CN116954258A - 未知扰动下多四旋翼无人机编队的分层控制方法及装置 - Google Patents

Abstract

本发明提供一种未知扰动下多四旋翼无人机编队的分层控制方法及装置，采用包含下层自适应滑模抗扰轨迹跟踪控制和上层分布式协同控制的分层控制策略，控制实现过程包括根据所设置的四旋翼无人机编队分布式通信网络拓扑，在下层姿态编队控制器中，建立考虑内部参数不确定性和外部扰动的无人机运动模型和编队误差数学模型，利用编队误差构造滑模函数，并设置针对不确定干扰下的补偿输入；在上层轨迹追踪控制器中设置分布式协同算法，根据通信拓扑结构和李雅普诺夫定理确定使系统稳定的控制参数的取值，通过分布式协同算法计算得到参考轨迹在X、Y、Z轴的速度以及偏航角速度的控制输入，使每个无人机的参考轨迹渐进跟踪到虚拟领航者的状态。

Description

未知扰动下多四旋翼无人机编队的分层控制方法及装置

技术领域

本发明属于多四旋翼无人机编队领域，具体来说，涉及一种多架四旋翼无人机编队的分布式分层控制技术方案，包含下层的自适应滑模抗扰姿态编队控制和上层的参考轨迹分布式协同控制两部分，实现基于双层控制框架的多四旋翼无人机自抗扰编队。

背景技术

四旋翼飞机由于具有体积小、操作方便、飞行灵活等优点，在电力检查、搜救、侦察打击等民用和军事领域得到了广泛的应用。但由于通信能力的限制和多架四旋翼之间干扰的叠加，四旋翼无人机编队控制器设计、抗干扰和稳定性分析变得非常复杂和困难。值得注意的是，由传感器精度引起的位移、速度等参数误差会影响控制性能，而外部干扰会进一步恶化四旋翼控制器的稳定性，目前，针对不确定性干扰问题主要采用滑模和自适应观测器进行抑制，在大多数基于滑模和自适应观测的四旋翼编队控制器中，难以同时实现高速响应、精确跟踪和强鲁棒性。目前研究人员还提出了许多基于领航-跟随方法、行为策略和虚拟结构等方法的编队策略，然而，现有四旋翼编队控制一般只考虑全局坐标下的位置编队，而忽略了机体坐标系下的相对位置和偏航角编队。为了克服四旋翼无人机通信能力的限制，编队控制策略大都是基于分布式的，但在现有分布式控制方法中，单个四旋翼飞行器的实时状态信息仍然耦合在编队控制回路中，这必然导致在通信拓扑中节点越深的无人机，其编队误差越大。

针对现有技术的不足，本发明提供了一种未知扰动下多四旋翼无人机编队的分层控制方法，解决大规模的四旋翼飞行器分布式编队中误差逐级累加的问题，增加模型不确定和外部干扰下编队的自抗扰能力。

发明内容

本发明提出了一种多架四旋翼无人机编队的分层控制技术，通过建立合理的双层控制网络，实现参考轨迹分布式协同与四旋翼无人机轨迹跟踪控制。其中，上层采用分布式协同算法实现所有参考轨迹的位移、偏航角、线速度和角速度跟踪虚拟领航者，下层采用自适应终端滑模抗扰方法实现四旋翼无人机在设定的距离上与参考轨迹形成编队，从而整体实现多架四旋翼在未知扰动下的编队控制。

为解决上述技术问题，本发明采取了一种未知扰动下多四旋翼无人机编队的分层控制方法，其采用包含下层自适应滑模抗扰轨迹跟踪控制和上层分布式协同控制的分层控制策略，控制实现过程包括以下步骤：

步骤1，设置四旋翼无人机编队分布式通信网络拓扑，设置包含上层轨迹追踪控制器和下层姿态编队控制器的分层控制结构，在上层轨迹追踪控制器中为每个四旋翼无人机设置对应的参考轨迹，将实时更新的参考轨迹状态传递给下层姿态编队控制器；

步骤2，在下层姿态编队控制器中，结合参考轨迹和实体无人机在机体坐标系和惯性坐标系中的运动关系，建立考虑内部参数不确定性和外部扰动的无人机运动模型；

步骤3，根据参考轨迹和实体无人机的运动模型，建立机体坐标系下两者在X、Y、Z轴上的相对距离和角度的关系，并构造编队误差的数学模型，模型包括可精确表示部分和含扰动项的部分；

步骤4，在下层的姿态编队控制算法中加入滑模控制策略，利用编队误差构造滑模函数，根据滑模控制理论，使用编队误差收敛于滑模面时的条件，求解出不考虑干扰项的姿态编队控制器的输入；

步骤5，根据编队误差数学模型中的扰动项，构造干扰观测器，用常数项与编队误差项之和来表征扰动项，根据表征关系设置干扰观测器的更新策略，基于观测器的结果和李雅普诺夫稳定性分析，设置针对不确定干扰下姿态编队控制器的补偿输入；

步骤6，设置上层轨迹追踪控制器中的分布式协同算法，根据通信拓扑结构和李雅普诺夫稳定性分析确定能使系统稳定的控制参数的取值，通过分布式协同算法计算得到参考轨迹在X、Y、Z轴的速度以及偏航角速度的控制输入，使每个无人机的参考轨迹渐进跟踪到虚拟领航者的状态。

而且，上层轨迹追踪控制器采用虚拟参考值替换实值用于编队的分布式协同控制，避免分布式编队中节点深度增加导致的误差积累。

而且，所述的步骤2中，为体现实际中无人机由于内部参数不确定性和外部干扰的影响，构造含扰动项的无人机运动模型

其中扰动项集合代表内部参数不确定和外界扰动对无人机i在X、Y、Z轴的线速度和偏航角速度产生的影响，位移集合p_i＝[x_i,y_i,z_i,ψ_i]为第i架无人机在惯性坐标系X、Y、Z轴的位移和偏航角的集合，/>是对应的导数，速度集合表示第i架无人机在惯性坐标系X、Y、Z轴的速度和角速度的集合，分别表示第i架无人机在机体坐标系X、Y、Z轴的线速度。

而且，所述的步骤4中，在下层的姿态编队控制算法中加入滑模控制策略，利用编队误差构造的第i架无人机的滑模函数S_i表示为

其中控制增益k₁＞0，k₂＞0，指数项系数γ₁∈(0,1)，函数sgn(E_i)为符号函数，/>为幂函数，其中|E_i|表示取E_i的绝对值，指数γ₁∈(0,1)，为编队误差集合，/>分别为第i架四旋翼无人机与其参考轨迹在X、Y、Z轴上的编队误差以及偏航角误差，积分项/>表示对[0,t]区间内的值求积分。

而且，所述的步骤5中，根据编队误差数学模型分析得到不确定性扰动与编队误差E_i之间的线性关系，并设置干扰观测器的更新策略为

其中更新系数h_1,i＞0,h_2,i＞0。

而且，所述的步骤6中，分布式协同算法表示为

其中a_ij(t)，b_i(t)分别是邻接矩阵和度矩阵B的元素，j∈N_i(t)表示无人机j属于无人机i的邻居集合N_i(t)，/>为无人机j的参考位移集合，/>为无人机j的参考速度集合，控制增益参数γ＞1，k＞0，集合p₀＝[x₀,y₀,z₀,ψ₀]和/>分别为虚拟领航者和参考轨迹i在X、Y、Z轴的位移以及偏航角，集合/>和/>分别为虚拟领航者和参考轨迹i在X、Y、Z轴的速度以及偏航角速度，虚拟领航者的加速度集合/>且有/>集合/>为参考轨迹在X、Y、Z轴的速度以及偏航角速度的控制输入。

而且，所述的步骤6中，为使分布式协同控制器稳定，设置控制器参数k的取值方法表示为

其中矩阵H＝L+B，L为编队通讯拓扑的拉普拉斯矩阵，/>为矩阵的最小特征值。

另一方面，本发明还提供一种电子设备，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上所述未知扰动下多四旋翼无人机编队的分层控制方法。

另一方面，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，其特征在于，所述计算机程序被处理器执行时实现如上所述未知扰动下多四旋翼无人机编队的分层控制方法。

另一方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述未知扰动下多四旋翼无人机编队的分层控制方法。

与现有技术相比，本发明实施例具有以下有益效果，本发明实施例的基于分层编队控制方法，基于双层网络控制架构，提出的上层分布式协同算法利用虚拟参考值为每架四旋翼飞机生成参考轨迹，避免了大规模四旋翼无人机分布式编队时误差逐级累加的问题。提出的下层姿态编队控制器考虑了在机体坐标系中相对位置和偏航角的编队，保证编队飞行中在运动方向上的相对位置不变，偏航角一致。构造的滑模函数和自适应干扰观测器提高了四旋翼无人机编队控制的收敛速度和鲁棒性。

附图说明

图1是本实施例提出的一种分层控制框架示意图。

图2是本发明实施例设计的机体坐标系下领航跟随示意图。

图3是本发明实施例gazebo半实物仿真平台示意图。

图4是本发明实施例的通讯拓扑结构图。

图5是本发明实施例分布式参考轨迹的实验结果示意图。

图6是本发明实施例参考轨迹的跟踪误差示意图。

图7是本发明实施例参考轨迹的速度曲线示意图。

图8是本发明实施例多四旋翼无人机编队轨迹示意图。

图9是本发明实施例多四旋翼无人机编队误差曲线示意图。

图10是本发明实施例多四旋翼无人机线速度曲线示意图。

图11是本发明实施例多四旋翼无人机偏航角、角速度和角度误差曲线示意图。

图12是现有方法的编队误差曲线示意图。

具体实施方式

本发明提出了一种多架四旋翼无人机编队的分布式分层控制体系架构，其中下层采用自适应终端滑模干扰抑制方法实现姿态编队，上层采用分布式协同算法为下层生成参考轨迹。从而整体实现多架四旋翼在未知扰动下的编队控制。

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施案例对本发明进行深入地详细说明。应当理解，此处所描述的具体实施案例仅仅用以解释本发明，并不用于限定发明。

本发明实施例提供一种四旋翼无人机编队的新方法，针对多架四旋翼无人机，设计了分布式分层控制框架，包含下层自适应终端滑模抗扰方法和上层分布式协同算法。具体来说，自适应滑模控制策略可以解决四旋翼无人机跟踪参考信号形成编队中抵抗外界扰动的问题，增加编队的鲁棒性，分布式协同控制器能避免大规模分布式编队中编队误差逐级累加的问题，提高四旋翼无人机编队控制的精度。通过物理仿真平台Gazebo对多架四旋翼无人机进行仿真，验证了该方案的有效性。

参见图1，本发明实施例的未知扰动下多四旋翼无人机编队的分层控制方法，包括以下步骤：

步骤1，设置四旋翼无人机编队分布式通信网络拓扑，为避免分布式编队中节点深度增加导致的误差积累，设置包含上层轨迹追踪控制器和下层姿态编队控制器的分层控制结构，在上层轨迹追踪控制器中为每个四旋翼无人机设置对应的参考轨迹，将实时更新的参考轨迹状态传递给下层姿态编队控制

具体实施是，所述通信网络拓扑即无人机节点之间的通信关系，实施例中只有一架跟随无人机与虚拟领航者有通信，其它跟随无人机只与其邻居无人机保持通信。

本发明进一步提出，上层轨迹追踪控制器采用虚拟参考值替换实值用于编队的分布式协同控制，避免了分布式编队中节点深度增加导致的误差积累。

步骤2，在下层姿态编队控制器中，结合参考轨迹和实体无人机在机体坐标系和惯性坐标系中的运动关系，建立考虑了内部参数不确定性和外部扰动的无人机运动模型，具体过程如下：

根据本发明所提的分层控制结构，每架四旋翼无人机需在机体坐标系中以期望偏差跟踪自己的参考轨迹实现姿态编队。令集合Γ＝{1,...,n}，n为编队中四旋翼的个数，分别为第i架无人机在惯性坐标系X、Y、Z轴的参考位移和参考偏航角，令参考位移集合/>参考速度集合/>为第i架无人机在惯性坐标系X、Y、Z轴的参考速度和参考角速度。速度集合/>为第i架无人机在机体坐标系下X、Y、Z轴的参考线速度。根据图2建立结合了机体坐标系和惯性坐标系的参考轨迹和实体无人机运动学模型。为体现实际中无人机由于内部参数不确定性和外部干扰的影响，考虑了扰动项的无人机运动模型为

其中扰动项集合代表内部参数不确定和外界扰动对无人机i在X、Y、Z轴的线速度和偏航角速度产生的影响，位移集合p_i＝[x_i,y_i,z_i,ψ_i]为第i架无人机在惯性坐标系X、Y、Z轴的位移和偏航角的集合，/>是对应的导数，速度集合表示第i架无人机在惯性坐标系X、Y、Z轴的速度和角速度的集合，分别表示第i架无人机在机体坐标系X、Y、Z轴的线速度。

步骤3，为了下层姿态编队控制器能实现机体坐标系中的相对位置和偏航角的编队，使领航无人机和跟随无人机在运动方向上的相对位置和偏航角保持不变，根据参考轨迹和实体无人机的运动模型，建立机体坐标系下两者编队距离的关系，并构造编队误差的数学模型。设分别为第i架无人机在其参考轨迹X、Y、Z轴上的相对距离和角度，为期望的编队距离。本发明中机体坐标系下的编队距离可表示为

定义第i架四旋翼无人机与其参考轨迹在X、Y、Z轴上的编队误差分别为 以及偏航角误差/>编队误差集合为分析编队系统的稳定性，对E_i求导得到编队误差的数学模型。

步骤4，为了增强编队系统的响应速度和系统的鲁棒性，本发明在下层的姿态编队控制算法中加入了滑模控制策略，根据滑模控制理论，使用编队误差收敛于滑模面时的条件，求解出不考虑干扰项的姿态编队控制器的输入；

实施例中，利用编队误差构造的第i架无人机的滑模函数S_i为

其中控制增益k₁＞0，k₂＞0，函数sgn(E_i)为符号函数，为幂函数，其中|E_i|表示取E_i的绝对值，指数γ₁∈(0,1)，积分项/>表示对[0,t]区间内/>的值求积分。

令滑模函数集合令/>为无人机在X、Y、Z轴上的速度以及角速度控制输入量，根据滑模控制理论，使E_i收敛于滑模面S_i＝0且/>时，求解出不考虑干扰项的控制输入/>可表示为

其中H_i和F_i是步骤3中编队误差数学模型中的系数矩阵。

步骤5，为减少不确定性干扰对无人机编队的影响，提高编队的鲁棒性和减小编队误差，本发明依据编队误差数学模型中的扰动项构造了干扰观测器，用常数项与编队误差项之和来表征扰动项，根据表征关系设置干扰观测器的更新策略，基于观测器的结果和李雅普诺夫稳定性分析，设置针对不确定干扰下姿态编队控制器的补偿输入；

实施例基于观测器的结果设计补偿控制输入令扰动项集合/>代表内部参数不确定和外界扰动对无人机i在X、Y、Z轴的编队距离和偏航角度产生的影响，由步骤2的编队误差数学模型可分析得到扰动项D_i有界且可用常数项C_1,i与误差项C_2,i|E_i|之和来表征，其中/>设计干扰观测器的更新策略为

其中更新系数h_1,i＞0,h_2,i＞0，进一步使用观测器的结果，针对干扰项D_i设计补偿输入为

其中控制增益b₁，b₂＞0，指数项系数γ₂∈(0,1)。根据李雅普诺夫稳定性分析，在总控制输入下，无人机编队误差趋于0。

步骤6，为在上层轨迹跟踪控制器中给每架跟随四旋翼无人机生成参考轨迹，本发明设置上层轨迹追踪控制器中的分布式协同算法，根据通信拓扑结构和李雅普诺夫稳定性分析确定能使系统稳定的控制参数的取值，通过分布式协同算法计算得到参考轨迹在X、Y、Z轴的速度以及偏航角速度的控制输入，使每个无人机的参考轨迹渐进跟踪到虚拟领航者的状态。

本发明实施例提出了一种上层轨迹跟踪控制中的分布式协同控制算法，使每个参考轨迹跟踪到虚拟领航者的状态，令x₀,y₀,z₀,ψ₀分别为虚拟领航者在X、Y、Z轴的位移以及偏航角，位移集合p₀＝[x₀,y₀,z₀,ψ₀]，ω₀分别为虚拟领航者在X、Y、Z轴的速度以及偏航角速度，速度集合/>加速度集合/>且有/>令为参考轨迹在X、Y、Z轴的速度以及偏航角速度的控制输入。基于此，本发明提出的分布式协同算法可表示为

其中a_ij(t)，b_i(t)分别是邻接矩阵和度矩阵B的元素，j∈N_i(t)表示无人机j属于无人机i的邻居集合N_i(t)，/>为无人机j的参考位移集合，/>为无人机j的参考速度集合，控制增益参数γ＞1，k＞0，令L为编队通讯拓扑的拉普拉斯矩阵，H＝L+B，/>

为使所提的分布式协同控制器稳定，设置控制器参数k的取值方法为

其中为矩阵/>的最小特征值。只要k的取值满足该条件，应用本发明所提的分布式协同算法轨迹跟踪控制器就能实现渐进稳定，即每个无人机的参考轨迹渐进跟踪到虚拟领航者的状态。

在如图3所示的gazebo半实物仿真平台上采用PX4四旋翼模型验证了以上实施例所提的编队控制器的有效性，设置无人机编队的分布式通信拓扑如图4所示，其中UAV0是虚拟领航者，其UAV1-UAV6为跟随无人机。

为了评估所提出的控制策略的有效性和创新性，基于实施例方案进行了一些对比测试，并试图从分布式协同控制器的收敛速度和领航跟随能力、自适应滑模编队控制器的编队保持能力和鲁棒性能与现有四旋翼编队控制器的性能做出比较。

各参数为γ＝1.5,k＝6， 编队控制参数k₁＝0.1,k₂＝0.1，γ₁＝0.6,γ₂＝0.9，自适应观测器的参数b₁＝0.5,b₂＝0.8，b₁＝0.5,b₂＝0.8，虚拟领航者的轨迹为ω₀＝0.2rad/s，/>参考轨迹的初始状态为/>

A.分布式协同控制器的性能测试

上层分布式协同控制器产生的参考轨迹如图5所示，与虚拟领航者的跟踪误差如图6所示，速度变化如图7所示。由此可见，所有参考轨迹的位置和速度误差在15s内快速收敛为零。

B.自适应滑模编队控制器测试

采用本发明中自适应滑模编队控制器的四旋翼编队性能如图8所示，编队误差如图9所示，线速度如图10所示，四旋翼偏航角、角速度和角度误差曲线如图11所示。实验表明，通过分布式协同控制器和自适应滑模编队控制器，多四旋翼无人机具有优异的编队性能。

C.与现有编队控制器对比实验

为了验证本发明控制器的优势，使用已有方法实现上述多四旋翼无人机编队控制，结果如图12所示。实验结果表明，本发明提出的多四旋翼编队控制器收敛速度更快，编队误差更小。

具体实施时，本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程，实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备，也应当在本发明的保护范围内。

另一实施例中，本发明还提供一种电子设备，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上所述未知扰动下多四旋翼无人机编队的分层控制方法。

另一实施例中，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，其特征在于，所述计算机程序被处理器执行时实现如上所述未知扰动下多四旋翼无人机编队的分层控制方法。

另一实施例中，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述未知扰动下多四旋翼无人机编队的分层控制方法。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (10)

1.一种未知扰动下多四旋翼无人机编队的分层控制方法，其特征在于，采用包含下层自适应滑模抗扰轨迹跟踪控制和上层分布式协同控制的分层控制策略，控制实现过程包括以下步骤：

步骤1，设置四旋翼无人机编队分布式通信网络拓扑，设置包含上层轨迹追踪控制器和下层姿态编队控制器的分层控制结构，在上层轨迹追踪控制器中为每个四旋翼无人机设置对应的参考轨迹，将实时更新的参考轨迹状态传递给下层姿态编队控制器；

步骤2，在下层姿态编队控制器中，结合参考轨迹和实体无人机在机体坐标系和惯性坐标系中的运动关系，建立考虑内部参数不确定性和外部扰动的无人机运动模型；

步骤3，根据参考轨迹和实体无人机的运动模型，建立机体坐标系下两者在X、Y、Z轴上的相对距离和角度的关系，并构造编队误差的数学模型，模型包括可精确表示部分和含扰动项的部分；

步骤4，在下层的姿态编队控制算法中加入滑模控制策略，利用编队误差构造滑模函数，根据滑模控制理论，使用编队误差收敛于滑模面时的条件，求解出不考虑干扰项的姿态编队控制器的输入；

步骤5，根据编队误差数学模型中的扰动项，构造干扰观测器，用常数项与编队误差项之和来表征扰动项，根据表征关系设置干扰观测器的更新策略，基于观测器的结果和李雅普诺夫稳定性分析，设置针对不确定干扰下姿态编队控制器的补偿输入；

步骤6，设置上层轨迹追踪控制器中的分布式协同算法，根据通信拓扑结构和李雅普诺夫稳定性分析确定能使系统稳定的控制参数的取值，通过分布式协同算法计算得到参考轨迹在X、Y、Z轴的速度以及偏航角速度的控制输入，使每个无人机的参考轨迹渐进跟踪到虚拟领航者的状态。

2.根据权利要求1所述的一种未知扰动下多四旋翼无人机编队的分层控制方法，其特征在于：上层轨迹追踪控制器采用虚拟参考值替换实值用于编队的分布式协同控制，避免分布式编队中节点深度增加导致的误差积累。

3.根据权利要求1所述的一种未知扰动下多四旋翼无人机编队的分层控制方法，其特征在于：所述的步骤2中，为体现实际中无人机由于内部参数不确定性和外部干扰的影响，构造含扰动项的无人机运动模型

其中扰动项集合代表内部参数不确定和外界扰动对无人机i在X、Y、Z轴的线速度和偏航角速度产生的影响，位移集合p_i＝[x_i,y_i,z_i,ψ_i]为第i架无人机在惯性坐标系X、Y、Z轴的位移和偏航角的集合，/>是对应的导数，速度集合表示第i架无人机在惯性坐标系X、Y、Z轴的速度和角速度的集合，分别表示第i架无人机在机体坐标系X、Y、Z轴的线速度。

4.根据权利要求3所述的一种未知扰动下多四旋翼无人机编队的分层控制方法，其特征在于：所述的步骤4中，在下层的姿态编队控制算法中加入滑模控制策略，利用编队误差构造的第i架无人机的滑模函数S_i表示为

其中控制增益k₁＞0，k₂＞0，指数项系数γ₁∈(0,1)，函数sgn(E_i)为符号函数，/>为幂函数，其中|E_i|表示取E_i的绝对值，指数γ₁∈(0,1)，为编队误差集合，/>分别为第i架四旋翼无人机与其参考轨迹在X、Y、Z轴上的编队误差以及偏航角误差，积分项/>表示对[0,t]区间内的值求积分。

5.根据权利要求4所述的一种未知扰动下多四旋翼无人机编队的分层控制方法，其特征在于：所述的步骤5中，根据编队误差数学模型分析得到不确定性扰动与编队误差E_i之间的线性关系，并设置干扰观测器的更新策略为

其中更新系数h_1,i＞0,h_2,i＞0。

6.根据权利要求5所述的一种未知扰动下多四旋翼无人机编队的分层控制方法，其特征在于：所述的步骤6中，分布式协同算法表示为

其中a_ij(t)，b_i(t)分别是邻接矩阵A和度矩阵B的元素，j∈N_i(t)表示无人机j属于无人机i的邻居集合N_i(t)，为无人机j的参考位移集合，/>为无人机j的参考速度集合，控制增益参数γ＞1，k＞0，集合p₀＝[x₀,y₀,z₀,ψ₀]和/>分别为虚拟领航者和参考轨迹i在X、Y、Z轴的位移以及偏航角，集合/>和/>分别为虚拟领航者和参考轨迹i在X、Y、Z轴的速度以及偏航角速度，虚拟领航者的加速度集合且有/>集合/>为参考轨迹在X、Y、Z轴的速度以及偏航角速度的控制输入。

7.根据权利要求6所述的一种未知扰动下多四旋翼无人机编队的分层控制方法，其特征在于：所述的步骤6中，为使分布式协同控制器稳定，设置控制器参数k的取值方法表示为

其中矩阵H＝L+B，L为编队通讯拓扑的拉普拉斯矩阵，/>为矩阵/>的最小特征值。

8.一种电子设备，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7任一项所述未知扰动下多四旋翼无人机编队的分层控制方法。

9.一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7任一项所述未知扰动下多四旋翼无人机编队的分层控制方法。

10.一种计算机程序产品，包括计算机程序，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7任一项所述未知扰动下多四旋翼无人机编队的分层控制方法。