[发明专利]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

说明书

本发明涉及一种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，属于编队飞行控制领域，用于多无人机编队跟踪中动力学模型存在不确定性以及飞行编队中部分无人机估计能力弱的问题。该方法采用虚拟编队结构策略，引入虚拟领航无人机并结合飞行编队位置和偏航角信息，将全局飞行编队期望轨迹指令转换为编队内各无人机对应的期望指令作为闭环系统的参考信息。采用反步法设计无人机控制输入，实现特定飞行编队下的跟踪控制。利用神经网络估计模型的动力学不确定性，在线采集历史数据构建预测误差，利用强连接通信拓扑结构共享编队间无人机的不确定性估计知识，结合跟踪误差更新神经网络权重。

技术领域

本发明涉及一种多飞行器跟踪控制方法，特别是涉及一种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，属于编队飞行控制领域。

背景技术

随着无人机在军事和民用上的广泛应用，多无人机编队飞行控制技术对实现协同侦察作战和农药喷洒等任务具有重要的应用价值。针对多无人机协同跟踪控制，基于虚拟结构的策略整体描述了群体行为并简化任务描述与分配，能够取得较高的编队控制精度。考虑到无人机系统存在的动力学不确定性和非线性性对编队飞行跟踪性能的影响，利用神经网络逼近能力进行估计的智能控制算法得到了广泛研究。然而目前的编队飞行控制需要保证无人机具有平衡的估计能力，当部分无人机无法通过自身信息实现精确的不确定估计时，将导致估计力不足的无人机难以维持飞行编队的期望位置。为了提升协同跟踪控制性能保证飞行编队效果，研究基于数据激励和编队协作共识的复合估计策略对编队飞行安全具有重要意义。

《Composite Learning Finite-Time Control With Application toQuadrotors》(B.Xu，《IEEE Transactions on Systems,Man,and Cybernetics:Systems》，2018年，第48卷第10期)针对欠驱动无人机设计有限时间神经网络控制算法，论文研究目标为实现无人机个体对期望轨迹指令的跟踪。《Coordinated Path-Following Control fora Group of Underactuated Surface Vessels》(Ghommam J，Mnif F，《IEEE Transactionson Industrial Electronics》，2009年，第56卷第10期)采用虚拟领航目标设计多智能体协同跟踪控制算法。论文以路径跟随器推导编队内个体的参考路径，同步协调状态实现路径跟踪。然而该论文所设计的控制算法依赖于模型的动力学特性，难以实现系统的快速稳定控制。

发明内容

要解决的技术问题

考虑多无人机编队飞行控制中的模型动力学不确定性和部分无人机估计能力弱的问题，本发明提出一种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。

技术方案

一种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，其特征在于步骤如下：

步骤1：采用无人机的动力学模型：

式中，x,y,z为位置，为横滚角，θ为俯仰角，ψ为偏航角，m为质量，g为重力加速度，I_x,I_y,I_z为惯性矩阵，l为无人机质心到旋翼中心的距离，J_r为电机转动惯量，ω_r＝ω₂+ω₄-ω₁-ω₃，ω_i为第i个电机的转速，i＝1,2,3,4；U₁,U₂,U₃,U₄分别为垂直、滚转、俯仰、偏航运动的控制输入为：

其中，b为升力系数，d为力矩系数；