[发明专利]一种考虑通信受限的AUH协同编队控制方法

说明书

本发明公开了一种考虑通信受限的AUH协同编队控制方法，包括：(1)将AUH编队组成具有非线性不确定动力学和外部时变扰动的多智能体系统，并构建系统的动力学模型；(2)设计基于一致性原理的有限时间分布式观测器，使跟随者协同估计领航者的位置信息；(3)在控制器中，设计跟随者的编队构型保持控制率，并使用RBFNN逼近动力学集总不确定性，使用自适应方法估计外部扰动的边界，实现跟随者对领航者的精确跟踪。本发明充分考虑了水下环境的复杂性可能会限制AUH之间的信息交换，使跟随者能够协同观测和获取领航者的状态信息，能够更有效的进行跟踪控制。

技术领域

本发明属于水下直升机编队控制领域，尤其是涉及一种考虑通信受限的AUH协同编队控制方法。

背景技术

随着海洋装备体系的完善与进步，自主水下航行器AUV因其智能化、灵活机动等优点在海洋监测、海洋观测等领域得到广泛的应用。一种称为水下直升机(Autonomousunderwater helicopter,AUH)的新型AUV，由于其特殊的结构及推进方式，在抵近观测、定点悬停等方面具有突出优势，更加适合上述任务。同时，多AUV编队在复杂海洋环境中协同作业时具有良好的协同性、鲁棒性和容错性，因此水下智能体的编队协同控制问题成为科研工作者的研究热点之一。

水下多智能体编队控制的复杂性来自多个方面，包括AUH具有复杂的未知非线性动力学，水下环境存在未知时变扰动，AUH编队内部存在通信时延和失效等。现有研究对以上问题提出了一些有效的解决方案，径向基函数神经网络(Radial basis functionneural network,RBFNN)广泛用于逼近系统的动力学不确定项，外部扰动的应对策略包括扰动观测器和状态扩张观测器等。

如公开号为CN113821028A的中国专利文献公开了一种基于分布式模型预测控制的欠驱动AUV编队轨迹跟踪控制方法，利用径向基函数神经网络逼近不确定的部分系统方程，结合最小学习参数法，减小计算复杂度。

公开号为CN113009826A的中国专利文献公开了一种基于新型误差变换的AUV预设性能轨迹跟踪控制方法，采用了改进的性能函数和新的误差变换方法，使AUV轨迹跟踪误差能够在规定的时间内收敛。

上述方案充分研究了使用各种策略控制AUV精确跟踪参考轨迹，然而，以上方法通常假设编队内的所有AUH均能不受限制的获取领航者的状态信息，而没有考虑受水下环境的通讯范围受限，并非所有跟随者均能接收到领航者的状态信息。同时，使用扰动观测器处理外部时变扰动加重了控制器的负担，也限制了误差的收敛速度。

发明内容

本发明提供了一种考虑通信受限的AUH协同编队控制方法，充分考虑了水下环境的复杂性可能会限制AUH之间的信息交换，使跟随者能够协同观测和获取领航者的状态信息，能够更有效的进行跟踪控制。

一种考虑通信受限的AUH协同编队控制方法，包括：

(1)将AUH编队组成具有非线性不确定动力学和外部时变扰动的多智能体系统，并构建系统的动力学模型；

(2)设计基于一致性原理的有限时间分布式观测器，使跟随者协同估计领航者的位置信息；

(3)在控制器中，设计跟随者的编队构型保持控制率，并使用RBFNN逼近动力学集总不确定性，使用自适应方法估计外部扰动的边界，实现跟随者对领航者的精确跟踪。

本发明充分考虑AUH间的通信受限问题，提出基于一致性原理的有限时间分布式观测器，协同估计领航者的状态信息。另外，在控制器中使用协同径向基函数神经网络RBFNN，动力学信息将在跟随者之间共享，加快神经网络对动力学不确定项的逼近速度。最后，使用自适应方法估计外部扰动的边界，并将其通过一种特定的方式引入控制器，以补偿外界扰动。

步骤(1)中，系统的动力学模型如下：