一种固定翼有人-无人机编队协同控制方法
本技术涉及多无人机控制,特别是涉及一种固定翼有人-无人机编队协同控制方法。
背景技术:
1、近年来,固定翼无人机编队系统因其在多样化任务场景中展现出的灵活性和高效性备受关注。在具备足够的负载能力、感知能力和计算能力的条件下,固定翼无人机编队系统能够有效执行各类任务,然而,固定翼无人机编队系统目前仍处于弱智能时代,智能化系统的通用性和自主性尚未完全突破,仅能完成某一类的特定任务,基于人工智能技术的固定翼无人机编队系统在短时间内无法摆脱对有人机的依赖。
2、现有固定翼无人机编队系统未能建立有效的人机协同交互机制,导致操作人员难以实时介入无人机编队的决策环路。在指令交互层面,传统方法需依赖于预设指令,缺乏面向编队形态变换的实时指令控制方法,严重制约了操作人员的临机决策效率。在控制层级整合方面,多数研究仅聚焦于制导层或单机控制,未能实现制导层与单机控制的有机统一,限制了对固定翼无人机编队系统的整体控制。这些问题使得固定翼无人机编队系统在应对复杂任务场景时,表现出了明显的适应性与灵活性不足。此外,复杂的环境使得固定翼无人机编队系统统一遭遇突发事故,因此,必须对固定翼无人机编队系统进行状态约束。然而,目前的研究多集中于输出约束,无法满足无人机编队的全状态约束需求。
3、因此,基于上述问题,亟需提供一种固定翼有人-无人机编队协同控制方法,能够对无人机编队进行实时决策和单机控制,提高临机决策效率。
技术实现思路
1、本技术的目的是提供一种固定翼有人-无人机编队协同控制方法,能够对无人机编队进行实时决策和单机控制,提高临机决策效率。
2、为实现上述目的,本技术提供了一种固定翼有人-无人机编队协同控制方法,所述固定翼有人-无人机编队协同控制方法包括:
3、建立坐标系系统,并根据所述坐标系系统确定固定翼有人-无人机编队协同控制框架;所述坐标系系统包括:地面坐标系、机体坐标系、气流坐标系和集群坐标系;所述固定翼有人-无人机编队协同控制框架包括:固定翼有人机和无人机编队;所述固定翼有人机用于生成指令向量;所述指令向量包括:无人机编队的期望集群中心位置、期望集群角度信息和期望几何构型;
4、根据所述固定翼有人-无人机编队协同控制框架,确定无人机编队的集群空间向量;所述集群空间向量包括:集群中心位置、集群角度信息和几何构型;
5、根据所述指令向量和所述集群空间向量,基于人在环系统,确定无人机编队的集群指令;
6、根据所述集群指令,基于反向加速度运动学变换,确定无人机编队中每一无人机对应的单机期望指令;
7、根据单机期望指令,基于多自由度固定翼无人机动力学模型,确定速度姿态控制器的速度推力控制律和姿态舵面控制律;
8、利用所述速度推力控制律和所述姿态舵面控制律,对无人机编队进行协同控制。
9、可选地,所述根据所述固定翼有人-无人机编队协同控制框架,确定无人机编队的集群空间向量,具体包括:
10、根据所述固定翼有人-无人机编队协同控制框架,确定无人机编队的初始单机状态向量;所述初始单机状态向量包括:每一无人机在地面坐标系中的位置和角度信息;
11、根据所述初始单机状态向量,基于正向运动学变换,确定初始集群空间向量;所述初始集群空间向量包括:集群中心位置、集群角度信息、单机角度信息和几何构型;
12、根据所述初始集群空间向量,基于状态空间方程,确定集群空间向量。
13、可选地,所述根据所述指令向量和所述集群空间向量,基于人在环系统,确定无人机编队的集群指令,具体包括:
14、根据所述指令向量和所述集群空间向量,确定人在环系统的虚拟控制律和自适应更新律;
15、根据所述虚拟控制律和所述自适应更新律,确定无人机编队的集群指令。
16、可选地,所述根据所述指令向量和所述集群空间向量,确定人在环系统的虚拟控制律和自适应更新律,具体包括:
17、利用公式确定人在环系统的虚拟控制律;
18、利用公式确定人在环系统的自适应更新律;
19、其中,为指令向量的速度指令,为状态指令误差,为状态指令误差的反馈增益,为速度指令误差,为转置,为杨氏第一权重,用于平衡杨氏不等式中各项的权重,为rbf神经网络中径向基向量内积组成的向量,为自适应更新律的第一增益系数,用于调节自适应更新律的数值大小,为自适应更新律的第二增益系数,用于调节在自适应更新律中的权重,为rbf神经网络权值向量的最大估计值。
20、可选地,所述根据所述虚拟控制律和所述自适应更新律,确定无人机编队的集群指令,具体包括:
21、利用公式确定无人机编队的集群指令;
22、其中,为反步控制律,为状态指令误差,为杨氏第一权重,为杨氏第二权重,为速度指令误差,为速度指令误差的误差反馈增益,为集群速度指令,为惯性环节时间参数,为虚拟控制律的导数,为rbf神经网络中径向基向量内积组成的向量,为rbf神经网络权值向量的最大估计值。
23、可选地,所述根据所述集群指令,基于反向加速度运动学变换,确定无人机编队中每一无人机对应的单机期望指令,具体包括:
24、根据所述集群指令,基于反向加速度运动学变换,确定无人机编队的加速度期望指令;
25、对所述加速度期望指令进行指令分配,确定每一无人机对应的单机期望指令。
26、可选地,所述根据单机期望指令,基于多自由度固定翼无人机动力学模型,确定速度姿态控制器的速度推力控制律和姿态舵面控制律,具体包括:
27、根据单机期望指令,基于多自由度固定翼无人机动力学模型,确定速度姿态控制器中的速度层李亚普洛夫障碍函数和姿态层李亚普洛夫障碍函数;
28、根据所述速度层李亚普洛夫障碍函数和所述姿态层李亚普洛夫障碍函数,分别确定速度推力控制律和姿态虚拟控制律;
29、根据所述姿态虚拟控制律,确定姿态舵面控制律。
30、可选地,所述根据单机期望指令,基于多自由度固定翼无人机动力学模型,确定速度姿态控制器中的速度层李亚普洛夫障碍函数和姿态层李亚普洛夫障碍函数,具体包括:
31、利用公式确定速度层李亚普洛夫障碍函数;
32、利用公式确定姿态层李亚普洛夫障碍函数;
33、其中,为第一性能函数,用于约束第架无人机的速度跟踪误差,为速度跟踪误差的归一化表达,为用于约束滚转角误差的李亚普洛夫障碍函数,为用于约束俯仰角误差的李亚普洛夫障碍函数,为用于约束偏航角误差的李亚普洛夫障碍函数,为第架无人机的姿态跟踪误差,为圆周率,为转置。
34、可选地,所述根据所述速度层李亚普洛夫障碍函数和所述姿态层李亚普洛夫障碍函数,分别确定速度推力控制律和姿态虚拟控制律,具体包括:
35、利用公式确定速度推力控制律;
36、利用公式确定姿态虚拟控制律;
37、其中,为与无人机速度和指令相关的增益项,为速度推力控制律的第一增益系数,为速度推力控制律的第二增益系数,为第架无人机的速度跟踪误差,为速度跟踪误差的归一化表达,为与速度跟踪误差和速度跟踪误差的归一化表达相关的正割函数表达式,为第架无人机的标量速度,为第一性能函数的导数,为与第一性能函数及其导数相关的函数表达式,为速度指令,为加速度指令,为角速度与姿态角投影的转化矩阵,为由姿态层性能函数及其导数相关的函数组成的对角矩阵,为由增益系数、姿态层性能函数及其导数相关的函数组成的对角矩阵,为姿态层指令,为姿态层指令的导数。
38、可选地,所述根据所述姿态虚拟控制律,确定姿态舵面控制律,具体包括:
39、利用公式确定姿态舵面控制律;
40、其中,为第架无人机的控制有效性矩阵,为机体坐标系平面的惯性张量,为姿态舵面控制律的第一增益系数,为角速度跟踪误差,为与姿态层性能函数和姿态层跟踪误差的归一化表达相关的函数表达式组成的列向量,为姿态舵面控制律的第二增益系数,为与姿态层性能函数、姿态层跟踪误差及其归一化表达相关的tan型函数表达式组成的列向量,为部分姿态层状态量的简化表达式,为角速度与姿态角投影的转化矩阵,为与姿态跟踪误差及其归一化表达相关的正割函数表达式,为姿态舵面控制律的第三增益系数。
41、根据本技术提供的具体实施例,本技术具有了以下技术效果:
42、本技术提供了一种固定翼有人-无人机编队协同控制方法,通过固定翼有人机生成指令向量建立人机交互机制,在面临紧急任务时,固定翼有人机能够通过生成指令向量介入固定翼无人机编队的决策环路,以适应复杂多变的任务;通过集群空间向量控制固定翼无人机编队在三维空间中的飞行轨迹,为后续与固定翼有人机进行指令交互创造了条件;通过集群指令确定每一无人机对应的单机期望指令,并根据单机期望指令确定速度推力控制律和姿态舵面控制律,实现了制导层与单机控制的有机统一;通过建立速度推力控制律和姿态舵面控制律实现了对固定翼无人机编队的全状态约束,使得固定翼无人机编队不受复杂环境的影响;综上,本技术能够对无人机编队进行实时决策和单机控制,提高临机决策效率。
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