[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

说明书

本发明公开了一种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：首先，考虑通过虚拟领导者‑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邻接矩阵与拉普拉斯矩阵；然后，针对固定翼无人机的纵向模型，基于合理的假设条件简化动态模型为严格反馈形式，并且考虑升降舵偏转的失效故障；以反步法为基础、结合滑模控制，通过径向基函数神经网络处理模型的未知非线性函数，并且采用自适应估计升降舵的失效故障，从而实现有限时间的容错控制。本发明克服了固定翼无人机纵向模型作为高阶非线性系统导致难以编队容错控制的问题，使系统具有较强的鲁棒性并且能够在有限时间内稳定。

技术领域

本发明涉及一种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，属于基于智能控制方法的多智能体系统技术领域。

背景技术

近年来，无人机(Unmanned Aerial Vehicle,UAV)由于其成本低、机动性高、重量轻、具有自主飞行功能等独特的优势得到了广泛的应用。固定翼无人机相比于旋翼无人机具有速度更快、载荷更大、飞行高度更高、续航时间更长以及航程更远等优势。而多无人机组成的编队系统相较于单个无人机不仅在续航时间、覆盖范围以及任务执行效率上更具优越性，而且能够完成更多更复杂的任务。因此，固定翼无人机编队系统的研究有广泛的应用前景。

由于固定翼无人机是欠驱动、强耦合、非线性高速运动体，其复杂的动力学特性增加了编队系统的控制设计难度。本发明虽然将固定翼无人机模型解耦，只考虑纵向模型，但是固定翼纵向模型作为一个高阶非线性模型，控制器设计难度仍然较大。无人机编队系统是一个互联系统，编队中的无人机之间存在信息交互，因此相邻的无人机之间会互相产生影响，进一步增加了编队控制系统的设计难度。目前，对于高阶非线性多智能体的编队控制研究成果较少，因此针对固定翼纵向模型的编队控制研究是前沿领域的。考虑到实际情况中，还会存在模型不确定的未知非线性项，这一点很大程度上增加了控制器设计的难度。现有的相关研究，其控制精度不高而且可靠性较差。

虽然无人机编队系统相比于单个无人机具有更强的容错能力和鲁棒性，但是当部分无人机发生故障时，通过无人机之间的信息交互，可能导致相邻健康无人机的任务失败，也使得无人机编队系统丧失了多机的冗余优势。通过容错控制可以在系统发生故障时，使系统性能保持在可接受的范围内，这对于确保飞行控制系统的安全性和可靠性具有至关重要的作用。在应用中，收敛时间是一个重要的评估标准。能够在有限时间内控制系统稳定，在工程实际中具有较大的应用价值。因此针对固定翼纵向模型编队系统的有限时间容错控制具有重要的现实意义。

发明内容

为了解决上述背景技术提出的技术问题，本发明旨在提供一种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，克服因高阶非线性模型的复杂性导致难以实现编队容错控制的问题，并致力于实现有限时间收敛，达到更快更可靠的控制效果。

本发明为解决上述技术问题采用以下技术方案：

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，包括如下步骤：

(1)考虑通过虚拟领导者-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。