带有扰动补偿的高层消防无人机编队优化控制方法及系统技术方案

本公开公开的带有扰动补偿的高层消防无人机编队优化控制方法及系统，包括：采集无人机编队的运行状态信息；将采集的无人机编队的运行状态信息输入无人机编队优化控制模型中，获取无人机编队的协同控制策略，其中，无人机编队优化控制模型包括无扰动下的分布式哈密顿

【技术实现步骤摘要】
带有扰动补偿的高层消防无人机编队优化控制方法及系统


[0001]本专利技术涉及人工智能及控制
，尤其涉及带有扰动补偿的高层消防无人机编队优化控制方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着城市建设规模不断扩大，如何在复杂多变的火场条件中进行高层建筑灭火及人员逃生越来越受到人们的关注。借助无人机进行现场火情勘察及人员逃生引导成为了一个有效手段。但是高层建筑往往建筑结构复杂，救援任务繁重，单靠一架无人机无法满足实际任务的需要。与单架无人机相比，无人机集群具有的协同控制、能力互补等特点，极大的提高了任务的执行效率。因此，多无人机系统的协同控制是当今无人机领域的研究热点。而多无人机编队控制是其中最受瞩目的研究方向。
[0004]如何获得无人机集群编队的最优协同控制律，使得无人机集群实现编队队形的同时也使性能指标最小，是目前尚未解决的技术问题。

技术实现思路

[0005]本公开为了解决上述问题，提出了带有扰动补偿的高层消防无人机编队优化控制方法及系统，首先以性能指标最小为目标，获得了无扰动情形下的最优协同控制策略，又估计了外部扰动，通过无扰动情形下的最优协同控制策略和估计的外部扰动，获得了无人机编队的协同控制策略，实现了无人机编队队形的同时也使性能指标最小。
[0006]为实现上述目的，本公开采用如下技术方案：
[0007]第一方面，提出了带有扰动补偿的高层消防无人机编队优化控制方法，包括：<br/>[0008]采集无人机编队的运行状态信息；
[0009]将采集的无人机编队的运行状态信息输入无人机编队优化控制模型中，获取无人机编队的协同控制策略，其中，无人机编队优化控制模型包括无扰动下的分布式哈密顿
‑
雅克比
‑
贝尔曼方程和扰动观测器模型，无扰动下的分布式哈密顿
‑
雅克比
‑
贝尔曼方程以性能指标最小为目标，求解获得无扰动情形下的最优协同控制策略，通过扰动观测器模型估计外部扰动，通过无扰动情形下的最优协同控制策略和估计的外部扰动，获得无人机编队的协同控制策略。
[0010]第二方面，提出了带有扰动补偿的高层消防无人机编队优化控制系统，包括：
[0011]数据采集模块，用于采集无人机编队的运行状态信息；
[0012]协同控制策略生成模块，用于将采集的无人机编队的运行状态信息输入无人机编队优化控制模型中，获取无人机编队的协同控制策略，其中，无人机编队优化控制模型包括无扰动下的分布式哈密顿
‑
雅克比
‑
贝尔曼方程和扰动观测器模型，无扰动下的分布式哈密顿
‑
雅克比
‑
贝尔曼方程以性能指标最小为目标，求解获得无扰动情形下的最优协同控制策
略，通过扰动观测器模型估计外部扰动，通过无扰动情形下的最优协同控制策略和估计的外部扰动，获得无人机编队的协同控制策略。
[0013]第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成带有扰动补偿的高层消防无人机编队优化控制方法所述的步骤。
[0014]第四方面，提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成带有扰动补偿的高层消防无人机编队优化控制方法所述的步骤。
[0015]与现有技术相比，本公开的有益效果为：
[0016]1、本公开首先以性能指标最小为目标，获得了无扰动情形下的最优协同控制策略，又估计了外部扰动，通过无扰动情形下的最优协同控制策略和估计的外部扰动，获得了无人机编队的协同控制策略，该控制策略实现了无人机编队队形的同时也使性能指标最小。
[0017]2、本公开在保证无人机集群在保持一致性稳定的基础上，还考虑了最优控制问题，能同时平衡控制精度和控制能量消耗，更加具有实用价值。
[0018]3、本公开采用扰动观测器估计外部扰动，实现对外部扰动的精确补偿，可以更好地提高控制精度。
[0019]4、本公开采用评价网络和执行网络的权重更新方式更加简单，并且克服了大多数基于强化学习的最优控制方法所必须的满足持续激励条件的限制，因此更易于应用于工程实际。
[0020]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0021]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0022]图1为本公开实施例1中涉及的领机
‑
僚机协同编队的水平结构图；
[0023]图2为本公开实施例1中涉及的无人机集群的V型编队及通信拓扑图；
[0024]图3为本公开实施例1中涉及的无人机集群的编队轨迹图；
[0025]图4为本公开实施例1中涉及的外部扰动的估计误差曲线。
具体实施方式：
[0026]下面结合附图与实施例对本公开作进一步说明。
[0027]应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0028]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0029]在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。
[0030]本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。
[0031]实施例1
[0032]近年来，人们在解决无人机集群编队控制时，总是期望设计最优协同控制律能够在无人机集群实现编队队形的同时也使性能指标最小。从物理意义上看，最优协同控制考虑的是如何使每一架无人机用最少的能量达到编队状态。从数学的观点来看，最优控制问题最终转化为求解哈密顿
‑
雅克比
‑
贝尔曼方程，这是最优解存在的充分条件。然而，对于无人机这样的非线性系统来说，哈密顿
‑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.带有扰动补偿的高层消防无人机编队优化控制方法，其特征在于，包括：采集无人机编队的运行状态信息；将采集的无人机编队的运行状态信息输入无人机编队优化控制模型中，获取无人机编队的协同控制策略，其中，无人机编队优化控制模型包括无扰动下的分布式哈密顿
‑
雅克比
‑
贝尔曼方程和扰动观测器模型，无扰动下的分布式哈密顿
‑
雅克比
‑
贝尔曼方程以性能指标最小为目标，求解获得无扰动情形下的最优协同控制策略，通过扰动观测器模型估计外部扰动，通过无扰动情形下的最优协同控制策略和估计的外部扰动，获得无人机编队的协同控制策略。2.如权利要求1所述的带有扰动补偿的高层消防无人机编队优化控制方法，其特征在于，无扰动下的分布式哈密顿
‑
雅克比
‑
贝尔曼方程的构建过程为：对无人机编队中的每个无人机建立无扰动情形下的无人机标称系统数学模型；确定无人机编队中无人机的通信拓扑结构；通过无人机标称系统数学模型和无人机的通信拓扑结构，构建无人机编队中僚机的性能指标函数；通过僚机的性能指标函数构建无扰动下的分布式哈密顿
‑
雅克比
‑
贝尔曼方程。3.如权利要求2所述的带有扰动补偿的高层消防无人机编队优化控制方法，其特征在于，僚机的性能指标函数综合考虑了僚机的系统一致性误差和僚机的控制输入。4.如权利要求1所述的带有扰动补偿的高层消防无人机编队优化控制方法，其特征在于，采用执行
‑
评价双网络结构的强化学习方法求解无扰动下的分布式哈密顿
‑
雅克比
‑
贝尔曼方程，获得无扰动情形下的最优协同控制策略...

【专利技术属性】
技术研发人员：李鸿一，郭子杰，鲁仁全，周琪，刘洋，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：