与无人机节点di的第j架邻居无人机通信的权重系数；无人机节点d _i 的邻居无人机节点d _j 集合为N _i ，N _i ={d _j | j=1,2,…,s, (i,j)∈E }，s为无人机节点d _i 的邻居无人机节点d _j 总数。

如图2所示，无人机节点d _i 在惯性坐标系E _地-OXYZ中所在的位置，定义如下：

p _i 表示无人机节点d _i 在地面坐标系E _地-OXYZ中的坐标向量，p _i =[x _i ,y _i ,z _i ]。

x _i 表示无人机节点d _i 在地面坐标系E _地-OXYZ中X方向上的坐标。

y _i 表示无人机节点d _i 在地面坐标系E _地-OXYZ中Y方向上的坐标。

z _i 表示无人机节点d _i 在地面坐标系E _地-OXYZ中Z方向上的坐标。

由此，无人机节点d _i 的邻居无人机节点d _j 在惯性坐标系E _地-OXYZ中所在的位置，定义如下：

p _j 表示邻居无人机节点d _j 在地面坐标系E _地-OXYZ中的坐标向量，p _j =[x _j ,y _j ,z _j ]。

x _j 表示邻居无人机节点d _j 在地面坐标系E _地-OXYZ中X方向上的坐标。

y _j 表示邻居无人机节点d _j 在地面坐标系E _地-OXYZ中Y方向上的坐标。

z _j 表示邻居无人机节点d _j 在地面坐标系E _地-OXYZ中Z方向上的坐标。

如果无人机集群的有向通讯拓扑结构中存在一个无人机节点使得该无人机节点到其他所有的无人机节点都有路径，则有向图通讯拓扑结构G包含一个生成树，该无人机节点叫做树的根节点。

在本实施例中，无人机集群的根节点为无人机集群的编队中心，即：无人机集群的中心节点；该编队中心在惯性坐标系中的位置为p ₀=[x ₀,y ₀,z ₀]。

将无人机集群中的其它无人机节点为牵制无人机节点或跟随者无人机节点，其中，牵制无人机节点能够直接从编队中心获取信息，跟随者无人机节点只能获取牵制无人机节点的信息以及其它跟随者无人机节点信息。

步骤二、建立无人机集群编队的运动模型：

其中，m _i 表示无人机节点d _i 的质量；v _i 表示无人机节点d _i 在飞行过程中的速度向量，

表示无人机节点d _i 在飞行过程中的加速度向量；u _i ^p 表示无人机节点d _i 的复合控制力输入；R _i 表示惯性坐标系与无人机节点d _i 的本体坐标系之间的转换矩阵；g表示引力常量；c ₃ 表示3维列向量，c ₃ =[0 0 1] ^T ；FQ _i 表示无人机节点d _i 机身产生的气动力；FD _i 表示无人机节点d _i 受到的外界环境干扰力和气动力参数不确定性；J _i 表示无人机节点d _i 的转动惯量；ω _i 表示无人机节点d _i 绕自身本体坐标系旋转的角速度，

表示无人机节点d _i 绕自身本体坐标系旋转的角加速度，

表示将ω _i 做反对称矩阵运算；u _i ^a 表示无人机节点d _i 的复合控制力矩输入；MW _i 为无人机节点d _i 受到的气动力矩；MD _i 为无人机节点d _i 受到的外界干扰力矩和力矩参数不确定性。

可以理解的是，FD _i 中，外界环境干扰力可以为无人机节点受到外界自然风对无人机节点产生负面的附加力；参数不确定性可以为实际的无人机参数与模拟的无人机模型参数之间的偏差，例如无人机质量的真实值和模拟值的误差。MD _i 中，外界环境干扰力可以为无人机节点受到外界自然风对无人机节点产生负面的附加力矩。

步骤三、根据步骤二中的无人机节点的运动模型，建立无人机节点的牵制控制律和姿态反馈控制律，实现期望的编队飞行。

如图4所示，所述的牵制控制律是一种分层结构，将编队分为：编队中心—牵制无人机节点—跟随者无人机节点。如果无人机节点d _i 是牵制无人机节点，则牵制无人机节点和编队中心之间的牵制系数PQ _i 大于0，该牵制无人机节点和跟随者无人机节点之间的牵制系数PP _i 等于0；如果无人机节点d _i 是跟随者无人机节点，则有牵制无人机节点和编队中心之间的牵制系数PQ _i 等于0，牵制无人机节点和跟随者无人机节点之间的牵制系数PP _i 大于0。

无人机节点d _i 的牵制控制律和姿态反馈控制律为：

其中，UL _i 表示无人机节点d _i 受到编队中心影响需产生的牵制控制输入；PQ _i 表示无人机节点d _i 和编队中心之间的牵制系数；KP _i 和KD _i 表示无人机节点d _i 的牵制控制增益矩阵；p ₀ 表示编队中心在惯性坐标系中的位置；

表示编队中心在惯性坐标系中的速度；

表示无人机节点d _i 的邻居无人机节点d _j 在飞行过程中的速度向量；D _i 表示无人机节点d _i 与编队中心的位置偏差；

表示无人机节点d _i 与编队中心的速度偏差；UP _i 表示无人机节点d _i 受到其它跟随者无人机节点影响需产生的牵制控制输入；PP _i 表示无人机d _i 跟其他所有跟随者无人机节点之间的牵制系数；D _ij 表示无人机节点d _i 与无人机节点d _j 的位置偏差，

表示无人机节点d _i 与无人机节点d _j 的速度偏差；UQ _i 表示无人机节点d _i 的牵制控制输入；UA _i 表示无人机节点d _i 的姿态反馈控制输入；KA _i 和KT _i 表示无人机d _i 的姿态反馈控制增益矩阵；MW _i 为无人机节点d _i 受到的气动力矩；EQ _i 表示无人机节点d _i 姿态误差信息；EV _i 表示无人机节点d _i 的角速度误差信息；ω _i ^r 表示无人节点d _i 期望的旋转角速度。

步骤四、根据步骤二中的无人机节点的运动模型，建立无人机节点的位置干扰估计律和姿态干扰估计律，实现无人机集群期望的编队飞行和姿态稳定。参见图3所示，无人机节点的位置干扰估计律和姿态干扰估计律为：

其中，L _i 表示无人机节点d _i 在位置通道上的干扰估计值；

表示无人机节点d _i 的位置通道上干扰估计的微分；M _i 表示无人机节点d _i 的姿态通道上的干扰估计值；

表示无人机节点d _i 的姿态通道上干扰估计的微分；f _1i 表示无人机节点d _i 位置通道上的干扰抑制参数，f _2i 表示无人机节点d _i 姿态通道上的干扰抑制参数；UR _i 表示无人机节点d _i 位置干扰估计输入；UT _i 表示无人机节点d _i 姿态干扰估计输入；FQ _i 表示无人机节点d _i 机身产生的气动力。

步骤五、将步骤三和步骤四的牵制控制律和姿态反馈控制律分别与位置干扰估计律和姿态干扰估计律相结合，组成复合控制律，进而实现对无人机节点d _i 的控制。参见图3所示，复合控制律为：

本发明的另一个具体实施例，如图1-图3，公开了一种基于鲁棒牵制的无人机集群编队控制系统，使用前述控制方法对无人机集群进行基于鲁棒性牵制的编队控制，包括牵制控制模块、姿态反馈控制模块、位置干扰估计模块、位置干扰估计模块和姿态干扰估计模块；

牵制控制模块，用于控制无人机编队协同飞行；

姿态反馈控制模块，用于实现无人机姿态稳定；

位置干扰估计模块，用于抑制无人机位置通道上的外界干扰影响；

姿态干扰估计模块，用于抑制无人机姿态通道上的外界干扰影响。

为了便于理解本发明，下面举例详细阐述本发明方法，但是本发明还可以应用于其他不同于此实施例来实施，因此，本发明保护范围不限于下述实例。

在本实施案例中，对10架无人机组成的集群进行编队控制，设定无人机节点1和无人机节点4为牵制无人机节点，其余为跟随者无人机节点。该10架无人机在执行任务时，按照前述基于鲁棒牵制的无人机编队控制方法进行编队控制，根据步骤一中所建立的通讯拓扑结构如图4所示。设置10架无人机初始位置为：p ₁(0)=[3 7 0] ^T m，p ₂(0)=[3 13 0] ^T m，p ₃(0)=[3 -3 0] ^T m，p ₄(0)=[0 -3 0] ^T m，p ₅(0)=[0 0 0] ^T m，p ₆(0)=[0 10 0] ^T m，p ₇(0)=[-3 13 0] ^T m，p ₈(0)=[-3 7 0] ^T m，p ₉(0)=[-3 -3 0] ^T m，p ₁₀(0)=[0 -6 0] ^T m。

根据步骤二建立无人机集群编队的运动模型；设置无人机模型参数如下：m _i = 50kg，J _i =[0.2 0.2 0.4] ^T kg·m²，g=10 m/s²。无人机集群受到的外界干扰设置如下：

其中，t表示时间，本实施例考虑的外界环境干扰为随着时间变化的；模型参数不确定性考虑为理想参数的25%。

设计无人机节点的牵制控制律和姿态反馈控制律，为了计算控制律，给出每架无人机与编队中心的位置偏差如下：当飞行时间t<10s时，D ₁=[3 7 0] ^T m，D ₂=[3 13 0] ^T m，D ₃=[3-3 0] ^T m，D ₄=[0 -3 0] ^T m，D ₅=[0 0 0] ^T m，D ₆=[0 10 0] ^T m，D ₇=[-3 13 0] ^T m，D ₈=[-3 7 0] ^T m，D ₉=[-3 -3 0] ^T m，D ₁₀=[0 6 0] ^T m；当飞行时间t≥10s时，D ₁=[6-3e ^{-(t -10)} 7e ^{-(t -10)} 0] ^T m，D ₂=[3 3+10e ^{-(t -10)} 0] ^T m，D ₃=[3 -3 0] ^T m，D ₄=[0 -6+3e ^{-(t -10)} 0] ^T m，D ₅=[0 0 0] ^T m，D ₆=[0 6+4e ^{-(t -10)}0] ^T m，D ₇=[-3 9+4e ^{-(t -10)} 0] ^T m，D ₈=[-3 4+3e ^{-(t -10)} 0] ^T m，D ₉=[-3 -4+e ^{-(t -10)} 0] ^T m，D ₁₀=[-3+3e ^{-(t -10)} -9+3e ^{-(t -10)} 0] ^T m。牵制增益矩阵KP _i 和KD _i 为：KP _i =diag{3.6,3.6,3.6}，KD _i =diag{1.3,1.3,1.3}，姿态反馈控制器增益矩阵KA _i 和KT _i 如下：KA _i =diag{100.5,100.5,100.5}，KT _i =diag{100.8,100.8,100.8}。根据步骤一中的拓扑结构，无人机集群牵制系数PQ _i 和PP _i 如下：PQ ₁ =1，PQ ₄ =1，PQ _i =0，（i=2,3,5,6,7,8,9,10）； PP ₁ =0，PP ₄ =0,PP _i =1，i=2,3,5,6,7,8,9,10。根据以上设置条件控制器可以计算无人机节点d _i 的牵制控制输入UQ _i 和姿态反馈控制输入UA _i 。

分别设计位置通道干扰抑制参数f _1i =100和姿态通道干扰抑制参数f _2i =50。根据此参数控制器会计算得到无人机节点d _i 位置干扰估计输入UR _i 和姿态干扰估计输入UT _i 。

将牵制控制律和姿态反馈控制律分别与位置干扰估计律和姿态干扰估计律相结合，得到鲁棒牵制控制律u _i ^p 和u _i ^a 。

仿真结果分析，从图5可以看出，本发明能够使无人机集群编队实现较好的协同。此外，还能够有效抑制系统模型未知和外界干扰的影响，具有很好的鲁棒性。从图6a、图6b可以看出，本发明的控制器可以实现期望的编队任务。从图7a、图7b和图7c可以看出，无人机集群编队的飞行误差较小，能够满足控制精度要求。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (2)

1.一种基于鲁棒牵制的无人机集群编队控制方法，其特征在于，包括以下步骤：

步骤一、结合图论方法建立无人机集群的有向通讯拓扑结构并确定编队中心：

无人机集群的有向通讯拓扑结构为：

G =（V,E）；

其中，V为无人机节点的集合，V={d ₁,d ₂,…,d _n }，n为无人机节点的总数；无人机节点d _i 与无人机节点d _j 之间有信息交换，二者互为邻居节点，i∈n, j∈n,i≠j，每对邻居节点之间的边为(i,j)和(j,i)；E为无人机节点中邻居节点之间边的集合，E={(i,j)，(j,i)}，W=[w _ij ]表示邻居权重矩阵，w _ij 表示无人机节点d _i 与无人机节点d _i 的第j架邻居无人机通信的权重系数；无人机节点d _i 的邻居无人机节点d _j 集合为N _i ，N _i ={d _j | j=1,2,…,s, (i,j)∈E }，s为无人机节点d _i 的邻居无人机节点d _j 总数；

惯性坐标系中，编队中心的位置坐标为p ₀=[x ₀,y ₀,z ₀]；

无人机节点d _i 的位置坐标为p _i =[x _i ,y _i ,z _i ]；

无人机节点d _i 的邻居无人机节点d _j 的位置坐标为p _j =[x _j ,y _j ,z _j ]；

步骤二、建立无人机集群编队的运动模型：

其中，m _i 表示无人机节点d _i 的质量；v _i 表示无人机节点d _i 在飞行过程中的速度向量，

表示无人机节点d _i 在飞行过程中的加速度向量；u _i ^p 表示无人机节点d _i 的复合控制力输入；R _i 表示惯性坐标系与无人机节点d _i 的本体坐标系之间的转换矩阵；g表示引力常量；c ₃ 表示3维列向量；FQ _i 表示无人机节点d _i 机身产生的气动力；FD _i 表示无人机节点d _i 受到的外界环境干扰力和气动力参数不确定性；J _i 表示无人机节点d _i 的转动惯量；ω _i 表示无人机节点d _i 绕自身本体坐标系旋转的角速度，

表示无人机节点d _i 绕自身本体坐标系旋转的角加速度，

表示将ω _i 做反对称矩阵运算；u _i ^a 表示无人机节点d _i 的复合控制力矩输入；MW _i 为无人机节点d _i 受到的气动力矩；MD _i 为无人机节点d _i 受到的外界干扰力矩和力矩参数不确定性；

步骤三、根据步骤二中的运动模型，建立无人机节点的牵制控制律和姿态反馈控制律；

无人机节点的牵制控制律和姿态反馈控制律为：

其中，UL _i 表示无人机节点d _i 受到编队中心影响需产生的牵制控制输入；PQ _i 表示无人机节点d _i 和编队中心之间的牵制系数；KP _i 和KD _i 表示无人机节点d _i 的牵制控制增益矩阵；

表示编队中心在惯性坐标系中的速度；

表示无人机节点d _i 的邻居无人机节点d _j 在飞行过程中的速度向量；D _i 表示无人机节点d _i 与编队中心的位置偏差；

表示无人机节点d _i 与编队中心的速度偏差；UP _i 表示无人机节点d _i 受到其它跟随者无人机节点影响需产生的牵制控制输入；PP _i 表示无人机d _i 跟其他所有跟随者无人机节点之间的牵制系数；D _ij 表示无人机节点d _i 与无人机节点d _j 的位置偏差，

表示无人机节点d _i 与无人机节点d _j 的速度偏差；UQ _i 表示无人机节点d _i 的牵制控制输入；UA _i 表示无人机节点d _i 的姿态反馈控制输入；KA _i 和KT _i 表示无人机d _i 的姿态反馈控制增益矩阵；EQ _i 表示无人机节点d _i 姿态误差信息；EV _i 表示无人机节点d _i 的角速度误差信息；ω _i ^r 表示无人机节点d _i 期望的旋转角速度；

步骤四、根据步骤二中的运动模型，建立无人机节点的位置干扰估计律和姿态干扰估计律；

无人机节点的位置干扰估计律和姿态干扰估计律为：

其中，L _i 表示无人机节点d _i 在位置通道上的干扰估计值；

表示无人机节点d _i 的位置通道上干扰估计的微分；M _i 表示无人机节点d _i 的姿态通道上的干扰估计值；

表示无人机节点d _i 的姿态通道上干扰估计的微分；f _1i 表示无人机节点d _i 位置通道上的干扰抑制参数，f _2i 表示无人机节点d _i 姿态通道上的干扰抑制参数；UR _i 表示无人机节点d _i 位置干扰估计输入；UT _i 表示无人机节点d _i 姿态干扰估计输入；FQ _i 表示无人机节点d _i 机身产生的气动力；EV _i 表示无人机节点d _i 的角速度误差信息；

步骤五、将步骤三的牵制控制律和姿态反馈控制律分别与步骤四的位置干扰估计律和姿态干扰估计律相结合，组成复合控制律。

2.一种基于鲁棒牵制的无人机集群编队控制系统，采用权利要求1所述的无人机集群编队控制方法，其特征在于，包括牵制控制模块、姿态反馈控制模块、位置干扰估计模块、位置干扰估计模块和姿态干扰估计模块；

牵制控制模块，用于控制无人机编队协同飞行；

姿态反馈控制模块，用于实现无人机姿态稳定；

位置干扰估计模块，用于抑制无人机位置通道上的外界干扰影响；

姿态干扰估计模块，用于抑制无人机姿态通道上的外界干扰影响。

Images