[發明專利]基于障礙環境和有界輸入的護航任務協同控制方法及系統

有效

• 申請號: 202010053347.8
• 申請日: 2020-01-17
• 公開（公告）號: CN111158242B
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 宋銳;高嵩;鄭玉坤;李貽斌
• 申請（專利權）人: 山東大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 董雪

本發明公開了一種基于障礙環境和有界輸入的護航任務協同控制方法及系統，包括：采用多歐拉?拉格朗日系統描述護航任務的物理模型；采用內外環控制結構，外環采用基于空空間的行為控制方法，產生內環物理模型所需要的期望速度和期望運動軌跡；內環基于改進的自適應徑向基函數神經網絡的比例導數滑模控制方法，使得在存在干擾和參數不確定的情況下，每個物理模型都能夠跟蹤期望速度和期望運動軌跡，實現零穩態誤差和有界輸入。本發明所提出的控制器具有簡單、無模型和能提供連續的控制信號，控制器設計中所采用的自適應徑向基函數神經網絡所具備的強大的學習能力和魯棒性，很好地補償了干擾且最終實現了零穩態誤差。

技術領域

本發明涉及護航任務的協同控制技術領域，尤其涉及一種基于障礙環境和有界輸入的護航任務協同控制方法及系統。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

在過去的幾十年中，多歐拉拉格朗日系統的協調控制問題引起了廣泛的關注。移動機器人，水下航行器，水面船只，航天器，機械臂等都屬于歐拉拉格朗日系統。由于測量噪聲，建模誤差，外部干擾和建模簡化以及實際系統中經常存在未建模的動態，這些都可能會嚴重降低系統性能并導致控制系統不穩定。此外，忽略處理一些實際問題，例如輸入飽和，障礙物和碰撞，都可能會造成災難性的后果。因此，對這些領域進行研究至關重要并且很有意義。

迄今為止，與多歐拉拉格朗日系統有關的一些常見應用分別是分布共識，同步，包含控制，編隊控制以及誘捕或護航。護航任務是一組機器人在未知環境中圍繞并跟蹤移動目標。機器人和目標之間保持指定的距離，并且機器人在目標周圍均勻分布。護航任務在民用和軍事領域的實用價值吸引了許多研究者的興趣。許多方法用來實現這一任務，例如循環追蹤策略，基于行為的方法，集群空間控制方法等等。

基于行為的方法屬于一種典型的編隊控制方法，它具有靈活性，易于實現和更新的優點，但是該方法的主要問題是如何對其進行數學上形式化。與其他行為方法相比，基于空空間的行為(NSB)控制具有清晰的數學表達這個明顯的特征。NSB控制可應用于p維空間(其中p≥2是一個正整數)實現多個歐拉拉格朗日系統執行護航任務，同時避免障礙。但是，NSB控制仍然存在一些未解決的問題，例如，如何在這種行為控制架構下實現更精確的非線性動態控制。

滑模控制(SMC)具有對外部干擾和系統不確定的魯棒性能，并該控制已廣泛應用在多歐拉拉格朗日系統。但是，它需要系統參數的一定先驗知識，而這在許多實際應用中很難獲得。比例微分(PD)控制方法是線性且無模型的，易于實現，可以用來替代SMC的等效控制部分。現有技術介紹了如何將PD控制器與SMC結合使用以及基于PD控制器和SMC的線性機器人系統的控制方法。在上述方法中，對控制器參數進行選擇都需要知道不確定性的上限，而這在某些情況下很難實現。

近年來，越來越多的基于學習的方法被用于識別模型并增強傳統控制方法的魯棒性。神經網絡(NN)由于其良好的逼近能力，可用作建模非線性函數的工具。現有技術引入了徑向基函數網絡(RBFN)來近似SCARA型機器臂的非線性動力學。RBFNNS可以用于估計未知的所需控制量，從而可以實現零穩態誤差跟蹤。現有技術公開了一種分層控制策略結合了集成滑模控制(IntSMC)的優勢和RBFNNS的任意函數逼近優勢，可以保證在短時間內將狀態變量更快速地收斂到期望值并補償干擾和不確定性。但是,上述方法主要應用于單一被控對象,如一個機械臂或一個四旋翼飛行器,上述方法還未應用于多被控對象。另外，上述方法都未考慮輸入有界的問題，認為執行器能產生任意力矩，這與實際中執行器所提供的力矩是有界而矛盾的。因此，現有的技術在實際應用中或者需要采用龐大的驅動機構產生大的力矩或者根本無法得到實際應用。

發明內容

為了解決上述問題，本發明提出了一種基于障礙環境和有界輸入的護航任務協同控制方法及系統，考慮到護航任務和避障任務，在外環設計中采用了NSB控制，所產生速度矢量作為內環的參考值。在內環中，提出了基于反正切函數和自適應RBFNNS的IRPD-SMC技術，確保機器人遵循參考軌跡并實現零穩態誤差。