【技术实现步骤摘要】
本专利技术属于无人机编队控制，具体涉及一种基于自适应正余弦优化的多无人机一致性编队控制方法。
技术介绍
1、随着不断推进的智能化、小型化，大量自动驾驶无人机涌入市场，为了控制大规模的无人系统，合作控制领域得到了广泛关注。由于单一无人机执行任务效率有限，而多无人机飞行精度不足且易造成资源浪费，使用编队控制是解决以上问题最好的选择。
2、近年来有关多无人机编队问题，各国学者做了大量的研究工作，提出了很多无人机编队控制方法。鞠爽等提出了一种基于滑模的多无人机系统协同编队控制方法，使多无人机系统顺利收敛到期望编队状态，但存在一定不稳定的抖振现象；赵启等提出了一种基于深度强化学习的无人机编队控制，采用ddqn算法设计无人机编队控制器，提高了无人机的学习能力，但应用范围较为局限；王汇彬等提出了一种基于状态一致性模型的固定翼无人机编队控制机制，使用六元状态一致性模型关联飞行的各个阶段，但不适用于复杂环境下的飞行控制；孙翊君等提出了一种基于改进势场法的无人机编队协同避障控制算法，由图论和人工势场理论相结合，但避障过程中编队队形会发生变化，不利于任务的执行。以上编队方法的研究虽然可以实现对无人机编队的控制，但编队队形和控制效果仍可以进一步提高。
技术实现思路
1、本专利技术的目的在于提供一种基于自适应正余弦优化的多无人机一致性编队控制方法，以解决现有技术中多无人机编队控制的不足，本专利技术构建四旋翼无人机动力学模型，结合参考控制器和二次规划问题，能够克服现有无人机编队控制应用范围局限和操
2、为达到上述目的，本专利技术采用如下技术方案：
3、基于自适应正余弦优化的多无人机一致性编队控制方法，包括以下步骤：
4、步骤1：根据四旋翼无人机动态特性和受力分析，建立四旋翼无人机的动力学模型，所述动力学模型包括线运动模型和角运动模型；
5、步骤2：对步骤1中获得的动力学模型分析并结合一致性理论，简化得到无人机运动模型的函数表达式；
6、步骤3：获取自适应算数正余弦优化算法和一致性模块；
7、步骤4：根据步骤2中无人机运动模型的函数表达式和步骤3中自适应算数正余弦优化算法，并结合一致性模块，得到四旋翼无人机编队控制框架；
8、步骤5：利用步骤4中获得的四旋翼无人机编队控制框架，加入参考控制器，得到多无人机一致性编队控制方法的优化结果。
9、进一步地，所述线运动模型如下：
10、
11、式中，为为为φ、ψ、θ分别为翻滚角、俯仰角和偏航角，m为四旋翼无人机的质量，fx、fy、fz分别为x、y、z方向上每个螺旋桨产生一个力和相同向上方向的一个力矩，u1为控制输入。
12、进一步地，所述角运动模型如下：
13、
14、式中，jtp为转动惯量，ω为角速度矢量和，ix、iy、iz为x、y、z方向上的惯性力矩，u2、u3、u4分别为翻滚角、俯仰角、偏航角的控制输入，分别为翻滚角、俯仰角和偏航角的一阶和二阶导数。
15、进一步地，所述一致性理论为：
16、
17、式中，ωi(t)为t时刻控制第i个无人机的信息状态，多无人机一致性编队控制系统由n个数据组成，每个数据实现分布式线性协议：
18、
19、据此将整个多无人机一致性编队控制系统改写为：
20、
21、式中，每个数据的对应参数为σ(t)＝[σ1(t),…,σn(t)]t，l为图拉普拉斯算子。
22、进一步地，简化得到无人机运动模型的函数表达式具体为：
23、
24、式中，l为机臂长度，ii(i＝1,2,3)为惯性力矩，ki为阻力系数，di为扰动系数，多无人机一致性编队控制系统选择跟踪航迹[x,y,z]和翻滚角同时使偏航角和俯仰角稳定。
25、进一步地，所述自适应算数正余弦优化算法，具体包括：
26、步骤3.1：初始阶段利用数学优化器加速函数moa自适应来选择搜索阶段；
27、步骤3.2：进入全局搜索阶段，采用乘除法的方式寻找最优解；
28、步骤3.3：进入局部开发阶段，采用改进的正余弦算法来计算开发结果。
29、进一步地，经过t次迭代可以得到最优结果，所述改进的正余弦算法，具体表示如下：
30、
31、式中，随机数a为常数，x(t)是t次迭代的位置，r2∈[0,2π]，r1∈(0,1)，r3∈[0,2]，r4∈[0,1]，r2，r3，r4为前述所在范围内的随机因子。
32、进一步地，所述的一致性模块使用的一致性算法，具体表示如下：
33、
34、式中，wrr是基于三个欧拉角αi、βi、γi从参考系到世界坐标的旋转矩阵，rdrel,i是期望位置，rd,i是绝对位置，xc,i、yc,i、zc,i是x、y、z三个方向上相对位置。
35、进一步地，所述根据步骤2中无人机运动模型的函数表达式和步骤3中自适应算数正余弦优化算法，并结合一致性模块，得到四旋翼无人机编队控制框架，具体为：
36、步骤4.1：在形成编队时，结合改进的正余弦算法，无人机依赖于当前参考系，同时了解期望的位置；
37、步骤4.2：得到当前参考系与期望位置后，一致性模块在每架无人机中局部实现，并形成编队控制框架；
38、步骤4.3：编队控制框架中的通信网络允许进行信息交换，通过参考控制器得到位置控制器和方向控制器的信息；
39、步骤4.4：根据步骤4.3中得到的控制器信息，系统将期望的绝对位置最终传递至本地控制器来定位无人机。
40、进一步地，利用步骤4中获得的四旋翼无人机编队控制框架，加入参考控制器，得到多无人机一致性编队控制方法的优化结果，具体为：
41、步骤5.1：利用编队控制框架和控制器信息，与第i架无人机有效连接，接收到从虚拟中心到通讯网络最大距离的估计数据；
42、步骤5.2：在估计数据中加入校正向量，添加修正值，同时，在参考控制器中加入pid控制器；所述在参考控制器中加入pid控制器，表示如下：
43、
44、式中，ca为修正向量，ξrcontr、ξr分别为参考控制器的当前状态和期望状态，k为pid控制系数；
45、步骤5.3：在参考控制器中，若最大加速度超过极限时，通过求解二次规划问题完成计算。
46、与现有技术相比，本专利技术具有以下有益的技术效果：
47、本专利技术根据四旋翼无人机动态特性和受力分析，建立无人机线运动模型，对位置进行控制，同时，建立无人机角运动模型，对姿态进行控制。结合加速度限制，得到完整的无人机动力学模型，作为编队控制框架的基础平台；另外，本专利技术设计了算术优化算法，经过全局搜索阶段和局部开发阶段，得到更快的收敛速度和更高的精度。同时，本专利技术设计了编队控制系统，本文档来自技高网...
【技术保护点】
1.基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，所述线运动模型如下：
3.根据权利要求2所述的基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，所述角运动模型如下：
4.根据权利要求1所述的基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，所述一致性理论为：
5.根据权利要求4所述的基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，简化得到无人机运动模型的函数表达式具体为：
6.根据权利要求1所述的基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，所述自适应算数正余弦优化算法，具体包括：
7.根据权利要求6所述的基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，经过t次迭代可以得到最优结果，所述改进的正余弦算法，具体表示如下：
8.根据权利要求7所述的基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，所述的一
9.根据权利要求8所述的基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，所述根据步骤2中无人机运动模型的函数表达式和步骤3中自适应算数正余弦优化算法，并结合一致性模块，得到四旋翼无人机编队控制框架，具体为：
10.根据权利要求9所述的基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，利用步骤4中获得的四旋翼无人机编队控制框架，加入参考控制器，得到多无人机一致性编队控制方法的优化结果，具体为：
...【技术特征摘要】
1.基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，所述线运动模型如下：
3.根据权利要求2所述的基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，所述角运动模型如下：
4.根据权利要求1所述的基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，所述一致性理论为：
5.根据权利要求4所述的基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，简化得到无人机运动模型的函数表达式具体为：
6.根据权利要求1所述的基于自适应正余弦优化的多无人机一致性编队控制方法，其特征在于，所述自适应算数正余弦优化算法，具体包括：
7.根...
【专利技术属性】
技术研发人员：黄鹤，惠晓滨，谢飞宇，黄莺，吴超凡，李昌群，马海洋，任雪妮，崔颢，梁浩峰，王乐，
申请(专利权)人：西安汇智信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。