一种基于随机通信网络的多旋翼农业无人机协同制导方法

1.本发明属于飞行器控制领域，尤其涉及一种基于随机通信网络的多旋翼农业无人机协同制导方法。


背景技术：

2.近年来，随着我国高标准农田改造项目大力推进，土地集中连片力度不断增大，粮食进入大面积种植、标准化生产模式。农业无人机作为现代农业管理工具，具有农作物长势监测，农产品产量预测，病虫害监测，药物喷洒等功能，能够为农户节省大量时间以及提高粮食生产率。但是，当气温升高或降雨增多时，高温高湿的田间环境，会导致农作物极易受杂草、病害以及虫灾影响。当农作物大面积受草病虫灾影响时，单架多旋翼农业无人机因飞行距离、飞行速度、续航时间、载荷等限制，只能在较小面积内作业，无法及时、有效进行大面积农药喷洒，无法有效控制草病虫灾。可知，单架农业无人机能够发挥的作用以及实现的功能十分有限。考虑到多架农业无人机协同工作，能够为减缓/消除农作物大面积草病虫灾提供解决途径，为此，多旋翼农业无人机协同工作机制应运而生。这种工作机制指多架多旋翼农业无人机从不同地点起飞，通过随机分布式通信网络通信，从不同方向同时到达作业区域，实现对草病虫灾严重区域进行药物喷洒。农业无人机的这种工作方式，使得药物喷洒速度、喷洒面积大幅提高，使得应用相对廉价、低性能的多旋翼农业无人机，快速完成大面积植保作业成为可能。
3.考虑到实际中多旋翼农业无人机通常在靠近地面、非空旷、有遮挡等网络不良环境下协同工作，这将导致农业无人机群的分布式通信网络，存在未知、时变通信延迟。此外，在这种环境下，农业无人机通常会受到一些不确定干扰，例如：房屋、树木、电线等静态干扰，以及人、飞鸟、动物等动态干扰，这些干扰将导致通信网络的通信丢包具有随机性。尤其，当各无人机相距较远时，以上问题更加凸显。可知，在具有未知时变延迟、通信丢包的随机通信网络下，多旋翼农业无人机群的有效通信、协同制导面临严重挑战。为此，本发明提出基于随机通信网络的多旋翼农业无人机分布式协同制导方法，力图大幅提高农业无人机群的协同制导精度。本发明提出的方法将为我国农业无人机研制部门、使用人员提供有效技术手段，具有重要的理论意义以及工程应用价值。
4.考虑到随着我国粮食大面积商品化种植，对农业高效性、精准性提出了更高的要求，这将使得多旋翼农业无人机群在水、肥、种子、农药的及时、精准投递/喷洒等方面具有广阔应用前景。毋庸置疑，较高的协同制导精度是当前农业无人机协同技术发展的趋势，也是诸多无人机群服务产业发展的目标，因此，对提高多旋翼农业无人机的协同制导精度的研究，受到国内外学者广泛关注。
5.针对农业无人机在无通信网络延迟情况下的协同控制问题，huang等基于集中式通信网络，研究了多植保无人机的防碰撞协同控制方法；文超等基于分布式通信网络，建立了农业无人机的分布式协同区域探测方法；以及费思远等基于此假设，研究了分布式通信网络下的农业无人机群编队协同控制问题。为了解决分布式通信网络存在延迟情况下的多
智能体协同控制问题，liu等在通信网络具有固定通信延迟时间下，研究了多智能体系统的协同控制策略；以及jia等在分布式通信网络存在已知、时变延迟情况下，研究了多智能体系统的协同控制问题。以上工作在分布式通信网络无通信延迟、固定通信延迟、已知时变通信延迟的假设下，对多智能体系统的协同控制方法进行了研究。但是，这些方法对通信网络延迟的假设过于理想，而且完全忽略了分布式通信网络中的通信丢包现象。然而，实际中分布式通信网络的通信延迟往往是未知、时变的，且当通信网络的通信不理想时，随机通信丢包现象无法避免。
6.针对忽略通信网络中通信丢包的问题，zheng等假设有向分布式通信网络具有定常、已知延迟时间，以及各信道通信丢包服从相同伯努利分布，在此基础上，建立了多智能体系统的协同控制方法。考虑到在受扰环境中，分布式通信网络各信道存在不同通信丢包的现象，saadabadi等将各信道通信丢包建模为服从不同伯努利分布的随机过程，建立了基于事件触发机制的分布式一致性控制方法。此外，jiang等在分布式通信网络的延迟时间定常、有界假设下，将通信网络丢包视为二元随机过程，运用频域方法研究了单输入-多输出系统的输出跟踪控制问题。以上工作虽然同时考虑了分布式通信网络中的通信延迟、通信丢包因素，但是，对二者的假设大多过于简单，尤其在通信网络丢包服从具体分布下，对多智能体系统的协同控制方法进行了研究，导致提出方法不具有广泛应用性。
7.综上所述，已提出农业无人机协同制导方法存在以下缺点：
8.(1)部分方法仅在理想通信网络延迟假设下，对多智能体系统的协同控制方法进行了研究，例如：无通信延迟、固定通信延迟、已知时变通信延迟情况，且提出的方法完全忽略了分布式通信网络中的通信丢包问题。
9.(2)一些算法虽然同时考虑了通信网络中的通信延迟、通信丢包问题，但是，这些算法对二者的假设过于理想、简单，尤其在通信丢包服从指定分布下，对多智能体系统的协同控制策略进行研究，导致这些方法在各信道通信丢包互不相同、而且服从任意随机过程的强随机通信丢包情况下，无法对多智能体系统进行控制。


技术实现要素：

10.为了解决现有技术中存在的不足，本技术提出了一种基于随机通信网络的多旋翼农业无人机协同制导方法，该方法能够使得多旋翼农业无人机群对随机通信网络中的未知时变延迟、强随机性通信丢包具有鲁棒性，即在这种通信网络下，多个多旋翼农业无人机从不同地点起飞，通过协同制导，能够同时达到指定工作区域。
11.本发明所采用的技术方案如下：
12.一种基于随机通信网络的多旋翼农业无人机协同制导方法，包括如下步骤：
13.步骤1、基于多智能体系统及随机通信网络模型，构建基于随机通信网络的多智能体系统，所述随机通信网络模型包括通信延迟模型和随机通信网络丢包模型；
14.步骤2、基于步骤1所建立随机通信网络模型，建立通信丢包与通信网络分离方法；
15.步骤3、基于步骤1和2建立多智能体分布式协同控制方法，利用所建立多智能体分布式协同控制方法对多旋翼农业无人机协同制导。
16.进一步，步骤1的多智能体系统由n个智能体构成，由智能体组成的集合记为v＝{1，2，
…
，n}；各智能体通过强连通有向图g＝(v，ε)通信，ε为g的通信边。
17.进一步，步骤1中构建基于随机通信网络的多智能体系统的方法为：
18.基于多智能体系统及通信延迟模型τ(k)和随机通信网络丢包模型ω(k)，构建基于随机通信网络的多智能体系统，表示为：
19.xi(k+1)＝axi(k)+bui(k)
20.多智能体系统的控制律，表示为：
[0021][0022]
其中，xi、u分别为系统的状态量和控制量，k表示时刻，a、b分别为系统矩阵和输入矩阵，g为智能体的增益，ni为与智能体i进行通信的智能体数量；a
ij
为通信网络的通信边e
ij
上的通信权重；ω
ij
(k)为通信网络的通信边e
ij
上的通信丢包，τ(k)为通信网络的各通信边上的通信延迟时间，xj、xi分别为智能体j、i的协同状态量。
[0023]
进一步，步骤2建立通信丢包与通信网络分离方法如下：
[0024]
步骤2.1、定义有向通信图g的压缩通信图；
[0025]
步骤2.2、定义有向通信图g的压缩内关联矩阵压缩关联矩阵e、压缩边矩阵d以及三个压缩矩阵三个压缩矩阵；
[0026]
步骤2.3、基于三个压缩矩阵的性质，建立通信丢包与通信网络分离方法。
[0027]
进一步，步骤2.1中定义为图g的压缩边集合，当e
ij
∈ε或e
ji
∈ε时，称e
ij
为单向通信边；当e
ij
∈ε以及e
ji
∈ε时，称e
ij
为双向通信边；选取有向通信图g中双向通信边的任意一个单向通信边，代替此双向通信边，以及将这个单向通信边添加进压缩边集合
[0028]
进一步，所述压缩内关联矩阵当为双向通信边时，令ε
l
为e
ij
的任意一条单向通信边，如果智能体i为通信边ε
l
的出发点，有成立；如果智能体j为通信边ε
l
的终止点，有成立；否则，s≠i，j，l＝1，2，...，n
ε
；
[0029]
所述压缩内关联矩阵e：无论ε
l
为单向或双向通信边，当智能体i为通信边出发点时，有e
il
＝1成立；当智能体j为通信边终止点时，有e
jl
＝1成立；否则，e
sl
＝0，s≠i，j，l＝1，2，...，n
ε
；
[0030]
压缩边矩阵d表示为：
[0031]
进一步，三个压缩矩阵的性质包括：
[0032]
①
有向通信图g的拉普拉斯矩阵，可通过压缩内关联矩阵以及压缩关联矩阵e表示，即
[0033]
②
压缩边矩阵d与拉普拉斯矩阵lg有相同的非零特征值，以及当有向通信图g至少包含一个有向生成树时，压缩边矩阵d具有n-1个正实部的特征值；
[0034]
③
当有向通信图g至少包含一个有向生成树时，压缩边矩阵d相似于[cs
t vc；0 0]，其中，v为压缩关联矩阵e的零空间正交基，ec为有向生成树网络的压缩关联矩阵，s＝[i，t]，i为单位阵，t为构造矩阵使得ec＝e
τ
t成立，ec以及e
τ
为压缩关联矩阵e的分块矩阵，有e＝[e
τ
，ec]成立，矩阵ec与e
τ
中的边为有向通信图g中环形通信回路的边。
[0035]
进一步，对于多智能体系统，运用性质
①
，能够使得拉普拉斯矩阵lg得到分解；运用性质
②
，为构造压缩边矩阵d的相似矩阵提供理论依据；基于有向通信图g至少包含一个
有向生成树的假设；运用性质
③
，实现压缩边矩阵d的相似矩阵构造；进一步，通过运用矩阵理论对多智能体系统进行化简，最终实现通信网络随机丢包矩阵与拉普拉斯矩阵相分离。
[0036]
进一步，步骤3多智能体分布式协同控制方法的建立过程包括：
[0037]
步骤3.1、拟估计无人机的剩余飞行时间t
go
，以及基于多智能体系统，建立以剩余飞行时间为状态量的多智能体系统；
[0038]
步骤3.2、对通信网络边状态进行分解，建立有向生成树通信网络边的分布式多智能体系统，针对所构建的关于有向生成树通信网络边的多智能体系统，设计控制方法，使得有向生成树通信网络边的状态量具有均方一致性；且通过构建控制增益阵，实现有向生成树通信网络边多智能体系统的状态量具有均方一致性。
[0039]
进一步，有向生成树通信网络边的多智能体系统表示为
[0040][0041]
其中，e
t
为e＝[e
t
,er]中有向扩展树边对应的压缩内关联矩阵；r＝[i,t]，i为单位阵，t为使得er＝e
t
t成立的矩阵，er为通信网络剩余边对应的压缩内关联矩阵。
[0042]
本发明的有益效果：
[0043]
(1)本发明将多旋翼农业无人机群实际通信网络中，难以准确建模的时延特性、通信不确定性，分别建模为未知、时变通信延迟，互不相同、相互独立、仅已知均值和方差的强随机性通行丢包，基于此，构建符合问题实际的多翼农业无人机群随机通信网络模型。
[0044]
(2)本发明通过建立压缩通信图、定义压缩矩阵、分析压缩矩阵性质以及分解拉普拉斯矩阵，建立了通信网络丢包与通信网络分离的方法，使得通信丢包与通信网络无法分离的问题得到解决。
[0045]
(3)建立关于有向生成树边的多智能体系统，剖析多智能体系统具有一致性的新机理，实现多旋翼农业无人机群满意协同。
附图说明
[0046]
图1是基于随机通信网络的多旋翼农业无人机协同制导策略流程图；
[0047]
图2是压缩内关联矩阵流程图；
[0048]
图3是压缩关联矩阵流程图。
具体实施方式
[0049]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。
[0050]
针对实际多旋翼农业无人机群通信网络中，通信延迟具有未知、高动态性，通信丢包具有强随机性，导致多旋翼无人机在此通信网络下无法有效协同的问题，本发明考虑多旋翼农业无人机群实际应用场景，将无人机通信网络中难以准确建模的时延特性、通信不确定性，分别建模为未知、时变通信延迟，以及互不相同、相互独立、仅已知均值和方差的任意随机过程，基于此，建立考虑以上两种因素的随机通信网络；进一步，拟运用图理论以及矩阵理论，压缩有向通信图，定义压缩矩阵，分析压缩矩阵性质，解决随机通信网络中通信
网络丢包与通信网络无法分离的问题；此外，拟根据鲁棒控制理论、多智能体一致性控制理论，研究对随机通信网络具有鲁棒性的多智能体分布式协同控制方法，实现多旋翼农业无人机群在随机通信网络下能够得到满意协同；下面结合附图及具体实施方式对本发明作进一步详细说明，具体如下：
[0051]
一种基于随机通信网络的多旋翼农业无人机协同制导方法，包括如下步骤：
[0052]
步骤1、建立随机通信网络模型，随机通信网络模型包括通信延迟模型和随机通信网络丢包模型，具体过程如下：
[0053]
步骤1.1、建立多智能体系统描述
[0054]
考虑由n个智能体构成的多智能体系统，所有智能体组成的集合记为v＝{1，2，
…
，n。各智能体通过简单、具有平衡性的强连通有向图g＝v，ε通信，其中，ε∈v
×
v为g的通信边。令ag＝[a
ij
]∈rn×n为g的邻接矩阵，e
ij
＝(i，j)表示智能体i向智能体j传输信号，当e
ij
∈ε时，a
ij
＞0，否则a
ij
＝0；令lg＝d-ag为g的拉普拉斯矩阵，其中，d＝diag{deg1，deg2，...，degn}，为智能体i的信号输出度。令ω
ij
(k)为k时刻通信边e
ij
的通信丢包。
[0055]
步骤1.2、构建通信延迟模型
[0056]
考虑到实际多旋翼农业无人机群通信网络的延迟时间具有未知、高动态性，本发明拟基于信号发射端、接收端具有相同延迟时间的假设，将通信网络延迟建模为未知、时变延迟时间τ(k)。
[0057]
步骤1.3、构建随机通信网络丢包模型
[0058]
考虑到实际多旋翼农业无人机群通信网络的通信丢包具有强随机性，本发明拟将通信网络各信道的通信丢包ω(k)，建模为互不相同、相互独立、仅已知均值μ和方差σ2的任意随机过程。
[0059]
步骤1.4)构建基于随机通信网络的多智能体系统
[0060]
基于步骤1.1中的多智能体系统，及步骤1.2和1.3中所建立的通信延迟模型和随机通信网络丢包模型，构建基于随机通信网络的多智能体系统，即多无人机系统；该系统表示如下：
[0061]
xi(k+1)＝axi(k)+bui(k)
ꢀꢀꢀꢀ
(1)
[0062]
其中，xi∈rn，u∈rn×1分别为系统的状态量和控制量，k表示k时刻，a、b分别为系统矩阵和输入矩阵。针对所构建的多智能体系统即式(1)设计如下式(2)所示的控制律：
[0063][0064]
其中，g为智能体的增益，ni为与智能体i进行通信的智能体数量；a
ij
为通信网络的通信边e
ij
上的通信权重；ω
ij
(k)为通信网络的通信边e
ij
上的通信丢包，τ(k)为通信网络的各通信边上的通信延迟时间，xj、xi分别为智能体j、i的协同状态量，v为v＝{1，2，
…
，n}。由式(2)可知，式(1)所示的多智能体系统(1)存在通信丢包矩阵与拉普拉斯矩阵lg无法分离的问题。
[0065]
除此之外，从上式(2)还可以看出本技术所设计的控制律考虑了通信网络的通信时间的时变、未知性，以及通信丢包的随机性等因素。
[0066]
步骤2、基于步骤1所建立随机通信网络模型，建立通信丢包与通信网络分离方法，
具体过程如下；
[0067]
步骤2.1、定义有向通信图g的压缩通信图
[0068]
为解决通信丢包与通信网络无法分离的问题，本发明拟定义有向通信图g的压缩通信图，具体为：定义为图g的压缩边集合，当e
ij
∈ε或e
ji
∈ε时，称e
ij
为单向通信边；当e
ij
∈ε以及e
ji
∈ε时，称e
ij
为双向通信边。为得到分布式通信网络的压缩矩阵，拟选取有向通信图g中双向通信边的任意一个单向通信边，代替此双向通信边，以及将这个单向通信边添加进压缩边集合进一步，将中各通信边进行编号，即令
[0069]
步骤2.2、定义有向通信图g的压缩内关联矩阵压缩关联矩阵e以及压缩边矩阵d。三个压缩矩阵及其性质具体如下：
[0070]
1)压缩内关联矩阵
[0071]
当为双向通信边时，令ε
l
为e
ij
的任意一条单向通信边，如果智能体i为通信边ε
l
的出发点，有成立；如果智能体j为通信边ε
l
的终止点，有成立；否则，s≠i，j，l＝1，2，...，n
ε
。具体流程如图2所示。
[0072]
2)压缩内关联矩阵e
[0073]
无论ε
l
为单向或双向通信边，当智能体i为通信边出发点时，有e
il
＝1成立；当智能体j为通信边终止点时，有e
jl
＝1成立；否则，e
sl
＝0，s≠i，j，l＝1，2，...，n
ε
。具体流程如图3所示。
[0074]
3)压缩边矩阵d
[0075]
基于建立的压缩内关联矩阵压缩关联矩阵e，定义压缩边矩阵
[0076]
4)三个压缩矩阵的性质
[0077]
运用矩阵理论，推导三个压缩矩阵所具有的性质：
[0078]
①
有向通信图g的拉普拉斯矩阵，可通过压缩内关联矩阵以及压缩关联矩阵e表示，即
[0079]
②
压缩边矩阵d与拉普拉斯矩阵lg有相同的非零特征值，以及当有向通信图g至少包含一个有向生成树时，压缩边矩阵d具有n-1个正实部的特征值；
[0080]
③
当有向通信图g至少包含一个有向生成树时，压缩边矩阵d相似于[cs
t vc；0 0]，其中，v为压缩关联矩阵e的零空间正交基，ec为有向生成树网络的压缩关联矩阵，s＝[i，t]，i为单位阵，t为构造矩阵使得ec＝e
τ
t成立，ec以及e
τ
为压缩关联矩阵e的分块矩阵，有e＝[e
τ
,ec]成立，矩阵ec与e
τ
中的边为有向通信图g中环形通信回路的边。
[0081]
步骤2.3、基于三个压缩矩阵的性质，建立通信丢包与通信网络分离方法
[0082]
对于式子(1)所示的多智能体系统，运用上述性质
①
，能够使得拉普拉斯矩阵lg得到分解；运用上述性质
②
，为构造压缩边矩阵d的相似矩阵提供理论依据；基于有向通信图g至少包含一个有向生成树的假设；运用上述性质
③
，实现压缩边矩阵d的相似矩阵构造。进一步，通过运用矩阵理论对多智能体系统进行化简，最终实现通信网络随机丢包矩阵与拉普拉斯矩阵相分离，具体如下：
[0083]
根据压缩内关联矩阵定义，可将上述式(2)写为
[0084][0085]
其中，z
l
＝x
i-xj为边es＝(i,j)上的状态量，为压缩内关联矩阵的第i行第j列元素，为边es上的丢包率，为图g的压缩边集合。
[0086]
根据式(3)，对于任意边上的状态量zs有
[0087][0088]
令
[0089][0090][0091]
则式(4)可写为
[0092][0093]
其中，为阶单位阵，为矩形数组的克罗内克积。
[0094]
由于压缩边矩阵(5)可写为
[0095][0096]
由(6)可得通信网络随机通信丢包矩阵已与拉式矩阵lg分离。
[0097]
步骤3、基于步骤1和2建立多智能体分布式协同控制方法，利用所建立多智能体分布式协同控制方法对多旋翼农业无人机协同制导。
[0098]
多智能体分布式协同控制方法的建立过程如下；
[0099]
步骤3.1、构建通信网络边多智能体系统
[0100]
为使得各多旋翼农业无人机能够同时到达既定作业区域，本发明拟估计无人机的剩余飞行时间t
go
，以及基于式(1)所述多智能体系统，建立以剩余飞行时间为状态量的多智能体系统。在此基础上，定义第i个智能体的剩余飞行时间平均一致性误差，表示如下：
[0101][0102]
其中，rj为向量r∈rn×1的第j个元素，以及有r
t
lg＝01×n成立，lg为拉普拉斯矩阵，n为智能体的个数，为k时刻第i个无人机的剩余飞行时间，为k时刻第j个无人机的剩余飞行时间。
[0103]
基于式(7)所定义的剩余飞行时间平均一致性误差，构建多智能体一致性误差动
态系统；该误差动态系统表示为：
[0104][0105]
其中，δ(k)∈rn×1为k时刻的误差向量，a、b分别为系统矩阵和输入矩阵，in为n阶单位阵，g为智能体的增益，lw(k)＝lgω(k)，lw(k)为拉普拉斯矩阵与通信丢包矩阵的相乘矩阵，lg为拉普拉斯矩阵，ω(k)为通信丢包矩阵。由可知通信网络拉普拉斯矩阵与通信网络丢包矩阵无法分离。
[0106]
进一步，定义第l个通信网络边的状态
[0107][0108]
其中，为k时刻第i个无人机的剩余飞行时间，为k时刻第j个无人机的剩余飞行时间，l为通信网络的第l条边，n
ε
为通信网络的总通信边数。
[0109]
基于式(6)以及式(9)可得式(8)的通信丢包与通信网络分离形式的通信网络边多智能体系统为：
[0110][0111]
其中，
[0112]
步骤3.2、多智能体系统分布式协同控制方法
[0113]
为建立有向生成树通信网络边的分布式多智能体系统，发明人拟对通信网络边状态进行分解，即其中，z
t
为有向生成树边的状态，zr为通信网络剩余边的状态。
[0114]
式(10)的有向生成树通信网络边的多智能体系统表示为
[0115][0116]
其中，e
t
为e＝[e
t
,er]中有向扩展树边对应的压缩内关联矩阵；r＝[i,t]，i为单位阵，t为使得er＝e
t
t成立的矩阵，er为通信网络剩余边对应的压缩内关联矩阵。
[0117]
进一步，针对所构建的关于有向生成树通信网络边的多智能体系统，设计控制方法，使得有向生成树通信网络边的状态量具有均方一致性，即
[0118][0119]
其中，i≠j，i，j＝1，2，...，n。
[0120]
步骤3.3、控制增益
[0121]
在建立的有向生成树通信网络边多智能体系统基础上，运用文献[37](zheng j y,xu l,xie lh,et al.consensusability of discrete-time multi-agent systems with communication delay and packet dropouts,ieee transactions on automatic control,2019,64(3):1185-1192.)提出的针对离散随机系统的修正黎卡提不等式，推导满足此不等式的控制增益阵，实现有向生成树通信网络边多智能体系统的状态量具有均方一致性。
[0122]
以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

技术特征：
1.一种基于随机通信网络的多旋翼农业无人机协同制导方法，其特征在于，包括如下步骤：步骤1、基于多智能体系统及随机通信网络模型，构建基于随机通信网络的多智能体系统，所述随机通信网络模型包括通信延迟模型和随机通信网络丢包模型；步骤2、基于步骤1所建立随机通信网络模型，建立通信丢包与通信网络分离方法；步骤3、基于步骤1和2建立多智能体分布式协同控制方法，利用所建立多智能体分布式协同控制方法对多旋翼农业无人机协同制导。2.根据权利要求1所述的一种基于随机通信网络的多旋翼农业无人机协同制导方法，其特征在于，步骤1的多智能体系统由n个智能体构成，由智能体组成的集合记为v＝{1，2，
…
，n}；各智能体通过强连通有向图g＝(v，ε)通信，ε为g的通信边。3.根据权利要求2所述的一种基于随机通信网络的多旋翼农业无人机协同制导方法，其特征在于，步骤1中构建基于随机通信网络的多智能体系统的方法为：基于多智能体系统及通信延迟模型τ(k)和随机通信网络丢包模型ω(k)，构建基于随机通信网络的多智能体系统，表示为：x
i
(k+1)＝ax
i
(k)+bu
i
(k)多智能体系统的控制律，表示为：其中，x
i
、u分别为系统的状态量和控制量，k表示时刻，a、b分别为系统矩阵和输入矩阵，g为智能体的增益，n
i
为与智能体i进行通信的智能体数量；a
ij
为通信网络的通信边e
ij
上的通信权重；ω
ij
(k)为通信网络的通信边e
ij
上的通信丢包，τ(k)为通信网络的各通信边上的通信延迟时间，x
j
、x
i
分别为智能体j、i的协同状态量。4.根据权利要求1、2或3所述的一种基于随机通信网络的多旋翼农业无人机协同制导方法，其特征在于，步骤2建立通信丢包与通信网络分离方法如下：步骤2.1、定义有向通信图g的压缩通信图；步骤2.2、定义有向通信图g的压缩内关联矩阵压缩关联矩阵e、压缩边矩阵d以及三个压缩矩阵三个压缩矩阵；步骤2.3、基于三个压缩矩阵的性质，建立通信丢包与通信网络分离方法。5.根据权利要求4所述的一种基于随机通信网络的多旋翼农业无人机协同制导方法，其特征在于，步骤2.1中定义为图g的压缩边集合，当e
ij
∈ε或e
ji
∈ε时，称e
ij
为单向通信边；当e
ij
∈ε以及e
ji
∈ε时，称e
ij
为双向通信边；选取有向通信图g中双向通信边的任意一个单向通信边，代替此双向通信边，以及将这个单向通信边添加进压缩边集合6.根据权利要求5所述的一种基于随机通信网络的多旋翼农业无人机协同制导方法，其特征在于，所述压缩内关联矩阵当为双向通信边时，令ε
l
为e
ij
的任意一条单向通信边，如果智能体i为通信边ε
l
的出发点，有成立；如果智能体j为通信边ε
l
的终止点，有成立；否则，s≠i，j，l＝1，2，...，n
ε
；所述压缩内关联矩阵e：无论ε
l
为单向或双向通信边，当智能体i为通信边出发点时，有e
il
＝1成立；当智能体j为通信边终止点时，有e
jl
＝1成立；否则，e
sl
＝0，s≠i，j，l＝1，
2，...，n
ε
；压缩边矩阵d表示为：7.根据权利要求6所述的一种基于随机通信网络的多旋翼农业无人机协同制导方法，其特征在于，三个压缩矩阵的性质包括：
①
有向通信图g的拉普拉斯矩阵，可通过压缩内关联矩阵以及压缩关联矩阵e表示，即
②
压缩边矩阵d与拉普拉斯矩阵l
g
有相同的非零特征值，以及当有向通信图g至少包含一个有向生成树时，压缩边矩阵d具有n-1个正实部的特征值；
③
当有向通信图g至少包含一个有向生成树时，压缩边矩阵d相似于[cs
t vc；00]，其中，v为压缩关联矩阵e的零空间正交基，e
c
为有向生成树网络的压缩关联矩阵，s＝[i，t]，i为单位阵，t为构造矩阵使得e
c
＝e
τ
t成立，e
c
以及e
τ
为压缩关联矩阵e的分块矩阵，有e＝[e
τ
，e
c
]成立，矩阵e
c
与e
τ
中的边为有向通信图g中环形通信回路的边。8.根据权利要求7所述的一种基于随机通信网络的多旋翼农业无人机协同制导方法，其特征在于，对于多智能体系统，运用性质
①
，能够使得拉普拉斯矩阵l
g
得到分解；运用性质
②
，为构造压缩边矩阵d的相似矩阵提供理论依据；基于有向通信图g至少包含一个有向生成树的假设；运用性质
③
，实现压缩边矩阵d的相似矩阵构造；进一步，通过运用矩阵理论对多智能体系统进行化简，最终实现通信网络随机丢包矩阵与拉普拉斯矩阵相分离。9.根据权利要求4所述的一种基于随机通信网络的多旋翼农业无人机协同制导方法，其特征在于，步骤3多智能体分布式协同控制方法的建立过程包括：步骤3.1、拟估计无人机的剩余飞行时间t
go
，以及基于多智能体系统，建立以剩余飞行时间为状态量的多智能体系统；步骤3.2、对通信网络边状态进行分解，建立有向生成树通信网络边的分布式多智能体系统，针对所构建的关于有向生成树通信网络边的多智能体系统，设计控制方法，使得有向生成树通信网络边的状态量具有均方一致性；且通过构建控制增益阵，实现有向生成树通信网络边多智能体系统的状态量具有均方一致性。10.根据权利要求2所述的一种基于随机通信网络的多旋翼农业无人机协同制导方法，其特征在于，有向生成树通信网络边的多智能体系统表示为其中，e
t
为e＝[e
t
,e
r
]中有向扩展树边对应的压缩内关联矩阵；r＝[i,t]，i为单位阵，t为使得e
r
＝e
t
t成立的矩阵，e
r
为通信网络剩余边对应的压缩内关联矩阵。

技术总结
本发明公开了一种基于随机通信网络的多旋翼农业无人机协同制导方法，基于多智能体系统及随机通信网络模型，构建基于随机通信网络的多智能体系统，随机通信网络模型包括通信延迟模型和随机通信网络丢包模型；基于所建立随机通信网络模型，建立通信丢包与通信网络分离方法；基于建立多智能体分布式协同控制方法，利用所建立多智能体分布式协同控制方法对多旋翼农业无人机协同制导。本方法能够使得多旋翼农业无人机群对随机通信网络中的未知时变延迟、强随机性通信丢包具有鲁棒性，即在这种通信网络下，多个多旋翼农业无人机从不同地点起飞，通过协同制导，能够同时达到指定工作区域。域。域。


技术研发人员：李红霞 全力
受保护的技术使用者：江苏大学
技术研发日：2023.06.13
技术公布日：2023/10/11