[发明专利]基于神经网络的固定翼无人机编队有限时间容错控制方法

权利要求书

1.基于神经网络的固定翼无人机有限时间编队容错控制方法，其特征在于，包括如下步骤：

(1)通过虚拟领导者-跟随者结构进行编队控制，并且采用分布式编队方法进行信息交互，基于此设计相应的通信拓扑图并计算对应的拉普拉斯矩阵L；

(2)针对固定翼无人机的纵向的动态模型，基于合理的假设条件简化动态模型为严格反馈形式，针对模型中难以处理的非线性项、模型不确定性进行处理，并且考虑升降舵偏转的失效故障，形成统一的具有故障的严格反馈动态模型；

(3)基于径向基函数神经网络处理系统的未知非线性问题，结合自适应控制实现故障估计；基于反步法和滑模控制，实现编队系统的分布式有限时间容错控制。

2.根据权利要求1所述的基于神经网络的固定翼无人机有限时间编队容错控制方法，其特征在于，在步骤(1)中，采用有向通信拓扑图，由表示多智能体系统的通讯拓扑；其中，表示通信图顶点的集合，v_i表示第i个顶点，即第i个智能体，i＝1,2,…,N，N表示智能体数量；E＝e_ij表示通信图边的集合，e_ij＝(v_i,v_j)表示v_i能够直接获取第j个智能体v_j的信息，j＝1,2,…,N；A＝[a_ij]∈R^N×N是邻接矩阵，如果(v_i,v_j)∈E则a_ij＝1，否则a_ij＝0；定义关于G的入度矩阵D＝diag(d₁,d₂,…,d_N)，定义拉普拉斯矩阵L＝[l_ij]∈R^N×N，L＝D-A；定义矩阵B＝diag(b₁,b₂,…,b_N)表示领导者与跟随者之间的通信拓扑，如果第i个跟随者能与领导者通信则b_i＝1，否则b_i＝0。

3.根据权利要求1所述的基于神经网络的固定翼无人机有限时间编队容错控制方法，其特征在于，步骤(2)具体包括：

假设1：从领导者到每一个跟随者至少有一条通信路径；

步骤(2)中第i个跟随者无人机的纵向的动态模型表示如下：

其中，i＝1,2,…,N，N表示智能体数量；V_i,h_i,γ_i,α_i,q_i分别表示第i个跟随者无人机的速度、高度、航迹角、迎角和俯仰角速率；T_i,D_i,L_i,M_i分别代表了第i个跟随者无人机的推力、阻力、升力以及俯仰转动力矩；m_i,I_iy表示第i个跟随者无人机的质量和俯仰转动惯量；g表示重力加速度；

假设2：由于在飞行过程中γ_i很小，因此可认为sinγ_i≈γ_i；由于T_isinα_i＜＜L_i，可将T_isinα_i忽略不计；

通过简化得到第i个跟随者无人机的具有故障的严格反馈动态模型，如下表示：

其中，表示第i个跟随者无人机的具有乘性故障的真实控制输入量，δ_ei是第i个跟随者无人机的待设计的控制输入量，0＜ρ_i(t)＜1是第i个跟随者无人机的乘性故障；f_Vi＝-D_i/m_i-g sinγ_i和是第i个跟随者模型中的已知非线性项，其中是静压，s＝1.463m²是参考面积，c＝0.451m是平均气动弦长，C_M0＝-0.0954,C_Mα＝-2.8206,是气动系数；f_γi(V_i,γ_i),f_αi(V_i,γ_i,α_i)是第i个跟随者模型中的未知非线性项；g_Vi＝cosα_i/m_i,g_αi＝1,都是第i个跟随者模型中已知的函数，其中C_Lα＝4.6333,是气动系数。