CN115981375B - 基于事件触发机制的多无人机时变编队控制器设计方法 - Google Patents
基于事件触发机制的多无人机时变编队控制器设计方法 Download PDFInfo
- Publication number
- CN115981375B CN115981375B CN202310259955.8A CN202310259955A CN115981375B CN 115981375 B CN115981375 B CN 115981375B CN 202310259955 A CN202310259955 A CN 202310259955A CN 115981375 B CN115981375 B CN 115981375B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- formation
- representing
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013461 design Methods 0.000 title claims abstract description 11
- 230000000087 stabilizing effect Effects 0.000 claims abstract description 4
- 238000012546 transfer Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 58
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000005755 formation reaction Methods 0.000 description 70
- 238000010586 diagram Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- 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
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于事件触发机制的多无人机时变编队控制器设计方法，属于多无人机协同控制领域。沿三个坐标轴方向建立无人机的模型及机间信息传递的有向图、设计分布式编队控制协议、构建控制器事件触发的触发条件。最终，所设计的控制器可使多架无人机达到预定编队形状的各自期望位置，且速度趋于一致，达到多无人机时变编队稳定的效果，同时避免控制器更新过频，减少网络资源的损耗，适用于任务复杂变化的场景及战场。
Description
技术领域
本发明涉及一种基于事件触发机制的多无人机时变编队控制器设计方法，属于无人机编队控制技术领域。
背景技术
无人机具有成本低、操作简便灵活等方面的特点，目前在民用和军事领域均被广泛应用。随着无人机技术的日益成熟和快速发展，单架无人机有时不能在一些较为复杂的场景下处理任务，因此多无人机协同控制问题逐渐得到研究人员的关注，其在军事侦察和灾难救援等方面具有显著优势。
目前无人机编队控制方法包括领航跟随法、基于行为法、人工势场法、基于图论法、虚拟结构法等。近年来，基于图论法的多智能体系统的分布式控制在多无人机编队中得到了广泛的研究。
另一方面，网络控制具有控制效率高、维护成本低等方面的优势，为当下研究的热点问题。一个通信网络往往为众多的系统节点所共享，然而，网络资源的通信信道带宽以及计算能力是有限的，控制器的频繁更新，会造成网络资源的大量消耗，甚至会造成网络瘫痪，引发编队无人机的事故。
因此，本领域技术人员急需要解决多无人机在时变编队控制和网络资源控制时的技术问题。
发明内容
目的：为了克服现有技术中存在的不足，本发明提供一种基于事件触发机制的多无人机时变编队控制器设计方法。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
一种基于事件触发机制的多无人机时变编队控制器设计方法，包括以下步骤：
步骤1：将第i号无人机沿三轴方向建立第i号无人机运动学模型，并将第i号无人机运动学模型整理成为第i号无人机运动学模型的二阶非线性模型。
步骤2：根据有向图理论建立多无人机的机间通信拓扑关系，获取无人机之间关于通信的联系参数。
步骤3：根据联系参数和规定的各无人机相对规划路径的期望距离，以编队中的各无人机达到指定位置，且速度达到一致为目标，设计第i号无人机编队分布式控制器。
步骤4：构建第i号无人机编队分布式控制器的事件触发条件，将满足事件触发条件的第i号无人机编队分布式控制器代入到第i号无人机运动学模型的二阶非线性模型,得到更新后的二阶非线性模型。
步骤5：将更新后的二阶非线性模型转化为n个无人机时变编队的二阶非线性模型。
作为优选方案，还包括，步骤6。
所述步骤6：将n个无人机时变编队的二阶非线性模型转化为基于生成边拉普拉斯矩阵的无人机编队模型，以基于生成边拉普拉斯矩阵的无人机编队模型稳定为目标，获取控制参数。
作为优选方案，所述第i号无人机运动学模型，计算公式如下：
。
其中，分别是/>号无人机在/>三个坐标轴的位置信息，分别代表/>号无人机在/>三个坐标轴的速度信息，/> 分别代表/>三个坐标轴的时间常数，/>表示重力加速度，/>表示/>号无人机的质量；分别表示在/>三轴方向的控制输入；/>表示变量/>的一阶导数。
作为优选方案，所述第i号无人机运动学模型的二阶非线性模型，计算公式如下：
。
其中， 。
作为优选方案，所述步骤2，具体包括如下步骤：
步骤2.1：设置表示多无人机的机间通信拓扑关系的有向图。
步骤2.2：将有向图中的代表多无人机，/>表示有向图中所有节点，/>是无人机的数量。
步骤2.3：将有向图中的代表边的关联矩阵，当/>表示/>号机获取到/>号机的信息。
步骤2.4：将有向图中的代表邻接矩阵，其中，/>，获得第一联系参数/>，若，/>，否则/>。
步骤2.5：根据有向图的拉普拉斯矩阵/>，获得第二联系参数 为邻接矩阵/>的第/>列之和。
步骤2.6：根据入射关联矩阵，信息传递的权重矩阵/>，获得第三联系参数/>，表示加权关联矩阵，/>。
步骤2.7：根据，获得第四联系参数/>、第五联系参数/>，其中/>和/>分别表示生成树和生成余树的边集，获得第六联系参数/>，/>表示有向边拉普拉斯矩阵。
作为优选方案，所述第i号无人机编队分布式控制器，计算公式如下：
。
其中，表示第/>架无人机编队分布式控制器，/>和/>分别表示第/>架无人机的位置和速度信息，/>和/>分别表示第/>架无人机的位置和速度信息，/>均为待设计的控制增益系数，/>为第/>架无人机的规划路径，若路径已知，则/>；若路径未知，则/>代表第/>架无人机的期望编队时变位置，/>代表第/>架无人机的期望编队时变位置，/>表示第一联系参数，/>是无人机的数量。
作为优选方案，所述第i号无人机编队分布式控制器的事件触发条件，计算公式如下：
。
其中，表示控制器的实时值与上一触发时刻控制输入之间的差值，即；/>表示第/>架无人机编队分布式控制器t时刻的输出，/>，/>表示系数，/>代表下确界函数。
作为优选方案，所述更新后的二阶非线性模型，计算公式如下：
。
其中，，/>和/>分别表示第/>架无人机的位置和速度信息，/>和/>分别表示第/>架无人机的位置和速度信息，/>均为待设计的控制增益系数，/>为第/>架无人机的规划路径，若路径已知，则/>；若路径未知，则/>代表第/>架无人机的期望编队时变位置，/>代表第/>架无人机的期望编队时变位置，/>表示第一联系参数，/>是无人机的数量；/>表示变量/>的一阶导数。
作为优选方案，所述n个无人机时变编队的二阶非线性模型，计算公式如下：
。
其中，来表示/>的向量形式，/>， 表示三阶单位矩阵，/>表示克罗内克积，/>表示边的关联矩阵，/>代表第三联系参数。
作为优选方案，所述步骤6，包括如下步骤：
步骤6.1：根据n个无人机时变编队的二阶非线性模型，获得基于跟踪误差的无人机运动学模型，计算公式如下：
。
其中，。
步骤6.2：将基于跟踪误差的无人机运动学模型中的变量均左乘，得到基于有向边拉普拉斯矩阵的无人机编队模型，计算公式如下：
。
其中，。
步骤6.3：根据基于有向边拉普拉斯矩阵的无人机编队模型，获得基于生成边拉普拉斯矩阵的无人机编队模型，计算公式如下：
。
其中，。
其中，为第三联系参数，/>代表/>阶零矩阵，/>代表/>阶单位矩阵。
其中，为第四联系参数、/>为第五联系参数。
步骤6.4：选取使基于生成边拉普拉斯矩阵的无人机编队模型满足的/>并将/>代入到n个无人机时变编队的二阶非线性模型。
有益效果：本发明提供的一种基于事件触发机制的多无人机时变编队控制器设计方法，提出的分布式控制方案，能使多无人机实现时变编队效果，其队形形状由小的梯形变为大的梯形，更适用于战争、救援等场景。同时，引入的事件触发机制能防止控制器过度触发，避免其性能发生受损，有助于节约通信资源。
附图说明
图1是本发明的控制方法的流程示意图。
图2是无人机间通信拓扑示意图。
图3是无人机编队在三维空间飞行效果图。
图4是无人机编队在方向上的二维空间运动轨迹。
图5是2，5号机在方向与规划路径的误差。
图6是1号机在方向与规划路径的误差。
图7是5架无人机在方向与规划路径的误差。
图8是事件触发的帧间时间图。
图9是事件触发序列图。
实施方式
下面结合具体实施例对本发明作更进一步的说明。
下面结合具体实施例对本发明作更进一步的说明。
如图1所示，一种基于事件触发机制的多无人机时变编队控制器设计方法，主要包括以下步骤：
步骤1：将第i号无人机沿三轴方向建立无人机运动学模型，确定无人机位置、速度、输入矩阵以及系数、非线性函数矩阵之间的关系，并进一步将第i号无人机运动学模型整理成为第i号无人机运动学模型的二阶非线性模型。
步骤2：根据有向图理论建立多无人机的机间通信拓扑关系，获取无人机之间关于通信的联系参数。
步骤3：根据联系参数和规定的各无人机相对规划路径的期望距离，以编队中的各无人机达到指定位置，且速度达到一致为目标，设计第i号无人机编队分布式控制器。
步骤4：构建第i号无人机编队分布式控制器的事件触发条件，将满足事件触发条件的第i号无人机编队分布式控制器代入到第i号无人机运动学模型的二阶非线性模型,得到更新后的二阶非线性模型。
步骤5：将更新后的二阶非线性模型转化为n个无人机时变编队的二阶非线性模型。
步骤6：将n个无人机时变编队的二阶非线性模型转化为基于生成边拉普拉斯矩阵的无人机编队模型，以基于生成边拉普拉斯矩阵的无人机编队模型稳定为目标，获取控制参数。
进一步的，步骤1中无人机运动学模型计算公式如下：
（1）；
其中，分别是/>号无人机在/>三个坐标轴的位置信息，分别代表/>号无人机在/>三个坐标轴的速度信息，/> 分别代表/>三个坐标轴的时间常数，/>表示重力加速度，/>表示/>号无人机的质量；分别表示在/>三轴方向的控制输入；/>表示变量/>的一阶导数。
取 ，则上述无人机运动学模型可以表示为二阶非线性模型：
（2）；
进一步的，步骤2中有向图的表述为：
有向图表示多无人机的机间通信拓扑关系，将多无人机视为有向图中的节点，/>表示有向图中所有节点构成的集合，/>是无人机的数量，/>代表边的关联矩阵，当/>表示/>号机获取到/>号机的信息。/>表示有向图/>的邻接矩阵，若，/>，否则/>。/>。
有向图的拉普拉斯矩阵定义为/>，其中，/>，/>为邻接矩阵/>的第/>列之和。/>。
定义加权关联矩阵，其中，/>是入射关联矩阵，/>是信息传递的权重矩阵。
有向图由生成树/>和生成余树/>构成，可写为/>，同理边的关联矩阵也可写为/>，其中/>和/>分别代表生成树和生成余树的边集，定义有向边拉普拉斯矩阵为/>。
进一步的，步骤3中编队分布式控制器为：
（3）；
其中，表示第/>架无人机编队分布式控制器，/>和/>分别表示第/>架无人机的位置和速度信息，/>和/>分别表示第/>架无人机的位置和速度信息，/>均为待设计的控制增益系数，且都为正数，/>为第/>架无人机的规划路径，若路径已知，则/>；若路径未知，则/>，可选择编队中通信能力较强的无人机充当领导者，赋予其规划路径，同时预先规定各无人机相对于规划路径的期望距离，/>代表第/>架无人机的期望编队时变位置，/>代表第架无人机的期望编队时变位置，/>表示有向图/>的邻接矩阵中第/>架无人机的元素。
进一步的，步骤4中事件触发条件为：
（4）；
其中，表示控制器的实时值与上一触发时刻控制输入之间的差值，即 表示第/>架无人机编队分布式控制器t时刻的输出，/>，/>表示系数，/>代表下确界函数。
需要说明的是，控制输入在/>的时间范围内是不会变化的，数值仍为/>。在/>的时刻，测量误差满足了更新规则的要求，/>的值由/>更新至/>。由于的值更新至/>，/>必须满足更新规则，所以，无人机之间的控制输入就无须连续通信，解决无人机控制器过度触发的问题。
将满足事件触发条件式（4）的分布式控制器式（3）代入到二阶非线性模型式（2）中，可以得到更新后的二阶非线性模型计算公式如下：
（5）；
其中，，，/>和/>分别表示第/>架无人机的位置和速度信息，/>和/>分别表示第/>架无人机的位置和速度信息，/>均为待设计的控制增益系数，且都为正数，/>为第/>架无人机的规划路径，若路径已知，则/>；若路径未知，则/>，/>代表第/>架无人机的期望编队时变位置，/>代表第/>架无人机的期望编队时变位置，/>表示有向图/>的邻接矩阵中第/>架无人机的元素。/>表示变量/>的一阶导数。
用来表示/>的向量形式，/>，为了方便运算，将上式写成紧凑形式的n个无人机时变编队的二阶非线性模型计算公式如下，用于对n个无人机时变编队进行控制：
（6）；
其中，表示三阶单位矩阵，/>表示克罗内克积，/>表示边的关联矩阵，/>代表加权关联矩阵。
令，同时令/>。则上述紧凑形式的二阶非线性模型式（6）可以表示为基于跟踪误差的无人机运动学模型计算公式如下：
（7）；
将上式中的变量均左乘，令/>，得到基于有向边拉普拉斯矩阵的无人机编队模型计算公式如下：
（8）；
令，生成树以及生成余树的系统状态矩阵分别表示为/>，其中/>。根据关系式/>，其中，/>，可以得到/>。
同时令，定义生成边拉普拉斯矩阵为/>，最终可得到基于生成边拉普拉斯矩阵的无人机编队模型计算公式如下，用于根据有向图信息获取无人机编队的位置与速度信息：
（9）；
其中，。/>代表/>阶零矩阵，/>代表/>阶单位矩阵。
当满足条件时，模型（9）是稳定的。定义矩阵：
；
根据Schur补定理，和/>需满足条件/>且/>时，/>矩阵正定。
假设中的函数满足全局李普希兹条件，得到：
；
通过选取的值，可以使得：
；
进而满足了条件。
实施例1：
为了验证本发明提出的基于事件触发机制的多无人机时变编队控制器设计的有效性，采用MATLAB进行仿真实验。本发明涉及的相关参数设置见表1。
表1.参数设置
以上和/>满足/>。
五架无人机的初始位置分别为：；；并输入n个无人机时变编队的二阶非线性模型。获取规划路径为：
5架无人机在三个轴方向相对于规划路径的期望距离由表2给出。
表2.编队内各无人机相对规划路径的在x、y、z方向的期望距离
将编队内各无人机相对规划路径的在x、y、z方向的期望距离输入到n个无人机时变编队的二阶非线性模型，n个无人机时变编队的二阶非线性模型根据编队中的各无人机达到指定位置，且速度达到一致为目标向各个无人输出满足事件触发条件的控制指令。如图2所示，无人机1、无人机2、无人机3、无人机4和无人机5之间相互进行通信，并交互无人机自身的位置和速度信息。
通过仿真，得到无人机编队三维和二维运动轨迹如图3和图4所示，五架无人机初始经过短暂的调整即可形成梯形编队，且随时间变化，形状不断扩大。
图5是2，5号机在x方向与规划路径的误差曲线，二者的误差均可在13秒左右收敛到零附近，符合期望距离的设置。
图6是1号机在y方向与规划路径的误差曲线，误差可在17秒左右收敛到零附近，符合期望距离的设置。
图7是5架无人机在z方向与规划路径的误差曲线，误差均可在10秒左右收敛到零附近，符合期望距离的设置。
事件触发的帧间时间图和序列图如图8和图9所示，可知各架无人机的控制器是间断触发，无人机之间是非连续通信的。
仿真结果表明，各架无人机相对于自身期望编队位置的误差均能较快收敛到零附近，多无人机可以达到时变编队队形效果，由一个小的梯形逐渐变换为大的梯形，在处理任务时更加方便灵活。同时，通过引入事件触发机制，有效地降低了控制器的更新频率，减少了网络通信资源的消耗。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种基于事件触发机制的多无人机时变编队控制器设计方法，其特征在于：包括以下步骤：
步骤1：将第i号无人机沿三轴方向建立第i号无人机运动学模型，并将第i号无人机运动学模型整理成为第i号无人机运动学模型的二阶非线性模型；
步骤2：根据有向图理论建立多无人机的机间通信拓扑关系，获取无人机之间关于通信的联系参数；
步骤3：根据联系参数和规定的各无人机相对规划路径的期望距离，以编队中的各无人机达到指定位置，且速度达到一致为目标，设计第i号无人机编队分布式控制器；
步骤4：构建第i号无人机编队分布式控制器的事件触发条件，将满足事件触发条件的第i号无人机编队分布式控制器代入到第i号无人机运动学模型的二阶非线性模型,得到更新后的二阶非线性模型；
步骤5：将更新后的二阶非线性模型转化为n个无人机时变编队的二阶非线性模型；
所述第i号无人机运动学模型，计算公式如下：
；
其中，分别是/>号无人机在/>三个坐标轴的位置信息，分别代表/>号无人机在/>三个坐标轴的速度信息，/> 分别代表/>三个坐标轴的时间常数，/>表示重力加速度，/>表示/>号无人机的质量；分别表示在/>三轴方向的控制输入；/>表示变量/>的一阶导数；
所述第i号无人机运动学模型的二阶非线性模型，计算公式如下：
；
其中， ；
所述第i号无人机编队分布式控制器，计算公式如下：
；
其中，表示第/>架无人机编队分布式控制器，/>和/>分别表示第/>架无人机的位置和速度信息，/>和/>分别表示第/>架无人机的位置和速度信息，/>均为待设计的控制增益系数，/>为第/>架无人机的规划路径，若路径已知，则/>；若路径未知，则/>代表第/>架无人机的期望编队时变位置，/>代表第/>架无人机的期望编队时变位置，/>表示第一联系参数，/>是无人机的数量；
所述第i号无人机编队分布式控制器的事件触发条件，计算公式如下：
；
其中，表示控制器的实时值与上一触发时刻控制输入之间的差值，即/>；表示第/>架无人机编队分布式控制器t时刻的输出，/>，/>表示系数，/>代表下确界函数；
所述更新后的二阶非线性模型，计算公式如下：
；
其中，，/>和/>分别表示第/>架无人机的位置和速度信息，/>和/>分别表示第/>架无人机的位置和速度信息，/>均为待设计的控制增益系数，/>为第/>架无人机的规划路径，若路径已知，则/>；若路径未知，则/>代表第/>架无人机的期望编队时变位置，/>代表第/>架无人机的期望编队时变位置，/>表示第一联系参数，/>是无人机的数量；/>表示变量/>的一阶导数；
所述n个无人机时变编队的二阶非线性模型，计算公式如下：
；
其中，来表示/>的向量形式，/>， 表示三阶单位矩阵，/>表示克罗内克积，/>表示边的关联矩阵，/>代表第三联系参数。
2.根据权利要求1所述的一种基于事件触发机制的多无人机时变编队控制器设计方法，其特征在于：还包括，步骤6；
所述步骤6：将n个无人机时变编队的二阶非线性模型转化为基于生成边拉普拉斯矩阵的无人机编队模型，以基于生成边拉普拉斯矩阵的无人机编队模型稳定为目标，获取控制参数。
3.根据权利要求2所述的一种基于事件触发机制的多无人机时变编队控制器设计方法，其特征在于：所述步骤2，具体包括如下步骤：
步骤2.1：设置表示多无人机的机间通信拓扑关系的有向图；
步骤2.2：将有向图中的代表多无人机，/>表示有向图中所有节点，/>是无人机的数量；
步骤2.3：将有向图中的代表边的关联矩阵，当/>表示/>号机获取到/>号机的信息；
步骤2.4：将有向图中的代表邻接矩阵，其中，/>，获得第一联系参数/>，若，/>，否则/>；
步骤2.5：根据有向图的拉普拉斯矩阵/>，获得第二联系参数/> 为邻接矩阵/>的第/>列之和；
步骤2.6：根据入射关联矩阵，信息传递的权重矩阵/>，获得第三联系参数/>，/>表示加权关联矩阵，/>；
步骤2.7：根据，获得第四联系参数/>、第五联系参数/>，其中/>和/>分别表示生成树和生成余树的边集，获得第六联系参数/>，/>表示有向边拉普拉斯矩阵。
4.根据权利要求3所述的一种基于事件触发机制的多无人机时变编队控制器设计方法，其特征在于：所述步骤6，包括如下步骤：
步骤6.1：根据n个无人机时变编队的二阶非线性模型，获得基于跟踪误差的无人机运动学模型，计算公式如下：
；
其中，；
步骤6.2：将基于跟踪误差的无人机运动学模型中的变量均左乘，得到基于有向边拉普拉斯矩阵的无人机编队模型，计算公式如下：
；
其中，；
步骤6.3：根据基于有向边拉普拉斯矩阵的无人机编队模型，获得基于生成边拉普拉斯矩阵的无人机编队模型，计算公式如下：
；
其中，；
其中，为第三联系参数，/>代表/>阶零矩阵，代表/>阶单位矩阵；
其中，为第四联系参数、/>为第五联系参数；
步骤6.4：选取使基于生成边拉普拉斯矩阵的无人机编队模型满足的/>并将/>代入到n个无人机时变编队的二阶非线性模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310259955.8A CN115981375B (zh) | 2023-03-17 | 2023-03-17 | 基于事件触发机制的多无人机时变编队控制器设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310259955.8A CN115981375B (zh) | 2023-03-17 | 2023-03-17 | 基于事件触发机制的多无人机时变编队控制器设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115981375A CN115981375A (zh) | 2023-04-18 |
| CN115981375B true CN115981375B (zh) | 2023-07-28 |
Family
ID=85974508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310259955.8A Active CN115981375B (zh) | 2023-03-17 | 2023-03-17 | 基于事件触发机制的多无人机时变编队控制器设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115981375B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116610106B (zh) * | 2023-07-20 | 2023-09-22 | 南京信息工程大学 | 一种多无人机容错跟踪控制方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111552184A (zh) * | 2020-05-18 | 2020-08-18 | 杭州电子科技大学 | 一种全天候条件下的无人机-小车编队控制方法 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107248822B (zh) * | 2017-07-17 | 2019-04-19 | 南京信息工程大学 | 基于分数阶pid离散滑模变结构的逆变器控制方法 |
| US20200365042A1 (en) * | 2017-11-14 | 2020-11-19 | Interdigital Patent Holdings, Inc. | Distributed detect and avoid for unmanned vehicles |
| WO2020182591A1 (en) * | 2019-03-08 | 2020-09-17 | Osram Gmbh | Component for a lidar sensor system, lidar sensor system, lidar sensor device, method for a lidar sensor system and method for a lidar sensor device |
| CN112527015B (zh) * | 2020-12-04 | 2023-05-05 | 广东工业大学 | 一种基于事件触发的消防无人机编队滑模控制方法 |
| CN112631335B (zh) * | 2020-12-29 | 2023-10-03 | 南京邮电大学 | 一种基于事件触发的多四旋翼无人机固定时间编队方法 |
| CN112859910A (zh) * | 2021-01-08 | 2021-05-28 | 山东大学 | 考虑隐私保护的无人机编队事件触发一致性控制方法及系统 |
| CN112859915B (zh) * | 2021-01-15 | 2024-04-26 | 广东工业大学 | 基于饱和阈值事件触发的高层消防无人机编队控制方法及系统 |
| CN113220022B (zh) * | 2021-05-06 | 2022-08-09 | 西北工业大学 | 基于事件触发估计信息传输的飞行编队有限时间自适应控制方法 |
| CN113342037B (zh) * | 2021-06-07 | 2023-05-26 | 广东工业大学 | 具有输入饱和的多旋翼无人机时变编队控制方法及系统 |
| CN113268083B (zh) * | 2021-06-07 | 2022-10-14 | 山东大学 | 基于动态事件触发的多无人机系统编队跟踪控制方法 |
| CN114564044B (zh) * | 2022-03-21 | 2024-04-30 | 西北工业大学 | 一种输入限幅事件触发的无人机有限时间编队控制方法 |
| CN115333956B (zh) * | 2022-10-17 | 2023-01-31 | 南京信息工程大学 | 一种多联盟非合作博弈的多智能体状态控制方法 |
-
2023
- 2023-03-17 CN CN202310259955.8A patent/CN115981375B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111552184A (zh) * | 2020-05-18 | 2020-08-18 | 杭州电子科技大学 | 一种全天候条件下的无人机-小车编队控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115981375A (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110703795B (zh) | 一种基于切换拓扑的无人机群协同安全控制方法 | |
| CN109240331B (zh) | 一种无人机-无人车集群模型时变编队控制方法及系统 | |
| CN108459612B (zh) | 基于人工势场法的无人机编队控制方法及装置 | |
| Liao et al. | Distributed formation and reconfiguration control of VTOL UAVs | |
| CN109582036B (zh) | 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 | |
| CN110989626B (zh) | 一种基于控制参数化的无人机路径规划方法 | |
| CN115639841B (zh) | 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 | |
| CN113050677A (zh) | 多无人机队形保持和变换的控制方法、系统、存储介质 | |
| CN113342037B (zh) | 具有输入饱和的多旋翼无人机时变编队控制方法及系统 | |
| CN114020042A (zh) | 一种异构无人集群编队合围跟踪控制方法及系统 | |
| CN110347181B (zh) | 基于能耗的无人机分布式编队控制方法 | |
| Sun et al. | Path planning for dense drone formation based on modified artificial potential fields | |
| CN110377051A (zh) | 一种应用于无人机群的时变编队蜂拥控制方法 | |
| CN115981375B (zh) | 基于事件触发机制的多无人机时变编队控制器设计方法 | |
| CN114237041A (zh) | 一种基于预设性能的空-地协同固定时间容错控制方法 | |
| Ghabcheloo et al. | Coordinated path following control of multiple wheeled robots with directed communication links | |
| CN111273688A (zh) | 基于事件触发的四旋翼无人机一致性编队控制方法 | |
| 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 | |
| Wang et al. | Multiple quadrotors formation flying control design and experimental verification | |
| CN116700340A (zh) | 轨迹规划方法、装置及无人机集群 | |
| 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 | |
| CN117193375A (zh) | 四旋翼无人机仿射编队控制方法、系统、电子设备及介质 | |
| CN114415734B (zh) | 基于adp和避障机制的四旋翼无人机编队重构控制系统 |
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 | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |