一种基于模型预测的无人机构追击方法及系统

本发明涉及无人机构控制，特别是涉及一种基于模型预测的无人机构追击方法及系统。

背景技术：

1、追击游戏是博弈的一个经典场景，在现实生活和现代战争中普遍存在，因此具有很高的研究价值。模型预测控制作为一种适合多输入多输出系统的控制方法，并且方便写入各种约束，自推出以来便得到普遍使用，该领域的研究也一直是个热点，使用基于模型预测控制的方式来对智能体进行控制达到智能追击的效果，相比其他控制方法和学习类的方法更加稳定且具有广阔的研究空间；海洋作为博弈对抗的重要场地，且海上环境复杂，风浪暗涌暗流等造成的扰动让无人艇智能追击行为受其影响变得不稳定，因此海上博弈对抗具有很高的研究价值；现在的对抗性追击不够智能，首先考虑的因素不多，其次各因素权重及计算方式在态势改变后其追击代价的计算方式也应有所改变，并且所应采取的速度也应在不被对方攻击的可达速度集内。

技术实现思路

1、本发明的目的是提供一种基于模型预测的无人机构追击方法及系统，提高了追击的可靠性。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于模型预测的无人机构追击方法，包括：

4、获取对方无人机构的当前状态和我方无人机构的当前状态；

5、基于对方无人机构的当前状态和我方无人机构的当前状态，以及辨识模型和机理模型，以代价函数最小化为优化目标，采用优化算法确定我方无人机构设定时刻的控制量；

6、所述代价函数包括距离代价、攻击角度代价、被攻击角度代价和速度代价；所述辨识模型用于根据我方无人机构的期望控制量预测实际控制量；所述机理模型用于根据实际控制量和当前态势预测下一时刻的状态量，所述状态量包括我方无人机构与对方无人机构的相对距离和视线角。

7、可选地，所述无人机构包括无人艇。

8、可选地，所述期望控制量和预测实际控制量均包括速度和艏向角。

9、可选地，所述辨识模型表示为：

10、

11、其中，表示t时刻我方无人机构的整体状态量，表示的导数，u1(t)表示辨识模型的t时刻的输入，y1(t)辨识模型的t时刻的输出，u1(t)＝(vhope(t),θhope(t))t，y1(t)＝(vreal(t),θreal(t))t，x1(t)表示t时刻第一状态量，x2(t)表示t时刻第二状态量，vhope(t)表示t时刻的期望速度，θhope(t)表示t时刻的期望艏向角，vreal(t)表示t时刻的预测实际速度，θreal(t)表示t时刻的预测实际艏向角，表示状态矩阵，表示输入-状态矩阵，表示状态-输出矩阵，表示馈通矩阵。

12、可选地，所述机理模型表示为：

13、

14、其中，θreal(k-1)表示k-1时刻的实际艏向角，δθreal(k)表示k时刻与k-1时刻的艏向角之差，vreal(k-1)表示k-1时刻的实际速度，δt表示k时刻与k-1时刻的时间差，r(k)表示k时刻的相对距离，r(k-1)表示k-1时刻的相对距离，q(k)表示k时刻的视线角，q(k-1)表示k-1时刻的视线角，vt(k-1)表示k-1时刻的对方无人机构的速度，θt(k-1)表示k-1时刻的对方无人机构的速度与基准线的夹角，基准线为我方无人机构与对方无人机构的连线；视线角为我方无人机构与对方无人机构的连线与正东方向的夹角，k表示离散后的时刻。

15、可选地，所述代价函数表示为j＝j1+j2+j3+j4；

16、其中，j1表示距离代价函数，j2表示攻击角度代价函数，j3表示被攻击角度代价函数，j4表示速度代价函数；

17、

18、其中，α1表示第一权重系数，n表示预测时刻数量，ri(t)表示t时刻的相对距离，qi(t)表示t时刻的视线角，εi(t)表示t时刻我方无人机构与我方母艇位置的连线和正东方向的夹角；

19、

20、其中，α2表示第二权重系数，θo表示我方无人机构的速度与基准线的夹角，q表示视线角；

21、

22、其中，α3表示第三权重系数，θt表示对方无人机构的速度与基准线的夹角；

23、

24、其中，ravua为对方无人机构攻击不到我方无人机构的可达速度集，vi(t)表示我方无人机构的速度，rava表示对方无人机构攻击到我方无人机构的可达速度集。

25、本发明还公开了一种基于模型预测的无人机构追踪系统，包括：

26、状态获取模块，用于获取对方无人机构的当前状态和我方无人机构的当前状态；

27、控制量确定模块，用于基于对方无人机构的当前状态和我方无人机构的当前状态，以及辨识模型和机理模型，以代价函数最小化为优化目标，采用优化算法确定我方无人机构设定时刻的控制量；

28、所述代价函数包括距离代价、攻击角度代价、被攻击角度代价和速度代价；所述辨识模型用于根据我方无人机构的期望控制量预测实际控制量；所述机理模型用于根据实际控制量和当前态势预测下一时刻的状态量，所述状态量包括我方无人机构与对方无人机构的相对距离和视线角。

29、根据本发明提供的具体实施例，本发明公开了以下技术效果：

30、本发明通过辨识模型预测控制量，通过机理模型预测双方的未来态势，以包括距离代价、攻击角度代价、被攻击角度代价和速度代价的代价函数最小化为优化目标，采用优化算法确定我方无人机构未来设定时刻的控制量，提高了追击的可靠性。

技术特征：

1.一种基于模型预测的无人机构追击方法，其特征在于，包括：

2.根据权利要求1所述的基于模型预测的无人机构追击方法，其特征在于，所述无人机构包括无人艇。

3.根据权利要求1所述的基于模型预测的无人机构追击方法，其特征在于，所述期望控制量和预测实际控制量均包括速度和艏向角。

4.根据权利要求3所述的基于模型预测的无人机构追击方法，其特征在于，所述辨识模型表示为：

5.根据权利要求4所述的基于模型预测的无人机构追击方法，其特征在于，所述机理模型表示为：

6.根据权利要求5所述的基于模型预测的无人机构追击方法，其特征在于，所述代价函数表示为j＝j1+j2+j3+j4；

7.一种基于模型预测的无人机构追踪系统，其特征在于，包括：

技术总结
本发明公开一种基于模型预测控制的无人艇追击方法及系统，涉及无人机构控制领域，该方法包括：获取对方无人机构的当前状态和我方无人机构的当前状态；基于对方无人机构的当前状态和我方无人机构的当前状态，以及辨识模型和机理模型，以代价函数最小化为优化目标，采用优化算法确定我方无人机构在下一时刻的控制量；所述代价函数包括距离代价、攻击角度代价、被攻击角度代价和速度代价；所述辨识模型用于根据我方无人机构的期望控制量预测实际控制量；所述机理模型用于根据实际控制量和当前态势预测下一时刻的状态量，所述状态量包括我方无人机构与对方无人机构的相对距离和视线角。本发明提高了追击的可靠性。

技术研发人员：彭艳,郑丁,胡辛明,宋锐,莫廷珂
受保护的技术使用者：上海大学
技术研发日：
技术公布日：2024/1/14