本发明涉及一种基于记忆免疫学的多个飞行器飞行控制方法，属于飞行器飞行控制领域。
背景技术：
多重飞行器形成飞行是一种新兴的概念，它代表了在较小，较便宜和合作的飞行器之间分配大型飞行器的功能的想法。在科学，特别是军事目的的应用中具有巨大的潜力。
目前有一种多个飞行器飞行控制方法是一种基于地球轨道上的引导跟随架构的非线性系统模型，描述了跟随者飞行器对领先飞行器的相对位置动力学。在这个模型中，每个飞行器被认为是自由空间中的点质量演化。飞行员提供了一个基本的参考运动轨迹，通过沿着{x，y，z}轴的相对距离识别另一个所需的轨迹，用于跟随者飞行器跟踪。此外，我们假设领先的飞行器在地球周围是圆形轨道。惯性坐标系{x，y，z}附在地球的中心。令r(t)∈r3表示从惯性坐标系的起点到领导飞行器的位置矢量，qf(t)∈r3是从领先飞行器坐标系起源到随动飞行器的位置矢量。领导飞行器坐标系{xl，yl，zl}连接到领航飞行器上，xl轴指向与切向速度相反的方向，yl轴指向矢量的方向，zl轴相互垂直到xl轴和yl轴。
虽然对领导者跟随者结构进行了一些研究，由于轨道环境复杂，传统的控制方法面临诸多挑战，如自适应和可变结构控制方法，因为在高空的情况下,很难得到扰动和不确定性的相对详细信息，甚至是飞行器相对准确的模型。
技术实现要素：
本发明为了解决现有技术中存在的问题，提供一种基于记忆免疫学的多个飞行器飞行控制方法，弥补了因为在空间外的情况下，很难得到扰动和不确定性的相对详细信息，甚至是飞行器相对准确的模型，从而导致多个飞行器无法紧密形成飞行的高度鲁棒和适应性控制。为实现上述技术目的，本发明的技术方案为：。
为了达到上述目的，本发明提出的技术方案为：一种基于记忆免疫学的多个飞行器飞行控制方法，应用于非线性msff系统模型的控制，该控制方法的控制器为：
u＝(1-σ)un+σua
以t为抽样期，u＝[uk-1，uk-2，…uk-m]t存储过去的控制经验，s＝[sk，sk-1，…sk-m]t，存储过去的反馈信息，变量
对上述技术方案的进一步设计为：所述免疫选择功能为：
其中，μ，ε为大于0的任意常数，exp为以自然常数e为底的指数函数
本发明的有益效果为：
本发明的方法不依赖于关于系统模型和环境不确定性的精确信息，利用过去的控制经验和当前的系统行为来产生新的控制动作，得到飞行器转向所需的位置。此外，与大多数其他方法相比，该控制方法需要较少的计算。更加适合未来多飞行器飞行的控制应用。
本发明通过记忆免疫学控制方法弥补了多个飞行器无法紧密形成飞行的高度鲁棒和适应性控制，并取得了良好的性能。
附图说明
图1是人类记忆/学习系统结构示意图。
图2是免疫系统克隆选择结构示意图。
图3是非线性的系统模型的示意图。
图4是非线性的系统模型的顶视图。
图5是基于记忆/免疫学的控制的流程图。
具体实施方式
下面结合附图和具体实施方式对本申请作进一步详细的说明。
以下将结合附图，对本发明的技术方案进行详细说明。
如图1所示为人类记忆/学习系统结构示意图，该图清楚的表现出学习和记忆的三个阶段：
(1)编码，涉及在呈现学习材料过程中发生的过程；
(2)存储器，其中作为编码的结果，一些信息存储在存储器系统内；
(3)检索，其涉及从存储器系统中恢复或提取存储的信息；
如图2所示为免疫系统克隆选择结构示意图。
人类免疫系统在两个层面上起着病态控制的总体目标：一种普遍的反应机制，称为天生免疫，不直接对任何特定的病原体产生反应，还有一种称为获得性免疫的特异的抗体介导的反应机制。
免疫系统中的每种类型的b细胞被遗传编程以分泌能够识别一种特定抗原的抗体。因此，免疫系统作为一个整体可以识别大量的抗原；任何类型的b细胞都只是整体的一小部分。当一种类型的抗原被识别并结合抗体时，分泌该抗体的这种类型的b细胞被诱导迅速增殖。换句话说，它是刺激的。因此，产生更合适的抗体来应对感染。一种类型的抗原可以被几种类型的抗体识别，其中最合适的是被强烈刺激，而较不合适的接受较少的刺激。
本实施例所应用的非线性的系统模型如图3和图4所示，从这两示意图我们可以得到系统的物理数学模型，飞行员提供了一个基本的参考运动轨迹，通过沿着{x,y,z}轴的相对距离识别另一个所需的轨迹，用于跟随者飞行器跟踪。此外，我们假设领先的飞行器在地球周围是圆形轨道。
惯性坐标系{x,y,z}附在地球的中心。令r(t)∈r3表示从惯性坐标系的起点到领导飞行器的位置矢量，qf(t)∈r3是从领先飞行器坐标系起源到随动飞行器的位置矢量。领导飞行器坐标系{xl，yl，zl}连接到领航飞行器上，xl轴指向与切向速度相反的方向，yl轴指向矢量的方向，zl轴相互垂直到，xl轴和yl轴。跟随者飞行器相对于领航者的动态行为的数学模型是:
mfq”+c(ω)q'+n(q,ω,r,ul)+δf＝uf
或者
f(·)＝-c(ω)q'-n(q,ω,r,ul)
其中uf∈r3是跟随者飞行器的实际控制输入向量，mf是跟随者飞行器的质量，c(ω)∈r3*3是科里奥利样矩阵，ul是前领导者控制输入向量、f(.)表示一个非线性术语定义，n(·)∈r3*3是非线性术语定义：
m是地球的质量，g是通用重力常数，ω是领导飞行器的角速度，ulx，uly和ulz是前导控制输入向量的分量，δf是总扰动和不确定的力量，ml代表领导者飞行器的质量。
如图5是本实施例的基于记忆免疫学的控制的流程图
基于记忆的控制方法如下：
对于任意系统表示为:
x'＝f(·)+g(·)u
其中u是控制信号，u代表过去的控制体验，e代表过去的反馈信息，ω1是行为记忆系数向量，ω2是反馈记忆系数向量，g为逻辑函数,g(.)表示一个非线性术语定义。
这种结构类似于人类的记忆和学习系统。一旦被某个任务刺激，人脑分析其周围环境(系统工作环境)及其自身状态(系统状态)，然后将那些与过去的经验(u和e)结合起来产生所需的控制行为，即保存在内存中以备将来检索。
更具体地说，取决于内存中追溯多少个步骤或多长时间，有不同的基于订单内存的控制器。对于仅涉及短期内存的1阶存储器控制器，ω1＝[1]t，ω2＝[-2，1]t，u＝[uk-1]，e＝[ek，ek-1]。k表示当前时间kt，其中t为采样周期。通过使用欧拉近似并对一阶记忆控制执行运算，可以容易地看出，随着时间的推移
ek+1＝t(fk-fk-1)
因此，
||sk+1||≤t2c0
其中，e表示为跟踪误差，f表示扰动，c0表示扰动的变化率，s表示跟踪误差的范围；
这表示扰动的变化率和不可能无限的不确定性，采样间隔t是非常小的数，t平方更小，因此跟踪误差被限制在非常窄的范围内。
然而，基于记忆的控制的问题是，在一开始，没有以前的记忆可以访问，因此，控制器非常不成熟。
因此本实施例将基于记忆的控与免疫学控制进行结合，一种记忆免疫学控制的新方法，该方法遵循以下公式：
u＝(1-σ)un+σua
其中u是总体控制信号(总体免疫反应)，un和ua是两种候选物(池中的两种抗体)，σ是调节各种抗体浓度的函数，称为免疫选择功能。
上式中un的选择很简单，un是一般的和经典的比例子控制器，ua是基于内存的子控制器。在本文中，免疫选择功能为：
其中，μ，ε为大于0的任意常数，exp为以自然常数e为底的指数函数。
函数值接近0，因此一般响应往往更多，而当||e||变小时，这意味着学习经验已经精确并已经成熟，其功能值为1，因此，特异性抗体起作用。
将本实施例基于记忆免疫学的控制方法应用到msff系统的控制设计中为，首先，我们引入一个新的变量
u＝(1-σ)un+σua
以t为抽样期，u＝[uk-1，uk-2，…uk-m]t存储过去的控制经验，s＝[sk，sk-1，…sk-m]t，存储过去的反馈信息，ω1∈rm是行为记忆系数向量，ω2∈rm+1是反馈记忆系数向量。这意味着控制器的追溯效应是时间(k-m)t。
当m＝1时，我们有
ω1＝[1]t
ω2＝[-2,1]t
通过使用欧拉近似并进行一系列的数学运算，可以容易地表示为t→∞，sk+1＝t(δfk-δfk-1)。因此，||st+1||≤t2c0，其中c0＝max||dδf(·)/dt||，表示变化率干扰和不确定性不能是无限的，采样间隔t是非常小的数，t平方甚至更小，因此跟踪误差被限制在非常窄的范围内。以前的分析是基于一级控制器,类似的分析可以做出更高阶的情况。
基于免疫学/记忆的控制带来了免疫系统的灵感，它了解免疫系统如何通过选择不同的抗体并将该过程应用于系统控制来产生适当的免疫应答。当将其用于具有大量干扰和不确定性的系统时，该方法特别有效和优越，因为它要求关于扰动和不确定性的少量信息，并不依赖于精确的模型动力学。与大多数其他方法相比，该控制方法需要较少的计算。理论证明和模拟结果都证实了所提方法的有效性，更加适合未来多飞行器飞行的控制应用。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。