一种面向欺骗攻击的无人机集群协同编队及避障控制方法
本发明属于多智能体协同编队控制领域,特别涉及一种面向欺骗攻击的无人机集群协同编队及避障控制方法。
背景技术:
1、集群协同执行任务逐渐成为无人机系统应用的重要发展趋势。 自上世纪九十年代以来,无人机在军民领域受到了空前的关注并得到了迅速发展。因响应速度快、使用成本低、部署灵活等独特优势,无人机被普遍认为是未来信息化发展的重要平台。但是,由于环境复杂性和任务多样性,单无人机通常难以满足很多实际任务需求,比如在复杂恶劣的战场环境,遮蔽物众多的城市环境等,单无人机由于机载设备数量、感知视点及范围受限等缺陷,通常难以执行持续目标跟踪、全方位饱和攻击等任务。故而,由多个无人机组成的集群协同执行任务逐渐成为趋势,并在货物递送、环境保护、灾难响应、农林作业、森林防火、安防巡逻、目标搜索与追踪等领域得到应用。
2、然而,无人机的本质非线性、状态耦合、空气阻力以及外界风扰等将诱导出未知动态、建模误差等内外不确定性,这些内外不确定性统称为“物理层不确定性”。与此同时,机载通信设备能力有限,集群中相邻个体间状态信息的传输将会为有限的通信带宽带来严重负担,易于诱导出数据包丢失、堵塞、传输时延等网络现象,且随着集群中个体数量的增加该类网络诱导现象越严重。这些客观存在的不确定性无疑进一步增加了无人机集群高精度自主协同编队控制的难度。此外,公开化的通信网络极易受到敌方无人机的恶意攻击。常见的网络攻击可分类为拒绝服务攻击和欺骗攻击,其中欺骗攻击手段是恶意攻击者不依靠系统模型,仅需通过网络向传输数据中注入随机信号,改变原初始传输信息即可,其攻击方式简单易行,故作为常用的攻击手段备受关注。传统的关于无人机系统操控的控制理论方法,如鲁棒控制、抗干扰控制、自适应控制、滑模控制、变结构控制等等,大多只是针对于单纯含有物理层的不确定性提出的,无法直接适用于无人机集群系统的精准且安全控制需求。除了网络攻击的威胁以外,无人机集群编队飞行过程中不免受到障碍物或不明飞行物的影响。因此,如何利用尽可能少的通信信息,在克服恶意网络攻击影响的同时,有效抑制无人机内外不确定性对编队精度的影响并实现集群避障,是本发明专利重点解决与突破的关键技术问题。
技术实现思路
1、发明目的:为了克服以上不足,本发明的目的是提供一种面向欺骗攻击的无人机集群协同编队及避障控制方法,针对欺骗攻击条件下的无人机集群协同编队及避障控制,如何利用尽可能少且遭受恶意攻击的传输信息,设计一种能够实现对领导者的全部信息及自身不可测状态和未知扰动项高精度估计;如何仅利用领导者探测的障碍物信息,便可使得集群中所有个体均能获取障碍物信息,最终实现集群安全协同编队及避障控制策略,以满足工程应用。
2、技术方案:为了实现上述目的,本发明公开了一种面向欺骗攻击的无人机集群协同编队及避障控制方法,包括以下步骤:
3、第一步,建立无人机动力学模型:
4、考虑由1个领导者和n个跟随者组成的无人机集群,利用牛顿-欧拉方程建立四旋翼无人机动力学模型,通过引入虚拟控制变量将动力学模型改写为积分串联形式,并采用有向拓扑结构描述各无人机间的通信关系;
5、第二步,设计分布式抗攻击复合状态观测器:
6、针对领导者与跟随者之间的跟踪误差系统,将领导者动力学模型与跟踪误差系统综合扩展,设计具有动态饱和约束函数的分布式抗攻击复合状态观测器,对领导者状态、领导者控制输入、跟踪误差系统状态及未知扰动项进行估计;
7、第三步,设计基于领导者探测信息的障碍物状态协同观测器:
8、建立障碍物或敌方无人机的动力学模型,定义无人机与障碍物间的状态误差向量,将障碍物动力学模型与相对误差系统综合扩展,设计具有动态饱和约束函数的障碍物状态协同观测器,使集群中所有个体均能估计与障碍物间的相对状态;
9、第四步,设计分布式协同编队避障控制器:
10、利用第二步所述分布式抗攻击复合状态观测器及第三步所述障碍物状态协同观测器的输出信息,设计包含编队跟踪项和避障项的控制器,所述控制器为:
11、
12、其中,ψi(t)为避障项,xid1(t)、xid2(t)为无人机i在编队构型中的期望值,k1i、k2i为增益参数。
13、进一步的,本发明依次解决状态估计(抗攻击观测器)、障碍物感知(协同观测器)、协同控制(编队避障控制器)三个核心问题,形成了完整的感知、决策、控制闭环,不依赖中央节点,每个无人机仅依赖局部邻居信息即可工作。系统无单点故障,任意无人机失效不影响整体运行。同时应对物理层不确定性(扰动)、网络层欺骗攻击和环境层障碍物三类问题,多数现有方案只处理其中一类或两类,本方案三管齐下。此外,每个无人机只需与邻居交换少量状态估计值,不依赖全局信息;在通信带宽受限或被攻击的场景下,通信负担越轻,系统生存能力越强。
14、进一步的,所述第一步中,第i个四旋翼无人机的位置动力学模型为:
15、
16、姿态动力学模型为:
17、
18、其中,xi、yi、zi为无人机在惯性坐标系下的位置,φi、θi、ψi为姿态角,ixi、iyi、izi为转动惯量,dxi、dyi、dzi为扰动,mi为质量,g为重力加速度,ui1、ui2、ui3、ui4为控制输入。建立了位置与姿态之间的耦合关系,为后续控制分配提供了模型基础。
19、进一步的,所述饱和函数arctanδ(⋅)定义为:
20、
21、其阈值δ具有如下动态特性:
22、
23、其中,θ1>0、θ2>0为可调节参数,且满足θ1<θ2;x为观测器的估计误差信息。
24、固定阈值饱和函数会损失稳态精度,而动态阈值在误差大时放宽限制,误差小时收紧限制,兼顾了瞬态响应速度和稳态精度。
25、进一步的,所述第一步中,引入虚拟控制变量uxi、uyi、uzi后,无人机i的动力学模型改写为:
26、
27、其中,xi1(t)为位置向量,xi2(t)为速度向量,控制出入ui(t)=[uxi,uyi,uzi]t,di(t)为总和扰动项,yi(t)为位置测量输出。将复杂的四旋翼非线性模型简化为二阶积分器串联形式,使得控制器设计可以借用线性系统成熟工具,大幅降低了设计复杂度。同时将扰动作为独立项分离出来,为后续观测器对扰动的估计和补偿提供了模型基础。
28、进一步的,所所述第一步中,领导者无人机的动力学模型为:
29、
30、其中,x01(t)、x02(t)为领导者的位移及速度,d0(t)、u0(t)分别为领导者的扰动和控制输入,y0(t)为领导者的位置测量输出。领导者无人机的状态决定了整个编队的运动轨迹,是后续跟踪误差定义和观测器设计的起点。
31、进一步的,所述第二步中,定义第i个跟随者无人机相对于领导者的状态跟踪误差变量为:
32、
33、跟踪误差系统为:
34、。
35、将编队控制问题转化为跟踪误差收敛到零的标准控制问题。位置误差和速度误差的定义使得控制器设计目标明确——只需让这两个误差收敛,编队即达成。
36、进一步的,所述第二步中,所述分布式抗攻击复合状态观测器的具体形式为:
37、
38、其中,ei(t)包含相邻无人机对领导者输出状态的估计信息及领导者测量输出信息,ηi(t)包含无人机自身位置信息、领导者测量输出信息及状态估计信息,αi1、…、αi6为观测器增益参数,和为如权利要求3所述的饱和函数,δi1、δi2分别为对应通道的阈值参数。同时估计领导者的位移、速度、控制输入,以及跟随者自身的位移、速度、扰动——六个状态一步到位,无需多个观测器级联。
39、进一步的,所述第三步中,无人机k与障碍物或敌方无人机间的相对误差系统为:
40、
41、其中,ekq1(t)、ekq2(t)分别为无人机k与障碍物间的位移差和速度差,和分别为ekq1(t)、ekq2(t)的导数;uq(t)、dq(t)分别为障碍物的控制输入和扰动。
42、进一步的,所述第三步中,所述障碍物状态协同观测器的具体形式为:
43、
44、其中,sk(t)包含相邻无人机对障碍物状态的估计信息及领导者探测的障碍物位移信息,qk(t)包含无人机自身位置信息、领导者探测的障碍物位移信息及相对状态估计信息,βk1、…、βk6为观测器增益参数;和为如权利要求3所述的饱和函数,δk3、δk4分别为对应通道的阈值参数。仅利用领导者探测到的障碍物相对位移信息,即可让集群中所有无人机估计出自己与障碍物的相对位移和相对速度,解决了只有领导者能看见障碍物的信息不对称问题。
45、进一步的,所述第四步中,所述避障项ψi(t)为:
46、
47、其中:
48、
49、上式中,rd为领导者最大探测范围,ra为最小安全距离,liq为无人机与障碍物的相对距离, ki1、ki2为可调增益参数。
50、本发明与现有技术相比有益效果为:
51、1、针对无人机集群个体间通信遭受恶意欺骗攻击的问题,本发明设计了分布式抗攻击复合状态观测器,一方面利用动态饱和约束函数主动抑制欺骗攻击对传输信息的影响,确保集群个体间通信的安全性及可靠性;另一方面仅利用相邻无人机对领导者输出状态的估计值,便可同时实现对领导者所有状态、控制输入、以及与领导者间跟踪误差系统的全部状态和未知非线性项的估计;
52、2、为了避免无人机集群对障碍物发生碰撞,本发明设计了障碍物状态协同观测器,仅利用领导者对障碍物的探测信息,便可实现集群中所有无人机个体对障碍物状态(包括位移和速度)、控制输入以及与障碍物间的相对状态的估计;
53、3、为了实现集群安全编队飞行,本发明利用分布式抗攻击复合状态观测器和障碍物状态协同观测器的输出信息设计了一种协同编队避障控制器,以抑制外界干扰以及躲避障碍物,实现期望的编队构型。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com