CN117177208A - 一种考虑随机通讯时延的集群无人机协同容错控制方法 - Google Patents

Abstract

本申请公开了一种考虑随机通讯时延的集群无人机协同容错控制方法，涉及无人机技术领域，该方法在考虑集群无人机中任意两架跟随者无人机之间存在的按照随机概率出现的定长通讯时延的情况下，基于各架跟随者无人机对领导者无人机的观测位置向量构建分布式观测器来观测领导者无人机的位置向量，然后基于位置跟踪误差设计快速终端滑模面，结合扰动观测器对考虑执行器故障的动力学模型中的故障相关项的估计向量，设计得到容错控制律实现容错控制。该方法考虑了集群无人机存在随机通讯时延和遭遇执行器故障情况下的编队协同容错控制问题，在集群无人机的编队协同容错控制上具有很好的实际意义和应用前景。

Description

一种考虑随机通讯时延的集群无人机协同容错控制方法

技术领域

本申请涉及无人机技术领域，尤其是一种考虑随机通讯时延的集群无人机协同容错控制方法。

背景技术

随着无人机技术的日益成熟和快速发展，无人机发挥着越来越重要的作用。然而，有时单架无人机无法在一些复杂的场景中执行任务，与单架无人机相比，多架无人机编队具有视野大、效率高、抗干扰能力强、飞行持续时间长等优点，在军事、农业、商业等领域具有广阔的前景。因此，多无人机协同控制逐渐引起众多研究人员的关注，并广泛应用于灾害救援、森林防火、中继通讯、环境保护等。

然而，随着应用领域的不断扩大，现实环境的复杂性和目标任务的高难度也对无人机的自主控制和容错能力提出了新的挑战。由于无人机之间的相互作用，单架无人机遇到的故障和外部干扰可能会影响相邻无人机甚至整个无人机编队，威胁飞行安全。因此，多架无人机需要高可靠的容错协同控制方案来高效地执行各种任务。

多架无人机编队飞行时，状态信息需要在多架无人机之间共享，状态信息的及时、准确交互是稳定飞行的关键因素之一。然而，在实际飞行中，无人机之间的通讯不可避免地会受到恶劣天气、电磁干扰、通讯信道阻塞等因素的影响，导致信息传输出现时间延迟。时延的存在会造成通讯障碍或信息丢失，降低控制性能，导致多架无人机无法保持预定编队，甚至失去稳定性。

发明内容

本申请针对上述问题及技术需求，提出了一种考虑随机通讯时延的集群无人机协同容错控制方法，本申请的技术方案如下：

一种考虑随机通讯时延的集群无人机协同容错控制方法，该集群无人机协同容错控制方法包括：

在考虑集群无人机中任意两架跟随者无人机之间存在的按照随机概率出现的定长通讯时延τ的情况下，基于各架跟随者无人机对领导者无人机的观测位置向量构建集群无人机中任意第i架跟随者无人机的分布式观测器，分布式观测器用于得到第i架跟随者无人机对领导者无人机的观测位置向量p_0i并发送给其他跟随者无人机；其中，集群无人机包括一架领导者无人机及N架跟随领导者无人机进行编队飞行的跟随者无人机，整数参数1≤i≤N；

构建第i架跟随者无人机的位置跟踪误差e_i＝p_i-p_di，p_i是第i架跟随者无人机的位置向量，p_di＝p_0i+p_ri是领导者无人机的期望位置向量，p_ri是第i架跟随者无人机相对于领导者无人机的期望相对位置向量；

基于第i架跟随者无人机的位置跟踪误差e_i设计得到快速终端滑模面；

利用扰动观测器得到第i架跟随者无人机的考虑执行器故障的动力学模型中的故障相关项ζ_i的估计向量并结合快速终端滑模面构建得到第i架跟随者无人机在考虑任意两架跟随者无人机之间存在的按照随机概率出现的定长通讯时延τ情况下的容错控制律；

按照第i架跟随者无人机的容错控制律对第i架跟随者无人机进行容错协同控制。

其进一步的技术方案为，构建的第i架跟随者无人机的考虑定长通讯时延τ的分布式观测器为：

其中，p_0i(t)是第i架跟随者无人机在t时刻对领导者无人机的观测位置向量，p_0j(t)是集群无人机中其他任意第j架跟随者无人机在t时刻对领导者无人机的观测位置向量，p_0i(t-τ)是第i架跟随者无人机在t-τ时刻对领导者无人机的观测位置向量，p_0j(t-τ)是第j架跟随者无人机在t-τ时刻对领导者无人机的观测位置向量，p₀(t)是领导者无人机在t时刻的位置向量；

β₁为正参数，随机变量δ服从伯努利分布，随机变量δ＝0时表示第i架跟随者无人机与第j架跟随者无人机之间出现定长通讯时延τ，随机变量δ＝1时表示第i架跟随者无人机与第j架跟随者无人机之间未出现定长通讯时延τ；

当第i架跟随者无人机与第j架跟随者无人机之间建立有通讯连接时a_ij＝1，当第i架跟随者无人机与第j架跟随者无人机之间未建立通讯连接时a_ij＝0；当第i架跟随者无人机与领导者无人机之间建立有通讯连接时c_i＝1，当第i架跟随者无人机与领导者无人机之间未建立通讯连接时c_i＝0；整数参数1≤j≤N。

其进一步的技术方案为，基于第i架跟随者无人机的位置跟踪误差e_i设计得到快速终端滑模面包括：

利用预设性能函数ξ_q(t)对位置跟踪误差e_i＝[e_i1，e_i2，e_i3]^T在任意t时刻的取值进行性能约束为-δ_mξ_q(t)＜e_iq(t)＜δ_Mξ_q(t)，δ_m和δ_M分别为正参数，q＝1，2，3；预设性能函数T_q＝ι/λ是预设性能函数的稳定时间，ι和λ均为正参数，ξ_0q＝ξ_q(0)，ξ_0q＞ξ_Tq＞0；

定义e_iq(t)＝ξ_q(t)Φ_iq(z_iq(t))，则基于Φ_iq(z_iq(t))∈(-δ_m，δ_M)且得到：

继而得到其中，E_i＝[E_i1，E_i2，E_i3]^T，ξ＝[ξ₁，ξ₂，ξ₃]^T，且v_i＝diag{v_i1，v_i2，v_i3}；

对进一步求导得到：

其中，

设计得到的第i架跟随者无人机的快速终端滑模面为：

其中，E_i是根据第i架跟随者无人机的位置跟踪误差e_i得到的转换误差，K_1i＝diag{K_1i1，K_1i2，K_1i3}且元素取值均大于0，K_2i＝diag{K_2i1，K_2i2，K_2i3}且元素取值均大于0，P和Q均为正奇数且1＜P/Q＜2，sig^P/Q(E_i)＝|E_i|^P/Qsign(E_i)，sign为符号函数。

其进一步的技术方案为，第i架跟随者无人机的考虑执行器故障的动力学模型为：

其中，f_i是非线性项，g_i是参数矩阵，u_0i是第i架跟随者无人机的命令控制输入信号；

则设计得到的第i架跟随者无人机的容错控制律包括：

取第i架跟随者无人机的快速终端滑模面的导数为：

其中，

设计得到第i架跟随者无人机的容错控制律为：

其中，S_i(t)是第i架跟随者无人机的快速终端滑模面在t时刻的取值，S_j(t)是第j架跟随者无人机的快速终端滑模面在t时刻的取值，S_i(t-τ)是第i架跟随者无人机的快速终端滑模面在t-τ时刻的取值，S_j(t-τ)是第j架跟随者无人机的快速终端滑模面在t-τ时刻的取值；k_i＝diag{k_i1，k_i2，k_i3}且元素取值均大于0。

其进一步的技术方案为，利用扰动观测器得到故障相关项ζ_i的估计向量包括：

定义X_1i＝p_i，并对第i架跟随者无人机的考虑执行器故障的动力学模型改写为：

设计如下扰动观测器对故障相关项ζ_i进行扰动观测：

其中，X_iζ＝[X_iζ1，X_iζ2，X_iζ3]^T为系统内状态变量，η_i为参数。

其进一步的技术方案为，确定第i架跟随者无人机的考虑执行器故障的动力学模型包括：

建立第i架跟随者无人机的基础动力学模型为：

其中，x_i、y_i和z_i分别是第i架跟随者无人机在三个坐标轴上的位置信息，V_i是第i架跟随者无人机的速度，χ_i是第i架跟随者无人机的航向角，γ_i是第i架跟随者无人机的航迹角，L_i是第i架跟随者无人机的升力，φ_i是第i架跟随者无人机的倾斜角，m_i是第i架跟随者无人机的质量，g是重力加速度；

D_i是第i架跟随者无人机的阻力，T_i是第i架跟随者无人机的推力且有：

其中，s_i是第i架跟随者无人机的机翼面积，是第i架跟随者无人机的动压，ρ是空气密度，C_iD是总阻力系数，T_max是第i架跟随者无人机的发动机的最大推力，δ_ti是第i架跟随者无人机的推力油门设置；

定义第i架跟随者无人机的位置向量p_i＝[x_i，y_i，z_i]^T将第i架跟随者无人机的基础动力学模型变换为：

其中，u_i＝[u_i1，u_i2，u_i3]^T＝[δ_ti，L_isinφ_i，L_icosφ_i]^T是第i架跟随者无人机的应用控制输入信号，

建立第i架跟随者无人机的执行器故障模型为：

u_i＝ρ_iu_0i+u_bi；

其中，ρ_i＝diag{ρ_1v，1，1}是效率因子且0＜ρ_1i≤1，u_bi＝[u_b1i，u_b2i，u_b3i]^T代表偏差故障量；

将第i架跟随者无人机的执行器故障模型代入第i架跟随者无人机的基础动力学模型，得到第i架跟随者无人机的考虑执行器故障的动力学模型为：

其中，故障相关项ζ_i＝g_i(ρ_i-I)u_0i+g_iu_bi，I是单位矩阵。

本申请的有益技术效果是：

本申请公开了一种考虑随机通讯时延的集群无人机协同容错控制方法，该方法考虑了集群无人机在存在随机通讯时延和遭遇执行器故障情况下的编队协同容错控制问题，基于快速终端滑模设计编队协同容错控制方案，不仅确保了执行器故障下集群无人机的稳定飞行，还使得各架跟随者无人机可以在存在随机通讯时延的情况下也能对期望位置进行编队跟踪，在集群无人机的编队协同容错控制上具有很好的实际意义和应用前景。

该方法引入预设性能控制对跟踪误差进行性能约束，确保了各架无人机的跟踪误差的快速收敛并稳定在约束边界内。采用固定时间扰动观测器对故障相关项进行估计，在控制律中引入估计值可以对故障进行快速补偿，确保了快速容错效果。

附图说明

图1是本申请一个实例中的集群无人机的通信拓扑结构图。

图2是本申请一个实施例中的集群无人机协同容错控制方法的控制框图。

图3是基于图1的一个仿真实例中各架跟随者无人机的航行轨迹图。

图4是基于图1的一个仿真实例中三架出现执行器故障的跟随者无人机的推力油门设置的数据曲线图。

图5是基于图1的一个仿真实例中三架出现执行器故障的跟随者无人机的位置跟踪误差的数据曲线图。

图6是基于图1的一个仿真实例中三架出现执行器故障的跟随者无人机的故障相关项的估计向量的数据曲线图。

具体实施方式

下面结合附图对本申请的具体实施方式做进一步说明。

本申请公开了一种考虑随机通讯时延的集群无人机协同容错控制方法，该方法针对集群无人机进行编队航行的场景，请参考图1所示的一个应用场景，集群无人机中包括一架领导者无人机10以及N架跟随该领导者无人机10飞行的跟随者无人机，N为整数参数，图1以包含5架跟随者无人机1、2、3、4、5为例。该集群无人机中的各架无人机之间建立有通讯拓扑，包括：领导者无人机10与跟随者无人机之间的通讯连接，以及跟随者无人机之间的通讯连接。领导者无人机与部分或全部跟随者无人机之间建立通讯连接，每架跟随者无人机可以与其他一架或多架跟随者无人机建立通讯连接。一般情况下，领导者无人机与跟随者无人机之间建立单向通讯连接，领导者无人机向跟随者无人机单向传输信息，而跟随者无人机之间建立双向通讯连接，跟随者无人机之间可以双向传输信息。

请参考图1所示的一个实例中的通讯拓扑示意图，领导者无人机10与跟随者无人机1和跟随者无人机2分别建立单向的通讯连接，跟随者无人机1与跟随者无人机2、跟随者无人机3和跟随者无人机4分别建立双向的通讯连接，跟随者无人机2还与跟随者无人机3和跟随者无人机5分别建立双向的通讯连接，跟随者无人机4还与跟随者无人机5建立双向的通讯连接。

本申请的考虑随机通讯时延的集群无人机协同容错控制方法包括如下方法，对于任意第i架跟随者无人机，整数参数1≤i≤N执行如下步骤，请参考图2所示的控制框图：

1、建立第i架跟随者无人机的考虑执行器故障的动力学模型。

(1)首先建立第i架跟随者无人机的基础动力学模型为：

其中，x_i、y_i和z_i分别是第i架跟随者无人机在三个坐标轴上的位置信息，是x_i的导数，其他参数也同理表示，后续不再一一解释。V_i是第i架跟随者无人机的速度，χ_i是第i架跟随者无人机的航向角，γ_i是第i架跟随者无人机的航迹角，L_i是第i架跟随者无人机的升力，φ_i是第i架跟随者无人机的倾斜角，m_i是第i架跟随者无人机的质量，g是重力加速度。

D_i是第i架跟随者无人机的阻力，T_i是第i架跟随者无人机的推力且有：

其中，s_i是第i架跟随者无人机的机翼面积，是第i架跟随者无人机的动压，ρ是空气密度，C_iD是总阻力系数，T_max是第i架跟随者无人机的发动机的最大推力，δ_ti是第i架跟随者无人机的推力油门设置。

定义第i架跟随者无人机的位置向量p_i＝[x_i，y_i，z_i]^T，将第i架跟随者无人机的基础动力学模型变换为：

其中，u_i＝[u_i1，u_i2，u_i3]^T＝[δ_ti，L_isinφ_i，L_icosφ_i]^T是第i架跟随者无人机的应用控制输入信号。f_i是非线性项，g_i是第i架跟随者无人机的参数矩阵且：

(2)建立第i架跟随者无人机的执行器故障模型为：

u_i＝ρ_iu_oi+u_bi；

其中，ρ_i＝diag{ρ_1i，1，1}是效率因子且0＜ρ_1i≤1，u_bi＝[u_b1i，u_b2i，U_b3i]^T代表偏差故障量。

(3)将第i架跟随者无人机的执行器故障模型代入第i架跟随者无人机的基础动力学模型，得到第i架跟随者无人机的考虑执行器故障的动力学模型为：

其中，故障相关项ζ_i＝g_i(ρ_i-I)u_0i+g_iu_bi，I是单位矩阵。

2、对跟随者无人机之间的通讯时延进行描述。

本申请中，各架跟随者无人机感知自身状态是不存在时延的，但是不同跟随者无人机之间进行通讯互相传输信息时可能存在定常时延，定义集群无人机中任意的第i架跟随者无人机与任意第j架跟随者无人机进行通讯时，第i架跟随者无人机向第j架跟随者无人机发送信息的时延τ_ij与第j架跟随者无人机向第i架跟随者无人机发送信息的时延τ_ji相等且为定长通讯时延τ，也即τ_ij＝τ_ji＝τ，且该定长通讯时延τ存在时延上限而使得τ_ij≤τ_m。整数参数1≤j≤N。

第i架跟随者无人机与任意第j架跟随者无人机之间的定长通讯时延τ按照随机概率出现，定义随机变量δ来描述任意两架跟随者无人机之间按照随机概率出现的定长通讯时延τ随机变量δ服从伯努利分布，且随机变量δ＝0时表示第i架跟随者无人机与第j架跟随者无人机之间出现定长通讯时延τ，随机变量δ＝1时表示第i架跟随者无人机与第j架跟随者无人机之间未出现定长通讯时延τ。 为不发生通讯时延的概率。

3、在考虑集群无人机中任意两架跟随者无人机之间存在的按照随机概率出现的定长通讯时延τ的情况下，基于各架跟随者无人机对领导者无人机的观测位置向量构建集群无人机中任意第i架跟随者无人机的分布式观测器。分布式观测器用于得到第i架跟随者无人机对领导者无人机的观测位置向量p_oi并发送给其他跟随者无人机。

定义领导者无人机的位置向量为p₀＝[x₀，y₀，z₀]^T，以p₀(t)表示领导者无人机在t时刻的位置向量，其他参数也同理表示，后续不再解释。建立第i架跟随者无人机的考虑定长通讯时延τ的分布式观测器为：

其中，p_0i(t)是第i架跟随者无人机在t时刻对领导者无人机的观测位置向量，p_0j(t)是集群无人机中其他任意第j架跟随者无人机在t时刻对领导者无人机的观测位置向量，p_0i(t-τ)是第i架跟随者无人机在t-τ时刻对领导者无人机的观测位置向量，p_0j(t-τ)是第j架跟随者无人机在t-τ时刻对领导者无人机的观测位置向量。

β₁为正参数。当第i架跟随者无人机与第j架跟随者无人机之间建立有通讯连接时a_ij＝1，当第i架跟随者无人机与第j架跟随者无人机之间未建立通讯连接时a_ij＝0。当第i架跟随者无人机与领导者无人机之间建立有通讯连接时c_i＝1，当第i架跟随者无人机与领导者无人机之间未建立通讯连接时c_i＝0。

比如在图1中的通信拓扑结构中，跟随者无人机1与其他四架跟随者无人机分别有a₁₂＝a₁₃＝a₁₄＝1，a₁₅＝0，其他跟随者无人机之间的a_ij同理。c₁＝c₂＝1，c₃＝c₄＝c₅＝0。

4、设计快速终端滑模面。

首先构建第i架跟随者无人机的位置跟踪误差e_i＝p_i-p_di。p_i是第i架跟随者无人机的位置向量，p_di＝p_oi+p_ri是领导者无人机的期望位置向量，p_ri是第i架跟随者无人机相对于领导者无人机的期望相对位置向量，e_i＝[e_i1，e_i2，e_i3]^T。

然后基于第i架跟随者无人机的位置跟踪误差e_i设计得到快速终端滑模面，包括：

利用预设性能函数ξ_q(t)对位置跟踪误差e_i＝[e_i1，e_i2，e_i3]^T在任意t时刻的取值进行性能约束为：

-δ_mξ_q(t)＜e_iq(t)＜δ_Mξ_q(t)

其中，δ_m和δ_M分别为正参数，q＝1，2，3。

预设性能函数为：

其中，T_q＝ι/λ是预设性能函数的稳定时间，ι和λ均为正参数，ξ_0q＝ξ_q(0)，ξ_0q＞ξ_Tq＞0。

定义误差转换函数为：

e_iq(t)＝ξ_q(t)Φ_iq(z_iq(t))

则转换误差定义为：

其中，Φ_iq(z_iq(t))∈(-δ_m，δ_M)且设计为：

可以得到：

其中，E_i＝[E_i1，E_i2，E_i3]^T，ξ＝[ξ₁，ξ₂，ξ₃]^T，且v_i＝diag{ν_i1，v_i2，v_i3}。

对进一步求导得到：

其中，

设计得到的第i架跟随者无人机的快速终端滑模面为：

其中，E_i是根据第i架跟随者无人机的位置跟踪误差e_i得到的转换误差，K_1i＝diag{K_1i1，K_1i2，K_1i3}且元素取值均大于0，K_2i＝diag{K_2i1，K_2i2，K_2i3}且元素取值均大于0，diag表示取对角矩阵。P和Q均为正奇数且1＜P/Q＜2，sig^P/Q(E_i)＝|E_i|^P/Qsign(E_i)，sign为符号函数。

5、设计扰动观测器。

定义X_1i＝p_i，并对第i架跟随者无人机的考虑执行器故障的动力学模型改写为：

设计如下扰动观测器对故障相关项ζ_i进行扰动观测：

其中，故障相关项ζ_i的估计向量X_iζ＝[X_iζ1，X_iζ2，X_iζ3]^T为系统内状态变量，η_i为参数。

6、利用扰动观测器对第i架跟随者无人机的考虑执行器故障的动力学模型中的故障相关项ζ_i进行扰动观测得到故障相关项ζ_i的估计向量然后结合快速终端滑模面构建得到第i架跟随者无人机在考虑任意两架跟随者无人机之间存在的按照随机概率出现的定长通讯时延τ情况下的容错控制律。

首先取第i架跟随者无人机的快速终端滑模面的导数为：

其中，

然后设计得到第i架跟随者无人机的容错控制律为：

其中，S_i(t)是第i架跟随者无人机的快速终端滑模面在t时刻的取值，S_j(t)是第j架跟随者无人机的快速终端滑模面在t时刻的取值，S_i(t-τ)是第i架跟随者无人机的快速终端滑模面在t-τ时刻的取值，S_j(t-τ)是第j架跟随者无人机的快速终端滑模面在t-τ时刻的取值；k_i＝diag{k_i1，k_i2，k_i3}且元素取值均大于0。

7、按照第i架跟随者无人机的容错控制律对第i架跟随者无人机进行容错协同控制，包括将根据第i架跟随者无人机的容错控制律得到的u_0i返回给第i架跟随者无人机，从而可以对随机通讯时延情况下遭遇执行器故障的集群无人机进行编队、位置跟踪和容错协同控制。

本申请还提供了一个仿真实验来证明本申请方法的有效性：

集群无人机的通信拓扑结构如图1所示，且各结构参数取值包括如下：

所有跟随者无人机的机翼面积均为s_i＝1.463m²，所有跟随者无人机的质量均为m_i＝10kg，空气密度ρ＝1.205kg·m^-3，重力加速度g＝9.8m·s^-2。所有跟随者无人机的总阻力系数均为C_iD＝0.0225rad^-1，所有跟随者无人机的发动机的最大推力均为T_max＝100。

设定跟随者无人机1和跟随者无人机5在t＝20s时遭遇执行器故障，跟随者无人机3在t＝60s时遭遇执行器故障，执行器故障模型中的参数设置为：

其他使用到的各项控制参数设置如下：

容错控制律中的k_i＝diag{10，10，10}。分布式观测器中的β₁＝30，δ_m＝δ_M＝1，ξ_0q＝1，ξ_Tq＝0.1，T_q＝8，ι＝8，λ＝1。扰动观测器的参数取值为η_i＝5。快速终端滑模面中的P＝7，Q＝5，K_1i＝diag{30，30，30}，K_2i＝diag{10，10，10}。

系统的初始状态参数设定为：

V_i(0)＝30m/s，χ_i(0)＝0.573°，γ_i(0)＝0.573°，p₀(0)＝[0m，0m，1000m]^T，p₁(0)＝[0.1m，-30.3m，1010.2m]^T，p₂(0)＝[0.2m，-15.1m，984.3m]^T，p₃(0)＝[0.2m，30.1m，1010.2m]^T，p₄(0)＝[-0.2m，15.3m，984.2m]^T，p₅(0)＝[-0.1m，-0.2m，958.1m]^T。

各架跟随者无人机相对于领导者无人机的期望相对位置向量分别为：

p_r1＝[0m，-30m，10m]^T，p_r2＝[0m，-15m，-16m]^T，p_r3＝[0m，30m，10m]^T，p_r4＝[0m，15m，-16m]^T，p_r5＝[0m，0m，-42m]^T。领导者无人机的飞行轨迹设定为p₀＝[30tm，0m，1000m]^T。任意两架跟随者无人机之间的定长通讯时延τ＝1s，且δ＝0.5。

该仿真实例中，以UAV#i表示跟随者无人机i，各架跟随者无人机的航行轨迹如图3所示，各架跟随者无人机的推力油门设置δ_ti如图4所示，由图4可以看出，UAV#1、UAV#3和UAV#5的推力油门设置在遇到执行器故障时快速调整。UAV#1、UAV#3和UAV#5的位置跟踪误差e_i如图5所示，由图5可以看出，位置跟踪误差e_i是快速收敛的并限制有限的边界内。UAV#1、UAV#3和UAV#5的故障相关项的估计向量如图6所示，由图6可以看出，扰动观测器可以快速准确地估计故障相关项并进行补偿。

以上所述的仅是本申请的优选实施方式，本申请不限于以上实施例。可以理解，本领域技术人员在不脱离本申请的精神和构思的前提下直接导出或联想到的其他改进和变化，均应认为包含在本申请的保护范围之内。

Claims (6)

1.一种考虑随机通讯时延的集群无人机协同容错控制方法，其特征在于，所述集群无人机协同容错控制方法包括：

在考虑集群无人机中任意两架跟随者无人机之间存在的按照随机概率出现的定长通讯时延τ的情况下，基于各架跟随者无人机对领导者无人机的观测位置向量构建集群无人机中任意第i架跟随者无人机的分布式观测器，所述分布式观测器用于得到所述第i架跟随者无人机对领导者无人机的观测位置向量p_0i并发送给其他跟随者无人机；其中，集群无人机包括一架领导者无人机及N架跟随所述领导者无人机进行编队飞行的跟随者无人机，整数参数1≤i≤N；

构建所述第i架跟随者无人机的位置跟踪误差e_i＝p_i-p_di，p_i是所述第i架跟随者无人机的位置向量，p_di＝p_0i+p_ri是所述领导者无人机的期望位置向量，p_ri是所述第i架跟随者无人机相对于所述领导者无人机的期望相对位置向量；

基于所述第i架跟随者无人机的位置跟踪误差e_i设计得到快速终端滑模面；

利用扰动观测器得到所述第i架跟随者无人机的考虑执行器故障的动力学模型中的故障相关项ζ_i的估计向量并结合所述快速终端滑模面构建得到所述第i架跟随者无人机在考虑任意两架跟随者无人机之间存在的按照随机概率出现的定长通讯时延τ情况下的容错控制律；

按照所述第i架跟随者无人机的容错控制律对所述第i架跟随者无人机进行容错协同控制。

2.根据权利要求1所述的集群无人机协同容错控制方法，其特征在于，构建的所述第i架跟随者无人机的考虑定长通讯时延τ的分布式观测器为：

其中，p_0i(t)是所述第i架跟随者无人机在t时刻对领导者无人机的观测位置向量，p_0j(t)是集群无人机中其他任意第j架跟随者无人机在t时刻对领导者无人机的观测位置向量，p_0i(t-τ)是所述第i架跟随者无人机在t-τ时刻对领导者无人机的观测位置向量，p_0j(t-τ)是所述第j架跟随者无人机在t-τ时刻对领导者无人机的观测位置向量，p₀(t)是所述领导者无人机在t时刻的位置向量；

β₁为正参数，随机变量δ服从伯努利分布，随机变量δ＝0时表示所述第i架跟随者无人机与所述第j架跟随者无人机之间出现定长通讯时延τ，随机变量δ＝1时表示所述第i架跟随者无人机与所述第j架跟随者无人机之间未出现定长通讯时延τ；

当所述第i架跟随者无人机与所述第j架跟随者无人机之间建立有通讯连接时a_ij＝1，当所述第i架跟随者无人机与所述第j架跟随者无人机之间未建立通讯连接时a_ij＝0；当所述第i架跟随者无人机与所述领导者无人机之间建立有通讯连接时c_i＝1，当所述第i架跟随者无人机与所述领导者无人机之间未建立通讯连接时c_i＝0；整数参数1≤j≤N。

3.根据权利要求2所述的集群无人机协同容错控制方法，其特征在于，所述基于所述第i架跟随者无人机的位置跟踪误差e_i设计得到快速终端滑模面包括：

利用预设性能函数ξ_q(t)对位置跟踪误差e_i＝[e_i1，e_i2，e_i3]^T在任意t时刻的取值进行性能约束为-δ_mξ_q(t)＜e_iq(t)＜δ_Mξ_q(t)，δ_m和δ_M分别为正参数，q＝1，2，3；预设性能函数T_q＝ι/λ是预设性能函数的稳定时间，ι和λ匀为正参数，ξ_0q＝ξ_q(0)，ξ_0q＞ξ_Tq＞0；

定义e_iq(t)＝ξ_q(t)Φ_iq(z_iq(t))，则基于Φ_iq(z_iq(t))∈(-δ_m，δ_M)且得到：

继而得到其中，E_i＝[E_i1，E_i2，E_i3]^T，ξ＝[ξ₁，ξ₂，ξ₃]^T，且v_i＝diag{v_i1，v_i2，v_i3}；

对进一步求导得到：

其中，

设计得到的所述第i架跟随者无人机的快速终端滑模面为：

其中，E_i是根据所述第i架跟随者无人机的位置跟踪误差e_i得到的转换误差，K_1i＝diag{K_1i1，K_1i2，K_1i3}且元素取值均大于0，K_2i＝diag{K_2i1，K_2i2，K_2i3}且元素取值均大于0，P和Q均为正奇数且1＜P/Q＜2，sig^P/Q(E_i)＝|E_i|^P/Qsign(E_i)，sign为符号函数。

4.根据权利要求3所述的集群无人机协同容错控制方法，其特征在于，

所述第i架跟随者无人机的考虑执行器故障的动力学模型为：

其中，f_i是非线性项，g_i是参数矩阵，u_0i是所述第i架跟随者无人机的命令控制输入信号；

则设计得到的所述第i架跟随者无人机的容错控制律包括：

取所述第i架跟随者无人机的快速终端滑模面的导数为：

其中，

设计得到所述第i架跟随者无人机的容错控制律为：

其中，S_i(t)是所述第i架跟随者无人机的快速终端滑模面在t时刻的取值，S_j(t)是所述第j架跟随者无人机的快速终端滑模面在t时刻的取值，S_i(t-τ)是所述第i架跟随者无人机的快速终端滑模面在t-τ时刻的取值，S_j(t-τ)是所述第j架跟随者无人机的快速终端滑模面在t-τ时刻的取值；k_i＝diag{k_i1，k_i2，k_i3}且元素取值均大于0。

5.根据权利要求4所述的集群无人机协同容错控制方法，其特征在于，所述利用扰动观测器得到故障相关项ζ_i的估计向量包括：

定义X_1i＝p_i，并对所述第i架跟随者无人机的考虑执行器故障的动力学模型改写为：

设计如下扰动观测器对故障相关项ζ_i进行扰动观测：

其中，X_iζ＝[X_iζ1，X_iζ2，X_iζ3]^T为系统内状态变量，η_i为参数。

6.根据权利要求4所述的集群无人机协同容错控制方法，其特征在于，确定所述第i架跟随者无人机的考虑执行器故障的动力学模型包括：

建立所述第i架跟随者无人机的基础动力学模型为：

其中，x_i、y_i和z_i分别是第i架跟随者无人机在三个坐标轴上的位置信息，V_i是所述第i架跟随者无人机的速度，χ_i是所述第i架跟随者无人机的航向角，γ_i是所述第i架跟随者无人机的航迹角，L_i是所述第i架跟随者无人机的升力，φ_i是所述第i架跟随者无人机的倾斜角，m_i是所述第i架跟随者无人机的质量，g是重力加速度；

D_i是所述第i架跟随者无人机的阻力，T_i是所述第i架跟随者无人机的推力且有：

其中，s_i是所述第i架跟随者无人机的机翼面积，是所述第i架跟随者无人机的动压，ρ是空气密度，C_iD是总阻力系数，T_max是所述第i架跟随者无人机的发动机的最大推力，δ_ti是所述第i架跟随者无人机的推力油门设置；

定义第i架跟随者无人机的位置向量p_i＝[x_i，y_i，z_i]^T将所述第i架跟随者无人机的基础动力学模型变换为：

其中，u_i＝[u_i1，u_i2，u_i3]^T＝[δ_ti，L_isinφ_i，L_icosφ_i]^T是所述第i架跟随者无人机的应用控制输入信号，

建立所述第i架跟随者无人机的执行器故障模型为：

u_i＝ρ_iu_oi+u_bi；

其中，ρ_i＝diag{ρ_1i，1，1}是效率因子且0＜ρ_1i≤1，u_bi＝[u_b1i，u_b2i，u_b3i]^T代表偏差故障量；

将所述第i架跟随者无人机的执行器故障模型代入所述第i架跟随者无人机的基础动力学模型，得到所述第i架跟随者无人机的考虑执行器故障的动力学模型为：

其中，故障相关项ζ_i＝g_i(ρ_i-I)u_0i+g_iu_bi，I是单位矩阵。