基于连续通信的多无人机编队一致性控制方法与流程

本发明属于无人机制导控制技术领域，具体涉及基于连续通信的多无人机编队一致性控制方法。

背景技术：

多无人机编队飞行是指多架无人机编排成一定的队形一起飞行的形式。编队控制技术贯穿于多无人机编队飞行的整个过程中，对于任务的顺利开展和完成具有重要的意义。

当前无人机编队控制多采用集中式架构控制方法。集中式控制架构需要设置一个控制中心，该中心掌控全局状态信息，负责控制算法解算与指令生成，并通过通信链路向成员无人机发送指令。成员无人机响应控制中心的指令，实现编队形成、保持、变换等控制功能。控制中心可设置在地面，也可搭载于编队无人机中。集中式控制架构能够从全局上对无人机编队控制问题进行处理，目前广泛用于各类无人机编队控制应用中。

然而，集中式架构的编队控制方法很难适用于信号干扰，环境复杂多变的任务场景中。主要制约因素有以下三个方面。

(1)集中架构控制严重依赖无人机与控制中心间可靠通信。无人机编队与控制中心间，需通过稳定可靠的通信链路传送状态信息与控制指令。随着编队无人机数量增多，网络传输量显著增多，这对系统通信带宽、抗干扰性均提出了很高的要求。在军事与民用领域，无人机编队将在更恶劣的飞行环境下应用。例如：在未来信息化、网络化、体系对抗作战环境下，电磁干扰是无人机集群对抗的主要方式；无人机编队在电力巡检应用中，不可避免地受到强电磁环境干扰。

(2)控制中心成为系统性能瓶颈。编队的全局状态信息与控制信号全部集中于控制中心，如果控制中心处理能力达到上限，将制约编队系统性能进一步提升。此外，控制中心如果发生故障或受到攻击被摧毁，将导致整个编队系统瘫痪，系统结构的鲁棒性差。

(3)控制中心难以保证系统实时性。由于所有编队控制的计算均集中在控制中心，导致其计算量大，求解复杂无人机编队控制往往耗费大量计算时间，无法满足实时性要求。

上述因素严重制约了集中架构的无人机编队在现实场景中的应用。面对越来越复杂的无人机编队应用场景，有必要建立一种分布式的编队控制方法，解决无人机控制中心的通信依赖、性能瓶颈与实时性问题。多无人机连续通信一致性控制算法可应用于分布式架构的无人机编队控制系统构建中。

技术实现要素：

有鉴于此，本发明的目的是提供基于连续通信的多无人机编队一致性控制方法，通过编队无人机交换协同状态信息，构建状态一致性控制器，分布式地计算生成控制指令，控制实现无人机一个或多个状态趋于一致。本方法可作为无人机编队控制架构的基本控制器，并且可灵活选择通信网络拓扑结构，有效避免了控制中心节点带来的问题。

一种基于连续通信的多无人机编队一致性控制方法，包括如下步骤：

步骤1、建立n架无人机间通信网络，用laplacian矩阵描述无人机间通信拓扑结构；其中，n≥2；

步骤2、选定无人机的至少一个飞行状态量组成状态向量xi，作为协同状态，得到无人机的动力学模型设计分布式的一致性控制器：

其中，ui为第i个无人机的控制输入向量，a为一般线性系统的系统矩阵，b为控制矩阵，并且矩阵(a,b)是能控的；c为一个正增益系数，k为增益矩阵，aij为通信网络相关联邻接矩阵中的元素，表示第i个无人机与第j个无人机之间的通信关系，当无人机i可以接受无人机j的信息时，aij＝1，反之aij＝0；

步骤3、计算控制器增益矩阵k和增益系数c的下界，设计选取合适增益的参数，以满足稳定性要求，具体为：

增益系数应满足为laplacian矩阵的代数连通度；

通过求解如下代数黎卡提方程式得到正定矩阵p，并计算获得算法中增益矩阵k＝-b^tp：

pa+a^tp-pbb^tp+in＝0

其中，in表示单位矩阵；

步骤4、各无人机通过通信网络，实时获取临近节点无人机协同状态，根据协同状态计算各自的控制输入向量ui，最终由无人机自动驾驶仪执行，实现无人机编队一致性控制。

本发明具有如下有益效果：

本发明提供了基于连续通信的多无人机编队一致性控制方法，运用于无人机协同控制中，各无人机地位平等，执行的控制算法相同，不存在中心控制节点，属于分布式的控制架构；可适应多种通信网络拓扑结构形式，避免了集中式控制全部无人机与控制中心连接的网络拓扑形式。通信网络选择的灵活性，为无人机编队应用带来了更好的可扩展性、容错性与适应性；分布式的控制架构去除了集中式控制架构中的控制中心，因此不存在因中心控制节点毁坏编队失效的现象；控制无人机编队的计算任务，由控制中心分散到成员无人机的机载计算机，大幅提高了编队整体计算能力，解除了计算能力引发的性能瓶颈；无人机无需和控制中心通信，只需与成员无人机间保持通信即可，大大降低了网络通信量。并且无人机与编队成员间通信距离远小于与控制中心通信距离，无人机编队的通信抗干扰能力与可靠性大幅提高。

附图说明

图1无人机通信拓扑结构示意图；

图2多无人机一致性控制示意图；

图3多无人机编队队形示意图；

图4多无人机分布式协同编队控制结构框图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

步骤1：建立n架无人机间通信网络，明确无人机间通信关系。n架无人机之间通信网络拓扑应满足强连通条件。

步骤2：选定无人机某飞行状态量为协同状态，按照连续通信一致性算法设计分布式的一致性控制器。式中，c为一个正增益系数，k为增益矩阵，aij为通信网络相关联邻接矩阵中的元素。图相关联的邻接矩阵定义为：当(vj,vi)∈ε，即当节点i收到节点j的信息时，aij>0；当时，aij＝0。由于不允许自身与自身成边的存在，所以aii＝0。邻接矩阵中aij值的大小称为边的权值，如边的权值没有具体实际含义，当(vj,vi)∈ε时，可取aij＝1。

步骤3：计算控制器增益矩阵和增益系数下界，设计选取合适增益的参数，以满足算法稳定性要求。增益系数应满足为与通信网络相关联的laplacian矩阵的代数连通度。增益矩阵k＝-b^tp，正定矩阵p为满足代数黎卡提方程的解。

步骤4：各无人机通过通信网络，实时获取临近节点无人机协同状态，根据协同状态分布式地计算生成一致性控制指令；

步骤5：将生成的一致性控制指令传递至无人机下一控制环节，最终由无人机自动驾驶仪执行，实现无人机状态一致性控制。

步骤6：在多无人机执行一致性控制中，应在每一个控制器节拍中执行步骤4和步骤5，直到多无人机一致性控制状态结束。

实施例：

步骤1、以无人机数n＝4为例，说明一致性算法具体实施方式。首先，在实施一致性控制算法前，需要为无人机建立通信网络。一致性算法通过分布式地产生控制指令，实现多智能体状态一致，显然智能体通过通信获取其他智能体的状态信息是实现一致性控制的前提。通信拓扑结构会影响一致性算法的稳定性，结合图的矩阵理论可清晰的描述系统通信拓扑。4架无人机间通信连接关系如图1所示，单向箭头表示无人机间通信是单向的。描述通信拓扑结构的laplacian矩阵为：

通过分析laplacian矩阵，可分析判断通信网络结构是否满足一致性算法稳定性要求。

进一步，选取无人机的某一飞行状态，根据一致性控制算法形式设计分布式的一致性控制器。无人机飞行状态量包括：飞行速度、高度、航向角、水平位置等，不同状态量遵循不同的动力学。对选取的无人机状态建立动力学模型，并简化为一般线性系统模型。

其中i＝1,...,n，xi＝[xi1,...xin]^t∈rⁿ为智能体vi的状态向量，ui∈r^p为控制输入向量。a为一般线性系统的系统矩阵、b为控制矩阵，并且矩阵(a,b)是能控的。本发明提出的一致性控制算法，针对具有一般线性系统动力学的智能体进行一致性控制器设计。一致性控制算法为：

进一步，通过求解代数黎卡提方程式(4)得到正定矩阵p，并计算获得算法中增益矩阵k＝-b^tp。

pa+a^tp-pbb^tp+in＝0(4)

为介绍增益系数下限，介绍如下概念。如果通信拓扑图是具有laplacian矩阵的强连通图，则存在一个正向量r＝[r1,...rn]^t满足并且一般的代数连通度被定义为一个实数

式中r＝diag(r1,r2,...,rn)^t，x为满足x^tr＝0,x≠0的任意状态向量。通过计算laplacian矩阵的代数连通度，确定增益系数的下边界并据此设计合适的增益系数，确保控制参数满足一致性算法的稳定性条件。

下面对一致性算法的稳定性进行证明：

首先需引入表示多智能体状态之间偏差程度的一致性误差。并根据控制算法与智能体动力学推导出一致性误差动力学，进而引入稳定性证明。设r＝[r1,...rn]^t∈r^n×1为与零特征值相关联的左特征向量，满足r^t1＝1。定义一致性误差向量ξi(t)∈r^n×1为：

利用kronecker积运算可将式(6)写成堆栈向量简写形式为

式中x＝[x1,...,xn]^t，ξ＝[ξ1,...,ξn]^t并且ξ∈r^nn×1。用矩阵表示可以将式(7)改写为

式中

由r^t的定义可知，0是矩阵的一个简单特征值，1是与之相关联的右特征向量，并且1是另一个n-1阶特征值。由于不难看出于是由式(8)，当且仅当x1＝...＝xn时，有ξ＝0。因此可以将ξ视为一致性误差向量，只有当多智能体各状态量均相同时，一致性误差为零。一致性问题转化为，当t→∞时，ξ→0。

将一致性控制算法式(3)代入智能体动力学(2)得智能体被控动力学方程

写成堆栈向量简写形式

式(7)两边对时间求导数，并代入式(11)整理得到一致性误差动力学方程

即

选取李雅普诺夫函数为：

式中r是一个正定的对角矩阵，参见式(5)定义。李雅普诺夫函数v1是正定的，对v1沿式(11)轨迹求导数得

代入增益矩阵k＝-b^tp

对于式(16)中第二项，根据式5中代数连通度的定义有

只需选取可以得到如下不等式

将式(18)代入式(14)得

正定矩阵p为满足式(4)代数黎卡提方程的解，代入方程得到

因此，系统是渐进稳定的，一致性问题得解。

在完成了分布式一致性控制器设计和参数整定后，可将控制器应用于无人机一致性控制中。多无人机一致性控制如图2所示，图中展示了多个无人机的初始飞行状态，例如无人机1的航向角χ1、速度v1。图中由虚线连接的圆点表示无人机编队队形，编队队形的几何中心位于无人机1质心。oxfyf为水平面内编队队形坐标系，oxf轴与无人机1速度矢量重合，oxgyg为水平面内地面坐标系。无人机间航向角、速度存在差异，因此无人机无法形成稳定的编队，无人机相对位置也无法满足队形要求。通过使用一致性算法设计的控制器，可实现无人机航向角、速度等状态的渐进一致，为编队飞行奠定基础。通过控制无人机间相对位置与编队队形一致，可实现无人机编队飞行。

多无人机编队队形如图3所示。通过定义队形几何中心与坐标系，设定编队成员无人机距编队中心的距离，可精确描述空间中无人机编队队形。如编队中无人机i与无人机j相对编队几何中心期望的向量为ri^t＝[xif,yif,zif]^t，rj^t＝[xjf,yjf,zjf]^t。将编队中多个这样的向量组可成编队队形描述矩阵。

图4为多无人机分布式协同编队控制结构框图，直观地描述了无人机协同编队中控制系统组成结构与控制指令传递顺序。本发明提出的多无人机连续通信一致性控制算法，可用于图4所示无人机状态协同控制和无人机编队队形控制环节中。在应用该算法时，首先，无人机需通过通信网络实时获取协同状态信息，并将协同状态信息传递至对应的一致性控制器。其次，一致性控制器利用协同状态和无人机自身状态解算生成控制指令，控制指令经过转换后传递至无人机自动驾驶仪。然后，无人机自动驾驶仪执行控制指令，使得无人机飞行状态发生改变。最后，无人机需通过通信网络发布自身飞行状态信息，作为编队中其余无人机的协同状态信息。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。