CN118012129A - 一种预设收敛精度的无人机集群分布式编队控制方法 - Google Patents
一种预设收敛精度的无人机集群分布式编队控制方法 Download PDFInfo
- Publication number
- CN118012129A CN118012129A CN202410143744.2A CN202410143744A CN118012129A CN 118012129 A CN118012129 A CN 118012129A CN 202410143744 A CN202410143744 A CN 202410143744A CN 118012129 A CN118012129 A CN 118012129A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- azimuth
- formation
- follower
- 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.)
- Pending
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000005312 nonlinear dynamic Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 5
- 238000013519 translation Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种预设收敛精度的无人机集群分布式编队控制方法,涉及无人机控制设计及应用领域,主要包括以下步骤:1)生成状态信息并构建约束模型;2)构造控制输入饱和的辅助系统,并获取无人机编队内领导者与跟随者的相对位置;3)分析和设计可满足预设收敛精度的无人机集群分布式编队控制器。通过上述方式,本发明利用纯方位模型,将无人机之间的距离约束设定为角度约束,以便于实现无人机集群形成、平移和缩放。设计一种新的辅助系统,保证了减少输入饱和对控制精度的影响。设计的分布式编队控制方法实现了用户设置无人机集群预设收敛精度的需求。
Description
技术领域
本发明涉及无人机控制设计及应用领域,具体涉及一种预设收敛精度的无人机集群分布式编队控制方法。
背景技术
无人机群(UAVs)是智能无人系统领域内关键的组成部分,其主要以协调和类聚的方式协同操作编队内的无人机个体,从而使集群承担和完成更加复杂的任务和指令。此外,广泛采用和发展无人机群迫切需要低成本的解决方案。因此,该领域的关键研究焦点之一是在坚持成本约束的同时,能够协调和增强集群的控制性能。
控制无人机编队的成本约束通常表现在传感器的数量、环境感知的能力和位置信息的共享。在编队内,虽然无人机之间的精准定位较为困难,但无人机之间的方位信息通常很容易获得,因此,在无人机编队控制提出的各种方法中,基于方位的编队控制方法是一种极具高效性和创新性的解决方案,其利用方位信息定位编队内的无人机。
综上所述,针对各种无人机编队控制方法中存在的缺陷,以及传统方法中现存计算方法和重复刷新会浪费计算资源。
基于此,本发明设计了基一种预设收敛精度下的无人机集群分布式编队控制方法以解决上述问题。
发明内容
针对现有技术所存在的上述缺点,本发明提供了一种预设收敛精度的无人机集群分布式编队控制方法,所述无人机集群包括领导者和跟随者,所述方法包括以下步骤:
步骤1:生成无人机状态信息并构建方位约束模型,所述方位约束用于描述编队内领导者与跟随者的方位关系;所述状态信息是指编队内第j个无人机相对于第i个无人机的方位关系,且i≠j;
步骤2:根据给定期望编队确定跟随者的期望位置/>和期望速度/>获取无人机编队内跟随者的位置误差,以及速度跟踪误差;
步骤3,设计满足预设收敛精度的无人机集群分布式编队控制器,所述预设收敛精度是指预设的位置收敛精度。
进一步的,步骤1中生成无人机状态信后息并构建方位约束模型,具体包括如下:
步骤1.1:随机生成N个无人机组成集群,标记为1,2,…,N。假设1,…,Nl是集群独立的领导者,其他无人机是跟随者,即Nl+1,…N,令Wl={1,...,Nl},Wf={Nl+1,...,N}分别是索引集,并且跟随者的数量是Nf,W=Wl∪Wf;
步骤1.2:采用图Gf=(W,HF)描述无人机的方位约束编队,其中HF={(i,j),i,j∈W,i≠j}表示编队内第i无人机与第j个无人机可测方位角的集合。生成无人机状态信息,即第j个无人机相对于第i无人机的方位关系,由单位向量pij表示:
其中,pi和pj分别第i个无人机和第j个无人机的位置坐标,(i,j)∈HF。
定义如下的正交投影矩阵
其中,Ir∈Rr×r是单位矩阵,r表示无人机位置坐标的维数,是第j个无人机相对于第i个无人机的期望方位向量。
正交投影矩阵能更好的描述无人机在当前位置和期望编队之间的方位,引入如下的方位拉普拉斯矩阵:
利用矩阵L表示编队内领导者与跟随者的方位关系,构建方位约束模型,具体如下。
其中,Lll和Lff表示领导者之间以及跟随者之间的方位拉普拉斯关系矩阵,Lfl和Llf是领导者和跟随者之间的方位拉普拉斯关系矩阵。
进一步的,步骤2中根据给定期望编队确定跟随者的期望位置/>和期望速度并获取编队内跟随者的位置误差、以及速度跟踪误差;具体如下:
步骤2.1:根据给定期望编队确定跟随者的期望位置/>和期望速度/>具体如下:
其中,pl和vl分别为领导者的位置与速度,
步骤2.2,第i架无人机的运动学模型如下:
其中,vi,fi(pi,vi)和ui分别是第i个无人机的速度,非线性动态函数和控制输入,i∈W。
分别将领导者和跟随者的模型进行更新,具体如下:
其中,sat(ui)为实际控制器的输入;
步骤2.3,定义第i个无人机与其所有邻居之间的期望方位角之差的总和εpi(t)以及方位角速度差的总和εvi(t),如下:
定义符号和/>
无人机编队内跟随者的位置误差epi与速度跟踪误差evi分别表示为:
具体表示为:
得到:
进一步的,设置实际控制器的输入sat(ui)为:
其中,是控制输入饱和度的上限。
进一步的,步骤3中设计满足预设收敛精度的无人机集群分布式编队控制器,包括如下步骤:
步骤3.1,对式(12)求导后得:
根据式(13)非线性二阶系统,给定转换的坐标系:
其中,是虚拟速度控制变量,并且ξ表示输入饱和补偿系统,具体如下:
其中,κξ为正常数。
步骤3.2:定义:
其中Ωfpi,m>0,且为预设精度,其中m表示第i个无人机的坐标,D表示坐标维度,将跟随者的连续控制信号uf设计为:
其中0<λ<1和是参数设置,χ为正常数,Td是系统的预设时间。
有益效果:本发明通过使用纯方位模型实现无人机编队的角度约束,便于平移和缩放机动。同时,辅助系统的设计,减轻了输入饱和对控制器收敛时间和精度的影响。此外,一种开创性的分布式控制算法允许预先确定无人机群的收敛精度。
本发明具体应用于无人机编队控制中,可简化以往无人机群的定位方式,减少计算资源的浪费,主要实现了无人机编队可收敛到预设的精度。
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简单地介绍。显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一种预设收敛精度的无人机分布式编队控制方法的流程图;
图2是本发明的一种预设收敛精度的无人机分布式编队控制方法的跟随者轨迹图;
图3是当预设时间Td=1.5,预设精度Ωfpi,m=0.1(m)时的跟随者方位误差图;
图4是当预设时间Td=1.5,预设精度Ωfpi,m=0.1(m)时的具有输入饱和的控制信号图。
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做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。
下面结合实施例对本发明作进一步的描述。
如图1所示,一种预设收敛精度的无人机分布式编队控制方法,包括以下步骤:
步骤1:生成无人机状态信息并构建方位约束模型,具体过程包括:
步骤1.1:随机生成N个无人机组成集群,标记为1,2,…,N。假设1,…,Nl是集群中独立的领导者,其他无人机是跟随者,即Nl+1,…N,令Wl={1,...,Nl},Wf={Nl+1,...,N}分别是索引集,并且跟随者的数量是Nf,W=Wl∪Wf;
步骤1.2:采用图Gf=(W,HF)描述无人机的方位约束编队,其中HF={(i,j),i,j∈W,i≠j}表示编队内第i无人机与第j个无人机可测方位角的集合。第j个无人机相对于第i无人机的方位关系可以由单位向量pij表示为:
其中,pi和pj分别第i无人机和第j个无人机的位置坐标,(i,j)∈HF。
定义如下的正交投影矩阵
其中,Ir∈Rr×r是单位矩阵,r表示无人机位置坐标的维数,是第j个无人机相对于第i个无人机的期望方位向量。
正交投影矩阵能更好的描述无人机在当前位置和期望编队之间的方位,引入如下的方位拉普拉斯矩阵:
利用矩阵L表示编队内领导者与跟随者的方位关系,具体如下。
其中,Lll和Lff表示领导者之间以及跟随者之间的方位拉普拉斯关系矩阵,Lfl和Llf是领导者和跟随者之间的方位拉普拉斯关系矩阵。
步骤2:构造控制输入饱和的辅助系统,并获取编队内无人机的位置与速度跟踪误差;
步骤2.1:根据给定期望编队确定跟随者的期望位置和期望速度,具体如下:
其中,pl和vl分别为领导者的位置与速度,
步骤2.2:反曲正切函数的特性可有效限制控制器输入的上下限,因此,设置实际控制器的输入为sat(ui),其为理论控制器输入ui的非线性函数,定义如下:
其中,是控制输入饱和度的上限。
步骤2.3:无人机的运动形式可以简化为典型的二阶系统,其第i架无人机的运动学模型如下:
其中,vi,fi(pi,vi)和ui分别是第i个无人机的速度,非线性动态函数和控制输入,i∈W。
分别将领导者和跟随者的模型进行更新,具体如下:
步骤2.4:由(8)和(9),定义第i个无人机与其所有邻居之间的期望方位角之差的总和εpi(t)以及方位角速度差的总和εvi(t),如下:
定义符号和/>
无人机编队内跟随者的位置误差epi与速度跟踪误差evi分别表示为:
具体表示为和/>
可得到:
求导后得:
步骤3:设计可满足预设收敛精度的无人机分布式编队控制器,具体过程包括:
步骤3.1:针对上述式(13)非线性二阶系统,给定转换的坐标系:
其中,是虚拟速度控制变量,并且ξ表示输入饱和补偿系统,具体如下:
其中,κξ为正常数。
步骤3.2:定义:
其中Ωfpi,m>0,且为预设精度,其中m表示第i个无人机的坐标,D表示坐标维度。将跟随者的连续控制信号uf设计为:
其中0<λ<1和是参数设置,χ为正常数,Td是系统的预设时间。
在该实施例中,领导者的速度为零,表示为vl=06×1。此外,控制输入ul也等于零。所有的无人机在初始时刻均保持静止,如图2所示,领导者(UAV1和UAV2)的初始位置是p1(t0)=[10,0,10]T和p2(t0)=[10,4,10]T,目标编队为三维立方体,其方位约束定义如下:
跟随者的初始位置是随机初始化的。在此初始化条件下,进行仿真验证,采用预设时间Td=1.5,并且预设精度范围为Ωfpi,m=0.1(m),i=3,4,…,8和m=1,2,3设定为两种模拟所需的精度水平。其余参数配置如下:λ=6/23,κξ=50,输入饱和阈值设置为300。得到仿真结果如图2-4所示,图2显示了跟随者的运动轨迹,图3显示了编队内所有无人机在1.5秒时均达到了预设的收敛精度,图4显示了编队内各无人机的输出均被约束在了上下限内,减轻了输入饱和的影响。
以上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,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.预设收敛精度的无人机集群分布式编队控制方法,其特征在于,所述方法包括以下步骤:
步骤1:生成无人机状态信息并构建方位约束模型,所述方位约束用于描述编队内领导者与跟随者的方位关系;
所述状态信息是指编队内第j个无人机相对于第i个无人机的方位关系,且i≠j;
步骤2:根据给定期望编队确定跟随者的期望位置/>和期望速度/>获取无人机编队内跟随者的位置误差,以及速度跟踪误差;
步骤3,设计满足预设收敛精度的无人机集群分布式编队控制器,所述预设收敛精度是指预设的位置收敛精度。
2.根据权利要求1所述预设收敛精度的无人机集群分布式编队控制方法,其特征在于,步骤1中生成无人机状态信后息并构建方位约束模型,具体包括如下:
步骤1.1:随机生成N个无人机组成集群,标记为1,2,…,N;假设1,…,Nl是集群中独立的领导者,其他无人机是跟随者,即Nl+1,…N,令Wl={1,...,Nl},Wf={Nl+1,...,N}分别是索引集,并且跟随者的数量是Nf,W=Wl∪Wf;
步骤1.2:采用图Gf=(W,HF)描述无人机的方位约束编队,其中HF={(i,j),i,j∈W,i≠j}表示编队内第i无人机与第j个无人机可测方位角的集合;生成无人机状态信息,即第j个无人机相对于第i无人机的方位关系,由单位向量pij表示:
其中,pi和pj分别第i个无人机和第j个无人机的位置坐标,(i,j)∈HF;
定义如下的正交投影矩阵
其中,Ir∈Rr×r是单位矩阵,r表示无人机位置坐标的维数,是第j个无人机相对于第i个无人机的期望方位向量;
正交投影矩阵能更好的描述无人机在当前位置和期望编队之间的方位,引入如下的方位拉普拉斯矩阵:
利用矩阵L表示编队内领导者与跟随者的方位关系,构建方位约束模型,具体如下;
其中,Lll和Lff表示领导者之间以及跟随者之间的方位拉普拉斯关系矩阵,Lfl和Llf是领导者和跟随者之间的方位拉普拉斯关系矩阵。
3.根据权利要求2所述预设收敛精度的无人机集群分布式编队控制方法,其特征在于,步骤2中根据给定期望编队确定跟随者的期望位置/>和期望速度/>并获取编队内跟随者的位置误差、以及速度跟踪误差;具体如下:
步骤2.1:根据给定期望编队确定跟随者的期望位置/>和期望速度/>具体如下:
其中,pl和vl分别为领导者的位置与速度,
步骤2.2,第i架无人机的运动学模型如下:
其中,vi,fi(pi,vi)和ui分别是第i个无人机的速度,非线性动态函数和控制输入,i∈W;
分别将领导者和跟随者的模型进行更新,具体如下:
其中,sat(ui)为实际控制器的输入;
步骤2.3,定义第i个无人机与其所有邻居之间的期望方位角之差的总和εpi(t)以及方位角速度差的总和εvi(t),如下:
定义符号和/>
无人机编队内跟随者的位置误差epi与速度跟踪误差evi分别表示为:
具体表示为:
得到:
4.根据权利要求3所述预设收敛精度的无人机集群分布式编队控制方法,其特征在于,设置实际控制器的输入sat(ui)为:
其中,是控制输入饱和度的上限。
5.根据权利要求3所述预设收敛精度的无人机集群分布式编队控制方法,其特征在于,步骤3中设计满足预设收敛精度的无人机集群分布式编队控制器,包括如下步骤:
步骤3.1,对式(12)求导后得:
根据式(13)非线性二阶系统,给定转换的坐标系:
其中,是虚拟速度控制变量,并且ξ表示输入饱和补偿系统,具体如下:
其中,κξ为正常数;
步骤3.2:定义:
其中Ωfpi,m>0,且为预设精度,其中m表示第i个无人机的坐标,D表示坐标维度,将跟随者的连续控制信号uf设计为:
其中0<λ<1和是参数设置,χ为正常数,Td是系统的预设时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410143744.2A CN118012129A (zh) | 2024-02-01 | 2024-02-01 | 一种预设收敛精度的无人机集群分布式编队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410143744.2A CN118012129A (zh) | 2024-02-01 | 2024-02-01 | 一种预设收敛精度的无人机集群分布式编队控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118012129A true CN118012129A (zh) | 2024-05-10 |
Family
ID=90955910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410143744.2A Pending CN118012129A (zh) | 2024-02-01 | 2024-02-01 | 一种预设收敛精度的无人机集群分布式编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118012129A (zh) |
-
2024
- 2024-02-01 CN CN202410143744.2A patent/CN118012129A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rubí et al. | A survey of path following control strategies for UAVs focused on quadrotors | |
Quintero et al. | Vision-based target tracking with a small UAV: Optimization-based control strategies | |
CN110989639B (zh) | 一种基于应力矩阵的水下航行器编队控制方法 | |
CN109976164B (zh) | 一种多旋翼无人机能量优化视觉覆盖轨迹规划方法 | |
CN108710372B (zh) | 一种用于群水面无人艇的自主避碰系统及方法 | |
Zhao et al. | Vision-based tracking control of quadrotor with backstepping sliding mode control | |
Yao et al. | Online trajectory generation with rendezvous for UAVs using multistage path prediction | |
CN110580740B (zh) | 多智能体协同三维建模方法及装置 | |
CN114610066A (zh) | 复杂未知环境下分布式集群无人机编队飞行轨迹生成方法 | |
Tang et al. | Onboard detection-tracking-localization | |
CN114721275A (zh) | 一种基于预设性能的视觉伺服机器人自适应跟踪控制方法 | |
CN114138010A (zh) | 一种基于加权偏差的多智能体高阶滑模编队控制方法 | |
Wu et al. | Vision-based target detection and tracking system for a quadcopter | |
Chen et al. | Cooperative tracking of vessel trajectories based on curved dynamic coordinates | |
Fragoso et al. | Dynamically feasible motion planning for micro air vehicles using an egocylinder | |
Hrabar et al. | Vision-based 3D navigation for an autonomous helicopter | |
Duoxiu et al. | Proximal policy optimization for multi-rotor uav autonomous guidance, tracking and obstacle avoidance | |
CN110162084B (zh) | 基于一致性理论的飞航导弹集群系统编队控制方法 | |
CN118012129A (zh) | 一种预设收敛精度的无人机集群分布式编队控制方法 | |
Wang et al. | Formation control of multiple nonholonomic mobile robots with limited information of a desired trajectory | |
Fridovich-Keil et al. | Approximate solutions to a class of reachability games | |
CN116540780A (zh) | 一种基于博弈制导的无人机决策控制方法 | |
CN116560401A (zh) | 一种无人机编队中僚机控制指令的确定方法及终端设备 | |
Takahashi et al. | Coordinated flight path generation and fuzzy model-based control of multiple unmanned aerial vehicles in windy environments | |
Petersen et al. | Target tracking and following from a multirotor UAV |
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 |