一种无人机编队中僚机控制指令的确定方法及终端设备技术

本申请适用于无人机控制技术领域，提供了一种无人机编队中僚机控制指令的确定方法及终端设备，其中，该方法根据无人机编队飞行时的运动模型、预先定义的长机和僚机的初始状态量，在控制量的作用下，得到长机和僚机的中间状态量；根据长机和僚机的中间状态量，计算僚机相对长机的状态误差；对预先定义的状态误差论域和控制指令误差论域进行语言变量划分，得到状态误差语言变量集和控制指令误差语言变量集；根据各语言变量集中语言变量值的隶属度函数以及模糊控制规则，确定控制指令模糊约束；基于DMPC方法，根据控制指令模糊约束确定僚机的控制指令。本申请能够降低僚机控制能量的消耗。的消耗。的消耗。

【技术实现步骤摘要】
一种无人机编队中僚机控制指令的确定方法及终端设备


[0001]本申请属于无人机控制
，尤其涉及一种无人机编队中僚机控制指令的确定方法及终端设备。

技术介绍

[0002]近年来，固定翼无人机(UAV，Unmanned Aerial Vehicle)集群协同执行任务已经成为无人机系统应用的重要发展趋势，小型多无人机具有高协同性、多任务、低成本等优势备受关注。无人机编队控制技术作为多无人机协同的子问题得到了广泛的研究，无人机编队飞行的目标是通过控制各个无人机的行为以达到理想的队形。
[0003]常见的编队飞行策略有主从法、虚拟结构法、基于行为法、共识理论等。无人机编队按照通信方式可划分为集中式和分布式两种，集中式方法中是编队中建立一个控制中心来实现对整个编队的控制，而分布式方法则是通过相邻个体之间的信息交换来完成整体的编队。因分布式控制不存在控制中心，相比集中式具有更好的灵活性和扩展性。对于编队控制方法，常见的有一致性控制、自适应反馈，滑模控制、模糊控制等，但这些方法不便于处理约束，而使用优化的方法，如分布式模型预测控制(DMPC，Di本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机编队中僚机控制指令的确定方法，其特征在于，包括：根据无人机编队飞行时的运动模型、预先定义的长机初始状态量和预先定义的僚机初始状态量，在控制量的作用下，得到所述长机的中间状态量和所述僚机的中间状态量；根据所述长机的中间状态量和所述僚机的中间状态量，计算僚机相对长机的状态误差；对预先定义的僚机的状态误差论域以及预先定义的控制指令误差论域进行语言变量划分，得到僚机的状态误差语言变量集和僚机的控制指令误差语言变量集；根据所述状态误差语言变量集中每个语言变量值对应的隶属度函数、所述控制指令误差语言变量集中每个语言变量值对应的隶属度函数以及预先定义的控制指令模糊控制规则，确定僚机的控制指令模糊约束；基于分布式模型预测控制方法，根据僚机的控制指令模糊约束确定僚机的控制指令。2.根据权利要求1所述的确定方法，其特征在于，所述无人机编队飞行时的运动模型的表达式如下：表达式如下：表达式如下：其中，(x
i
,y
i
)表示所述无人机编队中第i个僚机在惯性坐标系下的坐标，ψ
i
表示第i个僚机的航向角，V
i
表示第i个僚机的速度，ω
i
表示第i个僚机的角速度，ψ
ic
表示第i个僚机的航向角控制指令，V
ic
表示第i个僚机的速度控制指令，和均表示自动驾驶仪航向角通道的惯性时间常数，τ
v
表示速度通道的惯性时间常数，i＝1，2，...，N
a
，N
a
表示所述飞行编队中僚机的总数量，V
min
表示僚机最小飞行速度，V
max
表示僚机最大飞行速度，a
max
表示僚机最大加速度，ω
max
表示僚机最大角速度，α
max
表示僚机最大角加速度，表示第i个僚机的角加速度，表示第i个僚机的加速度。3.根据权利要求2所述的确定方法，其特征在于，所述长机的中间状态量X0＝[x，y，ψ，V，ω]
T
；所述僚机的中间状态量X
i
＝[x
i
，y
i
，ψ
i
，V
i
，ω
i
]
T
；其中，X
i
表示第i个僚机的中间状态量；所述根据所述长机的中间状态量和所述僚机的中间状态量，计算僚机相对长机的状态
误差，包括：将北东坐标系P
n
OP
e
作为惯性坐标系，并将所述长机作为参考点R，得到参考点R在所述惯性坐标系中的状态量X
R
，X
R
＝[x
R
，y
R
，ψ
R
，V
R
，ω
R
]
T
；所述参考点的位置和所述参考点的状态量由长机的状态量确定；在所述惯性坐标系中建立以所述长机为参考点的参考点坐标系X
R
OY
R
，并确定第i个僚机的目标点G
i
在所述参考点坐标系X
R
OY
R
中的坐标通过计算公式得到第i个僚机在惯性坐标系中目标点G
i
的状态量的状态量其中，通过计算公式得到所述状态误差表示第i个僚机在参考点坐标系下相对长机的状态误差；其中，表示惯性系到参考系的坐标转换矩阵，x
i
、y
i
、ψ
i
、V
i
以及ω
i
均表示第i个僚机在参考点坐标系下的状态量，机在参考点坐标系下的状态量，机在参考点坐标系下的状态量，表示第i个僚机在参考点坐标系下相对长机x方向的误差，表示第i个僚机在参考点坐标系下相对长机y方向的误差，表示第i个僚机在参考点坐标系下相对长机的航向角误差，表示第i个僚机在参考点坐标系下相对长机的速度误差，表示第i个僚机在参考点坐标系下相对长机的角速度误差。4.根据权利要求3所述的确定方法，其特征在于，所述控制指令误差包括第i个僚机的速度控制指令误差和第i个僚机的航向角控制指令误差5.根据权利要求4所述的确定方法，其特征在于，所述语言变量包括NB、NM、MS、Z、PS、PM以及PB；其中，NB表示较大负误差，NM表示中等负误差，MS表示较小负误差，Z表示几乎无误差，PS表示较小正误差，PM表示中等正误差，PB表示较大正误差；所述状态误差语言变量集表示第i个僚机的状态误差语言变量集；其中，
所述控制指令误差语言变量集所述控制指令误差语言变量集表示第i个僚机的控制指令误差语言变量集；其中，量集；其中，6.根据权利要求5所述的确定方法，其特征在于，所述根据所述状态误差语言变...

【专利技术属性】
技术研发人员：陈琪锋，郝文康，廖宇新，戴明哲，魏才盛，蔡德恩，
申请(专利权)人：中南大学，
类型：发明
国别省市：