基于隧道预设性能的无人机集群路径规划控制方法

本发明涉及无人机集群控制，特别是涉及一种基于隧道预设性能的无人机集群路径规划控制方法。

背景技术：

1、在当前机器人自动控制技术领域，随着uav和其他机器人技术的不断发展，对于实现协同控制的需求日益增长。现如今，多uav协同控制成为研究的热点之一，鉴于其广泛在各个工程领域的应用，主要是研究目标跟踪、轨迹跟踪和路径规划。特别地，基于路径机动的协同控制旨在协调所有uav沿几个参数化路径的运动。

2、许多研究者提出各种各样的算法应用于路径规划控制方法，比如针对路径更新设计以减少控制努力的路径机动控制方法；针对siso非线性系统，设计基于领导-跟随方案的路径引导共识机动控制方法；以及针对非线性多智能体系统，设计了基于神经网络预测器的模块化分布式机动控制器。然而，上述路径机动控制方法是在理想的系统性能为前提，但是在实际应用中，不能轻易忽视性能约束，这些约束可能包括超调和跟踪误差限制。近年来，预设性能控制(ppc)通过将误差变换与预设性能相结合，提供了一种有效的方法来增强稳定性和性能约束，但对于分布式路径机动控制，由于分布式漏斗边界和对称全局性能函数的存在，这些方法可能面临性能约束的松散。

3、因此，传统的路径规划控制方法由于性能约束被忽视，路径规划控制存在不确定性的问题。

技术实现思路

1、基于此，为了解决上述技术问题，提供一种基于隧道预设性能的无人机集群路径规划控制方法，可以有效的实现减少超调量和降低不确定性。

2、一种基于隧道预设性能的无人机集群路径规划控制方法，无人机集群包括虚拟领导者及跟随者，所述方法包括：

3、针对所述跟随者，定义路径误差，采用隧道预设性能策略对所述路径误差进行变换处理，构造出基于隧道预设性能的运动学控制律；

4、确定所述虚拟领导者的路径参数变量，定义路径变量动力学及参数误差，并对各个所述路径参数变量引入反馈规律，构造出路径更新律；

5、针对所述跟随者，定义动力学水平上的速度跟踪误差，引入神经网络及状态估计器，并采用分布式学习策略构建基于dnp的自适应控制律；

6、将所述运动学控制律、所述路径更新律、所述基于dnp的自适应控制律作为控制信号，基于所述控制信号设计分布式路径控制器；

7、根据所述分布式路径控制器，进行无人机集群路径跟踪控制。

8、在其中一个实施例中，针对所述跟随者，定义路径误差，包括：

9、定义第i架跟随者的跟随分布式路径误差为即

10、对路径误差求导得

11、其中，m表示跟随者的数量，n-m表示虚拟领导者的数量，pr，j(θj)表示第j架虚拟领导者的参数化路径，且pr，j(θj)的导数有界并满足的条件；ai，j(pi-pj)表示第i架跟随者和其他跟随者的位置差，ai，j(pi-pr，j(θj))表示第i架跟随者和虚拟领导者的位置差；ai，j表示通信连接权值，di表示各个跟随者之间的通信连接权值之和，即

12、在其中一个实施例中，采用隧道预设性能策略对所述路径误差进行变换处理，包括：

13、设计满足隧道预设性能策略约束的分布式路径误差为：其中，ei，k和是时变函数，其中，性能函数

14、代入得其中，gi，k(δi，k)：(-∞，∞)→(-1，1)表示一个递增的变换函数，而δi，k对应于一个等价于ei，k的无约束变换误差；

15、变换函数gi，k(δi，k)表示为gi，k(δi，k)＝(exp(δi，k)-exp(-δi，k))/(exp(δi，k)+exp(-δi，k))；

16、通过gi，k(δi，k)的反函数，得到变换后的误差

17、在其中一个实施例中，构造出基于隧道预设性能的运动学控制律，包括：

18、构造出基于隧道预设性能的运动学控制律αi为：其中，是正定控制增益矩阵；

19、代入得δi的动力学，

20、在其中一个实施例中，确定所述虚拟领导者的路径参数变量，定义路径变量动力学及参数误差，并对各个所述路径参数变量引入反馈规律，构造出路径更新律，包括：

21、将第j个虚拟领导者的路径参数变量的动力学定义为

22、基于领导-跟随结构，设计参数误差为：

23、引入反馈规律，构造出路径更新律为：

24、其中，是一个增益，和是两个调优参数。

25、在其中一个实施例中，针对所述跟随者，定义动力学水平上的速度跟踪误差为：ei，2＝vi-αi；计算出ei，2的动力学为：

26、在其中一个实施例中，所述方法还包括：

27、确定理想动力学控制律为：其中，是一个正定控制增益矩阵。

28、在其中一个实施例中，引入神经网络及状态估计器，包括：

29、使用神经网络其中，表示可选权值向量，p为神经元个数，为已知光滑激活函数，为输入向量，表示时变近似误差满足

30、引入神经网络，确定实际动力学控制律为

31、在其中一个实施例中，采用分布式学习策略构建基于dnp的自适应控制律为：其中，为自适应增益，是一个附加的正定调谐参数矩阵，用来塑造神经网络的瞬态学习行为，σi∈(0，1)是一个修正因子。

32、上述基于隧道预设性能的无人机集群路径规划控制方法，通过引入隧道预设性能策略构建出运动学控制律，可以在瞬态和稳态过程中限制分布式路径误差的超调；采用分布式学习策略构建基于dnp的自适应控制律，使得分布式路径控制器在分布式学习策略下，泛化能力得到增强，有效估计了机器人动力学中的不确定性，可以有效的实现减少超调量和降低不确定性。

技术特征：

1.一种基于隧道预设性能的无人机集群路径规划控制方法，无人机集群包括虚拟领导者及跟随者，其特征在于，所述方法包括：

2.根据权利要求1所述的基于隧道预设性能的无人机集群路径规划控制方法，其特征在于，针对所述跟随者，定义路径误差，包括：

3.根据权利要求2所述的基于隧道预设性能的无人机集群路径规划控制方法，其特征在于，采用隧道预设性能策略对所述路径误差进行变换处理，包括：

4.根据权利要求3所述的基于隧道预设性能的无人机集群路径规划控制方法，其特征在于，构造出基于隧道预设性能的运动学控制律，包括：

5.根据权利要求1所述的基于隧道预设性能的无人机集群路径规划控制方法，其特征在于，确定所述虚拟领导者的路径参数变量，定义路径变量动力学及参数误差，并对各个所述路径参数变量引入反馈规律，构造出路径更新律，包括：

6.根据权利要求1所述的基于隧道预设性能的无人机集群路径规划控制方法，其特征在于，针对所述跟随者，定义动力学水平上的速度跟踪误差为：ei,2＝vi-αi；计算出ei,2的动力学为：

7.根据权利要求6所述的基于隧道预设性能的无人机集群路径规划控制方法，其特征在于，所述方法还包括：

8.根据权利要求7所述的基于隧道预设性能的无人机集群路径规划控制方法，其特征在于，引入神经网络及状态估计器，包括：

9.根据权利要求8所述的基于隧道预设性能的无人机集群路径规划控制方法，其特征在于，采用分布式学习策略构建基于dnp的自适应控制律为：其中，为自适应增益，是一个附加的正定调谐参数矩阵，用来塑造神经网络的瞬态学习行为，σi∈(0，1)是一个修正因子。

技术总结本发明涉及一种基于隧道预设性能的无人机集群路径规划控制方法。所述方法包括：针对所述跟随者，定义路径误差，采用隧道预设性能策略对所述路径误差进行变换处理，构造出基于隧道预设性能的运动学控制律；确定所述虚拟领导者的路径参数变量，构造出路径更新律；针对所述跟随者，采用分布式学习策略构建基于DNP的自适应控制律；将所述运动学控制律、所述路径更新律、所述基于DNP的自适应控制律作为控制信号；根据分布式路径控制器，进行无人机集群路径跟踪控制。通过引入隧道预设性能策略构建出运动学控制律，采用分布式学习策略构建基于DNP的自适应控制律，使得分布式路径控制器在分布式学习策略下，泛化能力得到增强。技术研发人员：吴迪,闫增洋,王民敬,张义博,吴文涛,张卫东,束锋受保护的技术使用者：海南大学技术研发日：技术公布日：2024/7/15