【技术实现步骤摘要】
本专利技术涉及数据驱动控制/蜂拥行为，尤其涉及一种基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法。
技术介绍
1、在实际应用中，实际的系统精确模型往往难以得到，而随着数据驱动技术的发展，通过使用无人机的输入输出数据来进行控制从而实现无人机群的蜂拥行为，从而避开建模过程，这对于工程实践问题具有较大的现实意义。而无模型自适应控制作为一种具有较为完善理论的方法，具有广泛的应用前景。
2、另外在合作竞争关系下实现多无人机的蜂拥行为控制是具有较为重要的实际意义的。这是因为在自然界中，生物群体之间也并不只包含有合作关系，大多数情况下是同时具有合作和竞争关系，例如鱼类的聚集、雁群迁徙和社交网络中的观点进化。然而，之前的研究仅考虑通信拓扑之间边的权重都为正值，这也就意味着群体之间仅仅只存在合作关系，不存在竞争，这种考虑过于理想化。同时，近些年关于具有合作竞争关系的多智能体系统的二部群集行为进行了深入的分析和探索，最终所有主体最终将得到两个状态完全相反的子群。但在大多数生物群体中，即使既存在合作关系，也存在竞争关系，最终所有个体都需要聚集在一起完成任务，而不是分裂成多个子群体。因此，探讨合作竞争网络中无人机群蜂拥行为的形成机制具有重要的现实意义。
3、值得注意的是，目前大多数研究人员所采用的方法是采用基于模型的方法，对系统的动态变化和扰动不具备适应性。但在实际应用中，存在各种不确定性因素。因此利用无人机的实时输入和输出数据来设计控制器，以减少模型对蜂拥行为的影响，并且通过伪梯度估计设计了具有合作/竞争关系的蜂拥行为控制
4、公开号为cn117111457a的专利技术专利公开了一种基于神经网络拟合的鲁棒领导跟随蜂拥控制方法，具体步骤如下：建立具有非线性模型不确定性的多机器人动力学模型和时变领导者动力学模型，设定领导者的高阶信息项对于跟随者未知，同时明确蜂拥控制问题；利用参数化神经网络范式表达系统中具有的非线性模型不确定性和领导者高阶信息项，定义估计权值函数以及基函数形式，实现对模型不确定性和高阶信息项扰动的逼近；基于神经网络估计器，设计鲁棒蜂拥控制器，并基于lyapunov理论设计神经网络参数的更新律，而后分析闭环误差的稳定性；实现鲁棒领导跟随蜂拥控制。但此专利技术未考虑合作竞争关系，而且应对模型不确定性的方法较为复杂。
技术实现思路
1、针对无人机模型复杂，难以建模，以及未同时考虑无人机群体间合作竞争关系的技术问题，本专利技术提出一种基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，利用无人机状态的非线性函数描述无人机之间的合作或竞争程度，利用无人机的实时输入和输出数据来设计控制器，以减少模型对蜂拥行为的影响。
2、为了达到上述目的，本专利技术的技术方案是这样实现的：
3、一种基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，包括以下步骤：
4、s1：构建非线性无人机系统模型，得到非线性函数和无人机状态误差，然后确定无人机蜂拥行为控制目标；
5、s2：根据动态线性化方法将非线性无人机系统模型近似为动态线性化模型，得到非线性无人机系统的伪偏导数，利用动态线性化模型设计伪偏导数估计值的控制律；
6、s3：设计用于表示无人机间合作竞争关系的加权符号函数，利用无人机状态误差和加权符号函数获取蜂拥控制误差，利用蜂拥控制误差和伪偏导数估计值的控制律设计蜂拥控制协议；
7、s4：根据步骤s3所述的蜂拥控制协议实现无人机蜂拥行为控制。
8、步骤s1所述的非线性无人机系统模型公式为：
9、
10、其中，xi(t)∈r2、ui(t)∈r2和vi(t)∈r2分别为无人机i＝{1,2…,n}在t时刻的位置、控制输入和速度，f()为非线性函数。
11、步骤s1所述的无人机状态误差公式为：
12、
13、其中，ei,j(t)表示无人机的状态误差，表示无人机i和无人机j之间的位置误差，表示无人机i和无人机j之间的速度误差；xj(t)、vj(t)分别表示第j＝{1,2…,n}个无人机的在t时刻的位置和速度。
14、步骤s1所述无人机蜂拥行为的控制目标为：
15、
16、其中，||||表示范数。
17、步骤s2所述根据动态线性化方法将无人机系统模型近似为动态线性化模型的实现方法为：根据动态线性化方法，无人机i的速度vi(t)和无人机i的控制输入ui(t)的非线性函数f(νi(t),ui(t))近似为动态线性化函数g(t)：
18、g(t)＝vi(t)+φi(t)(ui(t)-ui(t-1))；
19、将动态线性化函数g(t)代入到非线性无人机系统模型公式中得到动态线性化模型公式：
20、
21、其中，φi(t)是非线性无人机系统的伪偏导数。
22、步骤s2所述利用动态线性化模型设计伪偏导数估计值的控制律的方法为：根据非线性无人机系统的伪偏导数φi(t)和伪偏导估计方法获取伪梯度估计的准则函数：
23、
24、对伪梯度估计的准则函数j(φi(t))求取关于非线性无人机系统的伪偏导数φi(t)的极值可得伪偏导数估计值的控制律公式：
25、
26、其中，η和μ是蜂拥控制器控制参数，是非线性无人机系统的伪偏导数φi(t)的估计值，δvi(t)＝vi(t)-vi(t-1)是无人机i的速度的变化量，δui(t-1)＝ui(t-1)-ui(t-2)是无人机i的控制输入的变化量。
27、设计一个用于提高所述伪偏导数估计值的控制律公式的性能的参数重置条件：
28、
29、其中，ε表示一个很小的正数。
30、步骤s3所述设计用于表示无人机间合作竞争关系的加权符号函数的方法为：将由非线性无人机系统构成的具有合作竞争关系的多无人机网络描述为具有有序三元组的有向图g(ν,ω,a)，其中，v＝{1,2…i…j…,n}是结点，表示的是无人机，ω是结点之间的边集，表示的是无人机间的合作竞争关系，a是邻接矩阵，ai,j∈a表示结点i和结点j之间边的权重，即无人机i和无人机j之间的合作竞争关系；在具有合作竞争关系的多无人机网络中，邻接矩阵a的元素ai,j满足：ai,j>0表示无人机i和无人机j之间存在合作关系，ai,j<0表示无人机i和无人机j之间存在竞争关系，ai,j＝0表示无人机i和无人机j之间没有通信，因此可得到加权符号函数sgn(ai,j)：
31、
32、步骤s3所述利用无人机状态误差和加权符号函数获取蜂拥控制误差的方法为：用无人机状态误差ei,j(t)的非线性函数g(·)来描述合作或竞争的程度，描述合作或竞争的程度的公式为：
33、
34、其中，非线性函数g(·)表示无人机i和无人机j之间状态影响程度的正的递减的权重本文档来自技高网...
【技术保护点】
1.一种基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的合作竞争网络下基于数据驱动的无人机蜂拥行为分布式控制方法，其特征在于，步骤S1所述的非线性无人机系统模型公式为：
3.根据权利要求2所述的基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，步骤S1所述的无人机状态误差公式为：
4.根据权利要求3所述的基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，步骤S1所述无人机蜂拥行为的控制目标为：
5.根据权利要求4所述的基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，步骤S2所述根据动态线性化方法将无人机系统模型近似为动态线性化模型的实现方法为：根据动态线性化方法，无人机i的速度vi(t)和无人机i的控制输入ui(t)的非线性函数f(vi(t)，ui(t))近似为动态线性化函数g(t)：
6.根据权利要求5所述的基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，步骤S2所述利用动态线性化模型设计伪偏导数估计值的
7.根据权利要求6所述的基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，设计一个用于提高所述伪偏导数估计值的控制律公式的性能的参数重置条件：
8.根据权利要求1到7任一项所述的基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，步骤S3所述设计用于表示无人机间合作竞争关系的加权符号函数的方法为：将由非线性无人机系统构成的具有合作竞争关系的多无人机网络描述为具有有序三元组的有向图G(v，ω，A)，其中，v＝{1，2...i...j...，N}是结点，表示的是无人机，ω是结点之间的边集，表示的是无人机间的合作竞争关系，A是邻接矩阵，ai，j∈A表示结点i和结点j之间边的权重，即无人机i和无人机j之间的合作竞争关系；在具有合作竞争关系的多无人机网络中，邻接矩阵A的元素ai，j满足：ai，j＞0表示无人机i和无人机j之间存在合作关系，ai，j＜0表示无人机i和无人机j之间存在竞争关系，ai，j＝0表示无人机i和无人机j之间没有通信，因此可得到加权符号函数sgn(ai，j)：
9.根据权利要求8所述的基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，步骤S3所述利用无人机状态误差和加权符号函数获取蜂拥控制误差的方法为：用无人机状态误差ei，j(t)的非线性函数g(·)来描述合作或竞争的程度，描述合作或竞争的程度的公式为：
10.根据权利要求9所述的基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，步骤S3所述利用蜂拥控制误差和伪偏导数估计值的控制律设计蜂拥控制协议的方法为：根据伪偏导数估计值的控制律公式和蜂拥控制误差公式定义初始蜂拥控制协议公式：
...【技术特征摘要】
1.一种基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的合作竞争网络下基于数据驱动的无人机蜂拥行为分布式控制方法，其特征在于，步骤s1所述的非线性无人机系统模型公式为：
3.根据权利要求2所述的基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，步骤s1所述的无人机状态误差公式为：
4.根据权利要求3所述的基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，步骤s1所述无人机蜂拥行为的控制目标为：
5.根据权利要求4所述的基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，步骤s2所述根据动态线性化方法将无人机系统模型近似为动态线性化模型的实现方法为：根据动态线性化方法，无人机i的速度vi(t)和无人机i的控制输入ui(t)的非线性函数f(vi(t)，ui(t))近似为动态线性化函数g(t)：
6.根据权利要求5所述的基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，步骤s2所述利用动态线性化模型设计伪偏导数估计值的控制律的方法为：
7.根据权利要求6所述的基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，其特征在于，设计一个用于提高所述伪偏导数估计值的控制律公式的性能的参数重置条件：
8.根据权利要求1到7任一项所述的基于数据驱...
【专利技术属性】
技术研发人员：石磊，闫帅明，王硕，周毅，刘富强，
申请(专利权)人：河南大学，
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。