[发明专利]基于障碍环境和有界输入的护航任务协同控制方法及系统

权利要求书

1.基于障碍环境和有界输入的护航任务协同控制方法，其特征在于，包括：

采用多欧拉-拉格朗日系统描述护航任务的物理模型；设计了由NSB和IRPD-SMC组成的鲁棒分层控制结构；内环基于改进的自适应径向基函数神经网络的比例导数滑模控制方法的控制律中，设计了反正切函数来改善控制律的PD部分，通过调节控制律中的参数λ和k，实现快速收敛、鲁棒和零稳态误差；

采用内外环控制结构，外环采用基于空空间的行为控制方法，产生内环物理模型所需要的期望速度和期望运动轨迹；外环采用基于空空间的行为控制方法，产生内环物理模型所需要的期望速度和期望运动轨迹，具体为：

将带有避障要求的护航任务分解成避障子任务和护航任务；所述护航任务包括：机器人均匀分布在目标周围的子任务以及机器人维持在以目标为中心的球体或者超球体表面的子任务；

定义上述子任务的优先级；

各个任务的期望速度投影到由高优先级任务的雅可比矩阵所创建的空空间中，构建集成的总期望速度命令来驱动物理模型；

内环基于改进的自适应径向基函数神经网络的比例导数滑模控制方法，使得在存在干扰和参数不确定的情况下，每个物理模型都能够跟踪期望速度和期望运动轨迹，实现零稳态误差和有界输入；

内环基于改进的自适应径向基函数神经网络的比例导数滑模控制方法，其控制律为：

其中，k_αi是位置误差相关的增益，用于消除位置误差；k_βi是差分相关的增益，用于预测整体响应趋势并防止系统动作过于剧烈；λ是近似比例增益；k_i是鲁棒项增益，κ为常数；是参考转矩ρ_i的估计值、e_i是位置跟踪误差、是速度跟踪误差,s_i是滑模面。

2.如权利要求1所述的基于障碍环境和有界输入的护航任务协同控制方法，其特征在于，自适应径向基函数神经网络具体为：

其中，是神经网络的输入信号，是权值矩阵，ν是隐藏层中神经元的数量，Φ_i(X_i)是激活函数；

权值更新率设计如下：

其中，μ_i是正定对角增益矩阵。

3.如权利要求1所述的基于障碍环境和有界输入的护航任务协同控制方法，其特征在于，为了消除震颤，引入双曲正切函数tanh(·)来替代不连续的sign(·)函数，所述控制律修改为：

其中，

4.如权利要求1所述的基于障碍环境和有界输入的护航任务协同控制方法，其特征在于，所述物理模型包括：多机械臂、多移动机器人、多水下航行器、多水面船只、多步行机器人、多航天器中的任一种。