一种多水下直升机协同编队控制方法技术

本发明专利技术公开了一种多水下直升机协同编队控制方法，包括：(1)对水下直升机AUH进行动力学建模，构建AUH的编队系统；(2)设计具有有限时间形式的性能函数，在约束系统瞬态及稳态性能的同时，预先设定系统的收敛时间；(3)构建基于RBFNN和扰动观测器的状态观测器，用于观测状态变量；(4)基于观测得到的状态变量，在反步法框架下设计基于神经网络的协同编队控制器。利用本发明专利技术，通过协同编队控制器使得AUH编队在追踪参考轨迹的同时保持预设的编队构型，在性能函数的限制下系统达到预设的瞬态和稳态性能。性能。性能。

【技术实现步骤摘要】
一种多水下直升机协同编队控制方法


[0001]本专利技术属于水下直升机控制领域，尤其是涉及一种多水下直升机协同编队控制方法。

技术介绍

[0002]伴随着海洋科学研究和资源开发的进展，以海底油气资源勘探、海底油气管线监测和失事飞机及轮船搜救等为代表的海洋工程作业与应急搜寻任务，需要多个AUV在外部环境的扰动下，保持编队构型并跟踪规划的路径。水下直升机(Autonomous underwater helicopter,AUH)是一种碟型的AUV，相较于传统的鱼雷型AUV，碟型的造型更加适合水下机动性作业，例如可以实现全周回转、垂直起降等常规AUV难以实现的运动方式。因此，多个AUH形成的编队系统相较于多AUV编队更加便捷。
[0003]水下环境通常复杂且动态变化，包括水流、水深、海洋生态等多方面因素的影响。此外，水下环境中存在不确定性，如水下传感器的噪声、通信的时延和不可靠性等。这些因素增加了AUV编队控制的复杂性，需要编队系统具备适应环境变化和处理不确定性的能力。现有研究对以上问题提出了一些有效的解决方案，径向基函数神经网络(Radial basis function neural network,RBFNN)广泛用于逼近系统的动力学不确定项，状态观测器用于估计不可测的高阶量，预设性能控制方法用于AUV的控制中优化了跟踪误差收敛的暂态过程等。
[0004]如公开号为CN113821028A的中国专利文献公开了一种基于分布式模型预测控制的欠驱动AUV编队轨迹跟踪控制方法，利用径向基函数神经网络逼近不确定的部分系统方程，结合最小学习参数法，减小计算复杂度。
[0005]公开号为CN113009826A的中国专利文献公开了一种基于新型误差变换的AUV预设性能轨迹跟踪控制方法，采用了改进的性能函数和新的误差变换方法，使AUV轨迹跟踪误差能够在规定的时间内收敛。
[0006]上述研究成果充分研究了使用各种策略控制AUV精确跟踪参考轨迹，然而，这些轨迹跟踪方法所使用的预设性能控制方法虽然能够加快跟踪误差的收敛速度，但不能直观的设定跟踪误差收敛至稳态过程的时间。此外，现有研究充分利用了RBFNN对非线性项的逼近能力，却忽略了RBFNN的学习能力。

技术实现思路

[0007]本专利技术提供了一种多水下直升机协同编队控制方法，使得AUH编队能够在跟踪参考轨迹的同时保持预设的编队构型，并且在性能函数的限制下达到预设的瞬态和稳态性能。
[0008](1)对水下直升机AUH进行动力学建模，构建AUH的编队系统；
[0009](2)设计具有有限时间形式的性能函数，在约束系统瞬态及稳态性能的同时，预先设定编队系统的收敛时间；
[0010](3)构建基于RBFNN和扰动观测器的状态观测器，用于观测状态变量；
[0011](4)基于观测得到的状态变量，在反步法框架下设计基于神经网络的协同编队控制器；
[0012]通过协同编队控制器使得AUH编队在追踪参考轨迹的同时保持预设的编队构型，在性能函数的限制下系统达到预设的瞬态和稳态性能。
[0013]步骤(1)中，对水下直升机AUH进行动力学建模时，第i个AUH的动力学模型描述为
[0014][0015][0016]式中，下标表示第i个AUH，表示AUH在世界坐标系下的坐标位置及偏角，J(η
i
)表示世界坐标系与体坐标系之间的坐标转换矩阵，v
i
＝[u
i
,υ
i
,w
i
,p
i
,q
i
,r
i
]T
表示AUH在体坐标下的线速度与角速度，M表示质量惯性矩阵，C0(v
i
)表示科氏力和向心力矩阵，ΔC(ν
i
)表示科氏力和向心力矩阵中的不确定部分，D0(v
i
)表示水动力阻尼矩阵，ΔD(ν
i
)表示水动力阻尼矩阵中的不确定部分，g表示AUH重力和浮力产生的力和力矩矩阵，Δ(η
i
,v
i
)＝[Δ1,Δ2,Δ3,Δ4,Δ5,Δ6]T
表示未建模动力学，τ
d，i
(t)∈R6表示未知时变扰动，τ
i
∈R6表示控制输入；
[0017]进一步将AUH的动力学模型改写为
[0018][0019][0020]式中，J1＝J(η
i
)M
‑1,F
i
＝
‑
J(η
i
)M
‑1ΔC(v
i
)v
i
‑
J(η
i
)M
‑1ΔD(v
i
)v
i
‑
J(η
i
)M
‑1Δ(η
i
,v
i
)，表示系统的复杂不确定项。
[0021]步骤(1)中，构建AUH的编队系统中，由一个虚拟AUH领导者和N个实际AUH追随者组成，他们的位置信息分别由其质点描述，虚拟AUH领导者沿参考轨迹η
d
运动，第i个AUH追随者沿参考轨迹η
r,i
运动，其中，η
d
根据实际需求设计，η
r,i
由下式确定
[0022][0023]式中，为第i个AUH追随者与虚拟AUH领导者的相对位置，其数值决定了编队构型。
[0024]步骤(1)中，AUH的编队系统的通讯拓扑结构由无向图描述；
[0025]其中，表示由N个AUH组成的顶点集合，表示边集合；相关邻接矩阵为对称的半正定矩阵，当第i个AUH能够接收第k个AUH的信息时a
ik
＝1，反之，a
ik
＝0。
[0026]步骤(2)中，所述的性能函数由下式确定：
[0027][0028]式中，ρ(t)表示性能函数，表示ρ(t)对时间的一阶导数，0＜k2＜1，ρ0为设计值，表示性能函数的初值，用于约束系统的超调量，ρ
∞
为设计值，表示性能函数的终值，用于约束系统的稳态误差；t
f
为根据实际需要设定的误差收敛时间；
[0029]e
1,i
＝η
i
‑
η
r,i
，e
1,ij
是e
1,i
在第j个自由度的分量，j＝1
‑
6；
[0030]引入误差转换关系见下式
[0031][0032]式中，ρ
ij
(t)是有限时间形式的性能函数，z
1,ij
是转换误差，T
ij
(z
1,ij
)为误差转换函数。
[0033]误差转换函数T
ij
(z
1,ij
)是光滑的单调本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多水下直升机协同编队控制方法，其特征在于，包括：(1)对水下直升机AUH进行动力学建模，构建AUH的编队系统；(2)设计具有有限时间形式的性能函数，在约束系统瞬态及稳态性能的同时，预先设定编队系统的收敛时间；(3)构建基于RBFNN和扰动观测器的状态观测器，用于观测状态变量；(4)基于观测得到的状态变量，在反步法框架下设计基于神经网络的协同编队控制器；通过协同编队控制器使得AUH编队在追踪参考轨迹的同时保持预设的编队构型，在性能函数的限制下系统达到预设的瞬态和稳态性能。2.根据权利要求1所述的多水下直升机协同编队控制方法，其特征在于，步骤(1)中，对水下直升机AUH进行动力学建模时，第i个AUH的动力学模型描述为水下直升机AUH进行动力学建模时，第i个AUH的动力学模型描述为式中，下标表示第i个AUH，表示AUH在世界坐标系下的坐标位置及偏角，J(η
i
)表示世界坐标系与体坐标系之间的坐标转换矩阵，v
i
＝[u
i
，υ
i
，w
i
,p
i
,q
i
,r
i
]
T
表示AUH在体坐标下的线速度与角速度，M表示质量惯性矩阵，C0(v
i
)表示科氏力和向心力矩阵，ΔC(v
i
)表示科氏力和向心力矩阵中的不确定部分，D0(v
i
)表示水动力阻尼矩阵，ΔD(v
i
)表示水动力阻尼矩阵中的不确定部分，g表示AUH重力和浮力产生的力和力矩矩阵，Δ(η
i
,ν
i
)＝[Δ1，Δ2,Δ3,Δ4，Δ5,Δ6]
T
表示未建模动力学，τ
d,i
(t)∈R6表示未知时变扰动，τ
i
∈R6表示控制输入；进一步将AUH的动力学模型改写为进一步将AUH的动力学模型改写为式中，J1＝J(η
i
)M
‑1,F
i
＝
‑
J(η
i
)M
‑1ΔC(ν
i
)ν
i
‑
J(η
i
)M
‑1ΔD(v
i
)v
i
‑
J(η
i
)M
‑1Δ(η
i
，v
i
)，表示系统的复杂不确定项。3.根据权利要求1所述的多水下直升机协同编队控制方法，其特征在于，步骤(1)中，构建AUH的编队系统中，由一个虚拟AUH领导者和N个实际AUH追随者组成，他们的位置信息分别由其质点描述，虚拟AUH领导者沿参考轨迹η
d
运动，第i个AUH追随者沿参考轨迹η
r,i
运动，其中，η
d
根据实际需求设计，η
r,i
由下式确定式中，为第i个AUH追随者与虚拟AUH领导者的相对位置，其数值决定了编队构型。4.根据权利要求1所述的多水下直升机协同编队控制方法，其特征在于，步骤(1)中，AUH的编队系统的通讯拓扑结构由...

【专利技术属性】
技术研发人员：黄豪彩，吴哲远，宋子龙，王卿，谢苗苗，
申请(专利权)人：浙江大学，
类型：发明
国别省市：