基于多智能体技术的飞行控制系统协同容错控制

发布时间：2020-03-26 03:25

【摘要】：多智能体系统是网络环境中的一组交互式智能系统,通过多智能体技术可以解决个别系统难以或者不能解决的问题。通过多智能体系统可以对飞行控制系统的协同控制、编队控制等问题进行研究。飞行控制系统是无人机的核心,其可靠性是保证无人机安全飞行的基础,而在实际飞行过程中,飞行控制系统受到其运行环境的影响,系统中难免会发生故障。本文旨在飞行控制系统出现故障的情况下,以多智能体技术为基础,设计有效的容错控制策略,保证在故障条件下飞行器仍能实现协同飞行。首先,本文从课题的研究背景和意义出发,对容错控制的基本知识和研究现状进行了简单地阐述,并概述了多智能体技术和多智能体容错控制技术的研究现状。简单介绍了本文所采用的飞行器系统模型,并给出了相应的坐标系和坐标系转换。其次,针对无向拓扑意义下的多智能体系统,研究其有限时间协同容错控制。在考虑多智能体系统中个别节点存在执行器故障的前提下,研究基于有限时间技术的多智能体协同容错控制策略。首先在多智能体系统中设置一个领导者,跟随者则利用相邻节点的信息来设计控制器,使系统能够在出现故障时刻起的规定时间内实现协同容错控制。通过图论中相关的知识,将每个节点的动态整合成全局误差方程,并进行理论验证。该方法克服了非有限时间闭环控制系统存在的缺陷,提高了多智能体系统的鲁棒性和抗扰动性。再次,根据多智能体技术进一步研究四旋翼飞行器的编队容错控制问题。将四旋翼飞行器模型分为位置子系统和姿态子系统两部分,针对位置子系统,利用相邻飞行器的信息来构建相应的参考编队控制器,根据其参考值计算出姿态子系统所需要得到的期望跟踪值。考虑姿态子系统中发生执行器故障,基于自适应机制和边界层理论构建容错控制方案,使得姿态子系统可以在发生故障的情况下实现跟踪控制。最后,进一步考虑四旋翼飞行器位置子系统中可能出现的外部干扰。基于主动容错控制的方法进行编队控制研究,利用状态观测器的输出信息来设计控制器,并通过快速自适应故障观测器的信息来进行故障补偿。在保证H_∞性能的前提下对编队误差的收敛性进行研究,理论结果证明了多智能体系统的编队误差可以在上述的条件下渐进收敛,且快速自适应故障观测器可以准确的预估出故障的实际值。
【图文】：

无人机

现状进行阐述，最后将对多智能体系统和容错控制领域结合的现有理论成果进行介绍。1.3.1 多智能体系统研究现状多智能体系统经过几十年的发展，已经成为了人工智能领域的一项前沿课题，它可以被用来研究自然界中的一些群体行为，在机器人集群、无人机编队等领域中得到了广泛的应用，从事与自动控制、计算机和人工智能等领域的专家学者对此投入了足够的重视。如图 1.1 为南京航空航天大学飞行器制造专业毕业生带领团队进行的无人机表演，无人机伴随着灯光精准的排列成各种图案。多智能体系统的概念最初起源于自然环境中的生物活动，，通过观察生物个体的群体现象，慢慢衍生出了集群的概念。自然界中不同生物个体之间通过一些简单的规则展现出令人奇特的群体行为，例如鸟在迁徙过程中所展现出的多变的队形、鱼群通过收集周围环境的信息以群体的形式在海中移动和蚂蚁通过简单的任务规划找到最佳路径等，这些生物个体之间通过独特的信息传递方式，以达到相互合作的状态。这远远超出了个人层面，这样的群体合作行为往往能够完成个体无法单独完成的目标，于是便衍生除了多智能体系统的概念：由多个智能体组成，目标是将复杂的系统建设成更小的、彼此相互通信、协调的，易于管理的系统。

结构图,旋翼飞行器,字型,结构图

翼飞行器在三维空间上的动力学特性进行简单介绍，为之后的来将对飞行器研究中常用的地面坐标系、机体坐标系进行介绍运行原理，给出四旋翼飞行器在三维坐标系下的六自由度数学行器机理分析的结构复杂、种类众多，按照其结构不同可以划分为两类：“”字型四旋翼飞行器的结构图，图 2.2 为“+”字型四旋翼飞行+”型四旋翼飞行器进行研究。如图 2.1 所示，四旋翼飞行器的的末端，这里分别为四个螺旋桨编号为{1,2,3,4}，其中 1 号桨转方向相同。以 1 号桨与 2 号之间的连线为机体坐标系 x 轴，体坐标系 y 轴，沿垂直机体平面向下方向为机体坐标系 z 轴。 2 号螺旋桨以顺时针的方向旋转，3 号和 4 号螺旋桨以逆时针的翼飞行器，“x”型四旋翼飞行的结构更为复杂，但在控制精度
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：V249.1;TP18;TP13

【相似文献】