[发明专利]具有输入饱和的多旋翼无人机时变编队控制方法及系统

说明书

本发明公开了一种具有输入饱和的多旋翼无人机时变编队控制方法及系统，包括：对单个多旋翼无人机的物理特性进行建模，将建立的模型转化为状态方程；确定多个多旋翼无人机编队时的通信拓扑结构；针对第i个僚机建立高增益模糊状态观测器，估计系统不可测状态，得到系统的状态估计值；设计自适应切换事件触发机制并构建阈值自适应律，利用反步法构建自适应事件触发控制器；基于所述自适应事件触发控制器，在外部风扰和输入饱和的情况下控制所有僚机的位置与领机的期望轨迹保持同步。本发明让触发机制更加多元化和现实化的作用于多无人机系统，在保证闭环系统中所有信号半全局一致最终有界的同时，使多无人机时变编队队形保持稳定。

技术领域

本发明属于无人机时变编队控制技术领域，尤其涉及一种具有输入饱和的多旋翼无人机时变编队控制方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

近年来，多旋翼无人机已经被广泛应用于民用、工业、军用等领域，例如：通过操纵无人机完成在危险和复杂环境中的灾害监测、农业测绘、电影制片、航空摄影和搜索救援等任务。多旋翼无人机具垂直起降，任何方向飞行和任意高度盘旋等特点。然而，多旋翼无人机的欠驱动特性、固有非线性和不确定动力学之间的耦合、与未知飞行环境相关的外部干扰(如磁场干扰)，以及无人机自身载荷、陀螺力矩和空气动力阻尼力等影响因素给旋翼无人机飞行控制的研究带来了巨大的挑战。相比于单个多旋翼无人机，多无人机协同编队飞行可以有效地执行更艰巨更危险的任务，如森林灭火、货物运输和军事演习等等。针对多无人机系统的分布式协同编队控制问题，主要的挑战是包括以上对单个无人机的研究难点外还应考虑在有限信息交互的情况下分布式通信协议问题。

实际受控无人机系统往往具有高度非线性，并表现出不确定性，时变性以及多输入多输出。反步递推设计方法的提出对非线性系统的研究产生了深远影响，同时为解决非线性多智能体系统的控制问题提供了一个行之有效的工具。国内外学者利用模糊逻辑系统或神经网络对系统中的非线性项进行辨识或学习，再进一步结合自适应反步递推设计方法和非线性鲁棒控制技术，形成了一套模糊(神经网络)自适应反步递推控制设计方案，为非线性系统的研究提供了崭新的研究思路。受复杂环境的影响，无人机状态可能存在不可用的情况，现有的控制方法在处理具有未知状态的时变编队问题时可能失效。

大多数物理系统和设备中都存在着输入饱和或外部干扰等因素，它们的存在严重的限制了系统的性能，破坏了系统的控制品质，甚至会彻底破坏整个受控系统的稳定性。特别是针对多无人机系统的时变编队控制问题，实际无人机系统中都存在执行器饱和现象，这就导致时变编队跟踪控制律产生的指令信号就不能完全实现，从而导致编队跟踪过程失败。在输入饱和自适应控制中，最关键问题是如何分析执行器输入约束的控制效果。因此，在存在输入饱和的情况下分析无人机编队系统的稳定性仍是一个热点问题。

另外，为了使多无人机编队成各种形状或产生更丰富的编队行为，例如，编队灭火，单个无人机之间的状态或输出信息经常通过通信网络进行传输；但是，由于信号通信信道带宽不足，难以在高频段保持连续通信。

现有技术中，对于多旋翼无人机的控制模型大多是针对四旋翼无人机的控制模型，对于六旋翼无人机模型的研究较少，针对多个六旋翼无人机的时变编队控制问题的研究更少。现有的对于无人机的研究内容大多是基于状态可测情况下进行的，而不是状态不可测情况，且构建的触发机制是静态切换的，并不是自适应切换的。

发明内容

为了解决上述问题，本发明提出了一种具有输入饱和的多旋翼无人机时变编队控制方法及系统，采用模糊逻辑系统逼近系统中不确定的非线性项并建立高增益状态观测器，通过事件触发机制控制器减少多无人机之的测量装置端的发送数据的次数，提高通讯资源的利用率，让触发机制更加多元化和现实化的作用于多无人机系统，在保证闭环系统中所有信号半全局一致最终有界的同时，使多无人机时变编队队形保持稳定。

在一些实施方式中，采用如下技术方案：