[发明专利]一种无人机和无人车组成的异构多智能体系统编队控制中执行器故障的自适应补偿方法

说明书

本发明公开了一种无人机和无人车组成的异构多智能体系统编队控制中执行器故障的自适应补偿方法，包括：多智能体系统含无人机和无人车，无人车模型采用两轮移动机器人，无人机模型采用四旋翼无人机，分别对其建模并简化。分别对发生故障后系统的无人地面车辆和无人机位置子系统的XOY平面模型以及无人机位置子系统的Z轴模型建模，实现无人机‑无人车编队控制。确定多智能体系统通信拓扑为强连通图。利用backstepping法，设计在自适应律更新故障估计参数下的控制律，实现编队控制。对发生执行器故障的四旋翼无人机Z轴模型，用backstepping法，设计在自适应律更新故障估计参数下的控制律，实现一致性。本发明能确保多智能体系统在未知故障情况下顺利实现编队控制。

技术领域

本发明属于航空航天异构多智能体系统编队控制技术领域，特别涉及一种无人机和无人车组成的异构多智能体系统编队控制中执行器故障的自适应补偿方法。

背景技术

多智能体系统是指一定数量的智能体相互协作完成特定任务的系统。与单个智能体相比，多智能体系统可以完成更复杂艰巨的工作，具有更广泛的应用场景，如无线传感器网络、机器人编队、多机械手协同装配等。因此，越来越多的研究者开始关注多智能体系统的协同控制问题。协同控制是指在一定的通信网络环境中，一组智能体通过设计适当的控制算法，可以针对特定的需求达成一致。目前，对多智能体系统的协同控制的研究大多集中在同构多智能体系统上，而对异构多智能体系统的协同控制的研究相对较少，如无人机和无人地面车辆的协同控制。

在现代控制系统中，随着系统规模的扩大和任务复杂度的增加，系统发生故障的可能性越来越大。然而，任何一个系统的故障都会严重降低系统的稳定性。因此，多智能体系统容错协同控制就显得尤为重要。

根据故障发生的位置，故障可分为拓扑故障和部件故障。拓扑故障是智能体之间发生的影响通信拓扑的故障，例如丢包和通信中断，而部件故障是发生于单个节点内部的故障，例如执行器故障，被控制对象故障和传感器故障等。

根据不同的设计思路，容错控制可大致分为两类：被动容错控制和主动容错控制。在被动容错控制中，控制器的参数和结构一般是固定的，控制器被设计成针对一类特定的故障具有鲁棒性，其不需要在线检测故障信息，常用的控制方法包括自适应控制、滑模控制、模糊控制等。与被动容错控制方法不同，主动容错控制结合故障检测和识别，通过重新配置控制器动作来主动响应故障。

在“Time-varying formation control of a collaborative heterogeneousmulti agent system”(R.Rahimi et al./Robotics and Autonomous Systems 62(2014)1799–1805)一文中，作者研究了时变编队环境下多智能体系统的编队控制问题。对于救援和监视的特殊应用，考虑了一组由无人机和无人车组成的系统。由于无人机和无人车的自由度不同，智能体之间的协同控制面临许多问题。该文提出了一种基于Lyapunov的控制器，采用分散控制的方法来稳定蜂群，使系统形成刚性编队。然而，此方法并未考虑到多智能体系统发生未知故障的情况。若系统发生故障，则可能出现编队控制失败的结果。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种无人机和无人车组成的异构多智能体系统编队控制中执行器故障的自适应补偿方法，能确保多智能体系统在未知故障情况下仍能够顺利实现编队控制。

本发明为解决上述技术问题采用以下技术方案。

一种无人机和无人车组成的异构多智能体系统编队控制中执行器故障的自适应补偿方法，包括如下步骤：

步骤1、多智能体系统包括由M个无人车和(N-M)个无人机，无人车模型采用两轮移动机器人，无人机模型采用四旋翼无人机，分别对其建模并简化，得到二阶无人车模型和二阶无人机模型；