本发明专利技术公开了一种考虑随机扰动的非线性多无人机系统容错编队控制方法，其包括如下步骤：构建无人机的非线性随机动态模型，利用该模型以及参考轨迹给定信息和邻居无人机之间的信息交互，得到每架无人机的输出测量数据；利用该数据为每架无人机设计一个分散式状态观测器和自适应故障估计器，对该无人机的状态信息和故障信号进行在线估计；在此基础之上，利用实时状态和故障估计信息设计一种容错控制器，以确保系统编队误差、状态估计误差和故障估计误差渐进收敛到可控的误差界限之内；最后确定分散式状态观测器、自适应故障估计器和容错控制器的相关参数。本发明专利技术有效解决了存在干扰、噪声和信道扰动的非线性无人机群的故障估计和容错编队控制问题。
【技术实现步骤摘要】
本专利技术属于动态系统状态监控与容错控制领域，具体涉及一种考虑随机扰动的非 线性多无人机系统容错编队控制方法。
技术介绍
随着单片机和无线通信技术的发展，多无人机系统的协同编队控制逐渐引起越来 越多的研究兴趣，并已有大量的相关研究成果发表。编队系统中不同个体之间通过协作将 大大提高行为能力，更好地完成单个个体难以完成的工作；同时，此类系统具有运行效率 高，容错性能好和可扩展性强等优点。与集中式系统相比，编队系统是典型的分布式系统， 存在大量彼此相关联的执行器、传感器和通信装置，因此，更易受到故障的影响。为了确保 运行的可靠性和安全性，无人机编队系统的协同容错控制问题值得研究。 目前，大部分容错控制技术都是针对集中式系统结构，即整个系统的状态信息需 要传送到信息中心进行处理。而考虑到编队结构的可扩展性和信息互联的网络结构以及单 个个体有限的处理能力和彼此之间通信能力的约束，编队系统的控制和信号处理大都采用 分布式结构，即每个个体只能获得自身和部分其他个体的信息，系统中不存在可以监控所 有个体运行情况的中心处理单元。因此，传统的故障诊断方法难以直接应用于分布式编队 系统。无人机编队系统的容错控制最近几年才逐渐受到关注，但是，已有的相关研究成果 中，对无人机动态的描述大都采用确定性模型，没有考虑扰动、噪声和信道干扰的影响。而 考虑到无人机结构特点和运行环境，这些不确定的干扰因素是不可避免的，在编队系统的 协同控制研究中必须充分考虑。但目前尚未出现此方面的研究成果。因此，亟需提出一种 新的方法实现对考虑实际外界干扰的无人机群发生执行器故障时的实时故障估计和容错 编队控制。
技术实现思路
本专利技术的目的在于提出一种考虑随机扰动的非线性多无人机系统容错编队控制 方法，以确保无人机群系统在某些无人机发生执行器故障时实现安全编队飞行。 为了实现上述目的，本专利技术采用如下技术方案： ，包括如下步骤：a构建无人机非线性随机动态模型，利用该模型以及参考轨迹给定信息和邻居无 人机之间的信息交互，得到每架无人机的输出测量信息； b利用每架无人机的输出测量信息设计分散式状态观测器和自适应故障估计器， 对该无人机的状态信息和故障信号进行在线估计； c利用估计的状态和故障信息，为每架无人机设计容错控制器； d利用无人机的输出测量信息和估计信息对编队误差和状态估计误差动态进行稳 定性分析，以确定分散式状态观测器、自适应故障估计器与容错控制器的相关参数，实现容 错编队。 优选地，所述步骤a具体为： 考虑到无人机的非线性动态特征、外界扰动、测量噪声和信道干扰，本专利技术研究由 N架无人机构成的编队系统，其中，第i架无人机的非线性随机动态模型构建如下： 其中，咕)eK"为状态变量；e?Γ为控制输入；e1IT为测量输出； 欠(〇e『为故障信号；w,(i)eIT和价)eΕΓ分别为扰动和测量噪声，均为零均值、彼此独 立的高斯白噪声；非线性函数g( ·，·）满足Lipschitz条件：||gUJt),t)-g(x2(t),t) || 彡Lg||Xl(t)-x2(t)II，其中，Lg>0为已知的Lipschitz常数；矩阵A，B，C，E，F均为具有适 当维数的已知矩阵；矩阵F是由矩阵B的部分列构成，因此，存在矩阵使得5.F= .F:.; 为每架无人机设定期望的参考飞行轨迹，其中，第i架无人机的参考模型动态为： if(i) = + ，其中，_<(〇e『为参考状态向量。 优选地，所述步骤b具体为： 第i架无人机的分散式状态观测器设计具有如下形式： 其中，為(i)，又'(〇和免(0分别为状态、故障和输出量的估计值；?为待设计的分 散式状态观测器增益矩阵；同时，第i架无人机的自适应故障估计器设计如下： /(〇-Γ/?>,,(/)-σ?χ(〇, 其中，对称正定矩阵Γ，矩阵R和正常数〇为待设计的参数，1^表示矩阵R的转 置Λ⑴为输出估计误差； 利用分散式状态观测器和自适应故障估计器对该无人机状态信息和故障信号在 线估计。 优选地，所述步骤c具体为： 利用估计的状态和故障信息，为每架无人机设计具有如下形式的容错控制器： 其中，c和Κ分别为待设定的耦合系数和容错控制器增益矩阵； 为无人机i与其邻接无人机j之间的相对编队误差；队表示第i架无人机的邻居无人机集 合，由向无人机i传输信息的无人机构成；^为取值为0或1的常数，a1]= 1表示第i架 无人机能够获取第j架无人机的信息，a1]= 1表示第i架无人机不能获取第j架无人机的 信息；随机系数项％'⑴eK表示信道干扰效应，其中，〇ij彡0表示噪声强度，ξ^(t)为 独立的零均值高斯白噪声；参数giE{〇, 1}，其中，g1=1表示无人机i能够完全获取其参 考轨迹信息，反之，gi= 0。 优选地，所述步骤d具体为： 首先定义辅助参数：q(/)=A:.(/)-<(〇和"，.，⑴夂成)-弋⑴为无人机i的编队误 差和状态估计误差；令H=L+G，其中，L为图拉普拉斯矩阵，G=diag{gl，g2，…，gN};根据 图论知识可知也m(H) > 0，其中i_(々）表示矩阵#的最小特征值； 下面为待实现的容错编队给出如下定义： (1)对于标称无人机系统，即不考虑扰动和故障的影响，满足如下结果：其中，表示取期望运算； ⑵考虑扰动和故障作用，在零初始条件下，性能指标印 满足如下约束： 其中，]"表示代价函数，￡^)，4(0,4乂?1)分别表示向量6 ;(1:)，6)^(1:)，61^(1:)的 转置，参数β与β"，0f，Α相关，β"，0f，$分别为w(t)，f(t)，/⑴幅值上界，其中 u仍= [u;(，)，…，/(oh:.//(~，，/义#，= 数； 确定分散式状态观测器、自适应故障估计器与容错控制器的相关参数：P为对称正定矩阵，λ_⑵表示矩阵P的最小特征值，λ_(ΒτΒ)表示矩阵BTB的，4?(?表示矩阵￡的最大特征值，丫i(i= 1，2,. . .，5)为可设 计的正常数； 通过上述分散式状态观测器、自适应故障估计器与容错控制器实现容错编队。 本专利技术具有如下优点： 本专利技术考虑到无人机的非线性动态特性、外界扰动、测量噪声和信道干扰，构建无 人机的非线性随机动态模型；利用该模型以及参考轨迹给定信息和邻居无人机之间的信息 交互，可以得到该架无人机的输出测量数据；利用该测量数据为每架无人机设计分散式状 态观测器和自适应故障估计器，以便对该无人机的状态信息和故障信号进行在线估计；在 此基础之上，利用实时状态和故障估计信息设计一种容错控制器，以确保系统编队误差、状 态估计误差和故障估计误差渐进收敛到可控的误差界限之内；最后利用无人机的输出测量 信息和估计信息对编队误差和状态估计误差动态进行稳定性分析，以确定分散式状态观测 器、自适应故障估计器与容错控制器的相关参数，实现容错编队。本专利技术方法有效解决了存 在干扰、噪声和信道扰动的非线性无人机群的故障估计和容错编队控制问题。【附图说明】图1为本专利技术中的流程 示意图。 图2为利用本专利技术方法得到的编队轨迹（未进行容错处理）示意图。 图3为利用本专利技术方法得到的跟踪误差（未进行容错处理）示意图。 图4为利用本专利技术方法得到的编队轨迹（进行容错处理）示意图。当前第本文档来自技高网...
【技术保护点】
考虑随机扰动的非线性多无人机系统容错编队控制方法，其特征在于，包括如下步骤：a构建无人机非线性随机动态模型，利用该模型以及参考轨迹给定信息和邻居无人机之间的信息交互，得到每架无人机的输出测量信息；b利用每架无人机的输出测量信息设计分散式状态观测器和自适应故障估计器，对该无人机的状态信息和故障信号进行在线估计；c利用估计的状态和故障信息，为每架无人机设计容错控制器；d利用无人机的输出测量信息和估计信息对编队误差和状态估计误差动态进行稳定性分析，以确定分散式状态观测器、自适应故障估计器与容错控制器的相关参数，实现容错编队。
【技术特征摘要】
【专利技术属性】
技术研发人员：周东华，史建涛，何潇，卢晓，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。