[0004] 本发明的目的是针对现有方法难以实现较低能耗的全天候编队巡逻,提出了一种既能够满足巡逻编队全天候运转的需求,又能够有效减少编队耗能的控制方法。
[0005] 目前采用较多的巡逻编队,大多为无人机巡逻编队。而在工业园区中,由于建筑物遮挡使得无人机对某些地面环境出现观测死角,导致监控经常出现纰漏。为了修补编队巡逻出现的纰漏,采用无人机‑小车联合编队巡逻是一种有效的方法。把空中的无人机视为编队领导者,地面上的小车视为编队跟随者,整个编队系统便形成了一个典型的带领导跟随的多智能体系统。根据无人机与小车之间的信号传输关系,可建立多智能体系统的拓扑结构。小车能通过定位系统对于自身方位进行准确定位。但定位经常会受到系统内部故障、信号传输途径不理想和非线性干扰的影响,导致定位信息不够精确。这就导致无人机和小车之间必须一直保持通讯,否则就无法及时协同编队,加大了无人机和小车的能量损耗。同时,由于工业园区全天候巡逻的任务需求,要求无人机‑小车巡逻编队在正常天气和异常天气下都能运行,因此设计适用于全天候条件下的无人机‑小车编队控制方法成为了一个难题。
[0006] 本发明将使用多模态建模方法,分别对晴天、阴雾天、雨天、雪天情况下无人机‑小车巡逻编队系统进行建模,利用马尔科夫过程来描述模态切换过程,同时为了能够减少编队巡逻中无人机和小车的能耗,本发明将引入自适应事件触发机制,并在设计过程中考虑非线性干扰对控制性能的影响。本发明方法通过李雅普诺夫(Lyapunov)稳定性理论,保证所设计的控制系统的稳定性以及巡逻编队的一致性。通过求解矩阵不等式,得到反馈增益矩阵和事件触发矩阵的值。本发明为工业园区全天候无人机‑小车编队巡逻提供了一种有效的控制方法。
[0007] 本发明的具体步骤是:
[0008] 步骤1、构建无人机与小车之间的拓扑结构
[0009] 设定υ0表示无人机节点(领导者节点),υi,i∈{1,2,···,N}表示小车节点(跟随者节点)。N为正整数,表示小车的个数。N的大小根据实际需求进行选择。令 表示无人机与小车系统的拓扑,包含小车之间的通信拓扑 无人机节点υ0以及无人机节点υ0与小车节点间υi的有向边,其中 分别表示小车的节点集合、小车对应的有向边集合。 表示通信拓扑 的权重矩阵,其中[·]N×N表示含有N×N个元素的矩阵。 是小车邻接的集合,如果 aij
=1,否则aij=0。对角矩阵D=diag{D1,D2,···,DN}表示和拓扑 有关的领导者邻接矩阵,其中Di为常数。如果拓扑 中至少存在一个小车节点到其他小车节点均有一条有向路径则Di>0,否则Di=0。拓扑 的拉普拉斯矩阵为 由此,构成了无人机与小车系统的拓扑结构。
[0010] 步骤2、建立无人机‑小车系统状态空间模型
[0011] 依据无人机‑小车编队控制系统,编队的状态一致性问题可以描述为分布式无人机‑小车一致性问题。依据全天候的需求,建立无人机‑小车编队在晴天、阴雾天、雨天、雪天对应的系统切换模型,其系统模型如下:
[0012]
[0013] 其中t为时间, 代表对微分运算, 表示t时刻小车υi的运动状态向量,代表n1维列向量, 表示n2×n3维实数矩阵,n1,n2,n3皆为正整数。表示t时刻小车υi的状态向量,其中 分别为t时刻小车υi的
位置和速度,上标T表示矩阵的转置。 表示t时刻无人机υ0的的
状态向量,其中 分别为t时刻无人机υ0的位置和速度。无人机υ0的运动状态是独立的,其位置、速度不受小车υi的影响。 代表t时刻小车υi的控制输入,控制输入是根据无人机υ0以及小车υi的位置和速度信息来构建的。 是状态矩阵,
是控制矩阵, 是干扰矩阵,三个矩阵皆为已知的实数矩阵。
表示非线性干扰,主要受风速和阻力的影响,且非线性干扰是有界的并满足如下条件:
[0014]
[0015] 其中Y和S是已知的常数矩阵。
[0016] 本发明中利用一个马尔科夫过程r(t)描述全天候模态切换过程,从而将无人机‑小车巡逻编队视为一个马尔科夫跳变系统。r(t)在有限集 中取值,因此可将编队分为4个模态。当r(t)=1时,子系统1被激活,无人机‑小车编队不受气候干扰处于晴天模态,为正常天气模态。2,3,4模态皆为异常天气模态。当r(t)=2时,子系统2被激活,表示无人机‑小车编队处于阴雾天模态。当r(t)=3时,子系统3被激活,表示无人机‑小车编队受到下雨干扰处于雨天模态。当r(t)=4时,子系统4被激活,表示无人机‑小车编队受到冰雪干扰处于雪天模态。
[0017] 马尔科夫过程r(t)的模态转移概率Pr{·}满足如下条件:
[0018]
[0019] 其中 表示巡逻编队在模态r和模态n之间的转移概率,代表模态转换的驻留时间, 是由 定义的无穷小变量,lim代表
极限。 代表t时刻的天气模态r和 时刻的天气模态n之间相互转换的转移速率,转移速率由驻留时间 决定。为了简化表达,用r代替r(t),Ar,Br,Cr可代表A(r(t)),B(r(t)),C(r(t))。
[0020] 步骤3、构建基于自适应事件触发机制的闭环控制系统
[0021] 无人机向小车发送信息的触发机制是动态自适应的。按照这种自适应触发机制,既能够减少无人机与小车之间的通信次数,减少通信所需的能耗,又能保证无人机和小车能够实现协同一致。根据无人机和小车之间的跟踪误差所定义的自适应触发机制如下:
[0022]
[0023]
[0024]
[0025]
[0026] 其中 表示小车υi第k次事件触发时刻, 表示当前采样时刻,q为正整数,h为固定的采样周期。式中∑代表求和符号,bi是无人机υ0与小车υi之间的耦合权重,如果小车能够从无人机处接收到信息则bi>0,否则bi=0。代表小车υi在时刻 和 之间
的状态误差, 代表小车υi在时刻 和 之间的位置误差,
代表小车υi在时刻 和 之间的速度误差。 代表在
时刻小车υi与无人机υ0之间的控制协议,max{·}表示求目标的最大值, 是待设计的正定事件触发矩阵。 是小车υi在 时刻的触发参数,t时刻小车υi的触发参数δi(t)是时变的,且满足 同时δi(0)∈[0,1]为触发参数初始
值且:
[0027]
[0028] 其中di(t)为分段函数,ρ为已知的非负常数。触发参数δi(t)在区间[δα,δβ]内有界变化,δα和δβ表示δi(t)的下界和上界。
[0029] 基于以上讨论,为了使无人机‑小车编队在全天候条件下取得理想的跟踪效果,并且考虑到执行器故障的情况,将控制输入协议 改为如下形式:
[0030]
[0031] 其中 为执行器故障矩阵,符号∩代表两个集之间的交集, 是待设计的与模态r有关的反馈增益矩阵。
[0032] 执行器故障矩阵 由常数矩阵 和Jθ构成,它满足条件:
[0033] 其中 是已知的实数。
[0034]
[0035]
[0036]
[0037] 定义zi(t)=xi(t)‑x0(t),F(zi(t))=ε(xi(t))‑ε(x0(t)),将控制输入协议代入,得到闭环跳变系统状态空间模型:
[0038]其中Iω为ω×ω的单位矩阵,ω为正整数, 代表矩阵之间进行求克罗内克(Kronecker)积的运算。其余变量定义如下:
[0039]
[0040]
[0041] F(z(t))=[εT(z1(t)),εT(z2(t))]T
[0042] t∈[qh,(q+1)h),τ(t)=t‑qh,0≤τ(t)<h
[0043] 其中时间延迟τ(t)是分段连续的,在t≠qh点的微分为 τ是τ(t)的缩写。
[0044] 步骤4、闭环系统随机稳定性分析
[0045] 对于任意模态 定义一个李雅普诺夫(Lyapunov)泛函:
[0046]
[0047]
[0048]
[0049]
[0050] 其中,Pr>0,Q>0,R>0,W>0为实对称矩阵,z是z(t)的缩写,是 的缩写。E+{·}代表求某函数的数学期望,0代表0的右极限定义。定义 的弱无穷小算子
为:
[0051] 由此可知:
[0052]
[0053]
[0054]
[0055] 对于积分项 进行估计:
[0056]
[0057]
[0058] 其中ξT(t)=[zT(t) zT(t‑τ) zT(t‑h)],矩阵M满足
[0059]
[0060] 式中*号代表对称矩阵中的对称项。
[0061] 再考虑自适应事件触发机制,可得:
[0062]
[0063] Λ=diag{δ1,δ2,···,δN}
[0064]
[0065] 式中κ≠N,κ为正整数。最后可以得到:
[0066]
[0067] 根据非线性扰动 满足的条件可知:
[0068]
[0069] 其中 是任意正标量,
[0070]
[0071] 根据以上公式,可知:
[0072]
[0073]
[0074] 其中:
[0075]
[0076]
[0077]
[0078]
[0079]
[0080]
[0081]
[0082]
[0083]
[0084] 由舒尔(Schur)补引理, 等价于
[0085]
[0086] 式中右上标‑1表示该矩阵的逆矩阵。
[0087] 因此,若矩阵不等式Ψ1<0,则有 根据李雅普诺夫(Lyapunov)稳定性理论,可知闭环系统随机稳定。
[0088] 为了方便表述,使tq=qh,tq+1=(q+1)h。同时使用邓金(Dynkin)公式可以得到:
[0089]
[0090]
[0091]
[0092] 式中||·||代表取欧几里得范数,t的右上标t‑代表t的左极限。另外,如果t=qh,则 根据 可知:
[0093]
[0094] 综 上 所 述 ,可 知 :这也意味着 因此,在所设计控制器的作
用下,全天候条件下的无人机‑小车编队巡逻能够得以实现。
[0095] 步骤5、求解反馈增益矩阵和事件触发函数矩阵
[0096] 令 定义以下简化表达式:
[0097]
[0098]
[0099] 对于任意标量μ>0,可知:
[0100]
[0101] 对矩阵不等式Ψ1<0左乘、右乘对角矩阵:
[0102] 再利用舒尔(Schur)补引理可得下述矩阵不等式:
[0103]
[0104] 其中
[0105]
[0106]
[0107]
[0108]
[0109]
[0110]
[0111]
[0112]
[0113]
[0114]
[0115]
[0116]
[0117] 给定正标量 和μ,利用仿真软件MATLAB中的线性矩阵不等式(LMI)工具箱,求解线性矩阵不等式Ψ2<0。如果存在合适维数的矩阵 使得Ψ2<0可解,则可得到矩阵 的值,从而得到本发明方法的反馈增益矩阵 和事件
触发矩阵 的值。
[0118] 本发明方法针对目前工业园区内无人机‑小车无法在全天候条件下进行编队巡逻的情况,提出了基于自适应事件触发机制的编队控制方法。本发明方法考虑了晴天、阴雾天、雨天、雪天四种情况,基于四种模态切换的状态空间模型对无人机‑小车编队进行刻画,且模态切换过程满足马尔科夫性质。同时,本发明考虑了非线性干扰,在设计控制协议的过程中考虑到了小车内部的执行器故障。采用自适应事件触发机制,既能减少无人机与小车之间的通信次数从而达到节能的效果,又能保证无人机和小车能够实现协同一致。通过对无人机‑小车状态空间模型进行随机稳定性和一致性分析,利用线性矩阵不等式(LMI)方法对反馈增益矩阵和事件触发矩阵进行求解,得到控制方案所需的参数值,从而满足全天候条件下无人机‑小车编队控制的要求。