一种事件触发的无人艇集群分布式协同控制器、结构及方法

本发明涉及无人艇控制技术领域，尤其涉及一种事件触发的无人艇集群分布式协同控制器、结构及方法。

背景技术：

无人艇具有造价低廉、小巧灵活、便于布放回收等优点，已经在军事与民用领域获得了广泛应用。但是单艇的作业能力十分有限，在大规模任务时应考虑多无人艇的集群作业。多无人艇协同控制已成为一个热门领域，其中协同路径跟踪作为一种有效的控制方法获得了广泛的关注。

目前，针对无人艇集群分布式协同问题，已有许多可行的解决方法。但现有技术仍然存在以下问题：

第一，现有的无人艇集群分布式协同方法中，无人艇之间的协同由通讯保证，信息发送通常采用时间周期触发的方式，这种方案是连续的，要求通讯网络具有极高的速度与带宽，但是海洋环境复杂多变，整个无人艇集群的通讯能力受到严重制约。因此，需要进一步考虑事件触发的通讯方式，节约通讯资源。

第二，现有的无人艇集群分布式协同方法中，无人艇执行机构的更新往往是连续的，虽然这样能保证较高的控制精度，但是连续更新会加重执行机构负担，增加不必要的磨损，从而带来不安全的隐患。因此，需要在保证合理的控制效果前提下，考虑事件触发的执行更新方式，降低执行机构负担。

第三，现有的无人艇集群分布式协同方法中，大多仅对模型的未知动态进行观测或逼近，没有考虑模型的控制增益，精确的控制增益需要通过拖曳实验、水池实验等方式才能测得，但是这种实验成本较高。因此，需要进一步考虑不依赖精确控制增益的控制方法。

技术实现要素：

本发明提供一种事件触发的无人艇集群分布式协同控制方法，以克服上述技术问题。

本发明一种事件触发的无人艇集群分布式协同控制方法，包括：

建立无人艇集群运动模型；所述无人艇集群运动模型，包括：无人艇运动模型和通讯网络模型；

控制器对由通讯网络接收到的无人艇集群信号进行偏差处理，输出协同制导信号；

控制器根据所述协同制导信号、无人艇的速度信号及所述并行学习辨识模块输出的逼近信号和辨识信号，输出动力学控制信号；

控制器根据无人艇的速度信号、加速度信号及所述动力学控制信号，输出逼近信号和辨识信号；

控制器根据所述动力学控制信号输出非周期执行信号，当满足预设执行事件时，将所述非周期执行信号输入至无人艇，以调节无人艇执行机构的动作频率，使得无人艇与所述无人艇集群中的其他无人艇的动作保持协同；

控制器根据无人艇的位置信号和速度信号输出非周期通讯信号，当满足预设通讯事件时，向通讯网络发送无人艇的动作信息。

一种事件触发的无人艇集群分布式协同控制器，包括：

协同路径跟踪制导模块、动力学控制模块、并行学习辨识模块非周期执行调节器及非周期通讯调节器；

所述协同路径跟踪制导模块，用于对接收到的无人艇集群信号进行偏差处理，输出协同制导信号；所述无人艇集群，包括：至少一艘领航无人艇、多艘跟随无人艇及通讯网络；

所述动力学控制模块，用于根据所述协同制导信号、无人艇的速度信号及所述并行学习辨识模块输出的逼近信号和辨识信号，输出动力学控制信号；

所述并行学习辨识模块，用于根据无人艇的速度信号、加速度信号及所述动力学控制信号，输出逼近信号和辨识信号；

所述非周期执行调节器，用于根据所述动力学控制信号输出非周期执行信号，当满足预设执行事件时，将所述非周期执行信号输入至无人艇，以调节无人艇执行机构的动作频率，使得无人艇与所述无人艇集群中的其他无人艇的动作保持协同；

所述非周期通讯调节器，用于根据无人艇的位置信号和速度信号输出非周期通讯信号，当满足预设通讯事件时，向通讯网络发送无人艇的动作信息。

一种基于事件触发的无人艇集群分布式协同控制器的所述的事件触发的无人艇集群分布式协同控制结构，还包括：所述协同路径跟踪制导模块的输入端连接所述通讯网络的输出端ηr,j(θj)、和非周期通讯调节器的输出端所述动力学控制模块的输入端连接所述协同跟踪制导模块的输出端αi和所述并行学习辨识模块的输出端所述并行学习辨识模块的输入端连接所述动力学控制模块的输出端和无人艇的输出端xi,2；所述非周期执行调节器的输入端连接所述动力学控制模块的输出端所述非周期通讯调节器的输入端连接无人艇的输出端xi,1和xi,2。

进一步地，所述协同路径跟踪制导模块，包括：

协同偏差生成器、信号放大器a、信号比较器a及信号衰减器；

所述协同偏差生成器的输入信号包括非周期执行调节器输出的非周期位置信号相邻无人艇的非周期位置信号及领航艇的位置信号ηr,j(θj),j∈li；所述的协同偏差生成器输出的误差信号由式(1)得到：

其中，θj为领航艇的路径参数；

所述协同路径跟踪制导模块输出的制导信号αi由式(2)得到：

所述协同偏差生成器输出的误差信号通过所述信号放大器a放大ki,1倍后，与相邻无人艇的非周期速度信号和领航艇的非周期速度信号通过所述信号比较器a进行比较，比较后得到的信号通过所述信号衰减器衰减di倍，作为所述协同路径跟踪制导模块输出的制导信号。

进一步地，所述动力学控制模块，包括：跟踪微分器、信号比较器b、信号放大器b、信号比较器c及乘法器a；

所述跟踪微分器的输入信号为协同路径跟踪制导模块输出的制导信号αi，所述跟踪微分器输出的滤波信号vi与导数信号为：

其中，γi为一个调节参数；

所述动力学控制模块输出的控制信号由式(4)得到：

所述跟踪微分器输出的滤波信号vi与无人艇的速度信号xi,2通过所述信号比较器b进行比较，得到的比较信号通过信号放大器放大ki,2倍后，与所述并行学习辨识模块输出的逼近信号跟踪微分器输出的导数信号通过信号比较器c进行比较，得到的比较信号与所述并行学习辨识模块输出的辨识信号λi通过所述乘法器a运算，所述乘法器a的输出信号作为所述动力学控制模块输出的控制信号。

进一步地，所述并行学习辨识模块，包括：

数据处理单元、信号比较器d、信号放大器c、信号比较器e、积分器a、数据存储单元、乘法器b、求和器、信号放大器d、反相器及积分器b；

所述数据处理单元的输入信号为无人艇的速度信号xi,2、所述动力学控制模块输出的控制信号所述积分器b的输出信号所述数据处理单元输出的逼近信号辨识信号λi、辅助信号yi和设计为：

其中，td为采样时间，为与ξi的相关函数，l＝1,...,9，与来自对的重新解构，k＝1,2,3，

来自无人艇的速度信号xi,2与积分器a输出的信号在信号比较器d做比较，比较信号经信号放大器c放大ρi倍后，放大信号与数据处理单元输出的信号在信号比较器e作对比，比较信号作为积分器a的输入信号；所述积分器a的输出信号为：

所述数据存储单元的输入信号为无人艇的加速度信号所述数据处理单元的输出信号yi、所述积分器b的输出信号所述数据存储单元的输出信号gi为：

其中，yi(l)和代表被记录的数据，n为存储数据的堆栈数；

所述积分器b的输出信号由式(8)得到：

所述数据处理单元的输出信号yi与所述信号比较器d输出的比较信号通过所述乘法器b进行运算，所述乘法器b的输出信号与所述数据存储单元的输出信号gi经过求和器求和，求和信号经过信号放大器d放大γi倍，放大信号作为所述反相器的输入信号，所述反相器的输出信号作为所述积分器b的输入信号；所述并行学习辨识模块的输出信号为逼近信号和辨识信号λi。

进一步地，所述非周期执行调节器，包括：

零阶保持器e1；

通过预设执行事件来调节所述零阶保持器e1的更新；所述预设执行器的输入信号为所述动力学控制模块输出的控制信号所述零阶保持器e1输出的非周期执行信号τi；预设执行事件的输出信号为et1，当满足条件et1时，零阶保持器e1在时刻更新，时刻由式(9)得到：

其中，inf代表下确界，hu(·)是关于τi和的函数；

零阶保持器e1的输入信号为所述动力学控制模块输出的控制信号零阶保持器e1的输出信号为非周期执行调节器输出的非周期执行信号，所述非周期执行调节器输出的非周期执行信号τi为：

非周期执行调节器的输出信号τi为无人艇的输入信号。

进一步地，所述非周期通讯调节器，包括：

零阶保持器e2；

通过预设通讯事件来调节所述零阶保持器e2的更新；所述预设通讯事件的输入信号为无人艇的位置信号xi,1和速度信号xi,2，以及所述零阶保持器e2输出的非周期位置信号和非周期速度信号所述预设通讯事件的输出信号为et2，当满足条件et2时，零阶保持器e2在时刻更新，所述时刻由式(11)得到：

其中，hc(·)是关于xi,1、xi,2、和的函数；

所述非周期通讯调节器输出的非周期位置信号和非周期速度信号由式(12)得到：

所述零阶保持器e2的输入信号为无人艇的位置信号xi,1和速度信号xi,2；零阶保持器e2的输出信号为所述非周期通讯调节器的输出信号。

本发明设计了基于事件触发的通讯方式，信息发送是非周期的，无人艇仅当预设事件满足时，才向通讯网络发送自身信息，从而减少信息发送频率，减轻无人艇通讯网络的通讯负担；同时，执行也是由事件触发的，执行器根据设定的性能按需更新，更新是非周期的，从而降低了执行器更新频率，从而避免执行器的连续动作，减轻无人艇的执行负担；本发明中的并行学习辨识模块，不仅能够对无人艇中的不确定非线性动态进行逼近，也可以辨识未知控制增益，从而能够在不依赖无人艇的精确信息的情况下，仍能够保持协同控制，因而更加灵活高效。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是事件触发的无人艇集群分布式协同控制器结构示意图；

图2是无人艇集群协同运动轨迹示意图；

图3是无人艇集群协同误差曲线图；

图4是无人艇集群控制输入曲线图；

图5是无人艇集群并行学习逼近曲线图；

图6是无人艇集群并行学习辨识曲线图；

图7是无人艇非周期通讯执行与通讯效果图；

图8为本发明的方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图8所示，本实施例提供一种事件触发的无人艇集群分布式协同控制方法，包括：

101、建立无人艇集群运动模型；所述无人艇集群运动模型，包括：无人艇运动模型和通讯网络模型；

具体而言，建立无人艇集群运动模型，包括：

第i艘无人艇运动模型在地球坐标系下，由以下的动态方程描述：

其中，i为无人艇编号，为无人艇的横向、纵向位移与航向，t代表矩阵或向量的转置；为无人艇的速度向量；为无人艇的未知控制增益；diag{·}代表对角矩阵；表示无人艇的控制输入；为无人艇内部的不确定性动态；表示来自风、浪、流的外部扰动；

通讯网络模型，包括：n1个无人艇节点和n2个领航艇节点；所述通讯网络模型结构由下式描述：

其中，表示集群中无人艇节点与领航艇节点集合；集合表示节点(ni,nj)间的通讯联系；无人艇集群中通讯连接用下式的邻接矩阵描述：

其中，当节点ni可以获得节点nj的信息时ai,j＝1时；当节点ni不可以获得节点nj的信息时ai,j＝0。

102、控制器对由通讯网络接收到的无人艇集群信号进行偏差处理，输出协同制导信号；

103、控制器根据所述协同制导信号、无人艇的速度信号及所述并行学习辨识模块输出的逼近信号和辨识信号，输出动力学控制信号；

104、控制器根据无人艇的速度信号、加速度信号及所述动力学控制信号，输出逼近信号和辨识信号；

105、控制器根据所述动力学控制信号输出非周期执行信号，当满足预设执行事件时，将所述非周期执行信号输入至无人艇，以调节无人艇执行机构的动作频率，使得无人艇与所述无人艇集群中的其他无人艇协同动作保持一致；

106、控制器根据无人艇的位置信号和速度信号输出非周期通讯信号，当满足预设通讯事件时，向通讯网络发送无人艇的动作信息。

如图1所示，本实施例提供了一种事件触发的无人艇集群分布式协同控制器，包括：

协同路径跟踪制导模块、动力学控制模块、并行学习辨识模块非周期执行调节器及非周期通讯调节器；

协同路径跟踪制导模块，用于对接收到的无人艇集群信号进行偏差处理，输出协同制导信号；无人艇集群，包括：至少一艘领航无人艇、多艘跟随无人艇及通讯网络；动力学控制模块，用于根据协同制导信号、无人艇的速度信号及并行学习辨识模块输出的逼近信号和辨识信号，输出动力学控制信号；并行学习辨识模块，用于根据无人艇的速度信号、加速度信号及动力学控制信号，输出逼近信号和辨识信号；非周期执行调节器，用于根据动力学控制信号输出非周期执行信号，当满足预设执行事件时，将非周期执行信号输入至无人艇，以调节无人艇执行机构的动作频率，使得无人艇与所述无人艇集群中的其他无人艇的动作保持协同；非周期通讯调节器，用于根据无人艇的位置信号和速度信号输出非周期通讯信号，当满足预设通讯事件时，向通讯网络发送无人艇的动作信息。

具体而言，协同路径跟踪制导模块，包括：协同偏差生成器、信号放大器a、信号比较器a及信号衰减器；

协同偏差生成器的输入信号包括零阶保持器e2输出的非周期位置信号相邻无人艇的非周期位置信号及领航艇的位置信号ηr,j(θj),j∈li；协同偏差生成器输出的误差信号由式(1)得到：

其中，θj为领航艇的路径参数；i为无人艇编号；

协同路径跟踪制导模块输出的制导信号αi由式(2)得到：

协同偏差生成器输出的误差信号通过信号放大器a放大ki,1倍后，与相邻无人艇的非周期速度信号和领航艇的非周期速度信号通过信号比较器a进行比较，比较后得到的信号通过信号衰减器衰减di倍，作为协同路径跟踪制导模块输出的制导信号。

动力学控制模块，包括：跟踪微分器、信号比较器b、信号放大器b、信号比较器c及乘法器a；

跟踪微分器的输入信号为协同路径跟踪制导模块输出的制导信号αi，跟踪微分器输出的滤波信号vi与导数信号为：

其中，γi为一个调节参数；

动力学控制模块输出的控制信号由式(4)得到：

跟踪微分器输出的滤波信号vi与无人艇的速度信号xi,2通过信号比较器b进行比较，得到的比较信号通过信号放大器放大ki,2倍后，与并行学习辨识模块输出的逼近信号跟踪微分器输出的导数信号通过信号比较器c进行比较，得到的比较信号与并行学习辨识模块输出的辨识信号λi通过乘法器a运算，乘法器a的输出信号作为动力学控制模块输出的控制信号。

并行学习辨识模块，包括：数据处理单元、信号比较器d、信号放大器c、信号比较器e、积分器a、数据存储单元、乘法器b、求和器、信号放大器d、反相器及积分器b；

数据处理单元的输入信号为无人艇的速度信号xi,2、动力学控制模块输出的控制信号积分器b的输出信号数据处理单元输出的逼近信号辨识信号λi、辅助信号yi和设计为：

其中，td为采样时间，为与ξi的相关函数，l＝1,...,9，与来自对的重新解构，k＝1,2,3，

来自无人艇的速度信号xi,2与积分器a输出的信号在信号比较器d做比较，比较信号经信号放大器c放大ρi倍后，放大信号与数据处理单元输出的信号在信号比较器e作对比，比较信号作为积分器a的输入信号；积分器a的输出信号为：

数据存储单元的输入信号为无人艇的加速度信号数据处理单元的输出信号yi、积分器b的输出信号数据存储单元的输出信号gi为：

其中，yi(l)和代表被记录的数据，n为存储数据的堆栈数；

积分器b的输出信号由式(8)得到：

数据处理单元的输出信号yi与信号比较器d输出的比较信号通过乘法器b进行运算，乘法器b的输出信号与数据存储单元的输出信号gi经过求和器求和，求和信号经过信号放大器d放大γi倍，放大信号作为反相器的输入信号，反相器的输出信号作为积分器b的输入信号；并行学习辨识模块的输出信号为逼近信号和辨识信号λi。

非周期执行调节器，包括：零阶保持器e1；

通过预设执行事件来调节所述零阶保持器e1的更新；所述预设执行器的输入信号为所述动力学控制模块输出的控制信号所述零阶保持器e1输出的非周期执行信号τi；预设执行事件的输出信号为et1，当满足条件et1时，零阶保持器e1在时刻更新，时刻由式(9)得到：

其中，inf代表下确界，hu(·)是关于τi和的函数；

零阶保持器e1的输入信号为动力学控制模块输出的控制信号零阶保持器e1的输出信号为非周期执行调节器输出的非周期执行信号，非周期执行调节器输出的非周期执行信号τi为：

非周期执行调节器的输出信号τi为无人艇的输入信号。

零阶保持器e2；

通过预设通讯事件来调节所述零阶保持器e2的更新；所述预设通讯事件的输入信号为无人艇的位置信号xi,1和速度信号xi,2，以及所述零阶保持器e2输出的非周期位置信号和非周期速度信号所述预设通讯事件的输出信号为et2，当满足条件et2时，零阶保持器e2在时刻更新，所述时刻由式(11)得到：

其中，hc(·)是关于xi,1、xi,2、和的函数；

非周期通讯调节器输出的非周期位置信号和非周期速度信号由式(12)得到：

零阶保持器e2的输入信号为无人艇的位置信号xi,1和速度信号xi,2；零阶保持器e2的输出信号为非周期通讯调节器的输出信号。

如图1所示，本实施例一种事件触发的无人艇集群分布式协同控制结构：协同路径跟踪制导模块的输入端连接通讯网络的输出端ηr,j(θj)、和非周期通讯调节器的输出端动力学控制模块的输入端连接协同跟踪制导模块的输出端αi和并行学习辨识模块的输出端并行学习辨识模块的输入端连接动力学控制模块的输出端和无人艇的输出端xi,2；非周期执行调节器的输入端连接动力学控制模块的输出端非周期通讯调节器的输入端连接无人艇的输出端xi,1和xi,2。

具体而言，协同路径跟踪制导模块包括协同偏差生成器、信号放大器b1、信号比较器a1、信号衰减器；协同偏差生成器的输入端分别与通讯网络以及非周期通讯调节器的输出端相连；信号放大器b1的输入端与协同偏差生成器的输出端相连；信号比较器a1的输入端分别与信号放大器b1的输入端以及通讯网络相连；信号衰减器的输入端与信号放大器b1的输出端相连；信号衰减器的输出端作为协同路径跟踪制导模块的输出端。

动力学控制模块包括二阶跟踪微分器、信号比较器a2、信号放大器b2，信号比较器a3，乘法器d1；跟踪微分器的输入端为协同跟踪制导模块的输出端；信号比较器a2的输入端，分别为跟踪微分器的输出端以及无人艇的输出端；信号放大器b2的输入端为信号比较器a2的输出端；信号比较器a3的输入端分别为信号放大器b2的输出端、二阶跟踪微分器的输出端以及并行学习辨识模块的输出端；乘法器d1的输出端分别为信号比较器a3的输出端以及并行学习辨识模块的输出端；乘法器d1的输出端作为动力学控制模块的输出端。

并行学习辨识模块包括数据处理单元、信号比较器a4、信号放大器b3、信号比较器a5、积分器c1、数据存储单元、乘法器d2、求和器、信号放大器b4、反相器、积分器c2；数据处理单元的输入端分别为动力学控制模块的输出端、无人艇的输出端以及积分器c2的输出端；信号比较器a4的输出端为积分器c1的输出端以及无人艇的输出端；信号放大器b3的输入端为信号比较器a4的输出端；信号比较器a5的输入端为信号放大器b3的输出端以及数据处理单元的输出端；积分器c1的输入端为信号比较器a5的输出端；数据存储单元的输入端为无人艇的输出端、动力学控制模块的输出端以及数据处理单元的输出端；乘法器d2的输入端为信号比较器a4的输出端以及数据处理单元的输出端；求和器的输出端为乘法器d2的输出端以及数据存储单元的输出端；信号放大器d的输入端为求和器的输出端；反相器的输入端为信号放大器b4的输出端；积分器c2的输入端为反相器的输出端。并行学习辨识模块的输出端为数据处理单元的输出端。

非周期控制调节器包括预设执行事件与零阶保持器e1；预设执行事件的输入端为动力学控制模块的输出端以及零阶保持器e1的输出端；零阶保持器a的输入端为预设执行事件的输入端以及动力学控制模块的输出端。非周期控制调节器的输出端为零阶保持器e1的输出端。

非周期通讯调节器包括预设通讯事件与零阶保持器e2；预设通讯事件的输入端为无人艇的输出端以及零阶保持器e2的输出端；零阶保持器e2的输入端为预设通讯事件的输入端以及无人艇的输出端。非周期控制调节器的输出端为零阶保持器e2的输出端。

仿真试验：

试验中采用的事件触发的无人艇集群分布式协同控制器结构如图1所示，试验中的无人艇集群由7艘无人艇和3个领航者组成，无人艇集群中包含7个无人艇节点(编号1-7)和3个领航者节点(编号8-10)，其中，1号、2号和3号无人艇可以直接获得领航者的信息，4号、5号、6号和7号无人艇只能获得邻居无人艇的信息。本试验的控制目标是事件触发的无人艇集群中的7艘无人艇能够跟踪3个领航者路径形成的闭包。

如图2所示，图中的实线为领航者的路径，虚线为7艘无人艇的运动轨迹，从图中可以明显看出，7艘无人艇能够准确跟踪3个领航者路径形成的闭包，整个无人艇集群实现了协同路径跟踪。如图3所示，协同误差最终收敛到原点附近。如图4所示，7艘无人艇的控制合力没有发生超调与发散。如图5所示，实线代表发明的逼近效果，虚线代表实际非线性动态，可以看出所提发明能够逼近系统未知非线性动态。如图6所示，并行学习辨识模块能够准确辨识未知控制系数。如图7所示，1号无人艇的执行与通讯是非周期的，并且不是连续更新的。

整体有益效果：

第一，与现有的采用连续通讯的无人艇集群协同控制器相比，本发明设计了一种基于事件触发的通讯方式，信息发送是非周期的，无人艇仅当预设事件满足时，才向通讯网络发送自身信息。所提方法能够减少信息发送频率，这可以减轻无人艇通讯网络的通讯负担。

第二，与现有的采用连续执行的无人艇集群协同控制器相比，本发明设计了一种基于事件触发的执行方式，执行器根据设定的性能按需更新，更新是非周期的，从而降低了执行器更新频率。所提方法能够避免执行器的连续动作，这可以减轻无人艇的执行负担。

第三，与现有的依赖精确模型信息的无人艇协同控制器相比，本发明中设计了一种并行学习辨识模块，不仅能够对无人艇中的不确定非线性动态进行逼近，也可以辨识模型中的未知控制增益。所提方法完全不依赖无人艇的精确模型信息，因而更加灵活高效。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。