【技术实现步骤摘要】
本专利技术属于非电变量的控制或调节系统的，特别涉及一种陆地、水上、空中或太空中的运载工具的位置、航道、高度或姿态的控制的变时域事件触发交会对接协同预测控制方法。
技术介绍
1、随着信息时代的到来，空地协同工作被广泛应用于多种任务场景下，如在危险复杂环境搜索救援等任务中，无人机、无人车等自主无人设备实现空地协同，发挥着重要的作用。
2、这种自主无人设备实现空地协同需要无人机能够自主降落在静止或移动的无人车上进行充电，然后起飞执行新任务。不同于传统的单独无人机控制，无人机和无人车进行协同控制具有很大的难度和挑战性，特别是如何高效、精确地实现包括固定翼、四旋翼及六旋翼等类型的无人机和无人车协同控制以完成交会对接更具挑战。
3、对于这类自主无人设备，传统的控制主要采用pid控制法，虽然其原理简单且实施容易，但是无法处理在实际情况带来的约束等问题；而模型预测控制方法虽然能够同时保证系统的最优性能和处理约束问题，但是由于模型预测控制中的优化问题需要在每一个采样时刻在线求解，许多采样间隔较小的实际系统无法满足实时计算的要求，因此不适用于快速响应的动态系统。而在每个采样时刻都被重复求解的优化问题也导致了计算量的增加和计算资源的浪费。
技术实现思路
1、本专利技术为了解决目前技术存在的问题，提出一种面向固定翼无人机和无人车的变时域事件触发交会对接协同预测控制方法。
2、本专利技术采用的技术方案为，一种变时域事件触发交会对接协同预测控制方法，所述方法用于无人机和无人
3、步骤1：按欧拉法分别建立无人机和无人车的状态方程和观测方程的离散模型；
4、步骤2：建立对无人机和无人车的状态约束和控制约束；
5、步骤3：建立随状态变化自行调整触发阈值的自适应事件触发机制；
6、步骤4：定义自适应预测时域更新策略；
7、步骤5：控制无人车以一定的轨迹行驶，根据无人机和无人车运动过程的几何关系确定无人机的自适应预测轨迹，并控制无人机按该轨迹飞行，实现控制。
8、优选地，步骤2中，无人机的状态约束和控制约束为
9、va,min≤va≤va,max,ha,min≤ha≤ha,max
10、γa,min≤γa≤γa,max,nx,min≤nx≤nx,max
11、ny,min≤ny≤ny,max,nh,min≤nh≤nh,max
12、其中，va为无人机的飞行速度，ha为无人机的飞行高度，γa为无人机的路径角，nx、ny、nz分别为无人机的切向过载控制量、法向过载控制量、垂直过载控制量，·a,min和·a,max分别为无人机对应的状态量的约束下界和上界。
13、优选地，步骤2中，无人车的状态约束和控制约束为
14、vg,min≤vg≤vg,max,δmin≤δ≤δmax
15、其中，vg为无人车速度，δ为控制量，·g,min和·g,max分别为无人车对应变量的约束下界和上界。
16、优选地，步骤3中，事件触发条件为
17、
18、其中，ξ∈(tl,tl+1]，x(ξ|tl)为实际系统下tl时刻预测到的ξ时刻的状态值，为名义系统下tl时刻预测到的ξ时刻的状态值，p为权重矩阵，δ(ξ)为ξ时刻的触发阈值，x为状态量；此处实际系统是指需要快速求解控制的系统，其对计算时间要求高，包括但不限于快速响应系统；
19、定义自适应规律得到触发阈值的下界和上界；
20、约定下一时刻的触发时间满足其中，nl为tl时刻的预测时域。
21、优选地，θ满足，
22、
23、其中，ξ为自定义的最大允许误差，σ1、σ2、ρ1、ρ2为自适应参数，σ1、σ2均大于0，e(·)为指数函数，δlmin和δlmax分别为(tl,tl+1]时间内触发阈值的下界和上界，满足
24、
25、其中，α∈(0,1)，nl为tl时刻的预测时域，η为扰动的上界，此处由于δlmax递增、δlmin递减，为了保证δlmin始终小于δlmax，故选择合适的参数使得初始时刻δlmin小于δlmax；ls为李普希兹常数，rf、r分别为名义系统和实际系统的终端约束集参数，λmax(·)为矩阵的最大特征值，p为权重矩阵；实际系统为带扰动的模型，名义系统则不考虑扰动。
26、优选地，当k＝tl+nl时刻仍未达到触发条件，在k＝tl+nl时刻重新求解优化问题。
27、优选地，步骤4中，自适应预测时域更新策略为
28、
29、其中，nl为tl触发时刻的预测时域，μl为tl时刻预测时域的收缩因子，为到达终端域边界的时间间隔，α∈(0,1)，in(·)为以10为底的对数函数，rf、r分别为名义系统和实际系统的终端约束集参数，q、p、r为权重矩阵，可以自行调节，k为状态反馈矩阵，q*为矩阵q与ktrk的和，(·)t为矩阵的转置，λmax(·)和λmin(·)分别为矩阵的最大和最小特征值。
30、优选地，步骤5中，无人车以一定的轨迹行驶，控制包括每一时刻地面固定坐标系下无人车的水平面位置及期望航向角期望速度令无人车的期望状态量终端状态量设计无人车的目标代价函数，对无人车进行控制优化；此处des是指设计(design)。
31、优选地，结合无人车的运动轨迹，在固定飞行路径角γ*的条件下，根据无人机和无人车的相对轨迹和绝对轨迹的关系，以及当前时刻无人机和无人车的状态信息进行实时更新，得到无人机的自适应预测轨迹，包括无人机每一时刻在地面固定坐标系下的水平面内的位置和飞行高度及设计期望路径角和航向角期望速度令固定翼无人机的期望状态量终端状态量设计无人机的目标代价函数，对无人机进行控制优化。
32、优选地，当满足触发机制时，求解得到无人机和/或无人车的控制序列、状态序列和预测时域，采用控制序列的第一个元素，分别更新触发阈值的下界和上界及下一次触发时刻的预测时域；其余条件下，采用上一次触发时刻求解得到的控制序列中对应时刻的控制量；
33、计算当前触发时刻到下一次触发时刻的触发阈值，重复判断是否满足触发机制，当无人机或无人车的状态进入终端集中，结合状态反馈控制律得到相应的控制量，将完整的控制序列作用于无人机和无人车的执行器中，通过协同控制完成交会对接任务；控制律即u＝kx，k为状态反馈矩阵，x为状态量。
34、本专利技术涉及一种变时域事件触发交会对接协同预测控制方法，用于无人机和无人车的交会对接协同，按欧拉法分别建立无人机和无人车的状态方程和观测方程的离散模型，建立对无人机和无人车的状态约束和控制约束，建立随状态变化自行调整触发阈值的自适应事件触发机制并定义自适应预测时域更新策略；控制无人车以一定的轨迹行驶，根据无人机和无人车运动过程的几何关系确定无人机的自适应预测轨迹，并控制无人机按该轨迹飞行，实现控制。
<本文档来自技高网...【技术保护点】
1.一种变时域事件触发交会对接协同预测控制方法，其特征在于：所述方法用于无人机和无人车的交会对接协同，包括以下步骤：
2.根据权利要求1所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：步骤2中，无人机的状态约束和控制约束为
3.根据权利要求1所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：步骤2中，无人车的状态约束和控制约束为
4.根据权利要求1所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：步骤3中，事件触发条件为
5.根据权利要求4所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：θ满足，
6.根据权利要求4所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：当k＝tl+Nl时刻仍未达到触发条件，在k＝tl+Nl时刻重新求解优化问题。
7.根据权利要求1所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：步骤4中，自适应预测时域更新策略为
8.根据权利要求1所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：步
9.根据权利要求8所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：结合无人车的运动轨迹，在固定飞行路径角γ*的条件下，根据无人机和无人车的相对轨迹和绝对轨迹的关系，以及当前时刻无人机和无人车的状态信息进行实时更新，得到无人机的自适应预测轨迹，包括无人机每一时刻在地面固定坐标系下的水平面内的位置和飞行高度及设计期望路径角和航向角期望速度令固定翼无人机的期望状态量终端状态量设计无人机的目标代价函数，对无人机进行控制优化。
10.根据权利要求9所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：当满足触发机制时，求解得到无人机和/或无人车的控制序列、状态序列和预测时域，采用控制序列的第一个元素，分别更新触发阈值的下界和上界及下一次触发时刻的预测时域；其余条件下，采用上一次触发时刻求解得到的控制序列中对应时刻的控制量；
...【技术特征摘要】
1.一种变时域事件触发交会对接协同预测控制方法，其特征在于：所述方法用于无人机和无人车的交会对接协同，包括以下步骤：
2.根据权利要求1所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：步骤2中，无人机的状态约束和控制约束为
3.根据权利要求1所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：步骤2中，无人车的状态约束和控制约束为
4.根据权利要求1所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：步骤3中，事件触发条件为
5.根据权利要求4所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：θ满足，
6.根据权利要求4所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：当k＝tl+nl时刻仍未达到触发条件，在k＝tl+nl时刻重新求解优化问题。
7.根据权利要求1所述的一种变时域事件触发交会对接协同预测控制方法，其特征在于：步骤4中，自适应预测时域更新策略为
8.根据权利要求1所述的一种变时域事件触发交会对接协同预测控...
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。