CN117193345A - 基于动态事件触发的机-船协同平台自主降落控制方法 - Google Patents
基于动态事件触发的机-船协同平台自主降落控制方法 Download PDFInfo
- Publication number
- CN117193345A CN117193345A CN202311225890.1A CN202311225890A CN117193345A CN 117193345 A CN117193345 A CN 117193345A CN 202311225890 A CN202311225890 A CN 202311225890A CN 117193345 A CN117193345 A CN 117193345A
- Authority
- CN
- China
- Prior art keywords
- representing
- aerial vehicle
- unmanned aerial
- unmanned
- ship
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000013178 mathematical model Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 35
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 7
- 230000003137 locomotive effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于动态事件触发的机‑船协同平台自主降落控制方法,包括:S1:建立三自由度无人船‑六自由度无人机的混合阶非线性数学模型;S2:建立逻辑虚拟飞机生成的参考路径,以获取无人机的参考艏向角和无人机的参考纵摇角;S3:基于位置事件动态事件触发规则和姿态事件动态事件触发规则,获取无人机的位置控制器和无人机的姿态控制器,以控制无人机进行自主降落。本发明通过混合阶非线性数学模型的位置事件触发规则和姿态事件触发规则,设计位置控制器和姿态控制器,控制无人机进行精准的自主降落,实现了机船协同任务的执行闭环。同时解决了连续传输信号的控制***会产生通信资源较大的损耗的问题,资源利用率高。
Description
技术领域
本发明涉及船舶控制工程与无人机航行装备应用领域,尤其涉及一种基于动态事件触发的机-船协同平台自主降落控制方法。
背景技术
近些年,异构无人***的协同控制成为了研究热点。例如,由无人机和无人船构成的多智能体协同***可以有效提高海事搜救、海洋环境检测、风机检测等工程任务的完成效率。面向海洋环境监测、风机检测等工程任务,无人船航行速度相对较慢,检测范围不大;无人机巡航距离受电池、岸基控制中心限制。而由无人船和无人机构成的多智能体协同***执行同类监测任务可大幅提高完成效率。作为协同作业必不可少的一环,无人机的精准降落限制了机船协同作业的完成。然而现有研究大多集中于协同路径跟踪或轨迹跟踪控制,忽视了至关重要的无人机起降控制。此外,连续传输信号的控制***会产生通信资源较大的损耗,造成不必要的资源浪费。
发明内容
本发明提供一种基于动态事件触发的机-船协同平台自主降落控制方法,以克服上述技术问题。
为了实现上述目的,本发明的技术方案是:
一种基于动态事件触发的机-船协同平台自主降落控制方法,包括如下步骤:
S1:建立三自由度无人船-六自由度无人机的混合阶非线性数学模型;
S2:根据所述三自由度无人船-六自由度无人机的混合阶非线性数学模型,建立逻辑虚拟飞机生成的参考路径,以获取无人机的参考艏向角和无人机的参考纵摇角;
S3:根据无人机的参考艏向角和无人机的参考纵摇角,基于位置事件动态事件触发规则和姿态事件动态事件触发规则,获取无人机的位置控制器和无人机的姿态控制器,以控制无人机进行自主降落。
进一步的,所述S3中,获取无人机的位置控制器的方法如下:
首先,获取无人机的位置误差ηa1e;
ηa1e=ηa1-ηal1 (7)
式中:ηa1=[xa,ya,za]表示无人机的空间位置坐标;ηal1表示无人机位置环期望信号;
无人机的位置误差的导数表达为:
式中:va1=[uax,uay,uaz]表示无人机的速度,其中uax为无人机沿着ox轴的速度;uay为无人机沿着oy轴的速度;uaz为无人机沿着oz轴的速度;表示求导运算;
设计镇定无人机的位置误差ηa1e的虚拟控制器;
式中,kva1为大于零的位置控制器设计参数;αηa1表示无人机位置环虚拟控制器;
引入动态面控制,对虚拟控制器的导数进行降阶处理,即,
式中,βηa1为动态面信号,εηa1为大于零的时间常数,s为拉普拉斯算子;于是得到动态面误差:
qηa1=βηa1-αηa1 (11)
定义误差va1e=va1-αηa1,得到va1e的导数,即,
式中:f(va1)表示位置环非线性项;τ(va1)表示位置环控制输入;dw(va1)表示位置环干扰项;H为增益矩阵,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;
引入位置事件动态事件触发规则,则:
式中,ω(va)(t)表示位置环输入;ωk(va)(tk)是触发时刻控制输入;
当t∈[tk,tk+1)时,输入信号将保持ωk(va)(tk)不变;
位置事件动态事件触发规则被设计为:
tk+1=inf{t>tk||ωk(va)(tk)-ω(va)(t)|≥c1(tk)|ω(va)(t)|+c2(tk)} (14)
式中,tk,tk+1分别表示当前触发点时间和下一触发点时间,c1(tk),c2(tk)均为触发阈值参数;
式中:ηae表示位置环状态误差;c0表示定值参数;
根据所述位置事件动态事件触发规则,将控制信号重新表达为
式中,λa1,λa2均为处于[-1,1]区间的触发范围界定参数,ca1(tk),ca2(tk)均为位置控制器阈值参数;τk(va1)(tk)表示位置控制器;
最后,将位置控制器设计如下:
式中,kd为大于零的设计参数。
进一步的,所述S1中,所述三自由度无人船-六自由度无人机的混合阶非线性数学模型建立如下:
式中,ηs=[xs,ys,ψs]T表示大地坐标系下无人船的位姿,其中,xs表示大地坐标系下无人船的位置的横坐标,ys表示大地坐标系下无人船的位置的纵坐标,ψs表示大地坐标系下无人船的艏向角;J(ηs)表示转换矩阵;vs=[u,v,r]T表示无人船的速度向量,其中,u表示无人船的前进速度,v表示无人船的横漂速度,r表示无人船的艏摇速度;M表示附加质量矩阵;mu,mv,mr分别表示USV在前进、横漂、艏摇方向上的水动力附加质量;C(vs)表示科氏向心力矩阵;f(vs)=[fu,fv,fr]T为无人船的非线性项向量,其中,fu为无人船的前进方向的非线性项,fv为无人船的横漂非线性项,fr为无人船的艏摇非线性项;τ(vs)=[τu,0,τr]T表示无人船的控制输入矩阵,其中,τu表示前进推力;τr表示转船力矩;dw(vs)为无人船所受环境干扰;ms表示USV的质量;表示USV纵荡方向水动力导数,/>表示横荡方向水动力导数;ηa=[xa,ya,za,φa,θa,ψa]T表示无人机的位姿,其中,xa表示大地坐标系下无人机的位置在x轴的坐标;ya表示大地坐标系下无人机的位置在y轴的坐标;za表示大地坐标系下无人机的位置在z轴的坐标,φa表示无人机的横摇角,θa表示无人机的纵摇角,ψa表示无人机的艏摇角;va=[uax,uay,uaz,pa,qa,ra]T为无人机沿坐标轴的速度及转动速度,其中,uax为无人机沿着ox轴的速度;uay为无人机沿着oy轴的速度;uaz为无人机沿着oz轴的速度;pa表示沿着ox轴的转动角速度;qa表示沿着oy轴的转动角速度;ra表示沿着oz轴的转动角速度;f(va)=[fx,fy,fz,fφ,fθ,fψ]T为无人机的非线性项,其中,fx为无人船的x轴方向的非线性项,fy为无人船的y轴方向的非线性项,fz为无人船的z轴方向的非线性项,fφ无人机的横摇非线性项,fθ无人机的纵摇非线性项,fψ无人机的艏摇非线性项;H为增益矩阵,τ(νa)=[τf,τψ,τφ,τθ]T表示无人机的控制输入矩阵,其中,τf表示无人机升力;τψ表示无人机艏摇力矩;τφ表示无人机横摇力矩;τθ表示无人机纵倾力矩;dw(va)为无人机所受环境干扰;τ=[τ(νs),τ(νa)]T表示USV-UAVs协同***的控制输入矩阵;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;G(vs,va)表示USV-UAVs协同***的控制输入增益矩阵;ξ=[ξδ,|ξn|ξn,|ξ1|ξ1,|ξ2|ξ2,|ξ3|ξ3,|ξ4|ξ4]T表示USV-UAVs协同***的控制命令矩阵,其中,ξδ表示USV的舵角,ξn表示USV的主机转速,ξ1,ξ2,ξ3,ξ4表示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是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。
进一步的,所述S2中,逻辑虚拟飞机生成的参考路径如下:
式中,xal表示虚拟船的位置横坐标;yal表示虚拟船的位置纵坐标;ψal表示虚拟船的艏向角;uxl为虚拟飞机的前进速度;uyl为虚拟飞机的横漂速度;rl为虚拟飞机的艏摇角速度。
进一步的,所述S2中,无人机的参考艏向角为:
式中:ψav为无人机的参考艏向角;sgn(·)为符号函数;xae为虚拟飞机/无人机之间在x轴方向的位置误差;yae为虚拟飞机/无人机之间在y轴方向的位置误差。
进一步的,所述S2中,无人机的参考纵摇角为:
式中:θav表示无人机的参考纵摇角;xae为虚拟飞机/无人机之间在x轴方向的位置误差;yae为虚拟飞机/无人机之间在y轴方向的位置误差;zae为虚拟飞机/无人机之间在z轴方向的位置误差。
进一步的,所述S3中,获取无人机的姿态控制器方法如下:
首先,获取无人机的期望横摇角如下:
式中:φav表示期望横摇角;τkx表示x方向控制器;τky表示y方向控制器;τkz表示z方向控制器;θav表示参考纵摇角;ψav表示参考艏向角;
定义姿态误差ηa2e,构建姿态虚拟控制律αηa2:
式中,ηa2=[φa,θa,ψa]T表示无人机姿态环状态变量;ηal2=[φav,θav,ψav]T表示无人机姿态环期望信号;kva2是大于0的姿态参数;
引入DSC技术得
式中,βηa2为姿态环的动态面信号,εηa2为大于零的时间常数,
姿态环的动态面误差表达为
qηa2=βηa2-αηa2,
于是可以得到:
式中,B(·)为连续方程,存在常数L满足|B(·)|≤L,进而得到误差变量:
va2e=va2-βηa2+qηa2 (22)
式中:va2=[pa,qa,ra]T表示无人机的角速度向量;
结合数学模型和动态面误差,可得到va2e的导数,即,
式中:f(va2)表示姿态环非线性项;dw(va2)表示姿态环干扰项;τ(va2)为姿态信号控制信号;
引入姿态事件动态事件触发规则,姿态信号控制信号表达如下:
式中,τk(va2)(tk)为姿态环中间控制器,cb1(tk),cb2(tk)均为姿态环触发阈值参数,触发范围界定参数λb1,λb2∈[-1,1],并将姿态控制器设计如下:
有益效果:本发明的一种基于动态事件触发的机-船协同平台自主降落控制方法,针对无人机-无人船(UAV-USV)协同平台自主降落任务,建立三自由度无人船-六自由度无人机的混合阶非线性数学模型,并通过基于三自由度无人船-六自由度无人机的混合阶非线性数学模型的位置事件动态事件触发规则和姿态事件动态事件触发规则,设计位置事件动态事件触发规则和姿态事件动态事件触发规则,控制无人机进行精准的自主降落,实现了机船协同任务的执行闭环。同时解决了连续传输信号的控制***会产生通信资源较大的损耗的问题,资源利用率高。
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为本发明的机-船协同平台自主降落控制方法流程图;
图2为本发明的机-船协同平台制导结构框架图;
图3为本发明的实施例中的无人机-无人船协同平台自主降落任务轨迹示意图;
图4a为本发明的实施例中的无人机控制输出位置误差示意图;
图4b为本发明的实施例中的无人机控制输出姿态误差示意图;
图5为本发明的实施例中的无人机控制输入与实际输入转子角速度对比示意图;
图6a为本发明的实施例中的无人机位置环事件触发时间与触发间隔示意图;
图6b为本发明的实施例中的无人机姿态环事件触发时间与触发间隔示意图;
图7为本发明的实施例中的USV-UAV协同平台自主降落信号流程图。
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基于动态事件触发的机-船协同平台自主降落控制方法,如图1,2,7,包括如下步骤:
S1:建立三自由度无人船-六自由度无人机的混合阶非线性数学模型如式(1)(2)(3);
优选的,所述三自由度无人船-六自由度无人机的混合阶非线性数学模型建立如下:
式中,ηs=[xs,ys,ψs]T表示大地坐标系下无人船的位姿,其中,xs表示大地坐标系下无人船的位置的横坐标,ys表示大地坐标系下无人船的位置的纵坐标,ψs表示大地坐标系下无人船的艏向角;J(ηs)表示转换矩阵;vs=[u,v,r]T表示无人船的速度向量,其中,u表示无人船的前进速度,v表示无人船的横漂速度,r表示无人船的艏摇速度;M表示附加质量矩阵;mu,mv,mr分别表示USV在前进、横漂、艏摇方向上的水动力附加质量;C(vs)表示科氏向心力矩阵;f(vs)=[fu,fv,fr]T为无人船的非线性项向量,其中,fu为无人船的前进方向的非线性项,fv为无人船的横漂非线性项,fr为无人船的艏摇非线性项;τ(vs)=[τu,0,τr]T表示无人船的控制输入矩阵,其中,τu表示前进推力;τr表示转船力矩;dw(vs)为无人船所受环境干扰;ms表示USV的质量;表示USV纵荡方向水动力导数,/>表示横荡方向水动力导数;ηa=[xa,ya,za,φa,θa,ψa]T表示无人机的位姿,其中,xa表示大地坐标系下无人机的位置在x轴的坐标;ya表示大地坐标系下无人机的位置在y轴的坐标;za表示大地坐标系下无人机的位置在z轴的坐标,φa表示无人机的横摇角,θa表示无人机的纵摇角,ψa表示无人机的艏摇角;va=[uax,uay,uaz,pa,qa,ra]T为无人机沿坐标轴的速度及转动速度,其中,uax为无人机沿着ox轴的速度;uay为无人机沿着oy轴的速度;uaz为无人机沿着oz轴的速度;pa表示沿着ox轴的转动角速度;qa表示沿着oy轴的转动角速度;ra表示沿着oz轴的转动角速度;f(va)=[fx,fy,fz,fφ,fθ,fψ]T为无人机的非线性项,其中,fx为无人船的x轴方向的非线性项,fy为无人船的y轴方向的非线性项,fz为无人船的z轴方向的非线性项,fφ无人机的横摇非线性项,fθ无人机的纵摇非线性项,fψ无人机的艏摇非线性项;H为增益矩阵,τ(νa)=[τf,τψ,τφ,τθ]T表示无人机的控制输入矩阵,其中,τf表示无人机升力;τψ表示无人机艏摇力矩;τφ表示无人机横摇力矩;τθ表示无人机纵倾力矩;dw(va)为无人机所受环境干扰;τ=[τ(νs),τ(νa)]T表示USV-UAVs协同***的控制输入矩阵;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;G(vs,va)表示USV-UAVs协同***的控制输入增益矩阵;ξ=[ξδ,|ξn|ξn,|ξ1|ξ1,|ξ2|ξ2,|ξ3|ξ3,|ξ4|ξ4]T表示USV-UAVs协同***的控制命令矩阵,其中,ξδ表示USV的舵角,ξn表示USV的主机转速,ξ1,ξ2,ξ3,ξ4表示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是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。
S2:根据所述三自由度无人船-六自由度无人机的混合阶非线性数学模型,建立逻辑虚拟飞机生成的参考路径,以获取无人机的参考艏向角和无人机的参考纵摇角;
为了实现协同平台的自主降落任务,引入逻辑虚拟飞机以生成参考路径(4),使得降落点位置与协同***降落平台关联,初始降落高度为设定值;
优选地,所述逻辑虚拟飞机生成的参考路径如下:
式中,xal表示虚拟船的位置横坐标;yal表示虚拟船的位置纵坐标;ψal表示虚拟船的艏向角;uxl为虚拟飞机的前进速度;uyl为虚拟飞机的横漂速度;rl为虚拟飞机的艏摇角速度。
优选地,所述无人机的参考艏向角为:
在平行飞行阶段,参考高度仍保持在一个常数值,无人机在向降落点位置上空靠近,虚拟飞机仅为无人机提供参考艏向角,如式(5)。
式中:ψav为无人机的参考艏向角;sgn(·)为符号函数;xae为虚拟飞机/无人机之间在x轴方向的位置误差;yae为虚拟飞机/无人机之间在y轴方向的位置误差。
优选地,所述无人机的参考纵摇角为:
当无人机进入降落阶段时,虚拟飞机同时开始提供参考纵摇角,如式(6)。
式中:θav表示无人机的参考纵摇角;xae为虚拟飞机/无人机之间在x轴方向的位置误差;yae为虚拟飞机/无人机之间在y轴方向的位置误差;zae为虚拟飞机/无人机之间在z轴方向的位置误差。
S3:根据无人机的参考艏向角和无人机的参考纵摇角,建立协同鲁棒控制器,以获取无人机的位置控制器和无人机的姿态控制器;
为了控制UAV精准降落于预设区域内,结合基于状态误差的动态事件触发控制设计了基于模型的协同鲁棒控制器;具体如下:
优选的,所述S3中,获取无人机的位置控制器的方法如下:
首先,获取无人机的位置误差ηa1e;
定义无人机的空间位置坐标ηa1=[xa,ya,za],无人机沿着ox,oy,oz轴的速度va1=[uax,uay,uaz],其中uax为无人机沿着ox轴的速度;uay为无人机沿着oy轴的速度;uaz为无人机沿着oz轴的速度;可以得到无人机的位置误差ηa1e如式(7)。
ηa1e=ηa1-ηal1 (7)
式中:ηa1=[xa,ya,za]表示无人机的空间位置坐标;ηal1表示无人机位置环期望信号;
无人机的位置误差的导数表达为式(8):
式中:va1=[uax,uay,uaz]表示无人机的速度,其中uax为无人机沿着ox轴的速度;uay为无人机沿着oy轴的速度;uaz为无人机沿着oz轴的速度;
设计镇定无人机的位置误差ηa1e的虚拟控制器;
为了镇定误差变量ηa1e,设计相应的虚拟控制器,如式(9)。
式中,kva1为大于零的位置控制器设计参数;αηa1表示无人机位置环虚拟控制器;
为了解决虚拟位置控制器求导中会引起的“复杂度***”的问题,引入动态面控制,对虚拟控制器的导数进行降阶处理,即,
式中,βηa1为动态面信号,εηa1为大于零的时间常数,s为拉普拉斯算子;于是得到动态面误差:
qηa1=βηa1-αηa1 (11)
定义误差va1e=va1-αηa1,结合数学模型和动态面误差,可得到va1e的导数,即,
式中:f(va1)表示位置环非线性项;τ(va1)表示位置环控制输入;dw(va1)表示位置环干扰项;
为了减缓连续的控制输入造成的传输负载过重,引入了一种阈值参数可灵活调节的位置事件动态事件触发规则,控制信号表达如下:
式中,ω(va)(t)表示位置环输入;ωk(va)(tk)是触发时刻控制输入。当t∈[tk,tk+1)时,输入信号将保持ωk(va)(tk)不变;位置事件动态事件触发规则被设计为:
tk+1=inf{t>tk||ωk(va)(tk)-ω(va)(t)|≥c1(tk)|ω(va)(t)|+c2(tk)} (14)
式中,tk,tk+1分别表示当前触发点时间和下一触发点时间,c1(tk),c2(tk)均为触发阈值参数,动态规则被设计如下:
式中:ηae表示位置环状态误差;c0表示定值参数;
根据所述位置事件动态事件触发规则,可以将控制信号重新表达为式(16)。
式中,λa1,λa2均为处于[-1,1]区间的触发范围界定参数,ca1(tk),ca2(tk)均为位置控制器阈值参数。τk(va1)(tk)表示位置控制器;
最后,利用反步法,将位置控制器设计如下:
式中,kd为大于零的设计参数。
优选的,所述S3中,获取无人机的姿态控制器方法如下:
首先,获取无人机的期望横摇角如下:
定义无人机的姿态角信号ηa2=[φa,θa,ψa]T,以及横摇、纵摇、艏摇角速度va2=[pa,qa,ra]T。结合设计的位置控制器矩阵τk(va1)(tk)=[τkx,τky,τkz]T,期望横摇角φav可通过非线性解耦技术获得如:
式中:φav表示期望横摇角;τkx表示x方向控制器;τky表示y方向控制器;τkz表示z方向控制器;θav表示参考纵摇角;ψav表示参考艏向角;
定义姿态误差ηa2e,并针对姿态信号构建姿态虚拟控制律αηa2,如式(19)。
式中,ηa2=[φa,θa,ψa]T表示无人机姿态环状态变量;ηal2=[φav,θav,ψav]T表示无人机姿态环期望信号;kva2是大于0的姿态参数;
同样,为了降低繁重的算力负担,引入DSC技术得,如式(20)。
式中,βηa2为姿态环的动态面信号,εηa2为大于零的时间常数,
姿态环的动态面误差表达为
qηa2=βηa2-αηa2,
于是可以得到:
式中,B(·)为连续方程,存在常数L满足|B(·)|≤L,进而可以得到误差变量如式(22)。
va2e=va2-βηa2+qηa2 (22)
式中:va2=[pa,qa,ra]T表示无人机的角速度向量;
结合数学模型和动态面误差,可得到va2e的导数,即,
式中:f(va2)表示姿态环非线性项;dw(va2)表示姿态环干扰项;τ(va2)为姿态信号控制信号;
与位置环控制器设计类似,针对姿态控制输入τ(va2),引入姿态事件动态事件触发规则,姿态信号控制信号表达如下:
式中,τk(va2)(tk)为姿态环中间控制器,cb1(tk),cb2(tk)均为姿态环触发阈值参数,触发范围界定参数λb1,λb2∈[-1,1],并将姿态控制器设计如下:
为了验证所提算法的有效性,本实施例完成了机船协同平台无人机自主降落仿真实验。当无人船完成任务后会回到预设位置,且保持在无动力状态,且为无人机提供降落位置信号,降落任务过程中,无人船主要受海洋环境干扰影响。
图3-图6分别为模拟海洋环境下无人船-无人机协同路径跟踪仿真结果。图3展示了采用所提算法下机船协同平台自主降落任务的轨迹图。无人机距平台的初始高度为50m,根据3D轨迹图,无人机保持平行飞行直至检测到进入着陆区上空。开始降落后,控制无人机沿虚拟飞机提供的参考路径跟踪降落。图4为无人机的位置误差和姿态误差曲线。初始时刻,航向角发生了明显偏差,在所提算法下,无人机可以快速响应,航向偏差回到了可接受的范围内。由于无人机惯性较小,包括横摇角、纵摇角及航向角在内的姿态误差会在一定范围内波动,但波动范围是被接受的。结果表明,无人机在最大为0.1m的位置误差范围内完成了自主降落任务。图5描述了无人机四个转子的角速度,即控制输入。实线为动态事件触发机制下的转子速度。阶跃式的控制输入有效避免了不必要的通信负担。虚线为经过伺服***将参考命令转后的实际输入。图6为所提算法下无人机的触发间隔与触发时间。对于位置环,最大触发间隔为3.2s,最小为0.15s。对于姿态环,最大触发间隔为5.95s,最小为0.02s。与0.01s的连续输入更新相比,离散的控制命令执行器的更新频率明显降低。
本发明针对机船协同平台自主降落任务提出了一种基于动态事件触发的机-船协同平台自主降落控制方法。该算法主要有2个方面的特点:
(1)提出一种逻辑虚拟飞机(LVA)的制导原理,在不同阶段为无人机提供参考信号。当无人机开始降落,降落点位置与无人船降落平台关联,参考艏向角与纵摇角均由虚拟飞机提供。
(2)针对协同平台中无人机的位置部分和姿态部分,分别设计了基于模型的控制器,实现了对参考路径的精准跟踪。在本发明的算法中,特别设计了一种基于位置误差和姿态误差的动态事件触发规则,触发阈值参数实现了动态调节,有效降低了通信负担。
结合现有技术、控制器设计和仿真试验,本实施例在海空协同领域具有以下2点有益效果:
1)本发明面向无人机-无人船协同平台的自主降落任务,提出了一种基于动态事件触发机制的控制算法,解决了执行器连续更新的控制命令伴随着冗杂的数据传输需求,资源利用率大打折扣的问题,有效提高了通信资源利用率,且使用的事件触发规则消除了人为设置参数的限制,提高了算法的适用性。同时连续的控制输入被转化为阶跃式的命令,降低了通信负担。
2)在模拟海洋环境下进行了协同平台自主降落仿真实验,验证了本发明所提自主降落机制的有效性。自主降落的实现填补了协同任务的空缺,在海空协同海事搜救等实际工程任务中具有重要的应用前景。
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 (7)
1.一种基于动态事件触发的机-船协同平台自主降落控制方法,其特征在于,包括如下步骤:
S1:建立三自由度无人船-六自由度无人机的混合阶非线性数学模型;
S2:根据所述三自由度无人船-六自由度无人机的混合阶非线性数学模型,建立逻辑虚拟飞机生成的参考路径,以获取无人机的参考艏向角和无人机的参考纵摇角;
S3:根据无人机的参考艏向角和无人机的参考纵摇角,基于位置事件动态事件触发规则和姿态事件动态事件触发规则,获取无人机的位置控制器和无人机的姿态控制器,以控制无人机进行自主降落。
2.根据权利要求1所述的一种基于动态事件触发的机-船协同平台自主降落控制方法,其特征在于,所述S3中,获取无人机的位置控制器的方法如下:
首先,获取无人机的位置误差ηa1e;
ηa1e=ηa1-ηal1 (7)
式中:ηa1=[xa,ya,za]表示无人机的空间位置坐标;ηal1表示无人机位置环期望信号;
无人机的位置误差的导数表达为:
式中:va1=[uax,uay,uaz]表示无人机的速度,其中uax为无人机沿着ox轴的速度;uay为无人机沿着oy轴的速度;uaz为无人机沿着oz轴的速度;表示求导运算;
设计镇定无人机的位置误差ηa1e的虚拟控制器;
式中,kva1为大于零的位置控制器设计参数;αηa1表示无人机位置环虚拟控制器;
引入动态面控制,对虚拟控制器的导数进行降阶处理,即,
式中,βηa1为动态面信号,εηa1为大于零的时间常数,s为拉普拉斯算子;于是得到动态面误差:
qηa1=βηa1-αηa1 (11)
定义误差va1e=va1-αηa1,得到va1e的导数,即,
式中:f(va1)表示位置环非线性项;τ(va1)表示位置环控制输入;dw(va1)表示位置环干扰项;H为增益矩阵,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;
引入位置事件动态事件触发规则,则:
式中,ω(va)(t)表示位置环输入;ωk(va)(tk)是触发时刻控制输入;
当t∈[tk,tk+1)时,输入信号将保持ωk(va)(tk)不变;
位置事件动态事件触发规则被设计为:
tk+1=inf{t>tk||ωk(va)(tk)-ω(va)(t)|≥c1(tk)|ω(va)(t)|+c2(tk)} (14)
式中,tk,tk+1分别表示当前触发点时间和下一触发点时间,c1(tk),c2(tk)均为触发阈值参数;
式中:ηae表示位置环状态误差;c0表示定值参数;
根据所述位置事件动态事件触发规则,将控制信号重新表达为
式中,λa1,λa2均为处于[-1,1]区间的触发范围界定参数,ca1(tk),ca2(tk)均为位置控制器阈值参数;τk(va1)(tk)表示位置控制器;
最后,将位置控制器设计如下:
式中,kd为大于零的设计参数。
3.根据权利要求1所述的一种基于动态事件触发的机-船协同平台自主降落控制方法,其特征在于,所述S1中,所述三自由度无人船-六自由度无人机的混合阶非线性数学模型建立如下:
式中,ηs=[xs,ys,ψs]T表示大地坐标系下无人船的位姿,其中,xs表示大地坐标系下无人船的位置的横坐标,ys表示大地坐标系下无人船的位置的纵坐标,ψs表示大地坐标系下无人船的艏向角;J(ηs)表示转换矩阵;vs=[u,v,r]T表示无人船的速度向量,其中,u表示无人船的前进速度,v表示无人船的横漂速度,r表示无人船的艏摇速度;M表示附加质量矩阵;mu,mv,mr分别表示USV在前进、横漂、艏摇方向上的水动力附加质量;C(vs)表示科氏向心力矩阵;f(vs)=[fu,fv,fr]T为无人船的非线性项向量,其中,fu为无人船的前进方向的非线性项,fv为无人船的横漂非线性项,fr为无人船的艏摇非线性项;τ(vs)=[τu,0,τr]T表示无人船的控制输入矩阵,其中,τu表示前进推力;τr表示转船力矩;dw(vs)为无人船所受环境干扰;ms表示USV的质量;表示USV纵荡方向水动力导数,/>表示横荡方向水动力导数;ηa=[xa,ya,za,φa,θa,ψa]T表示无人机的位姿,其中,xa表示大地坐标系下无人机的位置在x轴的坐标;ya表示大地坐标系下无人机的位置在y轴的坐标;za表示大地坐标系下无人机的位置在z轴的坐标,φa表示无人机的横摇角,θa表示无人机的纵摇角,ψa表示无人机的艏摇角;va=[uax,uay,uaz,pa,qa,ra]T为无人机沿坐标轴的速度及转动速度,其中,uax为无人机沿着ox轴的速度;uay为无人机沿着oy轴的速度;uaz为无人机沿着oz轴的速度;pa表示沿着ox轴的转动角速度;qa表示沿着oy轴的转动角速度;ra表示沿着oz轴的转动角速度;f(va)=[fx,fy,fz,fφ,fθ,fψ]T为无人机的非线性项,其中,fx为无人船的x轴方向的非线性项,fy为无人船的y轴方向的非线性项,fz为无人船的z轴方向的非线性项,fφ无人机的横摇非线性项,fθ无人机的纵摇非线性项,fψ无人机的艏摇非线性项;H为增益矩阵,τ(νa)=[τf,τψ,τφ,τθ]T表示无人机的控制输入矩阵,其中,τf表示无人机升力;τψ表示无人机艏摇力矩;τφ表示无人机横摇力矩;τθ表示无人机纵倾力矩;dw(va)为无人机所受环境干扰;τ=[τ(νs),τ(νa)]T表示USV-UAVs协同***的控制输入矩阵;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;G(vs,va)表示USV-UAVs协同***的控制输入增益矩阵;ξ=[ξδ,|ξn|ξn,|ξ1|ξ1,|ξ2|ξ2|,|ξ3|ξ3,|ξ4|ξ4]T表示USV-UAVs协同***的控制命令矩阵,其中,ξδ表示USV的舵角,ξn表示USV的主机转速,ξ1,ξ2,ξ3,ξ4表示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是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。
4.根据权利要求1所述的一种基于动态事件触发的机-船协同平台自主降落控制方法,其特征在于,所述S2中,逻辑虚拟飞机生成的参考路径如下:
式中,xal表示虚拟船的位置横坐标;yal表示虚拟船的位置纵坐标;ψal表示虚拟船的艏向角;uxl为虚拟飞机的前进速度;uyl为虚拟飞机的横漂速度;rl为虚拟飞机的艏摇角速度。
5.根据权利要求1所述的一种基于动态事件触发的机-船协同平台自主降落控制方法,其特征在于,所述S2中,无人机的参考艏向角为:
式中:ψav为无人机的参考艏向角;sgn(·)为符号函数;xae为虚拟飞机/无人机之间在x轴方向的位置误差;yae为虚拟飞机/无人机之间在y轴方向的位置误差。
6.根据权利要求1所述的一种基于动态事件触发的机-船协同平台自主降落控制方法,其特征在于,所述S2中,无人机的参考纵摇角为:
式中:θav表示无人机的参考纵摇角;xae为虚拟飞机/无人机之间在x轴方向的位置误差;yae为虚拟飞机/无人机之间在y轴方向的位置误差;zae为虚拟飞机/无人机之间在z轴方向的位置误差。
7.根据权利要求1所述的一种基于动态事件触发的机-船协同平台自主降落控制方法,其特征在于,所述S3中,获取无人机的姿态控制器方法如下:
首先,获取无人机的期望横摇角如下:
式中:φav表示期望横摇角;τkx表示x方向控制器;τky表示y方向控制器;τkz表示z方向控制器;θav表示参考纵摇角;ψav表示参考艏向角;
定义姿态误差ηa2e,构建姿态虚拟控制律αηa2:
式中,ηa2=[φa,θa,ψa]T表示无人机姿态环状态变量;ηal2=[φav,θav,ψav]T表示无人机姿态环期望信号;kva2是大于0的姿态参数;
引入DSC技术得
式中,βηa2为姿态环的动态面信号,εηa2为大于零的时间常数,
姿态环的动态面误差表达为
qηa2=βηa2-αηa2,
于是可以得到:
式中,B(·)为连续方程,存在常数L满足|B(·)|≤L,进而得到误差变量:
va2e=va2-βηa2+qηa2 (22)
式中:va2=[pa,qa,ra]T表示无人机的角速度向量;
结合数学模型和动态面误差,可得到va2e的导数,即,
式中:f(va2)表示姿态环非线性项;dw(va2)表示姿态环干扰项;τ(va2)为姿态信号控制信号;
引入姿态事件动态事件触发规则,姿态信号控制信号表达如下:
式中,τk(va2)(tk)为姿态环中间控制器,cb1(tk),cb2(tk)均为姿态环触发阈值参数,触发范围界定参数λb1,λb2∈[-1,1],并将姿态控制器设计如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311225890.1A CN117193345B (zh) | 2023-09-21 | 2023-09-21 | 基于动态事件触发的机-船协同平台自主降落控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311225890.1A CN117193345B (zh) | 2023-09-21 | 2023-09-21 | 基于动态事件触发的机-船协同平台自主降落控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117193345A true CN117193345A (zh) | 2023-12-08 |
CN117193345B CN117193345B (zh) | 2024-03-26 |
Family
ID=88999624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311225890.1A Active CN117193345B (zh) | 2023-09-21 | 2023-09-21 | 基于动态事件触发的机-船协同平台自主降落控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117193345B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113485377A (zh) * | 2021-08-16 | 2021-10-08 | 大连海事大学 | 双层虚拟引导机制的无人帆船自适应路径跟踪控制方法 |
US20220011785A1 (en) * | 2020-07-10 | 2022-01-13 | Zhuhai Ziyan Uav Co., Ltd. | Unmanned aerial vehicle control method and system based on moving base |
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 |
CN116047909A (zh) * | 2023-01-13 | 2023-05-02 | 大连海事大学 | 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法 |
-
2023
- 2023-09-21 CN CN202311225890.1A patent/CN117193345B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220011785A1 (en) * | 2020-07-10 | 2022-01-13 | Zhuhai Ziyan Uav Co., Ltd. | Unmanned aerial vehicle control method and system based on moving base |
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 |
CN113485377A (zh) * | 2021-08-16 | 2021-10-08 | 大连海事大学 | 双层虚拟引导机制的无人帆船自适应路径跟踪控制方法 |
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 |
CN116047909A (zh) * | 2023-01-13 | 2023-05-02 | 大连海事大学 | 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法 |
Non-Patent Citations (1)
Title |
---|
JIQIANG LI: "Robust Adaptive Neural Cooperative Control for the USV-IAV based on the LVS-LVA Guidance Principle", 《MARINE SCIENCE AND ENGINEERING》, vol. 10, 3 January 2022 (2022-01-03), pages 1 - 19 * |
Also Published As
Publication number | Publication date |
---|---|
CN117193345B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | Adaptive sliding mode relative motion control for autonomous carrier landing of fixed-wing unmanned aerial vehicles | |
Jung et al. | Development and application of controller for transition flight of tail-sitter UAV | |
Azinheira et al. | A backstepping controller for path‐tracking of an underactuated autonomous airship | |
Ke et al. | Design and implementation of a hybrid UAV with model-based flight capabilities | |
Manzoor et al. | Trajectory tracking control of a VTOL unmanned aerial vehicle using offset-free tracking MPC | |
Zhou et al. | A unified control method for quadrotor tail-sitter uavs in all flight modes: Hover, transition, and level flight | |
CN105425812B (zh) | 一种基于双模型下的无人机自动着舰轨迹控制方法 | |
CN111538255B (zh) | 一种反蜂群无人机的飞行器控制方法及*** | |
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 | |
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 | |
Hegde et al. | Transition flight modeling and robust control of a VTOL unmanned quad tilt-rotor aerial vehicle | |
CN107678442B (zh) | 一种基于双模型下的四旋翼自主着船控制方法 | |
CN114035601B (zh) | 一种基于h无穷控制的倾转旋翼无人机着舰方法 | |
Cardoso et al. | A nonlinear W∞ controller of a tilt-rotor UAV for trajectory tracking | |
Ramírez et al. | Nonlinear vector-projection control for agile fixed-wing unmanned aerial vehicles | |
Sun et al. | Adaptive nonlinear relative motion control of quadrotors in autonomous shipboard landings | |
Jin et al. | Relative motion modeling and control for a quadrotor landing on an unmanned vessel | |
CN117193345B (zh) | 基于动态事件触发的机-船协同平台自主降落控制方法 | |
CN116540780A (zh) | 一种基于博弈制导的无人机决策控制方法 | |
CN117234228A (zh) | 一种倾转旋翼无人机倾转过程控制方法 | |
McIntosh et al. | A Switching-Free Control Architecture for Transition Maneuvers of a Quadrotor Biplane Tailsitter | |
Manzoor et al. | Flight control techniques and classification of ducted fan aerial vehicles | |
CN115344056A (zh) | 一种复杂操纵面飞机的智能飞行控制方法及应用 | |
CN114967724A (zh) | 一种四旋翼无人机目标环绕抗干扰控制方法 | |
Peng et al. | Nonlinear flight control design for maneuvering flight of quadrotors in high speed and large acceleration |
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 |