CN116047909B - 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法 - Google Patents
面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法 Download PDFInfo
- Publication number
- CN116047909B CN116047909B CN202310067964.7A CN202310067964A CN116047909B CN 116047909 B CN116047909 B CN 116047909B CN 202310067964 A CN202310067964 A CN 202310067964A CN 116047909 B CN116047909 B CN 116047909B
- Authority
- CN
- China
- Prior art keywords
- representing
- uav
- usv
- ith
- sensor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims abstract description 49
- 238000013178 mathematical model Methods 0.000 claims abstract description 18
- 230000003044 adaptive effect Effects 0.000 claims abstract description 11
- 238000013461 design Methods 0.000 claims description 25
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 238000013016 damping Methods 0.000 claims description 8
- 230000001537 neural effect Effects 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000006467 substitution reaction Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000008054 signal transmission Effects 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004007 neuromodulation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种面向海事平行搜寻的无人机‑船协同鲁棒自适应控制方法,包括:建立USV的非线性数学模型和UAV的非线性数学模型;获取USV‑UAV协同***的控制输入矩阵;建立USV‑UAV协同***的传感器故障模型;获取USV的参考轨迹,以获取UAV的实时参考航路轨迹;获取USV的参考位置信号和UAV的参考姿态信号;获取USV‑UAV协同***的自适应控制器,以对USV‑UAV协同***进行控制。本发明充分的考虑USV‑UAV协同***的复杂性以及外界海洋环境干扰下引起的传感器信号丢失对协同控制***造成的不稳定影响,解决了海洋环境下传感信号传输容易丢失的问题,提高了USV‑UAV协同***制导的可靠性。
Description
技术领域
本发明涉及船舶-无人机协同控制工程和海事搜救应用技术领域,尤其涉及一种面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法。
背景技术
USV-UAV协同路径跟踪控制是当前国际上的一个研究热点,针对制导框架中,目前主要从理论角度实现制导机制,尚不能充分的考虑USV-UAV协同***的复杂性以及外界海洋环境干扰下引起的传感器信号丢失对协同控制***造成的不稳定影响,且相比于单个的USV或UAV***,USV-UAV协同***存在更多的传感器,需要更为频繁的内部和外部的传感信号传输,在现实海洋环境下更容易发生信号丢失。
发明内容
本发明提供一种面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法,以克服上述技术问题。
一种面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法,包括如下步骤:
S1:建立USV的非线性数学模型和UAV的非线性数学模型;
S2:根据所述USV的非线性数学模型和UAV的非线性数学模型,获取USV-UAV协同***的控制输入矩阵;
S3:建立USV-UAV协同***的传感器故障模型;
S4:获取USV的参考轨迹,以获取UAV的实时参考航路轨迹;
S5:根据所述USV的参考轨迹和UAV的实时参考航路轨迹,获取USV的参考位置信号和UAV的参考姿态信号;
S6:根据所述USV-UAV协同***的控制输入矩阵、USV-UAV协同***的传感器故障模型,USV的参考位置信号和UAV的参考姿态信号,获取USV-UAV协同***的自适应控制器,以对USV-UAV协同***进行控制。
有益效果:本发明的一种面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法,通过建立USV-UAV协同***的传感器故障模型,充分的考虑USV-UAV协同***的复杂性以及外界海洋环境干扰下引起的传感器信号丢失对协同控制***造成的不稳定影响,结合USV-UAV协同***的控制输入矩阵、USV-UAV协同***的传感器故障模型,USV的参考位置信号和UAV的参考姿态信号,获取USV-UAV协同***的自适应控制器,解决了海洋环境下传感信号传输容易丢失的问题,提高了USV-UAV协同***制导的可靠性。
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,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的无人机-船协同鲁棒自适应控制方法流程图;
图2为本发明的实施例中的USV-UAV协同海事平行搜寻制导结构框架;
图3为本发明的实施例中USV-UAV协同***示意图;
图4为本发明的实施例中的USV的艏向角变化曲线图;
图5为本发明的实施例中的传感器容错自适应补偿律示意图;
图6为本发明的USV的控制输入曲线示意图;
图7为本发明的实施例中的控制算法时间触发间隔对比图;
图8为本发明的实施例中的触发阈值参数变化曲线图;
图9为本发明的实施例中的USV-UAV协同海事平行搜寻路径跟踪轨迹图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本实施例提供了一种面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法,如图1-3,包括如下步骤:
S1:建立3自由度的(无人船)USV的非线性数学模型和6自由度(无人机)UAV的非线性数学模型;
所述USV的非线性数学模型建立如下:
所述UAV的非线性数学模型建立如下:
其中,
其中,ηa=[xai,yai,zai,ψai,φai,θai]T,其中,xai表示第i个UAV的空间横坐标;yai表示第i个UAV的空间纵坐标;zai表示第i个UAV的空间垂坐标;ψai表示第i个UAV的艏向角;φai表示第i个UAV的横摇角;θai表示第i个UAV的纵摇角;ηs=[xs,ys,ψs]T,其中xs表示USV的位置横坐标;ys表示USV的位置纵坐标;ψs表示USV的艏向角;νa=[uxi,uyi,uzi,rψi,rφi,rθi]T,其中uxi表示第i个UAV沿着ox轴的速度;uyi表示第i个UAV沿着oy轴的速度;uzi表示第i个UAV沿着oz轴的速度;rψi表示第i个UAV沿着ox轴的转动角速度;rφi表示第i个UAV沿着oy轴的转动角速度;rθi表示第i个UAV沿着oz轴的转动角速度;νs=[us,vs,rs]T,其中,us表示USV的前进速度;vs表示USV的横漂速度;rs表示USV的艏摇速度;J(ηs)表示USV的转换矩阵;f(νa)=[fxi,fyi,fzi,fψi,fφi,fθi]T表示第i个UAV在6自由度上的非线性项;其中,fxi表示UAV沿着x轴的非线性项;fyi表示UAV沿着y轴的非线性项;fzi表示UAV沿着z轴的非线性项;fψi表示UAV沿着艏摇自由度的非线性项;fφi表示UAV沿着横摇自由度的非线性项;fθi表示UAV沿着纵摇自由度的非线性项;表示第i个UAV的增益矩阵,其中,Rxi表示UAV沿着x轴的增益矩阵;Ryi表示UAV沿着y轴的增益矩阵;Rzi表示UAV沿着z轴的增益矩阵;Rψi表示UAV沿着艏摇自由度的增益矩阵;Rφi表示UAV沿着横摇自由度的增益矩阵;Rθi表示UAV沿着纵摇自由度的增益矩阵;其中,Rxi=cos(φai)sin(θai)cos(ψai)+sin(θai)sin(ψai),Ryi=cos(φai)sin(θai)cos(ψai)-sin(θai)sin(ψai),Rzi=cos(φai)cos(ψai),Izz表示在UAV沿着ox轴的转动惯性,Iyy表示在UAV沿着oy轴的转动惯性,Ixx表示在UAV沿着oz轴的转动惯性,d表示无人机的对角直径;τ(νa)=[τfi,τψi,τφi,τθi]T表示第i个UAV的控制输入矩阵;其中,τfi表示UAV在垂直方向上的控制输入;τψi表示UAV在艏摇方向上的控制输入;τφi表示UAV在横摇方向上的控制输入;τθi表示UAV在纵摇方向上的控制输入;dw(νa)表示第i个UAV在6自由度上受到的外界环境造成的干扰力和力矩;其中,dw(νa)=[dxi,dyi,dzi,dψi,dφi,dθi]T,dxi表示UAV在x轴方向上受到的外界干扰力;dyi表示UAV在y轴方向上受到的外界干扰力;dzi表示UAV在z轴方向上受到的外界干扰力;dψi表示UAV在艏摇方向上受到的外界干扰力矩;dφi表示UAV在横摇方向上受到的外界干扰力矩;dθi表示UAV在纵摇方向上受到的外界干扰力矩;D(g)表示UAV在6个自由度上的重力加速度矩阵,其中,D=[0,0,-g,0,0,0]T表示重力加速度矩阵,g表示重力加速度;M-1(·)表示USV的附加质量惯性矩阵的逆矩阵;C(νs)表示USV的科式矩阵;f(νs)表示USV的非线性项,其中,f(νs)=[fu,fv,fr]T,fu表示USV在前进自由度上的非线性项;fv表示USV在横漂自由度上的非线性项;fr表示USV在艏摇自由度上的非线性项;τ(νs)表示USV的控制输入矩阵,其中τ(νs)=[τu,0,τr]T,τu表示USV螺旋桨提供的推进力;τr表示USV舵提供的转船力矩;dw(νs)表示USV受到的外界海洋环境的干扰力和力矩,其中dw(νs)=[dwu,dwv,dwr]T,dwu示USV在前进自由度上受到的外界海洋环境的干扰力和力矩;dwv示USV在横漂自由度上受到的外界海洋环境的干扰力和力矩;dwr表示USV在艏摇自由度上受到的外界海洋环境的干扰力和力矩;M表示USV的附加质量惯性矩阵;mu表示USV在前进方向上的水动力附加质量,mv表示USV在横漂方向上的水动力附加质量,mr表示USV在艏摇方向上的水动力附加质量,ms表示USV的质量;/>表示USV在前进方向上的水动力导数,/>表示USV在横漂方向上的水动力导数;
S2:根据所述USV的非线性数学模型和UAV的非线性数学模型,获取USV-UAV协同***的控制输入矩阵;
所述USV-UAV协同***的控制输入矩阵获取如下:
τ=G(νs,νa)ξo (4)
其中,
式中,τ表示USV-UAV协同***的控制输入矩阵,其中,τ=[τ(νs),τ(νa)]T;G(νs,νa)表示USV-UAV协同***的控制输入增益矩阵;ξo表示USV-UAV协同***的控制命令矩阵,其中,ξo=[|ξδ,|ξn|ξn,|ξ1i|ξ1i,|ξ2i|ξ2i,|ξ3i|ξ3i,|ξ4i|ξ4i]T,ξδ表示USV的舵角,ξn表示USV的主机转速,ξ1i,ξ2i,ξ3i,ξ4i表示第i个UAV的4个旋翼转子的转速,Fr表示USV的舵机增益函数,Tu表示USV的螺旋桨增益函数,kp表示取决于叶片的几何形状和空气密度的参数,cd表示阻力系数;|·|表示绝对值运算;
S3:建立USV-UAV协同***的传感器故障模型;
在控制工程中,实际USV和UAV的位置信号是由相关的传感器测量的,例如全球定位***、电罗经等。实际上,由于存在传感器/信道故障可能导致传感器信号丢失或部分丢失,这会降低协同控制***的安全性。因此,本发明针对为状态信号(即USV和UAV的位置信号)引入了传感器故障模型如下:
式中,表示传感器的输出,其中,当j=s时,表示的是无人船USV的传感器输出,当j=a时,表示的是无人机UAV的传感器输出;ρη表示传感器的故障失效系数,ζη表示传感器的故障偏执系数;
S4:获取USV的参考轨迹,以获取UAV的实时参考航路轨迹;假设USV的参考轨迹由VS即虚拟船型(Virtual ship)实时规划产生,
则获取USV的参考轨迹如下:
式中,xsv表示VS的x方向位置坐标,ysv表示VS的y方向位置坐标,ψsv表示VS的艏向角,uv表示VS的前进速度;vv表示VS的横漂速度;rv表示VS的艏摇角速度;表示求导运算;
具体的,海事搜寻任务中,通常在USV两侧配置多个UAV,以充分发挥UAV的探测优势。为了实现这一目标,本实施例依据VS的信息,构建VA的空间平面上的实时参考航路轨迹如下:
式中,xavi表示第i个VA的空间平面x方向位置坐标;yavi表示第i个VA的空间平面y方向位置坐标;ψavi表示第i个VA的空间平面艏向角;ζdi表示第i个VA的编队距离;λdi表示第i个VA的编队方向角;
S5:根据所述USV的参考轨迹和UAV的实时参考航路轨迹,获取USV的参考位置信号和UAV的参考姿态信号如下:
式中,ψsd表示USV的参考艏向角,xse表示USV与VS的横坐标差,yse表示USV与VS的纵坐标差;所述UAV的参考姿态信号获取如下:
式中:ψadi表示第i个UAV的参考艏向;φadi表示第i个UAV的参考横摇角;θadi表示第i个UAV的参考纵摇角;xaei表示第i个USV与第i个VA在空间平面上的横坐标差;yaei表示第i个USV与第i个VA在空间平面上的纵坐标差;cx表示第i个UAV沿着x轴的位置控制器;cy表示第i个UAV沿着y轴的位置控制器;cz表示第i个UAV沿着z轴的位置控制器;
S6:根据所述USV-UAV协同***的传感器故障模型,USV的参考位置信号和UAV的参考姿态信号,利用反步法技术获取USV-UAV协同***的自适应控制器,以对USV-UAV协同***进行控制。
S61:根据所述USV-UAV协同***的传感器故障模型,USV的参考位置信号和UAV的参考姿态信号,获取USV-UAV协同***的位置误差和姿态误差;
USV-UAV协同***的位置误差和姿态误差获取如下:
式中,ψse表示USV的艏向差,表示USV的位置传感器中x坐标的失效系数的倒数,表示USV的位置传感器中y坐标的失效系数的倒数,/>表示USV的艏摇传感器的失效系数的倒数,ζsx表示USV的位置传感器中x坐标的偏执故障系数,ζsy表示USV的位置传感器中y坐标的偏执故障系数,ζsψ表示USV的艏摇传感器的偏执故障系数,/>表示USV的位置传感器的x坐标输出信号,/>表示USV的位置传感器的y坐标输出信号,/>表示USV的艏向传感器输出信号;zaei表示第i个UAV的垂向坐标差,ψaei表示第i个UAV的艏向差;φaei表示第i个UAV的横摇差;θaei表示第i个UAV的纵摇差;/>表示第i个UAV的位置传感器中x坐标的失效系数的倒数,/>表示第i个UAV的位置传感器中y坐标的失效系数的倒数,/>表示第i个UAV的位置传感器中z坐标的失效系数的倒数,/>表示第i个UAV的艏摇传感器的失效系数的倒数,/>表示第i个UAV的横摇传感器的失效系数的倒数,/>表示第i个UAV的纵摇传感器的失效系数的倒数。ζaxi表示第i个UAV的位置传感器中x坐标的偏执故障系数,ζayi表示第i个UAV的位置传感器中y坐标的偏执故障系数,ζazi表示第i个UAV的位置传感器中z坐标的偏执故障系数,ζaψi表示第i个UAV的艏摇传感器的偏执故障系数,ζaφi表示第i个UAV的横摇传感器的偏执故障系数,ζaθi表示第i个UAV的纵摇传感器的偏执故障系数。
表示UAV的位置传感器的x坐标的输出信号,/>表示UAV的位置传感器的x坐标的输出信号,/>表示UAV的位置传感器的y坐标的输出信号,/>表示UAV的艏摇传感器的输出信号,/>表示UAV的横摇传感器的输出信号,/>表示UAV的纵摇传感器的输出信号;具体的,对于VA的垂向参考坐标zavi通常被人为设定为常量值。
S62:获取虚拟控制律,以消除USV-UAV协同***的位置误差和姿态误差;具体的,为了镇定USV-UAV协同***的位置误差和姿态误差,设计相应的虚拟控制律和传感故障自适应补偿律如下:
所述虚拟控制律获取如下:
获取传感故障自适应补偿律,以获取优化的虚拟控制律如下:其中的传感故障自适应补偿律,用于通过公式(13)对虚拟控制律中的参数进行更新计算,在虚拟控制律中进行补偿:
式中,αus表示USV在前进方向上的虚拟控制律;ksψ,kap,,/>均为正的设计参数;表示USV到参考位置的直线距离;δ△表示USV的位置边界参数;/>表示中间替换变量,其中,/>△sx表示USV在前进方向上针对双曲正切函数的正的设计参数;αrs表示USV在艏摇方向上的虚拟控制律;αpai表示UAV的位置虚拟控制律,/>表示UAV的姿态虚拟控制律,其中p=x,y,z,/>△sψ表示USV在艏摇方向上针对双曲正切函数的正的设计参数;/>表示UAV在姿态方向上针对双曲正切函数的正的设计参数;/>表示求导运算;/>表示(·)的估计值;/>表示/>的导数值;paei表示UAV的位置误差;/>表示UAV的姿态误差;pavi表示UAV的参考位置;/>表示UAV的参考姿态;
γx1,γx2,γψ1,γψ2,γp1,γp2,σx1,σx2,σψ1,σψ2,σp1,σp2,/>均表示正的自适应设计参数;/>表示USV的位置传感器中x坐标的失效系数的倒数,/>表示USV的艏摇传感器的失效系数的倒数,/>表示UAV的姿态传感器的失效系数的倒数,/>表示UAV的位置传感器的失效系数的倒数,∏sx表示USV位置传感器故障的偏执系数的导数,∏sψ表示USV艏摇传感器故障的偏执系数的导数,/>表示UAV姿态传感器故障的偏执系数的导数;∏api表示UAV的位置传感器的失效系数的倒数;/>表示/>的初始值;/>表示/>的初始值;表示/>的初始值;/>表示/>的初始值;∏sx(0)表示∏sx的初始值;∏sψ(0)表示∏sψ的初始值;∏api(0)表示∏api的初始值;/>表示/>的初始值;具体的,本实施例中的获取虚拟控制律能够实现USV-UAV协同***在进行海事平面搜寻任务中的高容错性能。
由于虚拟控制律在接下来的求导中会引起很大的计算负载问题,因此引入动态面技术,对虚拟控制器的导数进行降阶处理,这在现有技术中是一种很常见的处理方式。
S63:根据所述优化的虚拟控制律,获取USV-UAV协同***的速度误差,以获取USV-UAV协同***的速度误差的导数;
令use=us-αus,rse=rs-αrs,upei=upi-αupi,以获得虚拟控制律的动态面信号的导数;所述USV-UAV协同***的速度误差的导数获取如下:
式中,use表示USV的速度误差;rse表示USV的艏摇角速度误差;upei表示UAV的位置速度误差;upi表示UAV的位置速度;αupi表示UAV的位置虚拟控制律;表示UAV的姿态速度误差;/>表示UAV的姿态速度;/>表示UAV的姿态虚拟控制律;mu表示USV在前进方向上的水动力附加质量;fu表示USV在前进方向上的非线性项;Tu表示USV的螺旋桨增益系数;dwu表示USV在前进方向上受到的干扰力;/>表示αus的动态面信号的导数;/>表示αus的动态面误差的导数;mr表示USV在艏摇方向上的水动力附加质量;fr表示USV在艏摇方向上的非线性项;Fr表示USV的舵机的增益系数;dwr表示USV在艏摇方向上受到的干扰力矩;/>表示αrs的动态面信号的导数;/>表示αrs的动态面误差的导数;fpi表示UAV的位置不确定项;
Rpi表示UAV的位置增益矩阵;dwxi表示UAV在x轴方向上受到的外界干扰力;表示αupi的动态面信号的导数;/>表示αupi的动态面误差的导数;/>表示UAV的姿态增益矩阵;表示UAV的姿态干扰力矩;/>表示/>的动态面信号的导数;ma表示UAV的质量;(·)-1表示逆函数运算;
针对式(14)中的模型不确定项,即fu,fr,fpi,本实施例采用现有技术中的鲁棒神经阻尼技术进行处理。
此外,由于USV-UAV协同***中存在的通信负载较大,本发明针对控制力/力矩引入事件触发机制,并且设计了一种改进的动态触发阈值参数。具体的事件触发机制可描述为式(15)。
S64:建立USV-UAV协同***的事件触发规则:
式中,cw1(tw),cw2(tw)表示触发阈值参数,表示协同体在触发时刻的控制输入;表示协同体的在不同信道内的当前触发时间点;τw表示协同体的控制输入;tw表示协同体的在不同信道内的控制时间;t表示触发时间;/>表示协同体的在不同信道内的下一个触发时间点;fi表示UAV的升力方向;/>表示UAV的姿态变量;ew表示触发时刻的控制输入和非触发时刻的控制输入之差;
本实施例将USV-UAV协同***的状态误差引入到触发阈值参数中,实现了基于工程需求的触发阈值参数自适应调节,即,式(17)。
式中,c0表示正的最小触发参数,ηe表示USV-UAV协同***的状态误差。
因此,可以得到,
式中,λw1和λw2均表示触发范围界定参数;cw1(tw)和cw2(tw)均表示触发阈值参数;具体的,本实施例中的事件触发规则使得USV-UAV协同***在进行海事平面搜寻任务中具体低通信负载的性能。
S65:根据USV-UAV协同***的事件触发规则,将式(18)代入式(14)中,获取中间控制器如下:
式中,ksu,ksr表示USV的控制器设计参数,kap,表示UAV的控制器设计参数。kun,krn表示USV的鲁棒神经阻尼设计参数,kpn,/>表示UAV的鲁棒神经阻尼设计参数。Φu,Φr表示USV的鲁棒神经阻尼项,Φpi,/>表示第i个UAV的鲁棒神经阻尼项。
得出,
S66:获取USV-UAV协同***的自适应控制器(USV-UAV协同***的控制命令矩阵)如下:具体的,结合式(4),能够得到,
最终,可以得到USV-UAV协同***的实际控制命令ξδ,ξn,ξ1i,ξ2i,ξ3i,ξ4i。
为了验证本发明所提控制方案的优势性和有效性,在Matlab仿真平台上进行2个数值实验。仿真案例A为本发实施例的方法与现有事件触发技术的对比实验,仿真案例B为模拟海事平行搜寻的USV-UAV协同***路径跟踪实验。
仿真案例A:将本实施例算法与现有方法(静态事件触发(static event-triggered control,SETC)和动态事件触发(dynamic event-triggered control,DETC))进行对比,为了更加简捷直观的展示对比效果,选取USV的艏向保持控制作为对比任务,USV的期望航向为60deg。其中,3种算法的事件触发规则设置如表1所示,NDETC表示本发明所提新型动态事件触发控制(novel dynamic event-triggered,NDETC)。
表1 3种算法的事件触发规则设置情况
USV在三种算法下的响应曲线如图4-图8所示。图4是三种算法的艏向角对比。由图4可以看出,三种算法的航向角都能以较小的跟踪误差达到控制目标。此外,在传感器故障发生时间为20s-30s时,采用自适应容错补偿律(图5)的实际输出曲线具有较好的跟踪性能。另外需要注意的是,只有传感器发生故障时,才会执行自适应容错补偿律。虽然3种算法均获得了相似的控制性能,但在不同的信道传输负载下,控制输入是不同的。根据图6,我们可以发现与基于DETC和SETC的控制命令相比,本发明算法节省了控制命令的生成次数。为了直观地显示比较效果,3种算法的触发间隔如图7所示。其中,SETC触发次数为164次,DETC触发次数为100次,本发明算法的触发次数为76次。此外,在初始状态下,本发明的触发间隔明显大于其他方法的触发间隔。本发明所提出的阈值参数与现有DETC的阈值参数曲线对比如图8所示,从图8中可以看出,本发明算法的触发阈值参数能够根据状态误差自适应调节,而不是不断收敛于零的邻域内。
仿真案例B:在模拟外界干扰的情况下,本实施例的方法实现了在无探测盲区的情况下的进行海事平行搜寻任务。搜索海域由10个航路点组成,即W1(0m;0m),W2(800m;0m),W3(800m;1000m),W4(1600m;1000m),W5(1600m;0m),W6(2400m;0m),W7(2400m;1000m),W8(3200m;1000m),W9(3200m;0m),W10(4000m;0m)。USV和UAV的搜索半径分别设置为100m和150m。
USV-UAV协同***平行搜索的主要结果如图9所示。图9中(a)和(b)分别为海事协同平行搜寻路径的三维空间图和二维俯视图。从图9可以明显看出,2架UAV和1艘USV可以实现协同平行搜索任务。与多艘USV编队搜索相比,该方案能以较低的经济性增加搜索面积。与单一USV相比,协同探测区域可扩大4倍。此外,在制导算法设计中考虑了USV-UAV的操纵性差异,因此避免了航路点附近的探测盲区。
结合现有技术、控制器设计和2个仿真案例,本发明在协同海事搜寻领域具有以下2点有益效果:
1)本发明的基于海事平行搜寻的USV-UAV协同鲁棒自适应控制方法主要包括制导和控制两部分,在制导部分,构建了一种考虑USV和UAV操纵性的3D海事平行搜寻制导策略,在所提制导策略中,VS-VA能够实时协同规划USV和UAV的参考路径,确保USV-UAV的编队结构。在控制部分,提出了一种新型动态事件触发机制和传感器容错自适应补偿律,设计了USV-UAV协同鲁棒自适应控制算法。所发明算法能够实现对USV-UAV协同***的有效控制,具有良好容错性和低通信负载的优势。
2)通过2个仿真案例,验证了本发明的方法具有一定的优势,特别是在降低协同***内部通信负载以及提高传感器信号容错方面。同时,本发明方法也实现了无探测盲区的海事平行搜寻任务,对加快USV-UAV协同***在海事工程领域的应用具有重要促进作用。
本实施例的方法有以下特点:
主要解决UAV位于USV正上方执行协同路径跟踪任务是的控制问题。
针对实际海事工程任务,构建了面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法,其为基于虚拟船舶和虚拟飞机(virtual ship-virtual aerial,VS-VA)的协同3D海事平行搜寻制导策略,在该制导策略中,VS能够依据航路点信息规划出USV的实时参考路径,同时,根据协同编队结构,VA能够根据VS的信息构建UAV的参考航路。此外,在制导设计中考虑USV-UAV的操纵性差异,不仅能够实现对USV-UAV的协同编队引导,也能够避免在航路点附近存在的探测盲区。
针对USV-UAV协同控制***存在的通信负载限制,提出了一种改进的动态事件触发机制,能够实现对USV信道和UAV信道的异步触发。与现有技术中的人为设计阈值参数和动态阈值参数相比,本发明所提出的改进版本的动态事件触发策略能够根据控制***的状态误差进行自适应调节触发阈值参数,即,在触发阈值参数中考虑了控制***状态误差这一因素。这避免了人为设定参数的限制,减少了控制***中的设计参数数量,同时也避免了收敛到零的限制。
针对USV-UAV协同***中存在***复杂,存在传感器信号丢失引起的控制***不稳定现象,本发明构建了传感器信号故障模型,并且针对传感器信号失效系数和偏执系数设计了一种自适应容错补偿律,实现了对传感器信号故障的有效补偿。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (1)
1.一种面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法,其特征在于,包括如下步骤:
S1:建立USV的非线性数学模型和UAV的非线性数学模型;
S2:根据所述USV的非线性数学模型和UAV的非线性数学模型,获取USV-UAV协同***的控制输入矩阵;
S3:建立USV-UAV协同***的传感器故障模型;
S4:获取USV的参考轨迹,以获取UAV的实时参考航路轨迹;
S5:根据所述USV的参考轨迹和UAV的实时参考航路轨迹,获取USV的参考位置信号和UAV的参考姿态信号;
S6:根据所述USV-UAV协同***的控制输入矩阵、USV-UAV协同***的传感器故障模型,USV的参考位置信号和UAV的参考姿态信号,获取USV-UAV协同***的自适应控制器,以对USV-UAV协同***进行控制;所述S1中,USV的非线性数学模型建立如下:
所述UAV的非线性数学模型建立如下:
其中,
其中,ηa=[xai,yai,zai,ψai,φai,θai]T,其中,xai表示第i个UAV的空间横坐标;yai表示第i个UAV的空间纵坐标;zai表示第i个UAV的空间垂坐标;ψai表示第i个UAV的艏向角;φai表示第i个UAV的横摇角;θai表示第i个UAV的纵摇角;ηs=[xs,ys,ψs]T,其中xs表示USV的位置横坐标;ys表示USV的位置纵坐标;ψs表示USV的艏向角;νa=[uxi,uyi,uzi,rψi,rφi,rθi]T,其中uxi表示第i个UAV沿着ox轴的速度;uyi表示第i个UAV沿着oy轴的速度;uzi表示第i个UAV沿着oz轴的速度;rψi表示第i个UAV沿着ox轴的转动角速度;rφi表示第i个UAV沿着oy轴的转动角速度;rθi表示第i个UAV沿着oz轴的转动角速度;νs=[us,vs,rs]T,其中,us表示USV的前进速度;vs表示USV的横漂速度;rs表示USV的艏摇速度;J(ηs)表示USV的转换矩阵;f(νa)=[fxi,fyi,fzi,fψi,fφi,fθi]T表示第i个UAV在6自由度上的非线性项;其中,fxi表示UAV沿着x轴的非线性项;fyi表示UAV沿着y轴的非线性项;fzi表示UAV沿着z轴的非线性项;fψi表示UAV沿着艏摇自由度的非线性项;fφi表示UAV沿着横摇自由度的非线性项;fθi表示UAV沿着纵摇自由度的非线性项;表示第i个UAV的增益矩阵,其中,Rxi表示UAV沿着x轴的增益矩阵;Ryi表示UAV沿着y轴的增益矩阵;Rzi表示UAV沿着z轴的增益矩阵;Rψi表示UAV沿着艏摇自由度的增益矩阵;Rφi表示UAV沿着横摇自由度的增益矩阵;Rθi表示UAV沿着纵摇自由度的增益矩阵;τ(νa)=[τfi,τψi,τφi,τθi]T表示第i个UAV的控制输入矩阵;其中,τfi表示UAV在垂直方向上的控制输入;τψi表示UAV在艏摇方向上的控制输入;τφi表示UAV在横摇方向上的控制输入;τθi表示UAV在纵摇方向上的控制输入;dw(νa)表示第i个UAV在6自由度上受到的外界环境造成的干扰力和力矩;其中,dw(νa)=[dxi,dyi,dzi,dψi,dφi,dθi]T,dxi表示UAV在x轴方向上受到的外界干扰力;dyi表示UAV在y轴方向上受到的外界干扰力;dzi表示UAV在z轴方向上受到的外界干扰力;dψi表示UAV在艏摇方向上受到的外界干扰力矩;dφi表示UAV在横摇方向上受到的外界干扰力矩;dθi表示UAV在纵摇方向上受到的外界干扰力矩;D(g)表示UAV在6个自由度上的重力加速度矩阵;M-1(·)表示USV的附加质量惯性矩阵的逆矩阵;C(νs)表示USV的科式矩阵;f(νs)表示USV的非线性项,τ(νs)表示USV的控制输入矩阵,其中τ(νs)=[τu,0,τr]T,τu表示USV螺旋桨提供的推进力;τr表示USV舵提供的转船力矩;dw(νs)表示USV受到的外界海洋环境的干扰力和力矩,M表示USV的附加质量惯性矩阵;mu表示USV在前进方向上的水动力附加质量,mv表示USV在横漂方向上的水动力附加质量,mr表示USV在艏摇方向上的水动力附加质量,ms表示USV的质量;/>表示USV在前进方向上的水动力导数,/>表示USV在横漂方向上的水动力导数;
所述S2中,
所述USV-UAV协同***的控制输入矩阵获取如下:
τ=G(νs,νa)ξo (4)
其中,
式中,τ表示USV-UAV协同***的控制输入矩阵;G(νs,νa)表示USV-UAV协同***的控制输入增益矩阵;ξo表示USV-UAV协同***的控制命令矩阵,Fr表示USV的舵机增益函数,Tu表示USV的螺旋桨增益函数,kp表示取决于叶片的几何形状和空气密度的参数,cd表示阻力系数;|·|表示绝对值运算;
所述S3中,所述USV-UAV协同***的传感器故障模型建立如下:
式中,表示传感器的输出,其中,当j=s时,表示的是无人船USV的传感器输出,当j=a时,表示的是无人机UAV的传感器输出;ρη表示传感器的故障失效系数,/>表示传感器的故障偏执系数;
所述S4中,所述USV的参考轨迹获取如下:
式中,xsv表示VS的x方向位置坐标,ysv表示VS的y方向位置坐标,ψsv表示VS的艏向角,uv表示VS的前进速度;vv表示VS的横漂速度;rv表示VS的艏摇角速度;表示求导运算;
所述UAV的实时参考航路轨迹获取如下:
式中,xavi表示第i个VA的空间平面x方向位置坐标;yavi表示第i个VA的空间平面y方向位置坐标;ψavi表示第i个VA的空间平面艏向角;ζdi表示第i个VA的编队距离;λdi表示第i个VA的编队方向角;
所述S5中,
所述USV的参考位置信号获取如下:
式中,ψsd表示USV的参考艏向角,xse表示USV与VS的横坐标差,yse表示USV与VS的纵坐标差;
所述UAV的参考姿态信号获取如下:
式中:ψadi表示第i个UAV的参考艏向;φadi表示第i个UAV的参考横摇角;θadi表示第i个UAV的参考纵摇角;xaei表示第i个USV与第i个VA在空间平面上的横坐标差;yaei表示第i个USV与第i个VA在空间平面上的纵坐标差;cx表示第i个UAV沿着x轴的位置控制器;cy表示第i个UAV沿着y轴的位置控制器;cz表示第i个UAV沿着z轴的位置控制器;
所述S6中,获取USV-UAV协同***的自适应控制器的方法如下:
S61:根据所述USV-UAV协同***的传感器故障模型,USV的参考位置信号和UAV的参考姿态信号,获取USV-UAV协同***的位置误差和姿态误差如下:
式中,ψse表示USV的艏向差,lsx表示USV的位置传感器中x坐标的失效系数的倒数,lsy表示USV的位置传感器中y坐标的失效系数的倒数,lsψ表示USV的艏摇传感器的失效系数的倒数,表示USV的位置传感器中x坐标的偏执故障系数,/>表示USV的位置传感器中y坐标的偏执故障系数,/>表示USV的艏摇传感器的偏执故障系数,/>表示USV的位置传感器的x坐标输出信号,/>表示USV的位置传感器的y坐标输出信号,/>表示USV的艏向传感器输出信号;zaei表示第i个UAV的垂向坐标差,ψaei表示第i个UAV的艏向差;φaei表示第i个UAV的横摇差;θaei表示第i个UAV的纵摇差;laxi表示第i个UAV的位置传感器中x坐标的失效系数的倒数,layi表示第i个UAV的位置传感器中y坐标的失效系数的倒数,lazi表示第i个UAV的位置传感器中z坐标的失效系数的倒数,laψi表示第i个UAV的艏摇传感器的失效系数的倒数,laφi表示第i个UAV的横摇传感器的失效系数的倒数,laθi表示第i个UAV的纵摇传感器的失效系数的倒数;/>表示第i个UAV的位置传感器中x坐标的偏执故障系数,/>表示第i个UAV的位置传感器中y坐标的偏执故障系数,/>表示第i个UAV的位置传感器中z坐标的偏执故障系数,表示第i个UAV的艏摇传感器的偏执故障系数,/>表示第i个UAV的横摇传感器的偏执故障系数,/>表示第i个UAV的纵摇传感器的偏执故障系数;/>表示UAV的位置传感器的x坐标的输出信号,/>表示UAV的位置传感器的x坐标的输出信号,/>表示UAV的位置传感器的y坐标的输出信号,/>表示UAV的艏摇传感器的输出信号,/>表示UAV的横摇传感器的输出信号,/>表示UAV的纵摇传感器的输出信号;
S62:获取虚拟控制律,以消除USV-UAV协同***的位置误差和姿态误差;
所述虚拟控制律获取如下:
获取传感故障自适应补偿律,以获取优化的虚拟控制律如下:
式中,αus表示USV在前进方向上的虚拟控制律;ksψ,kap,,/>均为正的设计参数;/>表示USV到参考位置的直线距离;δ△表示USV的位置边界参数;/>表示中间替换变量,△sx表示USV在前进方向上针对双曲正切函数的正的设计参数;αrs表示USV在艏摇方向上的虚拟控制律;αpai表示UAV的位置虚拟控制律,/>表示UAV的姿态虚拟控制律;△sψ表示USV在艏摇方向上针对双曲正切函数的正的设计参数;/>表示UAV在姿态方向上针对双曲正切函数的正的设计参数;/>表示求导运算;/>表示(·)的估计值;/>表示/>的导数值;paei表示UAV的位置误差;/>表示UAV的姿态误差;pavi表示UAV的参考位置;/>表示UAV的参考姿态;
γx1,γx2,γψ1,γψ2,γp1,γp2,σx1,σx2,σψ1,σψ2,σp1,σp2,/>均表示正的自适应设计参数;lsx表示USV的位置传感器中x坐标的失效系数的倒数,lsψ表示USV的艏摇传感器的失效系数的倒数,/>表示UAV的姿态传感器的失效系数的倒数,lapi表示UAV的位置传感器的失效系数的倒数,∏sx表示USV位置传感器故障的偏执系数的导数,∏sψ表示USV艏摇传感器故障的偏执系数的导数,/>表示UAV姿态传感器故障的偏执系数的导数;∏api表示UAV的位置传感器的失效系数的倒数;lsx(0)表示lsx的初始值;lsψ(0)表示lsψ的初始值;lapi(0)表示lapi的初始值;/>表示/>的初始值;∏sx(0)表示∏sx的初始值;∏sψ(0)表示∏sψ的初始值;∏api(0)表示∏api的初始值;/>表示/>的初始值;
S63:根据优化的虚拟控制律,获取USV-UAV协同***的速度误差,以获取USV-UAV协同***的速度误差的导数;
所述USV-UAV协同***的速度误差的导数获取如下:
式中,use表示USV的速度误差;rse表示USV的艏摇角速度误差;upei表示UAV的位置速度误差;upi表示UAV的位置速度;αupi表示UAV的位置虚拟控制律;表示UAV的姿态速度误差;/>表示UAV的姿态速度;/>表示UAV的姿态虚拟控制律;mu表示USV在前进方向上的水动力附加质量;fu表示USV在前进方向上的非线性项;Tu表示USV的螺旋桨增益系数;dwu表示USV在前进方向上受到的干扰力;/>表示αus的动态面信号的导数;/>表示αus的动态面误差的导数;mr表示USV在艏摇方向上的水动力附加质量;fr表示USV在艏摇方向上的非线性项;Fr表示USV的舵机的增益系数;dwr表示USV在艏摇方向上受到的干扰力矩;/>表示αrs的动态面信号的导数;/>表示αrs的动态面误差的导数;fpi表示UAV的位置不确定项;
Rpi表示UAV的位置增益矩阵;dwxi表示UAV在x轴方向上受到的外界干扰力;表示αupi的动态面信号的导数;/>表示αupi的动态面误差的导数;/>表示UAV的姿态增益矩阵;/>表示UAV的姿态干扰力矩;/>表示/>的动态面信号的导数;ma表示UAV的质量;(·)-1表示逆函数运算;
S64:建立USV-UAV协同***的事件触发规则:
式中,cw1(tw),cw2(tw)表示触发阈值参数,表示协同体在触发时刻的控制输入;/>表示协同体的在不同信道内的当前触发时间点;τw表示协同体的控制输入;tw表示协同体的在不同信道内的控制时间;t表示触发时间;/>表示协同体的在不同信道内的下一个触发时间点;fi表示UAV的升力方向;/>表示UAV的姿态变量;ew表示触发时刻的控制输入和非触发时刻的控制输入之差;
式中,c0表示正的最小触发参数,ηe表示USV-UAV协同***的状态误差;
因此,可以得到,
式中,λw1和λw2均表示触发范围界定参数;cw1(tw)和cw2(tw)均表示触发阈值参数;
S65:根据USV-UAV协同***的事件触发规则,获取中间控制器如下:
式中,ksu,ksr表示USV的控制器设计参数,kap,表示UAV的控制器设计参数;kun,krn表示USV的鲁棒神经阻尼设计参数,kpn,/>表示UAV的鲁棒神经阻尼设计参数;Φu,Φr表示USV的鲁棒神经阻尼项,Φpi,/>表示第i个UAV的鲁棒神经阻尼项;
得出,
S66:获取USV-UAV协同***的自适应控制器如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310067964.7A CN116047909B (zh) | 2023-01-13 | 2023-01-13 | 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310067964.7A CN116047909B (zh) | 2023-01-13 | 2023-01-13 | 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116047909A CN116047909A (zh) | 2023-05-02 |
CN116047909B true CN116047909B (zh) | 2023-09-05 |
Family
ID=86125320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310067964.7A Active CN116047909B (zh) | 2023-01-13 | 2023-01-13 | 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116047909B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117193345B (zh) * | 2023-09-21 | 2024-03-26 | 大连海事大学 | 基于动态事件触发的机-船协同平台自主降落控制方法 |
CN117055578A (zh) * | 2023-09-21 | 2023-11-14 | 大连海事大学 | 低设计复杂需求的usv-uav协同路径跟踪控制方法 |
CN117193344B (zh) * | 2023-09-21 | 2024-03-15 | 大连海事大学 | 基于同步制导的机/船协同多元任务事件触发控制方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104709453A (zh) * | 2015-01-19 | 2015-06-17 | 王显春 | 喷气式无人潜艇 |
CN105292398A (zh) * | 2015-11-10 | 2016-02-03 | 四方继保(武汉)软件有限公司 | 一种无人船载无人机混合*** |
CN107450568A (zh) * | 2017-09-25 | 2017-12-08 | 武汉理工大学 | 群组无人机协同下的船舶进出港辅助*** |
CN112033441A (zh) * | 2020-09-11 | 2020-12-04 | 武汉大学 | 用于bds/mems组合导航下的联动编队完好性监测方法 |
WO2021018647A1 (de) * | 2019-07-26 | 2021-02-04 | Currenta Gmbh & Co. Ohg | Verfahren und vorrichtung zur qualitätsüberwachung und feststellung einer kontamination eines raums |
WO2021022637A1 (zh) * | 2019-08-06 | 2021-02-11 | 南京赛沃夫海洋科技有限公司 | 一种基于改进遗传算法的无人艇路径规划方法及*** |
CN112612212A (zh) * | 2020-12-30 | 2021-04-06 | 上海大学 | 一种异构多无人***编队与协同目标驱离方法 |
WO2021078003A1 (zh) * | 2019-10-22 | 2021-04-29 | 深圳市道通智能航空技术有限公司 | 无人载具的避障方法、避障装置及无人载具 |
CN113419428A (zh) * | 2021-07-14 | 2021-09-21 | 大连海事大学 | 基于3d映射制导的usv-uav协同路径跟踪自适应控制器设计方法 |
CN113961001A (zh) * | 2021-08-27 | 2022-01-21 | 中国人民解放军军事科学院战争研究院 | 一种基于rvo策略和最优控制算法的混合型多智能体协同路径规划方法 |
CN114488803A (zh) * | 2022-01-19 | 2022-05-13 | 大连海事大学 | 基于事件触发的无人船/机鲁棒自适应神经协同控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110658829B (zh) * | 2019-10-30 | 2021-03-30 | 武汉理工大学 | 一种基于深度强化学习的群无人艇智能避碰方法 |
-
2023
- 2023-01-13 CN CN202310067964.7A patent/CN116047909B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104709453A (zh) * | 2015-01-19 | 2015-06-17 | 王显春 | 喷气式无人潜艇 |
CN105292398A (zh) * | 2015-11-10 | 2016-02-03 | 四方继保(武汉)软件有限公司 | 一种无人船载无人机混合*** |
CN107450568A (zh) * | 2017-09-25 | 2017-12-08 | 武汉理工大学 | 群组无人机协同下的船舶进出港辅助*** |
WO2021018647A1 (de) * | 2019-07-26 | 2021-02-04 | Currenta Gmbh & Co. Ohg | Verfahren und vorrichtung zur qualitätsüberwachung und feststellung einer kontamination eines raums |
WO2021022637A1 (zh) * | 2019-08-06 | 2021-02-11 | 南京赛沃夫海洋科技有限公司 | 一种基于改进遗传算法的无人艇路径规划方法及*** |
WO2021078003A1 (zh) * | 2019-10-22 | 2021-04-29 | 深圳市道通智能航空技术有限公司 | 无人载具的避障方法、避障装置及无人载具 |
CN112033441A (zh) * | 2020-09-11 | 2020-12-04 | 武汉大学 | 用于bds/mems组合导航下的联动编队完好性监测方法 |
CN112612212A (zh) * | 2020-12-30 | 2021-04-06 | 上海大学 | 一种异构多无人***编队与协同目标驱离方法 |
CN113419428A (zh) * | 2021-07-14 | 2021-09-21 | 大连海事大学 | 基于3d映射制导的usv-uav协同路径跟踪自适应控制器设计方法 |
CN113961001A (zh) * | 2021-08-27 | 2022-01-21 | 中国人民解放军军事科学院战争研究院 | 一种基于rvo策略和最优控制算法的混合型多智能体协同路径规划方法 |
CN114488803A (zh) * | 2022-01-19 | 2022-05-13 | 大连海事大学 | 基于事件触发的无人船/机鲁棒自适应神经协同控制方法 |
Non-Patent Citations (1)
Title |
---|
Collaborative Multi-Robot Search and Rescue: Planning, Coordination, Perception, and Active Vision;JORGE PEÑA QUERALTA;IEEE;191617-191643 * |
Also Published As
Publication number | Publication date |
---|---|
CN116047909A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116047909B (zh) | 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法 | |
Li et al. | A novel cooperative design for USV–UAV systems: 3-D mapping guidance and adaptive fuzzy control | |
CN107168312B (zh) | 一种补偿uuv运动学和动力学干扰的空间轨迹跟踪控制方法 | |
CN110308735A (zh) | 一种针对输入时滞的欠驱动uuv轨迹跟踪滑模控制方法 | |
CN105425812B (zh) | 一种基于双模型下的无人机自动着舰轨迹控制方法 | |
CN109991991A (zh) | 一种无人直升机鲁棒容错跟踪方法 | |
CN113419428B (zh) | 基于3d映射制导的机/船协同路径跟踪控制器设计方法 | |
CN114488803A (zh) | 基于事件触发的无人船/机鲁棒自适应神经协同控制方法 | |
US11853082B1 (en) | Control of vehicle movement by application of geometric algebra and state and error estimation | |
CN111857165B (zh) | 一种水下航行器的轨迹跟踪控制方法 | |
CN113093804B (zh) | 基于反演滑模控制的无人艇编队控制方法和控制*** | |
CN111045440B (zh) | 一种高超声速飞行器俯冲段快速滚转控制方法 | |
CN112327926B (zh) | 一种无人机编队的自适应滑模控制方法 | |
Wiig et al. | A 3D reactive collision avoidance algorithm for underactuated underwater vehicles | |
CN111290278A (zh) | 一种基于预测滑模的高超声速飞行器鲁棒姿态控制方法 | |
CN114721266B (zh) | 飞机舵面结构性缺失故障情况下的自适应重构控制方法 | |
Li et al. | Integrating dynamic event-triggered and sensor-tolerant control: Application to USV-UAVs cooperative formation system for maritime parallel search | |
CN113741433B (zh) | 一种水面无人船的分布式编队方法 | |
CN117389312B (zh) | 一种基于模型的水下航行器抗横滚三维跟踪控制方法 | |
CN113110538A (zh) | 一种基于反步法控制的舰载机着舰固定时间容错控制方法 | |
CN111435253A (zh) | 四旋翼飞行器有界输出控制 | |
CN116203840A (zh) | 可重复使用运载器自适应增益调度控制方法 | |
CN112947448B (zh) | 一种无人船集群协同包围多目标模糊控制器结构及设计方法 | |
CN114564015A (zh) | 一种拒止环境下的欠驱动无人艇分布式编队控制方法 | |
CN113110428A (zh) | 一种基于受限反步法控制的舰载机着舰固定时间轨迹跟踪方法 |
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 |