[发明专利]一种基于无向连通网络的同质无人艇集群编队方法有效

专利信息
申请号: 201810064371.4 申请日: 2018-01-23
公开(公告)号: CN108415418B 公开(公告)日: 2020-11-06
发明(设计)人: 陆宇;叶菲;张卫东;张国庆;孙志坚;赵亚东 申请(专利权)人: 上海交通大学
主分类号: G05D1/02 分类号: G05D1/02
代理公司: 上海科盛知识产权代理有限公司 31225 代理人: 赵志远
地址: 200240 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 连通 网络 同质 无人 集群 编队 方法
【说明书】:

发明涉及一种基于无向连通网络的同质无人艇集群编队方法,包括以下步骤:1)获取无人艇编队通信网络的拓扑结构;2)构建个体无人艇模型并对模型中的参数进行辨识,包括静态艏摇率增益K和有效的艏摇率时间常数T;3)构建基于无向连通网络的同质无人艇集群H2最优编队控制器或H最优编队控制器;4)转化H2或H最优编队控制器为最优PID编队控制器,并对最优PID编队控制器进行离散化;5)对最优PID编队控制器进行定量参数调节,用以抑制误差和改善鲁棒性能;6)生成编队控制命令并输出。与现有技术相比,本发明具有完全分布式的编队控制器、提供便捷的PID控制器、权衡标称性能和鲁棒性能等优点。

技术领域

本发明涉及海洋工程无人艇技术领域,尤其是涉及一种基于无向连通网络的同质无人艇集群编队方法。

背景技术

集群行为是一种生物的集体行为,最典型的例子是鱼群聚集在一起兜圈或朝特定方向游动,受生物集群的启发,研究者们开始研究无人艇集群技术。

无人艇集群由多艘承担不同任务的无人艇基于开放式体系架构进行综合集成。多无人艇以通信网络信息为中心,以无人艇间的协同交互能力为基础,以单无人艇的节点作业能力为支撑,构建出具有抗干扰性、低成本、功能分布化等优势的编队体系,可实现水上目标侦察、监视、打捞、救援等军事和民用任务。

从表面上看,无人艇集群的思想很直观,但实际上要真正实现无人艇集群编队是非常困难的,涉及到无人艇集群环境感知、目标智能识别、动态自组织网络、任务实时规划、分布式协同控制等一系列问题。目前国内在无人艇集群分布式协同控制方法方面研究的局限性主要体现在如下两个方面:

其一,体现在工程环境实用性方面。目前无人艇集群编队控制的研究成果大量集中在能否实现编队方面,具体的研究思路是将多无人艇编队控制问题转化为稳定性问题,通过构造一个Lyapunov函数,判定系统最终是否收敛,进而判断编队能否最终形成。这类研究没有考虑工程化过程中无人艇编队控制系统的设计问题,对实际编队系统的指导作用很有限。

其二,体现在控制性能定量实现方面。PID编队控制器必然适合于镇定无人艇集群编队系统,且稳定域可精确计算得出。然而三个参数的调节方式并不清晰,以往的数值设计方法依赖于经验和反复试凑,不同的工程师将会得到不同的控制效果,尤其是系统的瞬态响应过程无法得到定量的优化。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于无向连通网络的同质无人艇集群编队方法。

本发明的目的可以通过以下技术方案来实现:

一种基于无向连通网络的同质无人艇集群编队方法,包括以下步骤:

1)获取无人艇编队通信网络的拓扑结构;

2)构建个体无人艇模型并对模型中的参数进行辨识,包括静态艏摇率增益K和有效的艏摇率时间常数T;

3)构建基于无向连通网络的同质无人艇集群H2最优编队控制器或H最优编队控制器;

4)转化H2或H最优编队控制器为最优PID编队控制器,并对最优PID编队控制器进行离散化;

5)对最优PID编队控制器进行定量参数调节,用以抑制误差和改善鲁棒性能;

6)生成编队控制命令并输出。

所述的步骤2)中,个体无人艇模型的表达式为:

T=T1+T2-T3

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海交通大学,未经上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810064371.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top