CN116149351A - 一种非理想通信环境下的无人机集群干扰合围控制方法 - Google Patents

Abstract

本发明公开了一种非理想通信环境下的无人机集群干扰合围控制方法，首先建立单架无人机三维空间系统模型；将无人机集群分为三类；分别是参考领导者无人机、编队领导者无人机、跟随者无人机；分别考虑外部干扰对编队领导者无人机和跟随者无人机的影响，建立二阶动力方程；引入图论用以描述无人机集群之间的信息交互并完成编队；为每一架编队领导者无人机和跟随者无人机提供时延依赖的动态事件触发机制；建立非理想通信环境下的无人机集群误差系统方程，并对外部干扰进行抑制。通过动态事件触发机制，有效的减少了无人机传输的冗余数据，降低了网络传输负担，即使是由不理想的通信环境引起的时延和丢包，也能保证无人机集群之间的有效数据的传输。

Description

一种非理想通信环境下的无人机集群干扰合围控制方法

技术领域

本发明涉及无人机控制，具体是涉及一种非理想通信环境下的无人机集群干扰合围控制方法。

背景技术

无人机因其可控性高、易操作性、可装载各种任务设备、低耗性等优点而被广泛的应用于军事和民用领域。相比较单架无人机，无人机集群之间通过相互协作，提高了任务完成的效率，提高了无人机在作战时的生存率，降低了人员伤亡的风险，因此，无人机集群在现代战争中扮演着重要的角色，同时在民用方面，大量的无人机可以用于节假日的表演秀，用于农业浇灌，节省劳动力，用于快递运输，危险区的地质勘测，摄影等。总之，无人机集群协同控制可以充分利用单机的有限资源，共同完成更为复杂的任务。

无人机集群合围控制是无人机编队协同控制的特殊形式，通常应用于以下的场景。众所周知，携带特殊装备的无人机通常造价昂贵，如果在飞行过程中遭遇障碍物或者敌方军事打击，那么损失巨大。那么利用一群具有探测功能的无人机集群编队将携带特殊装备的无人机群保护在安全域进行飞行，就可以有效避免上述的问题的发生，就算遇到障碍物或者敌方打击，也可以给贵价无人机群争取到宝贵的逃生时间，这就是合围控制方法的意义所在。

但是，无人机集群在编队飞行过程中不可避免的会遭遇外部干扰的影响，例如风干扰和气流干扰。这些干扰一方面会对无人机集群形成编队增加困难，另一方面也会对无人机本身造成危害，引发经济损失。

通信技术是无人机集群编队是否成功的决定性因素之一。众所周知，大量的无人机不管是飞行过程中还是执行任务过程中，都需要与其他的无人机成员进行通信以更好完成协同合作，如果无人机所处的通信环境不理想，将直接影响无人机集群的任务执行。因此，如何利用有限的网络资源提高数据传输的效率，同时考虑无人机集群进行数据传输时遭遇网络时延时，如何设计无人机的控制器从而不影响无人机集群之间的信息交互，是值得研究的问题之一。

发明内容

发明目的：针对以上缺点，本发明提供一种在不理想的通信环境中发生时延和丢包时，保证无人机集群之间有效数据传输的无人机集群干扰合围控制方法。

技术方案：为解决上述问题，本发明采用一种非理想通信环境下的无人机集群干扰合围控制方法，包括以下步骤：

(1)建立单架无人机三维空间系统模型；

(2)将无人机集群分为三类；一是参考领导者无人机，用于提供无人机集群飞行的参考轨迹，二是编队领导者无人机，用于实现合围编队，三是跟随者无人机；分别考虑外部干扰对编队领导者无人机和跟随者无人机的影响，分别建立编队领导者无人机和跟随者无人机的二阶动力方程；

(3)引入图论用以描述无人机集群之间的信息交互，使跟随者无人机之间进行信息交互以完成编队并取得一致性，编队领航者无人机群之间进行信息交互并完成编队；

(4)为每一架编队领导者无人机和跟随者无人机提供时延依赖的动态事件触发机制，用以解决非理想通信环境下的网络时延和数据冗余问题；利用图论描述无人机集群之间的信息交互，提供具有抗干扰性能的控制器用以追踪参考领导者无人机的飞行轨迹并取得合围编队一致性；

(5)建立非理想通信环境下的无人机集群误差系统方程，得到无人机集群取得合围编队的一致性条件和误差系统的稳定性条件，并利用H_∞方法对外部干扰进行抑制，最终得到无人机集群实现合围控制的控制器增益表达式。

有益效果：本发明相对于现有技术，其显著优点是通过动态事件触发机制可以自动根据系统当前的状态调节触发阈值，有效的减少了无人机传输的冗余数据，降低了网络传输负担，即使是由不理想的通信环境引起的时延和丢包，也能保证无人机集群之间的有效数据的传输，并通过引入H_∞控制方法抑制外部干扰对于无人机集群的负面影响。

附图说明

图1所示为本发明中合围控制设计流程图；

图2所示为本发明无人机编队合围控制飞行示意图。

具体实施方式

如图1所示，本实施例中的一种非理想通信环境下的无人机集群干扰合围控制方法，步骤如下：

步骤1：首先基于无人机飞行理论，建立单架无人机三维空间系统模型；

步骤2：将无人机集群分为三类，一是参考领导者无人机，用于提供无人机集群飞行的参考轨迹，二是编队领导者无人机，用于实现合围编队，三是跟随者无人机集群。分别考虑外部干扰对编队领导者无人机和跟随者无人机的影响，分别建立编队领导者和跟随者的二阶动力方程。

步骤3：引入图论用以描述无人机集群之间的信息交互，不仅跟随者无人机之间需要进行信息交互以完成编队并取得一致性，编队领航者无人机群之间也能进行信息交互并完成编队。

步骤4：为每一架编队领导者和跟随者无人机设计时延依赖的动态事件触发机制，降低网络传输的负担，解决非理想通信环境下的网络时延和数据冗余问题，利用图论描述无人机集群之间的信息交互，并设计出具有抗干扰性能的控制器，不仅能够追踪参考领导者无人机的飞行轨迹，还能取得合围编队一致性。

步骤5：建立非理想通信环境下的无人机集群误差系统方程，得到无人机集群取得合围编队的一致性条件和误差系统的稳定性条件，并利用H_∞方法对外部干扰进行抑制，最终得到无人机集群实现合围控制的控制器增益表达式。

建立无人机三维空间动态模型：

式中，x_i(t),y_i(t),z_i(t)分别表示第i架无人机在三维空间的坐标，V_i(t)＞0表示无人机的速度，α_i(t)和β_i(t)分别表示无人机的航迹方位角和航迹偏航角，cosα_i(t)≠0。δ_xi(t),δ_yi(t),δ_zi(t)分别表示无人机的加速度，g为无人机的中立加速度。

分别对x_i(t),y_i(t),z_i(t)进行二次求导，可以得到无人机二阶动力模型：

定义

新的控制输入

并考虑外部干扰d_lk(t)和d_fi(t)，编队领导者和跟随者无人机的模型分别可以用以下方程表示：

式中，

表示编队领导者无人机的状态向量，

表示跟随者无人机的状态向量，u_lk(t)和u_fi(t)分别表示编队领导者和跟随者无人机的控制输入，

参考领导者的轨迹方程可以通过

描述，其中

通过引入距离向量S_lk表示编队领导者理想位置偏移量，S_fi表示跟随者无人机期望的位置偏移量。定义误差向量e_lk(t)＝l_k(t)-S_lk(t)-l₀(t)，

表示编队领导者的理想位置，c_k为常数，满足

基于以上分析以及(3)式，可以得到编队领导者和跟随者无人机的误差系统方程如下：

在所有的N+1架无人机中，其中一架是参考领导者无人机，M架为编队领导者无人机集群，N-M架为跟随者无人机集群。引入有向图G，[b_ij]表示邻接矩阵用来表示第i架无人机与第j架无人机之间的联系，其中i＝0,1,...N，j＝1,...N，如果b_ij＝1则表示第j架无人机可以接收来自第i架无人机的信息，b_ij＝0则表示第j架无人机无法接收来自第i架无人机的信息，注意b_ii＝0。定义

D_r＝diag{b₁₀,...,b_M0}，

拉普拉斯矩阵

基于上述描述，可以得到编队领导者和跟随者的控制器分别可以表示如下：

式中，K_l1，K_l2，K_f1和K_f2表示设计的控制器的增益。

下面设计时延依赖的动态事件触发机制，将当前采集的数据与最新触发的数据进行比较，如果满足(6)式中条件，则无人机当前采集的数据丢弃，如果不满足(6)式条件，则当前采集的数据触发。同时设计了动态触发阈值函数μ_lkexp(-σ_lk||e_lk(t)||),μ_fiexp(-σ_fi||e_fi(t)||)，可以根据当前系统的状态值进行动态的调节阈值范围，提高了事件触发条件的灵活性，同时也能提高网络数据的传输效率。设计的动态事件触发机制如下：

其中ε_lk(t)＝e_lk(t_s)-e_lk(t)表示第k架编队领导者无人机中的当前采样信号e_lk(t)与最近触发信号e_lk(t_s)的误差，ε_fi(t)＝e_fi(t_n)-e_fi(t)表示第i架跟随者无人机中的当前采样信号e_fi(t)与最近触发信号e_fi(t_n)的误差，其中s,n＝1,2,...。μ_lk,μ_fi∈[0,1]，σ_lk＞0,σ_fi＞0均表示常数。Φ_lk,Φ_fi表示待定的正定对称矩阵。假设编队领导者无人机和跟随者无人机受到的网络延时分别为τ_l(t)∈[0,τ_lM],τ_f(t)∈[0,τ_fM]，τ_lM＞0,τ_fM＞0分别表示所受时延的最大值。t_s＝t-τ_l(t),t_n＝t-τ_f(t)。结合时延依赖的动态事件触发机制和(5)式中的控制器，(4)式中的编队领导者和跟随者无人机误差系统可以如下表示：

通过结合克罗内克尔积技术，可以得到无人机集群误差系统方程如下：

其中，C为维数合适的已知矩阵，其他矩阵具体描述如下：

所述的取得合围控制一致性的无人机集群误差系统的稳定性条件如下：

对于给定的自适应事件触发机制参数μ_lk,μ_fi∈[0,1]，σ_lk＞0,σ_fi＞0，时延上届τ_lM,τ_fM，干扰抑制参数λ＞0，结合所设计的时延依赖自适应事件触发的抗干扰控制增益K_l1,K_l2,K_f1,K_f2，如果存在正定对称矩阵P₁，P₂，R_l，R_f，Q_l，Q_f，Φ_lk和Φ_fi，维数合适的自由权矩阵F₁，F₂，F₃和F₄，可以使得以下的不等式满足：

构建李雅普诺夫函数如下：

其中

通过对V(t)进行求导，得到以下：

通过利用自由权矩阵，可以得到：

其中，ξ^T(t＝)[e^T(t-)^Tτe(-t_M ^T(τt)e)ε]，

F₁＝[F₁ ¹ 0 F₁ ³ 0 0 0 0 0 0 0],

F₃＝[0 F₃ ² 0 F₃ ⁴0 0 0 0 0 0],

考虑时延依赖的自适应事件触发机制，可得到以下不等式：

其中，

Φ_l＝diag{Φ_l1,...,Φ_lM},Φ_f＝diag{Φ_f(M+1),...,Φ_fN},μ_l＝diag{μ_l1,...,μ_lM},μ_f＝diag{μ_f(M+1),...,μ_fN}.

结合(9)-(13)式，可以得到以下不等式：

由(14)式可以得到分析的无人机集群误差系统是渐近稳定的。下面，通过定义X_l1＝P_lBK_l1,X_l2＝P_lBK_l2,X_f1＝P_fBK_f1,X_f2＝P_fBK_f2，以及对于给定的参数κ₁＞0,κ₂＞0，就有

基于以上可以的得到不等式(10)可以重新写为：

由此可以得到设计的控制器增益的具体表达形式为：

其中，

中的元素(*)表示与元素B对称的元素B^T。

无人机编队合围控制飞行示意图如图2所示。

Claims (8)

1.一种非理想通信环境下的无人机集群干扰合围控制方法，其特征在于，包括以下步骤：

(1)建立单架无人机三维空间系统模型；

(2)将无人机集群分为三类；一是参考领导者无人机，用于提供无人机集群飞行的参考轨迹，二是编队领导者无人机，用于实现合围编队，三是跟随者无人机；分别考虑外部干扰对编队领导者无人机和跟随者无人机的影响，分别建立编队领导者无人机和跟随者无人机的二阶动力方程；

(3)引入图论用以描述无人机集群之间的信息交互，使跟随者无人机之间进行信息交互以完成编队并取得一致性，编队领航者无人机群之间进行信息交互并完成编队；

(4)为每一架编队领导者无人机和跟随者无人机提供时延依赖的动态事件触发机制，用以解决非理想通信环境下的网络时延和数据冗余问题；利用图论描述无人机集群之间的信息交互，提供具有抗干扰性能的控制器用以追踪参考领导者无人机的飞行轨迹并取得合围编队一致性；

(5)建立非理想通信环境下的无人机集群误差系统方程，得到无人机集群取得合围编队的一致性条件和误差系统的稳定性条件，并利用H_∞方法对外部干扰进行抑制，最终得到无人机集群实现合围控制的控制器增益表达式。

2.根据权利要求1所述的非理想通信环境下的无人机集群干扰合围控制方法，其特征在于，所述步骤(1)中，单架无人机三维空间系统模型为：

其中，x_i(t)、y_i(t)、z_i(t)分别表示第i架无人机在三维空间的坐标，V_i(t)表示第i架无人机的速度，且V_i(t)＞0，α_i(t)、β_i(t)分别表示第i架无人机的航迹方位角和航迹偏航角，cosα_i(t)≠0；δ_xi(t)、δ_yi(t)、δ_zi(t)分别表示第i架无人机在三维空间三个方向的加速度，g为无人机的中立加速度。

3.根据权利要求2所述的非理想通信环境下的无人机集群干扰合围控制方法，其特征在于，分别对x_i(t)、y_i(t)、z_i(t)进行二次求导，可以得到单架无人机二阶动力模型：

4.根据权利要求3所述的非理想通信环境下的无人机集群干扰合围控制方法，其特征在于，在步骤(2)中，定义新的控制输入

编队领导者无人机和跟随者无人机的二阶动力方程为：

其中，

表示编队领导者无人机的状态向量，

表示跟随者无人机的状态向量，

u_lk(t)和u_fi(t)分别表示编队领导者无人机和跟随者无人机的控制输入,d_lk(t)和d_fi(t)分别表示编队领导者无人机和跟随者无人机的外部干扰，

编队领导者无人机和跟随者无人机的误差系统方程如下：

其中，e_lk(t)和e_fi(t)分别表示编队领导者无人机和跟随者无人机的误差向量，且e_lk(t)＝l_k(t)-S_lk(t)-l₀(t)，

S_lk表示编队领导者无人机的理想位置偏移量，S_fi表示跟随者无人机的期望位置偏移量；

表示参考领导者的轨迹方程，且

表示编队领导者无人机的理想位置；c_k为常数，满足

5.根据权利要求4所述的非理想通信环境下的无人机集群干扰合围控制方法，其特征在于，所述步骤(3)中，无人机集群包括N+1架无人机，其中一架为参考领导者无人机，M架为编队领导者无人机，N-M架为跟随者无人机；引入有向图G，[b_ij]表示邻接矩阵用来表示第i架无人机与第j架无人机之间的联系，其中i＝0,1,...N，j＝1,...N，如果b_ij＝1则表示第j架无人机可以接收来自第i架无人机的信息，b_ij＝0则表示第j架无人机无法接收来自第i架无人机的信息，注意b_ii＝0；定义

D_r＝diag{b₁₀,...,b_M0}，

拉普拉斯矩阵

基于上述描述，得到编队领导者无人机和跟随者无人机的控制器分别可以表示如下：

式中，K_l1、K_l2表示编队领导者无人机的控制器增益，K_f1、K_f2表示跟随者无人机的控制器的增益。

6.根据权利要求5所述的非理想通信环境下的无人机集群干扰合围控制方法，其特征在于，在步骤(4)中，设计了时延依赖的动态事件触发机制，同时设计了动态触发阈值函数μ_lkexp(-σ_lk||e_lk(t)||),μ_fiexp(-σ_fi||e_fi(t)||)用以根据当前系统的状态值进行动态的调节阈值范围；设计的动态事件触发机制如下：

其中，ε_lk(t)＝e_lk(t_s)-e_lk(t)表示第k架编队领导者无人机中的当前采样信号e_lk(t)与最近触发信号e_lk(t_s)的误差，ε_fi(t)＝e_fi(t_n)-e_fi(t)表示第i架跟随者无人机中的当前采样信号e_fi(t)与最近触发信号e_fi(t_n)的误差，其中s,n＝1,2,...；μ_lk,μ_fi∈[0,1]，σ_lk＞0、σ_fi＞0均表示常数；Φ_lk、Φ_fi表示待定的正定对称矩阵；编队领导者无人机和跟随者无人机受到的网络延时分别为τ_l(t)∈[0,τ_lM]、τ_f(t)∈[0,τ_fM]，τ_lM＞0、τ_fM＞0分别表示编队领导者无人机和跟随者无人机所受时延的最大值；t_s＝t-τ_l(t)，t_n＝t-τ_f(t)；

将当前采集的数据与最新触发的数据进行比较，如果满足式(6)中条件，则无人机当前采集的数据丢弃，如果不满足式(6)条件，则当前采集的数据触发；

结合时延依赖的动态事件触发机制和式(5)中的控制器，式(4)中的编队领导者无人机和跟随者无人机误差系统如下表示：

7.根据权利要求6所述的非理想通信环境下的无人机集群干扰合围控制方法，其特征在于，在步骤(5)中，建立无人机集群误差系统方程如下：

其中，C为维数合适的已知矩阵，其他矩阵具体描述如下：

8.根据权利要求7所述的非理想通信环境下的无人机集群干扰合围控制方法，，其特征在于，在步骤(5)中，取得合围控制一致性的无人机集群误差系统的稳定性条件如下：

对于给定的自适应事件触发机制参数μ_lk、μ_fi、σ_lk、σ_fi，时延上届τ_lM、τ_fM，干扰抑制参数λ，结合设计的时延依赖自适应事件触发的抗干扰控制增益K_l1、K_l2、K_f1、K_f2，如果存在正定对称矩阵P₁、P₂、R_l、R_f、Q_l、Q_f、Φ_lk和Φ_fi，维数合适的自由权矩阵F₁、F₂、F₃和F₄，使得以下的不等式满足：

构建李雅普诺夫函数如下：

其中，

通过对V(t)进行求导，得到以下：

通过利用自由权矩阵，得到：

其中，

F₁＝[F₁ ¹ 0 F₁ ³ 0 0 00 0 0 0],

F₃＝[0 F₃ ² 0 F₃ ⁴ 0 0 0 0 0 0],

考虑时延依赖的自适应事件触发机制，得到以下不等式：

其中，Φ_l＝diag{Φ_l1,...,Φ_lM}，Φ_f＝diag{Φ_f(M+1),...,Φ_fN}，

μ_l＝diag{μ_l1,...,μ_lM}，μ_f＝diag{μ_f(M+1),...,μ_fN}；

结合式(9)--(13)，得到以下不等式：

由式(14)得到分析的无人机集群误差系统是渐近稳定的；通过定义X_l1＝P_lBK_l1,X_l2＝P_lBK_l2,X_f1＝P_fBK_f1,X_f2＝P_fBK_f2，以及对于给定的参数κ₁＞0,κ₂＞0，就有

基于以上得到不等式(10)重新写为：

由此得到设计的控制器增益的具体表达形式为：

其中，

中的元素(*)表示与元素B对称的元素B^T。

Images