【技术实现步骤摘要】
本专利技术涉及无人机避撞控制方法，特别涉及一种网络攻击下多无人机避撞控制方法。
技术介绍
1、随着无人机技术的快速发展，多架四旋翼无人机通过编队的形式来完成复杂任务，实现能力互补和运动协同已成为未来的发展趋势。在多种行业中，采用无人机集群的方式进行协同工作，能有效提高任务执行的质量和效率，完成更为复杂和困难的任务。当前研究热点为无人机集群的协调控制策略，特别是自主智能的控制方法。常见的非线性控制方法，如反步控制、反馈线性化控制、模型预测控制和滑模控制等被提出，其中滑模控制因其对系统不确定性和扰动的强鲁棒性而广受关注。
2、然而，无人机系统所面临的一个主要挑战是开放的通信环境和系统结构的复杂性，这为恶意攻击者提供了潜在的攻击目标。在多无人机编队系统中，环境因素和网络攻击常导致智能体之间的碰撞，还可能导致无人机系统遭受通信中断、指令干扰和信息泄露等安全问题，严重威胁到多无人机编队系统的安全性、稳定性及其控制的一致性。
3、目前还没有关于无人机系统在遭受网络攻击时如何进行避撞控制以及在通信质量下降时，如何减少通信负载，提高系统反应效率和安全性的研究方案。
技术实现思路
1、为解决上述技术问题，本专利技术提供了一种网络攻击下多无人机避撞控制方法，以达到增加编队的安全性，降低通信和计算资源的消耗，实现精确的编队控制的目的。
2、为达到上述目的，本专利技术的技术方案如下：
3、一种网络攻击下多无人机避撞控制方法，包括如下步骤：
4、步
5、步骤二，基于所建立的模型，对多无人机系统中的领导者及各跟随者的位置距离进行约束，建立人工势场，根据建立的人工势场，计算无人机之间的排斥力，使得各无人机之间的相对距离始终大于最小避撞距离，当无人机之间的相对距离小于最小避撞距离时，人工势场输出排斥力以实现避免碰撞；
6、步骤三，采用基于人工势场的事件触发滑模控制方法，评估当前的网络环境和外部干扰，并将这些信息与人工势场的输出、领导者及跟随者的状态以及遭受传感器攻击的自身状态一同输入到滑模控制器中，滑模控制器根据输入计算测量误差，当任何一条测量误差超过事件触发条件时，滑模控制器进行更新，以实现多无人机编队系统在网络攻击环境下的一致性控制。
7、上述方案中，步骤一的具体方法如下：
8、(1)建立多无人编队系统模型：
9、多无人机编队系统包含一个领导者和n个跟随者，其中，领导者无人机的二阶模型为：
10、
11、其中，为p0(t)导数，p0(t)是在惯性坐标系下领导者无人机在t时刻的位置矢量，v0(t)是领导者无人机在t时刻的速度矢量，是领导者无人机在t时刻的加速度矢量，u0(t)代表领导者无人机在t时刻的控制输入；
12、跟随者无人机的二阶模型为：
13、
14、其中，为pi(t)导数，pi(t)是在惯性坐标系下第i个跟随者无人机在t时刻的位置矢量，vi(t)是第i个跟随者无人机在t时刻的速度矢量，是第i个跟随者无人机在t时刻的加速度矢量，ui(t)是第i个无人机在t时刻需要设计的控制输入,di(t)为第i个无人机在t时刻的扰动变量；
15、(2)建立网络攻击下多无人编队系统模型：
16、首先，网络攻击的建模为：
17、
18、其中，为加入网络攻击之后第i个无人机的当前状态量，xi为第i个无人机的真实状态量，为第i个无人机受到的攻击者信号，βi为第i个无人机所受到攻击信号的系数；
19、其次，将第i个无人机编队系统状态量分解为位置矢量和速度矢量
20、加入网络攻击后多无人机编队系统模型表示为：
21、
22、其中，为的导数，为注入网络攻击后第i个无人机在t时刻的位置，为的导数，为注入网络攻击后第i个无人机在t时刻的速度，为的导数，为第i个无人机在t时刻所受到速度上的攻击信号。
23、上述方案中，步骤二的具体方法如下：
24、根据多无人机编队系统中各无人机的位置信息建立如下人工势场：
25、
26、
27、其中，vij是当前时刻下无人机i受到邻居无人机j的排斥力势场函数，fvij是当前时刻下无人机i受到邻居无人机j排斥力，rc与ra分别代表机体半径与规避半径，代表无人机i的位置矢量，代表无人机j的位置矢量，是无人机i与j之间的位置距离，krep是势场增益；则第i个无人机收到的排斥力为且该排斥力场导数为有界的，即为fvi的一阶导数，为fvi的二阶导数，ρ1和ρ2为大于零的常数；n为跟随者无人机是数量。
28、上述方案中，步骤三中，计算滑模控制所需要的输入包括：
29、计算第i个无人机在t时刻的位置误差epi(t)为：
30、
31、整体位置误差
32、其中，aij表示无人机i与j之间的通信连接，gi表示无人机i与领导者之间的通信连接，与分别为无人机i与无人机j在t时刻位置上所受到的攻击者信号，σi与σj分别表示无人机i与无人机j相对领导者的期望位置，pj(t)为无人机j在t时刻的真实位置，βi为第i个无人机所受到攻击信号的系数，βj是第j个无人机所受到攻击信号的系数，p0(t)是在惯性坐标系下领导者无人机在t时刻的位置矢量，pi(t)是在惯性坐标系下第i个跟随者无人机在t时刻的位置矢量；
33、计算第i个无人机在t时刻的速度误差evi(t)为：
34、
35、整体速度误差
36、其中，与分别为无人机i与无人机j在t时刻速度上所受到的攻击者信号，vj(t)为无人机j在t时刻的真实速度，v0(t)是领导者无人机在t时刻的速度矢量，vi(t)是第i个跟随者无人机在t时刻的速度矢量。
37、上述方案中，步骤三中，根据步骤二中所得出的排斥力输出，位置误差和速度误差，计算第i个跟随者在相邻触发时刻之间的控制器为ui(t)：
38、
39、整体编队控制器u(t)为：
40、
41、其中，l为拉普拉斯矩阵，lij为拉普拉斯矩阵l中的元素，且当i≠j时，lij＝-aij，当i＝j时，uj(t)第j个跟随者在相邻触发时刻之间的控制器，g为领导者与跟随者之间的连接矩阵，β＝[β1,β2,...,βn]，β1，β2，…,βn代表跟随者无人机1到n所受到攻击信号的系数，k1，k2，c为滑模面中所要设计的常量，n为跟随者无人机的个数；
42、表示无人机i第k次事件触发的时刻，代表第i个跟随者在时刻的采样速度误差，多无人机编队系统在采样时刻的速度误差为
43、是第i个跟随者在时刻的排斥力梯度，多无人机编队系统在采样时刻的排斥力梯度为
44、是第i个跟随者在时刻的滑模面，多无人机编队系本文档来自技高网...
【技术保护点】
1.一种网络攻击下多无人机避撞控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种网络攻击下多无人机避撞控制方法，其特征在于，步骤一的具体方法如下：
3.根据权利要求1所述的一种网络攻击下多无人机避撞控制方法，其特征在于，步骤二的具体方法如下：
4.根据权利要求1所述的一种网络攻击下多无人机避撞控制方法，其特征在于，步骤三中，计算滑模控制所需要的输入包括：
5.根据权利要求4所述的一种网络攻击下多无人机避撞控制方法，其特征在于，步骤三中，根据步骤二中所得出的排斥力输出，位置误差和速度误差，计算第i个跟随者在相邻触发时刻之间的控制器为ui(t)：
6.根据权利要求5所述的一种网络攻击下多无人机避撞控制方法，其特征在于，步骤三中，每个无人机都有独立的事件触发函数，触发时刻不同，只有触发的时候才会更新相应的控制器；
【技术特征摘要】
1.一种网络攻击下多无人机避撞控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种网络攻击下多无人机避撞控制方法，其特征在于，步骤一的具体方法如下：
3.根据权利要求1所述的一种网络攻击下多无人机避撞控制方法，其特征在于，步骤二的具体方法如下：
4.根据权利要求1所述的一种网络攻击下多无人机避撞控制方法，其特征在于，步骤三中，计算滑模控制所需要...
【专利技术属性】
技术研发人员：张栋，贾光玉，陈玉鹤，孙金龙，牟凌志，
申请(专利权)人：青岛理工大学，
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。