[发明专利]基于障碍环境和有界输入的护航任务协同控制方法及系统

说明书

本发明公开了一种基于障碍环境和有界输入的护航任务协同控制方法及系统，包括：采用多欧拉‑拉格朗日系统描述护航任务的物理模型；采用内外环控制结构，外环采用基于空空间的行为控制方法，产生内环物理模型所需要的期望速度和期望运动轨迹；内环基于改进的自适应径向基函数神经网络的比例导数滑模控制方法，使得在存在干扰和参数不确定的情况下，每个物理模型都能够跟踪期望速度和期望运动轨迹，实现零稳态误差和有界输入。本发明所提出的控制器具有简单、无模型和能提供连续的控制信号，控制器设计中所采用的自适应径向基函数神经网络所具备的强大的学习能力和鲁棒性，很好地补偿了干扰且最终实现了零稳态误差。

技术领域

本发明涉及护航任务的协同控制技术领域，尤其涉及一种基于障碍环境和有界输入的护航任务协同控制方法及系统。

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。

在过去的几十年中，多欧拉拉格朗日系统的协调控制问题引起了广泛的关注。移动机器人，水下航行器，水面船只，航天器，机械臂等都属于欧拉拉格朗日系统。由于测量噪声，建模误差，外部干扰和建模简化以及实际系统中经常存在未建模的动态，这些都可能会严重降低系统性能并导致控制系统不稳定。此外，忽略处理一些实际问题，例如输入饱和，障碍物和碰撞，都可能会造成灾难性的后果。因此，对这些领域进行研究至关重要并且很有意义。

迄今为止，与多欧拉拉格朗日系统有关的一些常见应用分别是分布共识，同步，包含控制，编队控制以及诱捕或护航。护航任务是一组机器人在未知环境中围绕并跟踪移动目标。机器人和目标之间保持指定的距离，并且机器人在目标周围均匀分布。护航任务在民用和军事领域的实用价值吸引了许多研究者的兴趣。许多方法用来实现这一任务，例如循环追踪策略，基于行为的方法，集群空间控制方法等等。

基于行为的方法属于一种典型的编队控制方法，它具有灵活性，易于实现和更新的优点，但是该方法的主要问题是如何对其进行数学上形式化。与其他行为方法相比，基于空空间的行为(NSB)控制具有清晰的数学表达这个明显的特征。NSB控制可应用于p维空间(其中p≥2是一个正整数)实现多个欧拉拉格朗日系统执行护航任务，同时避免障碍。但是，NSB控制仍然存在一些未解决的问题，例如，如何在这种行为控制架构下实现更精确的非线性动态控制。

滑模控制(SMC)具有对外部干扰和系统不确定的鲁棒性能，并该控制已广泛应用在多欧拉拉格朗日系统。但是，它需要系统参数的一定先验知识，而这在许多实际应用中很难获得。比例微分(PD)控制方法是线性且无模型的，易于实现，可以用来替代SMC的等效控制部分。现有技术介绍了如何将PD控制器与SMC结合使用以及基于PD控制器和SMC的线性机器人系统的控制方法。在上述方法中，对控制器参数进行选择都需要知道不确定性的上限，而这在某些情况下很难实现。

近年来，越来越多的基于学习的方法被用于识别模型并增强传统控制方法的鲁棒性。神经网络(NN)由于其良好的逼近能力，可用作建模非线性函数的工具。现有技术引入了径向基函数网络(RBFN)来近似SCARA型机器臂的非线性动力学。RBFNNS可以用于估计未知的所需控制量，从而可以实现零稳态误差跟踪。现有技术公开了一种分层控制策略结合了集成滑模控制(IntSMC)的优势和RBFNNS的任意函数逼近优势，可以保证在短时间内将状态变量更快速地收敛到期望值并补偿干扰和不确定性。但是,上述方法主要应用于单一被控对象,如一个机械臂或一个四旋翼飞行器,上述方法还未应用于多被控对象。另外，上述方法都未考虑输入有界的问题，认为执行器能产生任意力矩，这与实际中执行器所提供的力矩是有界而矛盾的。因此，现有的技术在实际应用中或者需要采用庞大的驱动机构产生大的力矩或者根本无法得到实际应用。

发明内容

为了解决上述问题，本发明提出了一种基于障碍环境和有界输入的护航任务协同控制方法及系统，考虑到护航任务和避障任务，在外环设计中采用了NSB控制，所产生速度矢量作为内环的参考值。在内环中，提出了基于反正切函数和自适应RBFNNS的IRPD-SMC技术，确保机器人遵循参考轨迹并实现零稳态误差。