CN115657730B - 一种大规模多旋翼无人机鲁棒分簇编队控制方法 - Google Patents
一种大规模多旋翼无人机鲁棒分簇编队控制方法 Download PDFInfo
- Publication number
- CN115657730B CN115657730B CN202211679516.4A CN202211679516A CN115657730B CN 115657730 B CN115657730 B CN 115657730B CN 202211679516 A CN202211679516 A CN 202211679516A CN 115657730 B CN115657730 B CN 115657730B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- indicating
- representing
- formation
- 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.)
- Active
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004891 communication Methods 0.000 claims abstract description 30
- 241000854291 Dianthus carthusianorum Species 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000013461 design Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000035515 penetration Effects 0.000 claims description 3
- 241001235534 Graphis <ascomycete fungus> Species 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 abstract description 2
- 101100001676 Emericella variicolor andK gene Proteins 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 101710103613 Flightin Proteins 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明属于无人机飞行控制技术领域,具体涉及一种大规模多旋翼无人机鲁棒分簇编队控制方法。该方法首先建立多旋翼无人机编队运动模型和编队***的有向通讯拓扑结构;然后,结合图论理论将无人机编队网络划分成若干个簇;最后,设计鲁棒控制律,实现无人机编队在外部风扰下的稳定飞行,有效解决了传统编队控制方法受限于规模和运算量大的问题,可实现期望的编队协同性能。
Description
技术领域
本发明属于无人机飞行控制技术领域,具体涉及一种大规模多旋翼无人机鲁棒分簇编队控制方法。
背景技术
近年来,随着航空航天技术的飞速发展,无人机编队技术越来越受到广泛关注,在协同侦察、精准农业、灾害管理、环境监测、空中基站等军用和民用领域得到了广泛应用。多旋翼无人机作为无人机的一个重要类别,能够在狭隘的空间内完成垂直起降、全方位导航等任务,结构简单,且具有较好的机动性。
无人机编队是指多架无人机为适应任务需求按照某一拓扑结构而进行的某种队形排列和任务分配。在实际任务中,无人机编队***的性能主要依赖于编队控制器,因此,无人机编队控制是无人机***研制的关键技术之一,是实现多架无人机队形保持、调整和重构的重要技术。
现有技术中,已有一些关于多旋翼无人机编队控制方法的研究,公开号为CN113157000A的中国发明专利申请公开了一种基于虚拟结构和人工势场的飞行编队协同避障自适应控制方法,公开号为CN110286694A的中国发明专利申请公开了一种多领导者的无人机编队协同控制方法。然而,在上述发明专利申请中,无人机集群的规模都比较小,且未考虑无人机受到的外部环境干扰问题。随着无人机数量的增多,上述控制方法运算量迅速增大,导致协同难度的指数上升,因此,上述方法中的多旋翼无人机编队的整体规模受到限制。
发明内容
基于现有技术的不足,本发明提出了一种大规模多旋翼无人机鲁棒分簇编队控制方法,该方法首先建立多旋翼无人机编队运动模型和编队***的有向通讯拓扑结构;然后,结合图论理论将无人机编队网络划分成若干个簇;最后,设计鲁棒控制律,实现无人机编队在外部风扰下的稳定飞行,有效解决了传统编队控制方法受限于规模和运算量大的问题。
本发明完整的技术方案如下:
一种大规模多旋翼无人机鲁棒分簇编队控制方法,包括以下步骤:
步骤S1:建立多旋翼无人机编队运动模型。
无人机i的位置和姿态运动模型为:
其中,m i 表示无人机i的质量,c 3表示一个三维行向量,且c 3=[0 0 1] T ,g表示引力常量,p i 表示无人机i在飞行过程中的位置,表示无人机i在惯性坐标系下的速度向量,v i 表示无人机i在飞行过程中的速度,表示无人机i在飞行过程中的加速度,R i 表示惯性坐标系与无人机i本体坐标系之间的转换矩阵,f i 表示无人机i的控制力输入,d v,i 表示无人机i因外界自然风影响受到的外界环境干扰力,J i 表示无人机i的转动惯量,表示无人机i姿态角速度;表示无人机i的姿态角加速度;C i 表示无人机i的模型参数矩阵,M i 表示无人机i的控制力矩输入,d m,i 表示无人机i因外界自然风影响受到的外界干扰力矩。
步骤S2:建立多旋翼无人机编队***的有向通讯拓扑结构网络。
其中,w ij 表示无人机i和无人机j的通信状态,若无人机i与无人机j之间有信息交换,则w ij =1,否则w ij =0,节点v i 的邻域集合由表示,定义为节点v i 的入度,为节点v i 的出度,则有向图G的拉普拉斯矩阵为L=D-W,D=diag{d i },将多旋翼无人机编队***的根节点视为编队中心,表示为p 0=[x 0 y 0 z 0] 。
步骤S3:基于所述多旋翼无人机编队运动模型和有向通讯拓扑结构网络,设计分簇算法,将有向通讯拓扑结构网络划分成多个簇。
根据步骤S2建立的多旋翼无人机编队***的有向通讯拓扑结构网络,计算各节点无人机入度和出度,若无人机的入度小于出度,则该无人机被视为一个簇头;若无人机的入度不小于出度,则该无人机被视为一个簇成员,判断簇头无人机和簇成员无人机是否存在一条通讯链路,若存在则称该簇成员无人机为该簇头无人机的簇成员并加入该簇。
步骤S4:对于步骤S3分成的多个簇,分别针对簇头和簇成员进行位置控制器和姿态控制器设计,实现多旋翼无人机编队的安全稳定飞行。
S401:簇头无人机a位置控制器设计
其中,表示簇头无人机a的位置控制输入,K ap 和K ad 表示簇头无人机a控制器的增益矩阵,m a 表示簇头无人机a的质量,s表示拉普拉斯算子,k a 表示簇头无人机a控制器的一个常量参数,p a 表示簇头无人机a在飞行过程中的位置,δ a 表示簇头无人机a与编队中心的位置偏差,表示簇头无人机a与编队中心的速度偏差,表示簇头无人机a在惯性坐标系下的速度向量,表示簇头无人机a与编队中心的加速度偏差,表示簇头无人机a位置外界干扰估计器控制输入,b a 表示簇头无人机a位置通道外界干扰估计器的一维控制参数。
S402: 簇成员无人机b位置控制器设计
其中,表示簇成员无人机b的位置控制输入,表示簇成员无人机b位置外界干扰估计器控制输入,k b 表示簇成员无人机b一个正的控制器常量参数,m b 表示簇成员无人机b的质量,K bp 和K bd 表示簇成员无人机b位置控制器的增益矩阵,N b 表示节点v b 的邻域集合,w bj 表示簇成员无人机b和无人机j的通信状态,p b 表示簇成员无人机b在飞行过程中的位置,p j 表示无人机j在飞行过程中的位置,δ bj 表示簇成员无人机b与无人机j的位置偏差,表示簇成员无人机b在惯性坐标系下的速度向量,表示无人机j在惯性坐标系下的速度向量,表示簇成员无人机b与编队中心的速度偏差,表示簇成员无人机b与编队中心的位置偏差,f b 表示簇成员无人机b位置通道外界干扰估计器的一维控制参数。
S403: 无人机i的姿态控制器设计
其中,表示无人机i的姿态控制输入,表示无人机i的姿态干扰估计器控制输入;K il 和K ig 表示无人机i姿态控制器的增益矩阵,表示无人机i姿态误差,表示无人机i姿态角速度误差,表示无人机i期望姿态角,表示无人机i期望姿态角速度,表示无人机i期望姿态角加速度;h i 表示无人机i姿态通道外界干扰估计器的一维控制参数,η i 表示无人机i姿态角。
相比现有技术,本发明具有如下优点:
1. 相比于现有的传统无人机编队控制方法,本发明所提出的编队控制方法可有效解决大规模多旋翼无人机编队问题,更好地解决传统方法受到的规模限制和运算量大的问题。
2. 本发明的编队控制方法能够有效抑制外部风扰问题,具有较好的鲁棒性,可以实现期望的编队协同性能。
3. 本发明所设计的鲁棒分簇编队控制器及方法结构简单,算法复杂度低,易于实现,能够用于航天飞行器、无人水下航行器或者机器人的编队控制中,具有通用性。
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,下面将对实施例中所需要使用的附图作简单地介绍,通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,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,可以根据这些附图获得其他的附图。
图1是多旋翼无人机的两个坐标系和姿态角定义示意图。
图2是本发明的大规模多旋翼无人机鲁棒分簇编队控制方法流程图。
图3是本发明的多旋翼无人机编队***分簇示意图。
图4是本发明的多旋翼无人机编队控制***结构示意图。
图5是本发明实施例中26架多旋翼无人机飞行时的三维轨迹曲线。
图6是本发明实施例中26架多旋翼无人机飞行时的姿态响应曲线。
图7是本发明实施例中26架多旋翼无人机飞行时的位置误差曲线。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
无人机编队***由多个旋翼无人机组成,该***在执行任务时,每架无人机可以按照一定顺序进行编号,第一个无人机编号记为1,第二个无人机编号记为2,任意一架无人机编号记为i,最后一个无人机编号记为N。
在本发明中,为了实现对无人机的状态表征,应用了两个坐标系,一个是惯性坐标系E 地-OXYZ,另一个是无人机的本体坐标系E 体-OX b X b X b ,分别定义为:
(1) 惯性坐标系(E 地-OXYZ):惯性坐标系与地球表面固连,坐标系原点O选取在地平面一点上,OX轴指向任意,冲着目标的方向为正方向,OY轴垂直于OX轴,OZ轴与其它两轴垂直并构成右手坐标系。
(2) 本体坐标系E 体-OX b X b X b :本体坐标系与无人机本体固连,O b 在无人机的质心处(质心);O b X b 轴在无人机对称平面内并平行于无人机的设计轴线指向前方;O b Y b 轴垂直于无人机对称平面指向本体右方;O b Z b 轴在无人机对称平面内,与O b X b 轴垂直并指向上方。本体坐标系E 体-OX b X b X b 形成右手直角坐标系。
如图1所示,任意无人机在惯性坐标系(E 地-OXYZ)中所在的位置记为
p i =[x i y i z i ]T,其中,x i 表示无人机i在惯性坐标系中X方向上的位置,y i 表示无人机i在惯性坐标系中Y方向上的位置,z i 表示无人机i在惯性坐标系中Z方向上的位置。
任意无人机i在本体坐标系中的姿态角记为η i =[φ i θ i ψ i ]T,滚转角φ i ,俯仰角θ i ,偏航角ψ i ,其中,
滚转角φ i 表示无人机i绕O b X b 轴旋转的角度。
俯仰角θ i 表示无人机i绕O b Y b 轴旋转的角度。
偏航角ψ i 表示无人机i绕O b Z b 轴旋转的角度。
如图2所示,为了能有效解决传统控制方法受到的规模限制和运算量大的问题,确保大规模多旋翼无人机编队在外部风扰下的稳定性与可靠性,本发明提出的大规模多旋翼无人机的鲁棒分簇编队控制方法,包括如下步骤:
步骤S1:建立多旋翼无人机编队运动模型
任意无人机i的位置和姿态运动模型为:
其中,m i 表示无人机i的质量,c 3表示一个三维行向量,且c 3=[0 0 1] T ,g表示引力常量,p i 表示无人机i在飞行过程中的位置,表示无人机i在惯性坐标系下的速度向量,v i 表示无人机i在飞行过程中的速度,表示无人机i在飞行过程中的加速度,R i 表示惯性坐标系与无人机i本体坐标系之间的转换矩阵,d v,i 表示无人机i因外界自然风影响受到的外界环境干扰力,J i 表示无人机i的转动惯量,表示无人机i姿态角速度;表示无人机i的姿态角加速度;C i 表示无人机i的模型参数矩阵,M i 表示无人机i的控制力矩输入,d m,i 表示无人机i因外界自然风影响受到的外界干扰力矩,f i 表示无人机i的控制力输入,,表示无人机i的4个旋翼旋转速度,k if 表示力矩系数,M i 表示无人机i控制力矩输入,k iφ ,k iθ ,k iψ 表示力矩系数。
步骤S2:结合图论方法建立多旋翼无人机编队***的有向通讯拓扑结构网络
其中,w ij 表示无人机i和无人机j的通信状态,若无人机i与无人机j之间有信息交换,则w ij =1,否则w ij =0,节点v i 的邻域集合由表示,定义为节点v i 的入度,为节点v i 的出度,则有向图G的拉普拉斯矩阵为L=D-W,D=diag{d i }。
如果存在一个节点使得这个节点到其他所有的节点都有路径,则有向图G包含一个生成树,这个节点叫做树的根。将无人机编队***根节点视为编队中心,其在三维空间中的位置为p 0=[x 0 y 0 z 0]。
步骤S3:设计分簇算法,将有向通讯拓扑结构网络划分成若干个簇。
根据步骤S2建立的多旋翼无人机编队***的有向通讯拓扑结构网络,得到出入度信息,计算无人机节点入度信息和出度信息。比较出度和入度值的大小,如果d in (v i )-d out (v i )<0,则该无人机被视为一个簇头。若无人机的入度不小于出度,则该无人机被视为一个簇成员,判断簇头和簇成员无人机是否存在一条通讯链路,若存在从簇头到簇成员无人机的一条通讯链路,则称该簇成员无人机为该簇头的簇成员并加入该簇。从而将多旋翼无人机编队***的有向通讯拓扑结构网络分成若干个簇。如图3所示,将26架多旋翼无人机编队分成了4个簇,其中簇头无人机可以收到编队中心的信息,其余无人机分别为相应的簇成员。
步骤S4:分别针对簇头和簇成员设计鲁棒位置和姿态控制律,实现编队安全稳定飞行。设计的控制律结构图如图4所示。
S401簇头无人机a位置控制器设计,得到簇头位置的控制输入,实现对簇头位置的精确控制。
其中,表示簇头无人机a的位置控制输入,K ap 和K ad 表示簇头无人机a控制器的增益矩阵,m a 表示簇头无人机a的质量,s表示拉普拉斯算子,k a 表示簇头无人机a控制器的一个常量参数,p a 表示簇头无人机a在飞行过程中的位置,δ a 表示簇头无人机a与编队中心的位置偏差,表示簇头无人机a与编队中心的速度偏差,表示簇头无人机a在惯性坐标系下的速度向量,表示簇头无人机a与编队中心的加速度偏差,表示簇头无人机a位置外界干扰估计器控制输入,b a 表示簇头无人机a位置通道外界干扰估计器的一维控制参数。
S402簇成员无人机b位置控制器设计,得到簇成员的位置控制输入,实现对簇成员的精确控制。
其中,表示簇成员无人机b的位置控制输入,表示簇成员无人机b位置外界干扰估计器控制输入,k b 表示簇成员无人机b一个正的控制器常量参数,m b 表示簇成员无人机b的质量,K bp 和K bd 表示簇成员无人机b位置控制器的增益矩阵,N b 表示节点v b 的邻域集合,w bj 表示簇成员无人机b和无人机j的通信状态,p b 表示簇成员无人机b在飞行过程中的位置,p j 表示无人机j在飞行过程中的位置,δ bj 表示簇成员无人机b与无人机j的位置偏差,表示簇成员无人机b在惯性坐标系下的速度向量,表示无人机j在惯性坐标系下的速度向量,表示簇成员无人机b与编队中心的速度偏差,表示簇成员无人机b与编队中心的位置偏差,f b 表示簇成员无人机b位置通道外界干扰估计器的一维控制参数。
S403簇头和簇成员的姿态控制器设计,得到姿态控制输入,实现姿态稳定。
其中,表示无人机i的姿态控制输入,表示无人机i的姿态干扰估计器控制输入;K il 和K ig 表示无人机i姿态控制器的增益矩阵,表示无人机i姿态误差,表示无人机i姿态角速度误差,表示无人机i期望姿态角,表示无人机i期望姿态角速度,表示无人机i期望姿态角加速度;h i 表示无人机i姿态通道外界干扰估计器的一维控制参数。
在本发明中,考虑无人机编队在多种不确定性外界干扰情况下,建立的编队运动模型中的输入控制指令为:
实施例1
针对所构建的多旋翼无人机编队***在外界干扰条件下,搭建Matlab控制***仿真。本发明通过运行于计算机中的计算机程序-基于matlab(版本号2020b)平台进行仿真。在具体的仿真场景中,考虑了由26架多旋翼无人机组成的编队执行协同任务。开始时26架多旋翼无人机垂直从地面起飞,在空中逐渐形成一个六边形立方体编队。
根据步骤S1,设置无人机模型参数如下:m i =1kg, g=9.81m/s 2 , J i =[0.1090.1030.06] T kg·m^2。多旋翼无人机编队受到的外界自然风干扰为
建立多旋翼无人机编队***的有向通讯拓扑结构网络如图3所示,根据步骤S2所建立的拓扑网络,分别计算每架无人机出入度值。根据步骤S3分簇算法,选取无人机1,7,13,20为簇头,其余无人机为簇成员。将整个无人机群分为4组无人机簇。
设置簇头无人机位置控制器增益矩阵K ap 和K ad 为
设置簇头无人机位置通道外界干扰估计器参数b a =1。设置簇成员无人机b位置控制器的增益矩阵K bp 和K bd 为
设置簇头无人机位置通道外界干扰估计器参数f a =1。
设置簇头和簇成员的姿态控制器增益矩阵K il 和K ig 为
设置簇头和簇成员的姿态通道外界干扰估计器参数h i =20。
仿真结果如图5、图6、图7所示,分别为26架多旋翼无人机编队飞行时的三维轨迹曲线、姿态响应曲线和位置误差曲线。从图5可以看出,本发明的编队控制方法能够使多旋翼无人机编队实现协同。此外,本发明的编队控制方法能够有效抑制外界干扰的影响。从图6和图7可以看出,跟踪误差较小,能够满足控制精度要求。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本发明中,术语“第一”、“第二”、“第三”、“第四”仅用于描述目的,不能理解为指示或暗示相对重要性。术语“多个”指两个或两个以上,除非另有明确的限定。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种大规模多旋翼无人机鲁棒分簇编队控制方法,其特征在于,包括以下步骤:
步骤S1:建立多旋翼无人机编队运动模型;
步骤S2:建立多旋翼无人机编队***的有向通讯拓扑结构网络;
步骤S3:基于所述多旋翼无人机编队运动模型和有向通讯拓扑结构网络,设计分簇算法,将有向通讯拓扑结构网络划分成多个簇;
根据步骤S2建立的多旋翼无人机编队***的有向通讯拓扑结构网络,计算各节点无人机入度和出度,若无人机的入度小于出度,则该无人机被视为一个簇头;若无人机的入度不小于出度,则该无人机被视为一个簇成员,判断簇头无人机和簇成员无人机是否存在一条通讯链路,若存在则称该簇成员无人机为该簇头无人机的簇成员并加入该簇;
步骤S4:对于步骤S3分成的多个簇,分别针对簇头和簇成员进行位置控制器和姿态控制器设计,实现多旋翼无人机编队的安全稳定飞行;
所述步骤S4中具体包括:
S401:簇头无人机a位置控制器设计
其中,表示簇头无人机的位置控制输入,和表示簇头无人机控制器的增益矩阵,将多旋翼无人机编队***的根节点视为编队中心,表示为,表示引力常量,表示一个三维行向量,且,表示簇头无人机的质量,表示拉普拉斯算子,表示簇头无人机控制器的一个常量参数,表示簇头无人机在飞行过程中的位置,表示簇头无人机与编队中心的位置偏差,表示簇头无人机与编队中心的速度偏差,表示簇头无人机在惯性坐标系下的速度向量,表示簇头无人机与编队中心的加速度偏差,表示簇头无人机位置外界干扰估计器控制输入,表示簇头无人机位置通道外界干扰估计器的一维控制参数;
S402:簇成员无人机b位置控制器设计
其中,表示簇成员无人机的位置控制输入,表示簇成员无人机位置外界干扰估计器控制输入,表示簇成员无人机一个正的控制器常量参数,表示簇成员无人机的质量,和表示簇成员无人机位置控制器的增益矩阵,表示节点的邻域集合,表示簇成员无人机和无人机的通信状态,表示簇成员无人机在飞行过程中的位置,表示无人机在飞行过程中的位置,表示簇成员无人机与无人机的位置偏差,表示簇成员无人机在惯性坐标系下的速度向量,表示无人机在惯性坐标系下的速度向量,表示簇成员无人机与编队中心的速度偏差,表示簇成员无人机与编队中心的位置偏差,表示簇成员无人机位置通道外界干扰估计器的一维控制参数;
S403: 无人机i的姿态控制器设计
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211679516.4A CN115657730B (zh) | 2022-12-27 | 2022-12-27 | 一种大规模多旋翼无人机鲁棒分簇编队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211679516.4A CN115657730B (zh) | 2022-12-27 | 2022-12-27 | 一种大规模多旋翼无人机鲁棒分簇编队控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115657730A CN115657730A (zh) | 2023-01-31 |
CN115657730B true CN115657730B (zh) | 2023-03-14 |
Family
ID=85022354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211679516.4A Active CN115657730B (zh) | 2022-12-27 | 2022-12-27 | 一种大规模多旋翼无人机鲁棒分簇编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115657730B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116893692B (zh) * | 2023-09-07 | 2023-12-08 | 北京航空航天大学 | 一种领导者丢失的无人机编队鲁棒控制***及控制方法 |
CN116954266B (zh) * | 2023-09-21 | 2023-12-08 | 北京航空航天大学 | 一种通信约束的无人机编队鲁棒控制方法及*** |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108919835B (zh) * | 2018-09-25 | 2021-02-02 | 北京航空航天大学 | 无人飞行器编队的控制方法、装置及控制器 |
CN111698728B (zh) * | 2020-06-15 | 2021-09-03 | 西安电子科技大学 | 用于动态网络的拓扑控制***及其控制方法 |
CN112437502B (zh) * | 2020-11-11 | 2021-09-17 | 北京航空航天大学 | 基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法 |
CN113268076B (zh) * | 2021-03-06 | 2022-10-04 | 南京航空航天大学 | 一种多无人机集群编队协同控制算法 |
CN114153228B (zh) * | 2021-11-30 | 2024-04-16 | 湖南大学 | 一种有向交互拓扑下无速度测量的四旋翼编队控制方法 |
-
2022
- 2022-12-27 CN CN202211679516.4A patent/CN115657730B/zh active Active
Non-Patent Citations (1)
Title |
---|
徐意祥 ; 李莉 ; .无人机***编队分簇网络仿真研究.2018,第26卷(第15期),第112-117页. * |
Also Published As
Publication number | Publication date |
---|---|
CN115657730A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115657730B (zh) | 一种大规模多旋翼无人机鲁棒分簇编队控制方法 | |
CN109240331B (zh) | 一种无人机-无人车集群模型时变编队控制方法及*** | |
CN107957730B (zh) | 一种无人飞行器稳定飞行控制方法 | |
CN112130581B (zh) | 一种面向空中机动作战的无人机集群协同任务规划方法 | |
CN102591358B (zh) | 一种多无人机的动态编队控制方法 | |
Shulong et al. | A new feedback linearization LQR control for attitude of quadrotor | |
CN110320925B (zh) | 基于高阶干扰观测器的四旋翼飞行器安全控制方法 | |
CN112684705B (zh) | 一种四旋翼飞行器编队追踪控制方法 | |
CN105022401A (zh) | 基于视觉的多四旋翼无人机协同slam的方法 | |
CN112327939B (zh) | 一种城市街区环境下高层消防多无人机协同路径规划方法 | |
CN112631335A (zh) | 一种基于事件触发的多四旋翼无人机固定事件编队方法 | |
CN111273688A (zh) | 基于事件触发的四旋翼无人机一致性编队控制方法 | |
Walid et al. | Modeling and control of a quadrotor UAV | |
CN108829123A (zh) | 一种四旋翼飞行器控制方法、***和装置 | |
CN114911265A (zh) | 一种四旋翼无人机编队协同机动控制方法 | |
CN114089780B (zh) | 一种面向城市空间的多旋翼无人机路径规划方法 | |
CN114153228B (zh) | 一种有向交互拓扑下无速度测量的四旋翼编队控制方法 | |
Tan et al. | Tracking of ground mobile targets by quadrotor unmanned aerial vehicles | |
Shi et al. | Formation tracking of heterogeneous UGV-UAV systems with switching directed topologies | |
CN113867374B (zh) | 基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器及其设计方法 | |
CN113608543A (zh) | 飞行器航迹自适应规划的方法、装置、设备及存储介质 | |
CN113625730A (zh) | 一种基于超扭滑模的四旋翼自适应容错控制方法 | |
CN113110593A (zh) | 基于虚拟结构和估计信息传输的飞行编队协同自适应控制方法 | |
Alexopoulos et al. | Realization of pursuit-evasion games with unmanned aerial vehicles | |
CN116382078A (zh) | 基于深度强化学习的无人机视觉伺服fov约束控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |