CN117193344A - 基于同步制导的机/船协同多元任务事件触发控制方法 - Google Patents

Abstract

本发明公开了一种基于同步制导的机/船协同多元任务事件触发控制方法，建立无人船‑无人机协同系统的非线性系统模型，对系统中无人机的参考姿态/速度进行实时规划，并构建海事回行搜寻制导律使得机/船协同系统能够执行多元时间同步的任务；设计无人船‑无人机协同系统的虚拟控制器，通过引入模糊逻辑系统逼近模型不确定项，让权值估计器和虚拟控制器同时对模糊逻辑系统的权重进行在线更新，以消除无人船‑无人机协同系统的非线性系统模型的运动学误差；通过构建基于经验辅助的事件触发控制机制，以设计无人船‑无人机的姿态控制器与自适应律；减少了通信信道的占用，降低了通信负担，使系统在有效减小通信负担的同时也可以达到良好的控制效果。

Description

基于同步制导的机/船协同多元任务事件触发控制方法

技术领域

本发明涉及船舶控制工程与无人机航行装备应用技术领域，尤其涉及一种基于同步制导的机/船协同多元任务事件触发控制方法。

背景技术

在航海领域，路径跟踪控制系统由制导、控制和导航3部分子系统构成，制导子系统能够根据船舶当前姿态与期望路径之间的位置关系，自动构建出艏向参考信号；控制子系统能够通过镇定当前姿态与艏向参考信号之间的误差实现有效收敛；导航子系统能将被控对象的位置、姿态信息通过传感器传输到制导系统和控制系统。

现有3D映射制导技术在无人船-无人机协同路径跟踪控制领域具有广泛应用，利用等量映射技术将无人船的位置信息映射到无人机空间参考面上，为无人机提供实时的参考位置信息，有效的实现了无人船-无人机协同路径跟踪控制。目前，在现有研究成果中，主要针对同构智能体以及1阶/2阶异构智能体进行协调控制研究，并未考虑无人船-无人机的实际工程情况；并且对于无人船-无人机协同系统未能形成完备的控制理论体系。此外，3D映射制导算法虽然构建了无人机船协同系统的制导框架，但是因为机船一致的局限性，即无人机和无人船的轨迹是一致的，该算法并不适用于执行多元任务。

基于以上分析，传统的基于3D映射制导的无人船-无人机路径跟踪控制算法在两者协同控制任务中主要存在以下两点缺陷：

(1)、现有的机船协同制导方法大多数以控制无人机伴飞无人船为主，即无人机与无人船的轨迹是一致的。这样的制导方法并不能充分发挥无人机高机动性和无人船高续航力的优势，且不适用于多元任务场景；

(2)、在海洋工程中，控制系统产生的命令信号需要实时地传输到驱动设备从而驱动无人载具进行海事作业。然而在实际工程中，连续的控制信号可能导致驱动设备的频繁操纵，进一步会导致驱动设备的不必要磨损和通信频道的频繁占用的情况。

发明内容

本发明提供一种基于同步制导的机/船协同多元任务事件触发控制方法，以克服上述技术问题。

为了实现上述目的，本发明的技术方案是：

一种基于同步制导的机/船协同多元任务事件触发控制方法，包括以下步骤：

S1：建立无人船-无人机协同系统的非线性系统模型；

S2：获取虚拟USV的参考路径，以获取虚拟UAV的实时参考路径；

S3：根据所述虚拟USV的参考路径与虚拟UAV的实时参考路径，构建无人机的海事回行搜寻制导律，以获取虚拟UAV的期望前进速度与期望转向角速度；

且所述无人机的海事回行搜寻制导律包括无人机跟随控制律与无人机回行控制律；

S4：根据所述无人机的海事回行搜寻制导律，获取所述无人船-无人机协同系统的非线性系统模型的位置误差与角度误差；

设计无人船-无人机协同系统的虚拟控制器，以消除无人船-无人机协同系统的非线性系统模型的位置误差与角度误差；

S5：根据所述无人船-无人机协同系统的虚拟控制器，获取虚拟控制器的动力学误差；

S6：根据所述虚拟控制器的动力学误差，构建事件触发控制律，以设计无人船-无人机的姿态控制器与自适应律；

S7：根据所述无人船-无人机的姿态控制器与自适应律，以实现对虚拟无人船-无人机协同系统的控制。

进一步的，S1中所述无人船-无人机协同系统的非线性系统模型为

其中，

式中：[x_j,y_j,z_a,φ_a,θ_a,ψ_j]^T,j＝s,a分别表示虚拟无人机a与虚拟无人船s协同系统的前进位移、横漂位移、升沉位移和横摇角、纵摇角和艏摇角；ν_s＝[u_s,v_s,r_s]^T分别表示虚拟无人船的前进速度、横漂速度以及艏摇速度；f_u(ν_s),f_v(ν_s),f_r(ν_s)分别表示虚拟无人船前进、横漂以及艏摇方向上的非线性项；R_x,R_y,R_z均表示中间变量；ν_a＝[u_ax,u_ay,u_az,p_a,q_a,r_a]^T分别表示虚拟无人机沿着大地坐标系ox,oy,oz轴的前进速度与转动角速度；m_u,m_v,m_r均表示设定的模型附加质量，d_i1,d_i2,d_i3,i＝u,v,r均表示设定的模型非线性阻尼项；J_r表示虚拟无人机转子惯性；k_ox,k_oy,k_oz均表示设定的气动摩擦系数；m表示虚拟无人机质量；g表示重力加速度；I_xx,I_yy,I_zz分别表示虚拟无人机沿着ox,oy,oz轴的转动惯性；k_dx,k_dy,k_dz均表示虚拟无人机沿着ox,oy,oz轴的转动阻力系数；Ω_r表示虚拟无人机的总转子角速度，且Ω_r＝Ω₁-Ω₂+Ω₃-Ω₄，其中Ω_i,i＝1,2,3,4表示四个旋翼的转子角速度；d_wi,i＝u,v,r,x,y,z,φ,θ,ψ均表示无人船-无人机协同系统受到的外界干扰力/力矩；F_f表示虚拟无人机四个旋翼的转子力F_i,i＝1,2,3,4的合力，τ_φ,τ_θ,τ_ψ分别表示虚拟无人机的横摇、纵倾以及艏摇力矩，τ_u,τ_r分别表示虚拟无人船的前进推力与转船力矩；d表示虚拟无人机的对角直径。

进一步的，S2中所述获取的虚拟USV的参考路径为：

式中：(x_sl,y_sl,ψ_sl)分别表示虚拟无人船的位置横坐标、虚拟船的位置纵坐标以及虚拟船的位置艏向角；u_sl,r_sl分别表示虚拟无人船的前进速度与艏摇角速度；

且所述虚拟无人船的艏向参考信号为

式中：j＝s,a,x_je表示虚拟无人船或虚拟无人机的位置横坐标误差；y_je表示虚拟无人船或虚拟无人机的位置纵坐标误差；x_jl表示虚拟无人船或虚拟无人机的参考位置横坐标；y_jl表示虚拟无人船或虚拟无人机的参考位置纵坐标；x_j表示虚拟无人船或虚拟无人机的实际位置横坐标；y_j表示虚拟无人船或虚拟无人机的实际位置纵坐标；ψ_Sd表示无人船的参考位置艏向角；

所述虚拟UAV的实时参考路径为；

x_al＝x_sl,y_al＝y_sl (5)

式中：x_al表示虚拟无人机的位置横坐标；y_al表示虚拟无人机的位置纵坐标；x_Sl表示虚拟无人船的位置横坐标；y_Sl表示虚拟无人船的位置纵坐标。

进一步的，S3中所述无人机跟随控制律为：

式中：x_al表示虚拟无人机的位置横坐标；y_al表示虚拟无人机的位置纵坐标；x_Sl表示虚拟无人船的位置横坐标；y_Sl表示虚拟无人船的位置纵坐标；ψ_al表示虚拟无人机的航向角；ψ_Sl表示虚拟无人船的航向角；Z_al表示虚拟无人机的垂向位置；Z_set表示设定的虚拟无人机垂向位置；

所述无人机回行控制律具体为：

定义虚拟无人机的初次巡回长度L_set与初次巡回宽度W_set，并根据所述初次巡回长度L_set与初次巡回宽度W_set获取虚拟无人机的巡回次数n与巡回剩余长度m；

式中：表示虚拟无人船的参考轨迹从航路点W_i到航路点W_i+1之间的直线段距离；

根据所述虚拟无人机的巡回次数n与巡回剩余长度m制定虚拟无人机巡回策略，所述无人机巡回策略为：

当所述巡回剩余长度m≤W_set时，所述虚拟UAV的期望前进速度u_al与期望转向角速度r_al为

式中:R_a表示虚拟无人机的最小转弯半径；表示虚拟无人船的参考轨迹从航路点W_i到航路点W_i+1之间的直线段距离；u_Sl表示虚拟无人船的前进速度；

当所述巡回剩余长度m＞W_set时，所述虚拟UAV的期望前进速度u_al与期望转向角速度r_al为

式中：R_a表示虚拟无人机的最小转弯半径；表示虚拟无人船的参考轨迹从航路点W_i到航路点W_i+1之间的直线段距离；u_Sl表示虚拟无人船的前进速度；

根据所述无人机巡回策略设计无人机回行控制律，所述无人机回行控制律的计算公式为

式中：x_al表示虚拟无人机的位置横坐标；y_al表示虚拟无人机的位置纵坐标；u_Sl表示虚拟无人船的前进速度；ψ_Sl表示虚拟无人船的位置艏向角；Z_al表示虚拟无人机的垂向位置；Z_set表示设定的虚拟无人机垂向位置；ψ_al表示虚拟无人机的期望位置航向角；t表示计算实时航向角的时长；r_al虚拟无人机的期望转向角速度。

进一步的，S4中所述设计无人船-无人机协同系统的虚拟控制器，具体为：

根据所述无人机的海事回行搜寻制导律，获取无人船-无人机协同系统的位置误差与角度误差的导数为

式中：z_se表示虚拟船与真实船之间的位置误差，且ρ表示中间控制变量，且u_s表示虚拟无人船的前进速度；ψ_se表示虚拟无人船的艏摇角误差，且ψ_se＝ψ_s-ψ_sd；r_s表示虚拟无人船的艏摇速度；u_s表示虚拟无人船的实际艏摇角；ψ_Sd表示无人船的参考位置艏摇角；x_ae表示虚拟无人船的位置横坐标误差；x_a表示虚拟无人船的前进位移；x_al表示虚拟无人机的位置横坐标；y_ae表示虚拟无人船的位置纵坐标误差；y_a表示虚拟无人船的横漂位移；y_al表示虚拟无人机的位置纵坐标；Z_ae表示虚拟无人机的升沉误差；Z_a表示虚拟无人船的升沉位移；Z_al表示虚拟无人机的垂向位置；φ_ae,θ_aeψ_ae分别表示虚拟无人机ox,oy,oz轴的转动角速度误差；p_a,q_a,r_a分别表示虚拟无人机ox,oy,oz轴的转动角速度；φ_ad表示虚拟无人机的参考横摇角；θ_ad表示虚拟无人机的参考纵摇角；

所述设计无人船-无人机协同系统的虚拟控制器为

式中：k_se,k_ax,k_ay,k_az,k_sψ,k_aψ,k_aφ,k_aθ分别表示针对z_se,x_ae,y_ae,z_ae,ψ_se,ψ_ae,φ_ae,θ_ae所设置的虚拟控制率中正的设计参数；δ_Δ表示引入的极小量；ρ表示中间控制变量，且α_u表示虚拟无人船前进方向的虚拟控制律；α_xα_y,α_z,α_θ,α_ψ分别表示虚拟无人机的前进、横漂、升沉位移、横摇、纵摇以及艏摇方向上的虚拟控制律。

进一步的，S5中所述获取虚拟控制器的动力学误差，具体为

S51：定义无人船-无人机协同系统的中间变量l_ιi,ιi＝u,x,y,z,r,ψ,φ,θ为控制输入，以简化事件触发的控制设计，所述中间变量为

式中：l_u,l_r,l_x,l_y,l_z,l_ψ,l_φ,l_θ分别表示对于虚拟无人船前进、艏摇方向上的控制输入与虚拟无人机的前进、横漂、升沉位移、横摇、纵摇以及艏摇方向上的控制输入；

利用非线性解耦技术对公式(4)进行解算，并结合公式(13)可以得到虚拟无人机的参考横摇角与纵摇角的自适应控制律为

S52:引入动态面技术，对所述虚拟控制器的导数进行降阶处理；即

式中：ε_ιi表示大于零的时间常数；且动态面误差q_ιi＝β_ιi-α_ιi；β_ιi表示经过动态面技术处理后降阶的虚拟控制律；β_ιi(0)表示无人船-无人机协同系统的虚拟控制器滤波信号的初始值；α_ιi(0)表示无人船-无人机协同系统的虚拟控制器的虚拟控制信号的初始值；

定义虚拟控制器的动力学误差u_se＝u_s-β_u,r_se＝r_s-β_r,u_γe＝u_γ-β_γ,γ＝x,y,z,ψ,φ,θ，以获得虚拟控制器的动力学误差导数；

式中：u_se,r_se分别表示虚拟无人船的前进与艏摇方向上的运动学误差；u_γe表示虚拟无人机的前进、横漂、升沉、艏摇、横摇以及纵摇方向上的运动学误差；ν_s＝[u_s,v_s,r_s]^T表示无人船的前进速度、横漂速度以及艏摇速度；ν_a＝[u_ax,u_ay,u_az,u_ψ,u_φ,u_θ]^T表示无人机沿着ox,oy,oz轴的速度与沿着ox,oy,oz轴的转动角速度；f_u(ν_s),f_r(ν_s),f_x(ν_a),f_y(ν_a),f_z(ν_a),f_ψ(ν_a),f_φ(ν_a),f_θ(ν_a)分别表示无人船前进和艏摇的非线性项与无人机的前进方向、横漂方向、升沉位移方向、横摇方向、纵摇方向以及艏摇方向上的非线性项；ε_ιi表示大于零的时间常数，且ιi＝u,x,y,z,r,ψ,φ,θ；d_wi,i＝u,v,r,x,y,z,φ,θ,ψ表示无人船-无人机协同系统受到的无人船前进方向和艏摇方向与无人机的前进方向、横漂方向、升沉位移方向、横摇方向、纵摇方向以及艏摇方向上的外界干扰力/力矩；β_ιi表示无人船-无人机协同系统的虚拟控制器的一阶滤波信号，且ιi＝u,x,y,z,r,ψ,φ,θ；

进一步的，S6中所述构建事件触发控制律具体为

定义虚拟UAV与虚拟USV的事件触发时间为t₀,t₁,t₂,...,t_m,m＝i,j，定义对应所述事件触发时间的事件触发测量误差为δ₀,δ₁,δ₂,...,δ_k，设计事件触发控制律，所述事件触发控制律的事件触发条件为：

式中：与均表示经由经验辅助计算出的触发时刻；t_m表示触发时刻；均表示由经验辅助设定的参数；且k表示无人船-无人机协同系统中实际测量误差的数量；e_m表示无人船-无人机协同系统的实际误差；表示无人船-无人机协同系统的实际测量误差；

所述无人船-无人机协同系统实际的测量误差的计算公式为

式中：表示无人船-无人机协同系统t时刻的实际测量误差；表示无人船-无人机协同系统t_m时刻的实际测量误差；

则所述虚拟控制器的事件同步触发规则为

式中：l_ιi(t)表示系统t时刻的控制输入；表示系统t_m时刻的控制器；表示系统t时刻的控制器的权重估计值；表示系统的模糊激活函数；ιi_e(t_m)表示系统t_m时刻的对应的动力学误差，且ιi_e＝u_se,r_se,u_xe,u_ye,u_ze,u_ψe,u_φe,u_θe。

进一步的，S6中所述设计无人船-无人机的姿态控制器与自适应律为

式中：分别表示对于无人船前进、艏摇方向上与无人机的前进、横漂、升沉位移、横摇、纵摇以及艏摇方向上的控制器；b_u,b_r表示设定的控制参数；分别表示对无人船前进与艏摇方向上的干扰进行反馈补偿的更新率；分别表示的初始值；表示无人船的模糊激活函数；表示无人机的模糊激活函数；表示模糊逻辑系统在无人船前进和艏摇方向上的权重估计值；分别表示模糊逻辑系统在无人机的前进、横漂、升沉位移和无人机的横摇、纵摇、艏摇方向上的权重估计值；k_u,k_ax,k_ay,k_az,k_r,k_ar,k_ap,k_aq分别表示对于虚拟无人船前进、虚拟无人船的艏摇与虚拟无人机的前进方向、横漂方向、升沉位移方向、横摇方向、纵摇方向以及艏摇方向上大于零的设计参数；Γ_dιi分别表示对于虚拟无人船前进、虚拟无人船的艏摇与虚拟无人机的前进方向、横漂方向、升沉位移方向、横摇方向、纵摇方向以及艏摇方向上的干扰项所设计的设计参数，且ιi＝u,x,y,z,r,ψ,φ,θ；表示大于零的常数。

有益效果：本发明提供了一种基于同步制导的机/船协同多元任务事件触发控制方法，建立无人船-无人机协同系统的非线性系统模型，通过根据航路点信息动态规划虚拟船的路径，对系统中无人机的参考姿态/速度进行实时规划，并构建无人机的海事回行搜寻制导律使得机船协同系统能够执行多元时间同步的任务；设计无人船-无人机协同系统的虚拟控制器，以消除无人船-无人机协同系统的非线性系统模型的运动学误差；通过构建基于经验辅助的事件触发控制机制，以设计无人船-无人机的姿态控制器与自适应律；减少了通信信道的占用，降低了通信负担。使得系统在有效减小通信负担的同时也可以达到良好的控制效果；解决了现有的制导方法浪费无人机高机动性和无人船高续航力优势的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于同步制导的机/船协同多元任务事件触发控制方法流程图；

图2为本实施例中无人机/无人船协同系统变量示意图；

图3为本实施例中无人机/无人船协同路径跟踪轨迹示意图；

图4为本实施例中基于同步制导的机/船协同多元任务事件触发控制信号流程图；

图5为本实施例中无人机/无人船协同路径跟踪轨迹示意图；

图6为本实施例中无人机/无人船协同路径跟踪轨迹仿真示意图；

图7为本实施例中六级海况下的环境扰动仿真示意图；

图8为本实施例中无人机/无人船协同系统位置与姿态误差仿真图；

图9为本实施例中无人机/无人船协同系统的控制输入仿真图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例提供了一种基于同步制导的机/船协同多元任务事件触发控制方法，如图1至图2所示，包括以下步骤：

S1：建立无人船-无人机协同系统的非线性系统模型；所述无人船-无人机协同系统的非线性系统模型为

其中，

式中：分别表示虚拟无人机a与虚拟无人船s协同系统的前进位移、横漂位移、升沉位移和横摇角、纵摇角和艏摇角；ν_s＝[u_s,v_s,r_s]^T分别表示虚拟无人船的前进速度、横漂速度以及艏摇速度；f_u(ν_s),f_v(ν_s),f_r(ν_s)分别表示虚拟无人船前进、横漂以及艏摇方向上的非线性项；R_x，R_y，R_z均表示中间变量；ν_a＝[u_ax,u_ay,u_az,p_a,q_a,r_a]^T分别表示虚拟无人机沿着大地坐标系ox,oy,oz轴的前进速度与转动角速度；m_u,m_v,m_r均表示设定的模型附加质量，d_i1,d_i2,d_i3,i＝u,v,r均表示设定的模型非线性阻尼项；J_r表示虚拟无人机转子惯性；k_ox,k_oy,k_oz均表示设定的气动摩擦系数；m表示虚拟无人机质量；g表示重力加速度；I_xx,I_yy,I_zz分别表示虚拟无人机沿着ox,oy,oz轴的转动惯性；k_dx,k_dy,k_dz均表示虚拟无人机沿着ox,oy,oz轴的转动阻力系数；Ω_r表示虚拟无人机的总转子角速度，且Ω_r＝Ω₁-Ω₂+Ω₃-Ω₄，其中Ω_i,i＝1,2,3,4表示四个旋翼的转子角速度；d_wi,i＝u,v,r,x,y,z,φ,θ,ψ均表示无人船-无人机协同系统受到的外界干扰力/力矩；F_f表示虚拟无人机四个旋翼的转子力F_i,i＝1,2,3,4的合力，τ_φ,τ_θ,τ_ψ分别表示虚拟无人机的横摇、纵倾以及艏摇力矩，τ_u,τ_r分别表示虚拟无人船的前进推力与转船力矩；d表示虚拟无人机的对角直径；

S2：获取虚拟USV的参考路径，以获取虚拟UAV的实时参考路径；

具体地，如图3所示，假设无人船的参考轨迹由虚拟船实时规划产生，所述获取的虚拟USV的参考路径为：

式中：(x_sl,y_sl,ψ_sl)分别表示虚拟无人船的位置横坐标、虚拟船的位置纵坐标以及虚拟船的位置艏向角；u_sl,r_sl分别表示虚拟无人船的前进速度与艏摇角速度；当无人机伴飞无人船的时候，无人机的位置信息可以通过无人船的位置信息利用等量映射技术将其映射到对应的空间参考面上即，x_al＝x_sl,y_al＝y_sl，其中，无人机的垂向位置z_al通常为人工设定。

且根据无人机/无人船协同系统的当前位置与参考路径之间的关系，可以得到无人船艏向参考信号为

式中：j＝s,a,x_je表示虚拟无人船或虚拟无人机的位置横坐标误差；y_je表示虚拟无人船或虚拟无人机的位置纵坐标误差；x_jl表示虚拟无人船或虚拟无人机的参考位置横坐标；y_jl表示虚拟无人船或虚拟无人机的参考位置纵坐标；x_j表示虚拟无人船或虚拟无人机的实际位置横坐标；y_j表示虚拟无人船或虚拟无人机的实际位置纵坐标；ψ_Sd表示无人船的参考位置艏向角；

所述虚拟UAV的实时参考路径为；

x_al＝x_sl,y_al＝y_sl (5)

式中：x_al表示虚拟无人机的位置横坐标；y_al表示虚拟无人机的位置纵坐标；x_Sl表示虚拟无人船的位置横坐标；y_Sl表示虚拟无人船的位置纵坐标；

S3：根据所述虚拟USV的参考路径与虚拟UAV的实时参考路径，构建无人机的海事回行搜寻制导律，以获取虚拟UAV的期望前进速度与期望转向角速度；

且所述无人机的海事回行搜寻制导律包括无人机跟随控制律与无人机回行控制律；具体地，如图4至图6所示，根据基于同步制导的机/船协同多元任务事件触发控制方法，虚拟无人机的参考路径需要被分类讨论；

(1)、在虚拟无人机执行任务的前后，即虚拟无人机跟随虚拟船时，虚拟无人机的位置信息可以通过虚拟船的位置信息等效映射得出，即所述无人机跟随控制律为：

式中：x_al表示虚拟无人机的位置横坐标；y_al表示虚拟无人机的位置纵坐标；x_Sl表示虚拟无人船的位置横坐标；y_Sl表示虚拟无人船的位置纵坐标；ψ_al表示虚拟无人机的航向角；ψ_Sl表示虚拟无人船的航向角；Z_al表示虚拟无人机的垂向位置；Z_set表示设定的虚拟无人机垂向位置；

(2)当无人机执行单独任务的时候，虚拟无人机的速度需要经过计算得出，即所述无人机回行控制律具体为：

定义虚拟无人机的初次巡回长度L_set与初次巡回宽度W_set，他们是由操作者决定的并且可以根据任务需求更改R_a，R_a表示无人机的最小转弯半径，并根据所述初次巡回长度L_set与初次巡回宽度W_set获取虚拟无人机的完整的巡回次数n与巡回剩余长度m；

式中：表示虚拟无人船的参考轨迹从航路点W_i到航路点W_i+1之间的直线段距离；在实际工程实践中，航路点的选择也可以根据操作者的需求去取。因为在实际中很难让无人机完成任务时正好与无人船汇合，所以为了达到所选取的区域全覆盖的问题，无人机与无人船组合的方式需要根据m的值进行分类讨论；

根据所述虚拟无人机的巡回次数n与巡回剩余长度m制定虚拟无人机巡回策略，所述无人机巡回策略为：

当所述巡回剩余长度m≤W_set时，即为图4.a的情况，预先规划的区域已经实现了全覆盖，此时无人机可以直接结束任务，去和无人船汇合；此时所述虚拟UAV的期望前进速度u_al与期望转向角速度r_al为

式中:R_a表示虚拟无人机的最小转弯半径；表示虚拟无人船的参考轨迹从航路点W_i到航路点W_i+1之间的直线段距离；u_Sl表示虚拟无人船的前进速度；

当所述巡回剩余长度m＞W_set时，为了达成预先规划区域的全覆盖，无人机需要再进行一次额外的巡回然后再回到结束的目标点，如图4.b所示，此时所述虚拟UAV的期望前进速度u_al与期望转向角速度r_al为

式中：R_a表示虚拟无人机的最小转弯半径；表示虚拟无人船的参考轨迹从航路点W_i到航路点W_i+1之间的直线段距离；u_Sl表示虚拟无人船的前进速度；

根据所述无人机巡回策略设计无人机回行控制律，所述无人机回行控制律的计算公式为

式中：x_al表示虚拟无人机的位置横坐标；y_al表示虚拟无人机的位置纵坐标；u_Sl表示虚拟无人船的前进速度；ψ_Sl表示虚拟无人船的位置艏向角；Z_al表示虚拟无人机的垂向位置；Z_set表示设定的虚拟无人机垂向位置；ψ_al表示虚拟无人机的期望位置航向角；t表示计算实时航向角的时长；r_al虚拟无人机的期望转向角速度；

S4：根据所述无人机的海事回行搜寻制导律，获取所述无人船-无人机协同系统的非线性系统模型的位置误差与角度误差；

设计无人船-无人机协同系统的虚拟控制器，以消除无人船-无人机协同系统的非线性系统模型的位置误差与角度误差；所述设计无人船-无人机协同系统的虚拟控制器，具体为

根据所述无人机的海事回行搜寻制导律，获取无人船-无人机协同系统的位置误差与角度误差的导数为

式中：z_se表示虚拟船与真实船之间的位置误差，且ρ表示中间控制变量，且u_s表示虚拟无人船的前进速度；ψ_se表示虚拟无人船的艏摇角误差，且ψ_se＝ψ_s-ψ_sd；r_s表示虚拟无人船的艏摇速度；u_s表示虚拟无人船的实际艏摇角；ψ_Sd表示无人船的参考位置艏摇角；x_ae表示虚拟无人船的位置横坐标误差；x_a表示虚拟无人船的前进位移；x_al表示虚拟无人机的位置横坐标；y_ae表示虚拟无人船的位置纵坐标误差；y_a表示虚拟无人船的横漂位移；y_al表示虚拟无人机的位置纵坐标；Z_ae表示虚拟无人机的升沉误差；Z_a表示虚拟无人船的升沉位移；Z_al表示虚拟无人机的垂向位置；φ_ae,θ_aeψ_ae分别表示虚拟无人机ox,oy,oz轴的转动角速度误差；p_a,q_a,r_a分别表示虚拟无人机ox,oy,oz轴的转动角速度；φ_ad表示虚拟无人机的参考横摇角；θ_ad表示虚拟无人机的参考纵摇角；

所述设计无人船-无人机协同系统的虚拟控制器为

式中：k_se,k_ax,k_ay,k_az,k_sψ,k_aψ,k_aφ,k_aθ分别表示针对z_se,x_ae,y_ae,z_ae,ψ_se,ψ_ae,φ_ae,θ_ae所设置的虚拟控制率中正的设计参数；δ_Δ表示引入的极小量确保虚拟无人船在实船的前面；ρ表示中间控制变量，且α_u表示虚拟无人船前进方向的虚拟控制律；α_x,α_y,α_z α_θ,α_ψ分别表示虚拟无人机的前进、横漂、升沉位移、横摇、纵摇以及艏摇方向上的虚拟控制律；

S5：根据所述无人船-无人机协同系统的虚拟控制器，获取虚拟控制器的动力学误差；具体地

S51：定义无人船-无人机协同系统的中间变量l_ιi,ιi＝u,x,y,z,r,ψ,φ,θ为控制输入，以简化事件触发的控制设计，所述中间变量为

式中：l_u,l_r,l_x,l_y,l_z,l_ψ,l_φ,l_θ分别表示对于虚拟无人船前进、艏摇方向上的控制输入与虚拟无人机的前进、横漂、升沉位移、横摇、纵摇以及艏摇方向上的控制输入；

利用非线性解耦技术对公式(4)进行解算，并结合公式(13)可以得到虚拟无人机的参考横摇角与纵摇角的自适应控制律为

S52:为了解决虚拟控制器在求导中引起很大的计算负载问题，引入动态面技术，对所述虚拟控制器的导数进行降阶处理；即

式中：ε_ιi表示大于零的时间常数；且动态面误差q_ιi＝β_ιi-α_ιi；β_ιi表示经过动态面技术处理后降阶的虚拟控制律；β_ιi(0)表示无人船-无人机协同系统的虚拟控制器滤波信号的初始值；α_ιi(0)表示无人船-无人机协同系统的虚拟控制器的虚拟控制信号的初始值；

定义虚拟控制器的动力学误差u_se＝u_s-β_u,r_se＝r_s-β_r,u_γe＝u_γ-β_γ,γ＝x,y,z,ψ,φ,θ，以获得虚拟控制器的动力学误差导数；

式中：u_se,r_se分别表示虚拟无人船的前进与艏摇方向上的运动学误差；u_γe表示虚拟无人机的前进、横漂、升沉、艏摇、横摇以及纵摇方向上的运动学误差；ν_s＝[u_s,v_s,r_s]^T表示无人船的前进速度、横漂速度以及艏摇速度；ν_a＝[u_ax,u_ay,u_az,u_ψ,u_φ,u_θ]^T表示无人机沿着ox,oy,oz轴的速度与沿着ox,oy,oz轴的转动角速度；f_u(ν_s),f_r(ν_s),f_x(ν_a),f_y(ν_a),f_z(ν_a),f_ψ(ν_a),f_φ(ν_a),f_θ(ν_a)分别表示无人船前进和艏摇的非线性项与无人机的前进方向、横漂方向、升沉位移方向、横摇方向、纵摇方向以及艏摇方向上的非线性项，且可以用现有模糊逻辑系统技术进行在线逼近处理，即通过引入模糊逻辑系统逼近模型不确定项，并且让权值估计器和虚拟控制器同时对模糊逻辑系统的权重进行在线更新；ε_ιi表示大于零的时间常数，且ιi＝u,x,y,z,r,ψ,φ,θ；d_wi,i＝u,v,r,x,y,z,φ,θ,ψ表示无人船-无人机协同系统受到的无人船前进方向和艏摇方向与无人机的前进方向、横漂方向、升沉位移方向、横摇方向、纵摇方向以及艏摇方向上的外界干扰力/力矩；β_ιi表示经过动态面技术处理后降阶的虚拟控制律，且ιi＝u,x,y,z,r,ψ,φ,θ；

S6：根据所述虚拟控制器的动力学误差，构建事件触发控制律，以设计无人船-无人机的姿态控制器与自适应律；所述构建事件触发控制律具体为

为了进一步节约通信信道的占用资源，本发明设计了一种具有经验辅助的时间触发机制，能够保证控制器与设计的模糊逻辑系统权重估计器同步触发，假设虚拟UAV与虚拟USV的事件触发时间为t₀,t₁,t₂,...,t_m,m＝i,j，同时假设采样时间已经从之前的触发事件中确定，我们的目标是设计合适的事件触发条件来识别后续的采样时间，假设对应所述事件触发时间的事件触发测量误差是与有关的δ₀,δ₁,δ₂,...,δ_k，设计事件触发控制律，所述事件触发控制律的事件触发条件为：

式中：与均表示经由经验辅助计算出的触发时刻；t_m表示触发时刻；均表示由经验辅助设定的参数；且k表示无人船-无人机协同系统中实际测量误差的数量；e_m表示无人船-无人机协同系统的实际误差；表示无人船-无人机协同系统的实际测量误差；

所述无人船-无人机协同系统实际的测量误差的计算公式为

式中：表示无人船-无人机协同系统t时刻的实际测量误差；表示无人船-无人机协同系统t_m时刻的实际测量误差；

为了使虚拟控制器以及模糊逻辑系统的权重估计器以间断的方式随触发条件(16)(17)同步触发，则所述虚拟控制器的事件同步触发规则为

式中：l_ιi(t)表示系统t时刻的控制输入；表示系统t_m时刻的控制器；表示系统t时刻的控制器的权重估计值；表示系统的模糊激活函数；ιi_e(t_m)表示系统t_m时刻的对应的动力学误差，ιi_e＝u_se,r_se,u_xe,u_ye,u_ze,u_ψe,u_φe,u_θe；且模糊逻辑系统权重的估计值的导数在触发时刻等于模糊逻辑系统的激活函数与该方向上对应动力学误差积的相反数。

利用模糊逻辑系统、事件触发技术以及Backstepping技术，设计无人船-无人机姿态控制器，同时为了稳定不确定性和扰动的影响，对干扰设计自适应率，则所述设计无人船-无人机的姿态控制器与自适应律为

式中：分别表示对于无人船前进、艏摇方向上与无人机的前进、横漂、升沉位移、横摇、纵摇以及艏摇方向上的控制器，且根据式(18)，当进行事件触发时，控制器更新变为控制输入；b_u,b_r表示设定的控制参数；分别表示对无人船前进与艏摇方向上的干扰进行反馈补偿的更新率；分别表示的初始值；表示无人船的模糊激活函数；表示无人机的模糊激活函数；表示模糊逻辑系统在无人船前进和艏摇方向上的权重估计值；分别表示模糊逻辑系统在无人机的前进、横漂、升沉位移和无人机的横摇、纵摇、艏摇方向上的权重估计值；k_u,k_ax,k_ay,k_az,k_r,k_ar,k_ap,k_aq分别表示对于虚拟无人船前进、虚拟无人船的艏摇与虚拟无人机的前进方向、横漂方向、升沉位移方向、横摇方向、纵摇方向以及艏摇方向上大于零的设计参数；Γ_dιi分别表示对于虚拟无人船前进、虚拟无人船的艏摇与虚拟无人机的前进方向、横漂方向、升沉位移方向、横摇方向、纵摇方向以及艏摇方向上的干扰项所设计的设计参数，且ιi＝u,x,y,z,r,ψ,φ,θ；表示大于零的常数；

S7：根据所述无人船-无人机的姿态控制器与自适应律，以实现对虚拟无人船-无人机协同系统的控制。

本实施例为了执行无人机/无人船协同路径跟踪任务，本部分选取四个航路点(W₁(0m,0m),W₂(0m,1400m),W₃(3000m,2000m),W₄(4000m,1600m))构成航路点路径；被控对象的初始状态为[x_s(0),y_s(0),ψ_s(0),u_s(0),v_s(0),r_s(0),x_a(0),y_a(0),z_a(0),ψ_a(0),φ_a(0),θ_a(0),u_ax(0),u_ay(0),u_az(0),p_a(0),q_a(0),r_a(0)]＝[-5m,-5m,90deg,4.7m/s,0m/s，0rad/s，-5m,-5m,0m,0deg,0deg,0deg,4.7m/s，0m/s，0m/s，0rad/s,0rad/s,0rad/s]。

图4-图9分别为模拟海洋环境下无人机/无人船协同路径跟踪仿真结果。图5至图6表示无人机/无人船协同路径跟踪轨迹曲线，从图中可以看出，无人船的参考路径根据航路点信息规划得到，而无人机的航行参考信号是由无人船的参考信号经过基于同步制导的机/船协同多元任务事件触发控制方法计算得出的。此外，相比于单个无人船或无人机自动，本发明所提控制算法能够使得无人机/无人船协同系统在发挥各自优势的同时也可以执行多元任务。图7表示在MATLAB仿真平台上使用的仿真环境，即6级海况下海面的风速、风向曲线以及海面风浪三维视图。图8为无人机/无人船协同系统的位置误差和姿态误差，从图中可以发现，由于无人机的速度较快，在转弯处不可避免地发生了超调现象，但是误差极小，并且最终实现了对参考路径的有效跟踪。图9表示无人船-无人机协同系统的控制输入，其中，l_r在0-220s的区间内抖振比较大是因为所选取的风浪干扰的角度在该时间段对船的作用较大，说明本发明所提控制算法具有良好的稳定性。

本实施例中结合现有技术、控制器设计以及仿真试验，在机船协同领域具有以下两点有益效果：

1、本发明公开的一种基于同步制导的机/船协同多元任务事件触发控制方法，解决了现有的制导方法浪费无人机高机动性和无人船高续航力优势的问题。根据航路点信息动态规划虚拟船的路径，并且对系统中无人机的参考姿态/速度进行实时规划，建立无人机、无人船以及巡航参考路径之间的有效关联。无人机路径规划宽度为扫描半径的二倍，且L_set,W_set可以根据需求进行调整。同时，根据船舶的操纵特性设定虚拟船以及虚拟无人机的转向半径，接着根据基于同步制导的机/船协同多元任务事件触发控制方法计算出虚拟无人机的速度，使得机船协同系统能够执行多元时间同步的任务，如扫描岛屿等；同时根据所设计的航路点以及扫描宽度对机船协同系统的汇合进行分类讨论。

2、本发明引入一种基于经验辅助的事件触发机制，减少了通信信道的占用，降低了通信负担。此外，通过引入模糊逻辑系统逼近模型不确定项，并且让权值估计器和控制器同时对模糊逻辑系统的权重进行在线更新，与现有传统的神经网络或者模糊逻辑系统逼近方法不同，本发明触发的条件是根据经验所设定的参数，在有效减小通信负担的同时也可以达到良好的控制效果。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种基于同步制导的机/船协同多元任务事件触发控制方法，其特征在于，包括以下步骤：

S1：建立无人船-无人机协同系统的非线性系统模型；

S2：获取虚拟USV的参考路径，以获取虚拟UAV的实时参考路径；

S3：根据所述虚拟USV的参考路径与虚拟UAV的实时参考路径，构建无人机的海事回行搜寻制导律，以获取虚拟UAV的期望前进速度与期望转向角速度；

且所述无人机的海事回行搜寻制导律包括无人机跟随控制律与无人机回行控制律；

S4：根据所述无人机的海事回行搜寻制导律，获取所述无人船-无人机协同系统的非线性系统模型的位置误差与角度误差；

设计无人船-无人机协同系统的虚拟控制器，以消除无人船-无人机协同系统的非线性系统模型的位置误差与角度误差；

S5：根据所述无人船-无人机协同系统的虚拟控制器，获取虚拟控制器的动力学误差；

S6：根据所述虚拟控制器的动力学误差，构建事件触发控制律，以设计无人船-无人机的姿态控制器与自适应律；

S7：根据所述无人船-无人机的姿态控制器与自适应律，以实现对虚拟无人船-无人机协同系统的控制。

2.根据权利要求1所述的一种基于同步制导的机/船协同多元任务事件触发控制方法，其特征在于，S1中所述无人船-无人机协同系统的非线性系统模型为

其中，

式中：[x_j,y_j,z_a,φ_a,θ_a,ψ_j]^T,j＝s,a分别表示虚拟无人机a与虚拟无人船s协同系统的前进位移、横漂位移、升沉位移和横摇角、纵摇角和艏摇角；ν_s＝[u_s,v_s,r_s]^T分别表示虚拟无人船的前进速度、横漂速度以及艏摇速度；f_u(ν_s),f_v(ν_s),f_r(ν_s)分别表示虚拟无人船前进、横漂以及艏摇方向上的非线性项；R_x,R_y,R_z均表示中间变量；ν_a＝[u_ax,u_ay,u_az,p_a,q_a,r_a]^T分别表示虚拟无人机沿着大地坐标系ox,oy,oz轴的前进速度与转动角速度；m_u,m_v,m_r均表示设定的模型附加质量，d_i1,d_i2,d_i3,i＝u,v,r均表示设定的模型非线性阻尼项；J_r表示虚拟无人机转子惯性；k_ox,k_oy,k_oz均表示设定的气动摩擦系数；m表示虚拟无人机质量；g表示重力加速度；I_xx,I_yy,I_zz分别表示虚拟无人机沿着ox,oy,oz轴的转动惯性；k_dx,k_dy,k_dz均表示虚拟无人机沿着ox,oy,oz轴的转动阻力系数；Ω_r表示虚拟无人机的总转子角速度，且Ω_r＝Ω₁-Ω₂+Ω₃-Ω₄，其中Ω_i,i＝1,2,3,4表示四个旋翼的转子角速度；d_wi,i＝u,v,r,x,y,z,φ,θ,ψ均表示无人船-无人机协同系统受到的外界干扰力/力矩；F_f表示虚拟无人机四个旋翼的转子力F_i,i＝1,2,3,4的合力，τ_φ,τ_θ,τ_ψ分别表示虚拟无人机的横摇、纵倾以及艏摇力矩，τ_u,τ_r分别表示虚拟无人船的前进推力与转船力矩；d表示虚拟无人机的对角直径。

3.根据权利要求1所述的一种基于同步制导的机/船协同多元任务事件触发控制方法，其特征在于，S2中所述获取的虚拟USV的参考路径为：

式中：(x_sl,y_sl,ψ_sl)分别表示虚拟无人船的位置横坐标、虚拟船的位置纵坐标以及虚拟船的位置艏向角；u_sl,r_sl分别表示虚拟无人船的前进速度与艏摇角速度；

且所述虚拟无人船的艏向参考信号为

式中：j＝s,a,x_je表示虚拟无人船或虚拟无人机的位置横坐标误差；y_je表示虚拟无人船或虚拟无人机的位置纵坐标误差；x_jl表示虚拟无人船或虚拟无人机的参考位置横坐标；y_jl表示虚拟无人船或虚拟无人机的参考位置纵坐标；x_j表示虚拟无人船或虚拟无人机的实际位置横坐标；y_j表示虚拟无人船或虚拟无人机的实际位置纵坐标；ψ_Sd表示无人船的参考位置艏向角；

所述虚拟UAV的实时参考路径为；

x_al＝x_sl,y_al＝y_sl (5)

式中：x_al表示虚拟无人机的位置横坐标；y_al表示虚拟无人机的位置纵坐标；x_Sl表示虚拟无人船的位置横坐标；y_Sl表示虚拟无人船的位置纵坐标。

4.根据权利要求1所述的一种基于同步制导的机/船协同多元任务事件触发控制方法，其特征在于，S3中所述无人机跟随控制律为：

式中：x_al表示虚拟无人机的位置横坐标；y_al表示虚拟无人机的位置纵坐标；x_Sl表示虚拟无人船的位置横坐标；y_Sl表示虚拟无人船的位置纵坐标；ψ_al表示虚拟无人机的航向角；ψ_Sl表示虚拟无人船的航向角；Z_al表示虚拟无人机的垂向位置；Z_set表示设定的虚拟无人机垂向位置；

所述无人机回行控制律具体为：

定义虚拟无人机的初次巡回长度L_set与初次巡回宽度W_set，并根据所述初次巡回长度L_set与初次巡回宽度W_set获取虚拟无人机的巡回次数n与巡回剩余长度m；

式中：表示虚拟无人船的参考轨迹从航路点W_i到航路点W_i+1之间的直线段距离；

根据所述虚拟无人机的巡回次数n与巡回剩余长度m制定虚拟无人机巡回策略，所述无人机巡回策略为：

当所述巡回剩余长度m≤W_set时，所述虚拟UAV的期望前进速度u_al与期望转向角速度r_al为

式中:R_a表示虚拟无人机的最小转弯半径；表示虚拟无人船的参考轨迹从航路点W_i到航路点W_i+1之间的直线段距离；u_Sl表示虚拟无人船的前进速度；

当所述巡回剩余长度m＞W_set时，所述虚拟UAV的期望前进速度u_al与期望转向角速度r_al为

式中：R_a表示虚拟无人机的最小转弯半径；表示虚拟无人船的参考轨迹从航路点W_i到航路点W_i+1之间的直线段距离；u_Sl表示虚拟无人船的前进速度；

根据所述无人机巡回策略设计无人机回行控制律，所述无人机回行控制律的计算公式为

式中：x_al表示虚拟无人机的位置横坐标；y_al表示虚拟无人机的位置纵坐标；u_Sl表示虚拟无人船的前进速度；ψ_Sl表示虚拟无人船的位置艏向角；Z_al表示虚拟无人机的垂向位置；Z_set表示设定的虚拟无人机垂向位置；ψ_al表示虚拟无人机的期望位置航向角；t表示计算实时航向角的时长；r_al虚拟无人机的期望转向角速度。

5.根据权利要求1所述的一种基于同步制导的机/船协同多元任务事件触发控制方法，其特征在于，S4中所述设计无人船-无人机协同系统的虚拟控制器，具体为

根据所述无人机的海事回行搜寻制导律，获取无人船-无人机协同系统的位置误差与角度误差的导数为

式中：z_se表示虚拟船与真实船之间的位置误差，且ρ表示中间控制变量，且u_s表示虚拟无人船的前进速度；ψ_se表示虚拟无人船的艏摇角误差，且ψ_se＝ψ_s-ψ_sd；r_s表示虚拟无人船的艏摇速度；u_s表示虚拟无人船的实际艏摇角；ψ_Sd表示无人船的参考位置艏摇角；x_ae表示虚拟无人船的位置横坐标误差；x_a表示虚拟无人船的前进位移；x_al表示虚拟无人机的位置横坐标；y_ae表示虚拟无人船的位置纵坐标误差；y_a表示虚拟无人船的横漂位移；y_al表示虚拟无人机的位置纵坐标；Z_ae表示虚拟无人机的升沉误差；Z_a表示虚拟无人船的升沉位移；Z_al表示虚拟无人机的垂向位置；φ_ae,θ_aeψ_ae分别表示虚拟无人机ox,oy,oz轴的转动角速度误差；p_a,q_a,r_a分别表示虚拟无人机ox,oy,oz轴的转动角速度；φ_ad表示虚拟无人机的参考横摇角；θ_ad表示虚拟无人机的参考纵摇角；

所述设计无人船-无人机协同系统的虚拟控制器为

式中：k_se,k_ax,k_ay,k_az,k_sψ,k_aψ,k_aφ,k_aθ分别表示针对z_se,x_ae,y_ae,z_ae,ψ_se,ψ_ae,φ_ae,θ_ae所设置的虚拟控制率中正的设计参数；δ_Δ表示引入的极小量；ρ表示中间控制变量，且α_u表示虚拟无人船前进方向的虚拟控制律；α_x,α_y,α_z α_θ,α_ψ分别表示虚拟无人机的前进、横漂、升沉位移、横摇、纵摇以及艏摇方向上的虚拟控制律。

6.根据权利要求1所述的一种基于同步制导的机/船协同多元任务事件触发控制方法，其特征在于，S5中所述获取虚拟控制器的动力学误差，具体为

S51：定义无人船-无人机协同系统的中间变量为控制输入，以简化事件触发的控制设计，所述中间变量为

式中：分别表示对于虚拟无人船前进、艏摇方向上的控制输入与虚拟无人机的前进、横漂、升沉位移、横摇、纵摇以及艏摇方向上的控制输入；

利用非线性解耦技术对公式(4)进行解算，并结合公式(13)可以得到虚拟无人机的参考横摇角与纵摇角的自适应控制律为

S52:引入动态面技术，对所述虚拟控制器的导数进行降阶处理；即

式中：ε_ιi表示大于零的时间常数；且动态面误差q_ιi＝β_ιi-α_ιi；β_ιi表示经过动态面技术处理后降阶的虚拟控制律；β_ιi(0)表示无人船-无人机协同系统的虚拟控制器滤波信号的初始值；α_ιi(0)表示无人船-无人机协同系统的虚拟控制器的虚拟控制信号的初始值；

定义虚拟控制器的动力学误差u_se＝u_s-β_u,r_se＝r_s-β_r,u_γe＝u_γ-β_γ,γ＝x,y,z,ψ,φ,θ，以获得虚拟控制器的动力学误差导数；

式中：u_se,r_se分别表示虚拟无人船的前进与艏摇方向上的运动学误差；u_γe表示虚拟无人机的前进、横漂、升沉、艏摇、横摇以及纵摇方向上的运动学误差；ν_s＝[u_s,v_s,r_s]^T表示无人船的前进速度、横漂速度以及艏摇速度；ν_a＝[u_ax,u_ay,u_az,u_ψ,u_φ,u_θ]^T表示无人机沿着ox,oy,oz轴的速度与沿着ox,oy,oz轴的转动角速度；f_u(ν_s),f_r(ν_s),f_x(ν_a),f_y(ν_a),f_z(ν_a),f_ψ(ν_a),f_φ(ν_a),f_θ(ν_a)分别表示无人船前进和艏摇的非线性项与无人机的前进方向、横漂方向、升沉位移方向、横摇方向、纵摇方向以及艏摇方向上的非线性项；ε_ιi表示大于零的时间常数，且d_wi,i＝u,v,r,x,y,z,φ,θ,ψ表示无人船-无人机协同系统受到的无人船前进方向和艏摇方向与无人机的前进方向、横漂方向、升沉位移方向、横摇方向、纵摇方向以及艏摇方向上的外界干扰力/力矩；β_ιi表示无人船-无人机协同系统的虚拟控制器的一阶滤波信号，且ιi＝u,x,y,z,r,ψ,φ,θ。

7.根据权利要求1所述的一种基于同步制导的机/船协同多元任务事件触发控制方法，其特征在于，S6中所述构建事件触发控制律具体为

定义虚拟UAV与虚拟USV的事件触发时间为t₀,t₁,t₂,...,t_m,m＝i,j，定义对应所述事件触发时间的事件触发测量误差为δ₀,δ₁,δ₂,...,δ_k，设计事件触发控制律，所述事件触发控制律的事件触发条件为：

式中：与均表示经由经验辅助计算出的触发时刻；t_m表示触发时刻；均表示由经验辅助设定的参数；且k表示无人船-无人机协同系统中实际测量误差的数量；e_m表示无人船-无人机协同系统的实际误差；表示无人船-无人机协同系统的实际测量误差；

所述无人船-无人机协同系统实际的测量误差的计算公式为

式中：表示无人船-无人机协同系统t时刻的实际测量误差；表示无人船-无人机协同系统t_m时刻的实际测量误差；

则所述虚拟控制器的事件同步触发规则为

式中：表示系统t时刻的控制输入；表示系统t_m时刻的控制器；表示系统t时刻的控制器的权重估计值；表示系统的模糊激活函数；ιi_e(t_m)表示系统t_m时刻的对应的动力学误差，且

8.根据权利要求1所述的一种基于同步制导的机/船协同多元任务事件触发控制方法，其特征在于，S6中所述设计无人船-无人机的姿态控制器与自适应律为

式中：分别表示对于无人船前进、艏摇方向上与无人机的前进、横漂、升沉位移、横摇、纵摇以及艏摇方向上的控制器；b_u,b_r表示设定的控制参数；分别表示对无人船前进与艏摇方向上的干扰进行反馈补偿的更新率；分别表示的初始值；表示无人船的模糊激活函数；表示无人机的模糊激活函数；表示模糊逻辑系统在无人船前进和艏摇方向上的权重估计值；分别表示模糊逻辑系统在无人机的前进、横漂、升沉位移和无人机的横摇、纵摇、艏摇方向上的权重估计值；k_u,k_ax,k_ay,k_az,k_r,k_ar,k_ap,k_aq分别表示对于虚拟无人船前进、虚拟无人船的艏摇与虚拟无人机的前进方向、横漂方向、升沉位移方向、横摇方向、纵摇方向以及艏摇方向上大于零的设计参数；Γ_dιi分别表示对于虚拟无人船前进、虚拟无人船的艏摇与虚拟无人机的前进方向、横漂方向、升沉位移方向、横摇方向、纵摇方向以及艏摇方向上的干扰项所设计的设计参数，且表示大于零的常数。