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技术方案

本发明专利技术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。本发明专利技术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。

Coordinated control method and system of escort mission based on obstacle environment and bounded input

【技术实现步骤摘要】
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
本专利技术涉及护航任务的协同控制
，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。
技术介绍
本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
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。
技术实现思路
为了解决上述问题，本专利技术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。在一些实施方式中，采用如下技术方案：基于障碍环境和有界输入的护航任务协同控制方法，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(IRPD-SMC)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。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，其控制律为：其中，kαi是位置误差相关的增益，用于消除位置误差；kβi是差分相关的增益，用于预测整体响应趋势并防止系统动作过于剧烈；λ是近似比例增益；ki是鲁棒项增益，κ为常数；是参考转矩ρi的估计值、ei是位置跟踪误差、是速度跟踪误差,si是滑模面。在另一些实施方式中，采用如下技术方案：基于障碍环境和有界输入的护航任务协同控制系统，包括：控制器，所述控制器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。在另一些实施方式中，采用如下技术方案：一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行上述的基于障碍环境和有界输入的护航任务协同控制方法。在另一些实施方式中，采用如下技术方案：一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的基于障碍环境和有界输入的护航任务协同控制方法。与现有技术相比，本专利技术的有益效果是：在存在模型不确定性、干扰和障碍的情况下，本文研究了多欧拉拉格朗日系统在有界输入下护航任务的协调控制问题；设计了由NSB和IRPD-SMC组成的鲁棒分层控制结构；为了避免障碍和完成护航任务，在外环设计中采用了NSB控制并产生内环所需的速度和轨迹；内环设计中提出了IRPD-SMC来跟踪期望的轨迹和速度。这样，控制器很好地补偿了未知干扰和参数不确定性，确保了控制输入有界，实现了快速收敛、鲁棒和零稳态误差。最终，在p维空间下所有的机器人都能够实现在目标周围均匀分布且在指定距离下鲁棒地护送目标同时避免障碍(这里p≥2是一个正整数)。在实际中，执行器的能力是有限的，很多情况下它们可能无法产生所期望的足够大力矩，从而会导致控制系统的性能下降。因此考虑控制输入有界这个实际问题，确保输入是有限幅值的，可以保证控制系统性能稳定，保证控制系统在实际中可以得到真正地应用。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。本专利技术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，使得该控制器在实际中易于实现。附图说明图1为本专利技术实施例一中基于障碍环境和有界输入的护航任务协同控制框图；图2为本专利技术实施例一中双曲正切函数和反正切函数示意图；图3为本专利技术实施例一中5.5*arctan(0.2*x)和arctan(0.2*x)的函数曲线；图4为本专利技术实施例一中在情况1中采用IRPD-SM本文档来自技高网...

【技术保护点】
1.基于障碍环境和有界输入的护航任务协同控制方法，其特征在于，包括：/n采用多欧拉-拉格朗日系统描述护航任务的物理模型；/n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。/n

【技术特征摘要】
1.基于障碍环境和有界输入的护航任务协同控制方法，其特征在于，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。


2.如权利要求1所述的基于障碍环境和有界输入的护航任务协同控制方法，其特征在于，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，其控制律为：



其中，kαi是位置误差相关的增益，用于消除位置误差；kβi是差分相关的增益，用于预测整体响应趋势并防止系统动作过于剧烈；λ是近似比例增益；ki是鲁棒项增益，κ为常数；是参考转矩ρi的估计值、ei是位置跟踪误差、是速度跟踪误差,si是滑模面。


3.如权利要求2所述的基于障碍环境和有界输入的护航任务协同控制方法，其特征在于，自适应径向基函数神经网络具体为：



其中，是神经网络的输入信号，是权值矩阵，ν是隐藏层中神经元的数量，Φi(Xi)是激活函数；
权值更新率设计如下：



其中，μi是正定对角增益矩阵。


4.如权利要求2所述的基于障碍环境和有界输入的护航任务协同控制方法，其特征在于，为了消除震颤，引入双曲正切函数tanh(·)来替代不连续的sign(·)函数，所述控制律修改为：



其中，


5.如权利要求1所述的基于障碍环境和有界输入的护航任务协同控制方法，其特征在于，所述物理模型包括：多机械臂、多移动机器人、多水下航行器、多水面船只、多步行机器人、多航天器中的任一种。


6.如权利要求1所述的基于障碍环境和有界输入的护...

【专利技术属性】
技术研发人员：宋锐，高嵩，郑玉坤，李贻斌，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37