一种全驱异构多智能系统预设时间协同容错方法

1.本发明涉及空地多智能体系统的容错编队控制领域，尤其涉及一种全驱异构多智能系统预设时间协同容错方法。


背景技术：

2.多智能体系统是由多个兼具通信、传感、计算和执行能力的自主单元子系统组成，基于通信网络实现信息交互并通过分布式控制单元实现协同的系统。随着生物学、人工智能、控制科学、计算机科学等领域的交叉融合发展，多智能体系统得到了越来越多的关注并在很多领域得到了实际的应用。无人飞行器与无人地面车辆是多智能体系统中最具有代表性的两种对象，通过无人飞行器与无人地面车辆的合理配合，可以弥补单一类型对象的不足，有效提升协同作业效能。例如，在复杂地形条件的侦察中，多个无人飞行器编队控制可用于覆盖大面积区域以迅速搜索目标。然而，无人飞行器飞行速度、高度、姿态不确定性等因素使无人飞行器上所搭载的传感器分辨和定位地面特征的能力受到了限制。此时，通过引入多个无人地面车辆协同侦察，凭借无人飞行器为其提供大范围环境信息，无人地面车辆可以提前规划路线避开前方建筑物或栅栏等障碍物，准确定位地面目标，实现异构集群系统的优势互补与协同配合。
3.由于无人飞行器与无人地面车辆具有完全不同的物理结构，其动力学模型完全不同，且飞行器在三维空间运动，地面车辆在二维空间运动，导致现有的面向同构多智能体系统的分布式协同编队控制算法无法直接应用。在实际协同作业过程中，由于外部环境的突然恶化、长时间高负荷运行等原因智能体系统会不可避免地发生各类故障，如执行器故障、传感器故障、元部件故障等。由于多智能体系统具有强耦合性，当某些子系统发生故障时，故障信息会借助通信网络传递给邻居智能体，进而波及整个系统。如果系统的故障信息得不到及时有效的处理，那么预期的协同作业任务便难以实现，造成系统瘫痪、经济损失，甚至人员伤亡。现有的异构多智能体控制策略并没有很好地解决故障信息传播这一问题。因此，在多智能体系统的协同控制问题中，当故障发生时，如何抑制故障信息的传播的同时设计相应的容错控制方法保证系统整体的稳定运行及协同性具有现实的意义。
4.目前，大多将无人飞行器与无人地面车辆建模为一阶状态空间模型。然而，无人飞行器与无人地面车辆等系统均要遵循客观的物理定律，如牛顿定律、拉格朗日方程、动量矩定理等。基于以上物理定律直接建立的系统模型大多为二阶或高阶微分方程。若是将这些二阶或高阶系统模型转化为一阶状态空间模型，就破坏了原系统的全驱特性。直接基于高阶全驱系统模型，控制器设计更为简便，且易于实现，全驱特性允许消除所有的开环动力学，建立一个全新的、期望的、定常线性闭环系统。因此，研究基于全驱系统方法的协同控制策略具有应用价值。
5.另外，随着协同作业任务的复杂化、精细化、高效化程度的不断提高，对多智能体系统的机动响应性也提出了更为严苛的要求。在确保预期协同作业任务可实现的前提下，要求进一步提高任务执行的及时性和快速性，这就使得现有以实现渐近收敛为目标的多智
能体系统的容错控制算法不再适用。现有的固定异构多智能体系统协同控制策略虽然能在固定时间内实现系统的收敛，但是收敛时间的大小仍取决于所设计控制器的参数值，而且控制器中引入了符号函数导致控制输入震颤。因此亟需研究新的控制策略实现异构多智能体系统在任意预设时间内收敛。


技术实现要素：

6.发明目的：本发明的目的是提供一种能实现预定时间内对领导者所提供的期望运动轨迹信息的跟踪，提高系统的机动响应速度和编队系统鲁棒性、容错性的异构多智能系统预设时间协同容错方法。
7.技术方案：本发明全驱异构多智能系统预设时间协同容错方法，包括步骤如下：
8.s1，构建一个虚拟无人飞行器作为虚拟领导者，该虚拟领导者提供期望的运动轨迹信息；跟随者包括跟随虚拟领导者的n1个无人地面车辆和n2个无人飞行器，利用图论知识建立领导者与跟随者和跟随者之间的信息交互特性；
9.s2，在地面上随机选择一个点建立三维直角坐标系，分析无人地面车辆和无人飞行器的运动特性，建立无人地面车辆全驱系统模型和无人飞行器全驱系统模型；通过分析故障对系统的性能影响，构建故障模型，最终得到故障下异构多智能体系统全驱系统模型；
10.s3，基于异构多智能体系统中个体的交互特性，构造分布式预设时间观测器，实现预设时间内对领导者所提供的期望运动轨迹信息的跟踪；
11.s4，结合全驱系统理论和预设时间收敛性理论，利用预设时间观测器对领导者所提供的期望运动轨迹信息的实时观测信息和自身位置信息，设计分散式容错编队控制器；通过分散式容错编队控制器实现在执行器故障影响下无人地面车辆和无人飞行器跟随者位置的预设时间协同编队控制。
12.进一步，步骤s1中，所述运动轨迹信息包括位置信息、速度信息和加速度信息，分别定义为和x
01
、x
02
和x
03
分别表示领导者在x轴、y轴和z轴的位置，表示所有实数，上标t表示矩阵转置；
13.无人地面车辆集合定义为
14.无人飞行器集合定义为
15.异构多智能体系统集合定义为
16.所有追随者之间的连接关系用有向图表示，其中ni表示第i个跟随者，n表示跟随者的总个数，n＝n1+n2，表示边集，(ni,nj)表示跟随者nj能够获取跟随者ni的信息；为权值非负的连接矩阵，为实数域，当(nj,ni)∈ε，a
ij
＝1，当a
ij
＝0；
17.拉普拉斯矩阵定义为其中和
18.进一步，领导者和追随者之间的信息交互特性用表示，其中，当且仅当第i个追随者能够接收领导者的信息，si＝1；否则si＝0；
19.整个异构多智能体系统的信息交换矩阵定义为
20.存在一个正对角矩阵p＝diag{p1,...,pn}使得其中1为表示一个元素均为1的列向量。
21.进一步，步骤s2中，所述无人地面车辆全驱系统模型如下：
[0022][0023]
其中，x
i1
′
和x
i2
′
分别表示无人地面车辆i在x轴和y轴的位置；u
i1
′
和u
i2
′
分别表示无人地面车辆i在x轴和y轴的控制输入；li表示无人地面车辆i从参考位置到惯性位置的距离，vi、wi、θi分别表示无人地面车辆i的速度，角速度和方向；
[0024]
所述无人飞行器全驱系统模型如下：
[0025][0026]
其中，x
i1
″
、x
i2
″
和x
i3
″
分别表示无人飞行器i在x轴、y轴和z轴的位置；空气阻力矢量为定义三个新变量d
i1
,d
i2
,d
i3
且令阻力系数k
ij
＞0,j＝1,2,3，无人飞行器i的质量mi＞0，f
i1
″
＝d
i1
,f
i2
″
＝d
i2
,f
i3
″
＝d
i3-g，g为重力加速度；bi″
＝1/mi；u
i1
″
、u
i2
″
和u
i3
″
分别表示无人飞行器i在x轴、y轴和z轴的控制输入；
[0027]
故障模型为：
[0028][0029]
其中，u
ij
分别表示t时刻第i个智能体的第j个执行器的输出和输入，当j＝1,2；当j＝1,2,3；ρ
ij
表示为执行器的效能因子，其满足0＜ρ
ij
≤ρ
ij
≤1，其中ρ
ij
为一正常数；
[0030]
故障下第i个智能体全驱系统模型描述为：
[0031][0032]
其中，当时，xi＝xi′
，fi＝fi′
，bi＝1，λ(ρi)＝diag(ρ
i1
,ρ
i2
)，ui＝[u
i1
,u
i2
]
t
，u
i1
和u
i2
分别表示第i个跟随者在x轴和y轴的控制输入；当时，xi＝xi″
，fi＝fi″
，bi＝1/mi，λ(ρi)＝diag(ρ
i1
,ρ
i2
,ρ
i3
)，ui＝[u
i1
,u
i2
,u
i3
]
t
,u
i1
、u
i2
和u
i3
分别表示第i个跟随者在x轴、y轴和z轴的控制输入。
[0033]
进一步，步骤s3中，定义第i个智能体对领导者提供的期望位置信息、速度信息和加速度信息的估计值分别为和
[0034]
所述分布式预设时间观测器设计如下：
[0035][0036][0037]
[0038]
其中，k、c和δ为正常数，且δ≥x
(3)
，x
0(3)
表示x0的三次求导；t1、t2和t3为3个不同的时间常数，且满足t1＜t2＜t3；
[0039][0040][0041][0042][0043]
选择参数c使得其满足c≥c1λ
max
(p)/λ
min
(q)，其中c1为一正常数，则在预设时间t3内
[0044]
定义其中和分别是第i个无人地面车辆对领导者在x轴的位置、速度和加速度的估计，和分别是第i个无人地面车辆对领导者在y轴的位置、速度和加速度的估计。
[0045]
进一步，步骤s4中，基于分布式预设时间观测器对领导者所提供的期望运动轨迹信息精确估计，定义编队误差为：
[0046][0047]
其中，hi为期望编队距离；由于所以
[0048]
空地协同预设时间编队问题为：存在一可提前任意设定的时间常数t
p
，使得下式成立：
[0049][0050][0051]
其中，当时，x0＝[x
01
,x
02
]
t
，当时，x0＝[x
01
,x
02
,x
03
]
t
。
[0052]
进一步，步骤s4中，基于故障下智能体的全驱系统模型设计的分散式容错控制器如下：
[0053][0054][0055]ai0
和a
i1
是两个正常数，当时，时，是j＝1,2的估计值；当时，时，是j＝1,2,3的估计值，
[0056][0057][0058]
φ
i1
和φ
i2
由以下公式确定：
[0059][0060][0061][0062][0063][0064]
k为一正常数，当时，ai＝2；当ai＝3；
[0065]
当时，π
i11
，π
i12
，π
i21
，π
i22
为向量πi的元素，πi＝[π
i11
,π
i12
,π
i21
,π
i22
]
t
；当时，π
i11
，π
i12
，π
i13
，π
i21
，π
i22
，π
i23
为向量πi的元素，πi＝[π
i11
,π
i12
,π
i13
,π
i21
,π
i22
,π
i23
]
t
；
[0066]
执行器故障系数的估计值的自适应更新律为：
[0067][0068]
其中，
[0069][0070][0071]
ρ是一足够小的正常数并且满足ρ＜＜ρ
ij
，β
ij
是正常数，g
11
、g
12
、g
21
和g
22
是正定矩阵g的元素，g＝[g
11
,g
12
；g
21
,g
22
]。
[0072]
进一步，控制参数a
i0
和a
i1
和矩阵g由以下步骤获得：
[0073]
sd1，选择任一负定矩阵
[0074]
sd2，选择一矩阵使得δ(zi,fi)＝[zi；z
ifi
]和det(δ)≠0；
[0075]
sd3，计算[a
i0
,a
i1
]＝-z
ifi2
δ-1
(zi,fi),a
ic
＝[0,1；-a
i0
,-a
i1
]；
[0076]
sd4，根据和得到和
[0077]
sd5，选择任一正定矩阵得到其中
[0078]
本发明与现有技术相比，其显著效果如下：
[0079]
本发明提出了分层控制器设计方法：在上层结构中，基于智能体之间的交互特性，设计分布式预设时间观测器，实现预定时间内对领导者所提供的期望运动轨迹信息的跟踪；在下层结构中，基于所建立的全驱系统模型，利用分布式预设时间观测器对领导者所提
供的期望运动轨迹信息的实时观测信息和自身位置信息设计分散式容错编队控制器，保证了故障影响下无人地面车辆和无人飞行器的预设时间协同编队控制，显著提高了系统的机动响应速度和编队系统的鲁棒性、容错性。
附图说明
[0080]
图1为本发明的流程图；
[0081]
图2为空地异构多智能体系统结构图；
[0082]
图3为空地异构多智能体系统通讯拓扑结构图；
[0083]
图4为虚拟领导者在x轴上加速度估计情况示意图；
[0084]
图5为虚拟领导者在y轴上加速度估计情况示意图；
[0085]
图6为虚拟领导者在z轴上加速度估计情况示意图；
[0086]
图7为虚拟领导者在x轴上速度估计情况示意图；
[0087]
图8为虚拟领导者在y轴上速度估计情况示意图；
[0088]
图9为虚拟领导者在z轴上速度估计情况示意图；
[0089]
图10为虚拟领导者在x轴上位置估计情况示意图；
[0090]
图11为虚拟领导者在y轴上位置估计情况示意图；
[0091]
图12为虚拟领导者在z轴上位置估计情况示意图；
[0092]
图13为异构多智能体的编队效果图示意图；
[0093]
图14为x轴上编队误差情况示意图；
[0094]
图15为y轴上编队误差情况示意图；
[0095]
图16为z轴上编队误差情况示意图；
[0096]
图17为第一个无人地面车辆故障系数估计情况示意图；
[0097]
图18为第二个无人地面车辆故障系数估计情况示意图；
[0098]
图19为第一个无人飞行器故障系数估计情况示意图；
[0099]
图20为第二个无人飞行器故障系数估计情况示意图。
具体实施方式
[0100]
下面结合说明书附图和具体实施方式对本发明做进一步详细描述。
[0101]
本实施例首先建立故障下无人地面车辆和无人飞行器的全驱系统模型；利用图论知识建立领导者与跟随者和跟随者之间的信息交互特性；受多智能体结构的影响，故障信息容易在智能体间传播，为了解决这一问题，提出了分层结构控制器设计方法；在上层结构中，设计分布式预设时间观测器，实现预设时间内对领导者所提供的期望运动轨迹信息的跟踪。在下层结构中，基于所建立的全驱系统模型，利用分布式预设时间观测器对领导者所提供的期望运动轨迹信息的实时观测信息和自身位置信息设计分散式容错编队控制器。
[0102]
本发明基于异构多智能体系统的全驱系统模型直接设计预设时间协同容错控制器，所设计的容错控制器中无需引入虚拟控制变量，可以避免微分爆炸的问题，得到编队误差的收敛时间具有可自行提前任意设定而不依赖于系统初始状态或控制参数的性能，据此得到的编队控制器具有快速的收敛性、良好的故障传播抑制性能和容错性能，可满足异构多智能体系统的稳定性和机动响应速度的双重需求。
[0103]
首先给出相关符号定义：和分别表示所有实数、非负数、正数和自然数的集合；表示所有n维实向量的集合，连续整数的索引集表示为i[n1,n2]＝{n1,n1+1,...,n2}，其中1代表元素均为1的列向量；0代表元素均为0的列向量；向量或矩阵的转置运算用上标"t"表示，矩阵的逆运算用上标"-1"表示；代表克罗内克积运算；对于矩阵p，λ
max
(p)为矩阵p的最大特征值，λ
min
(p)为矩阵p的最小特征值；sign(
·
)为符号函数。对于变量col{ai}＝[a1,a2,a3]
t
。in为大小为n
×
n的单位矩阵，
[0104]
如图1所示，本发明异构多智能系统预设时间协同容错控制的方法的具体步骤如下：
[0105]
步骤1，构建一个虚拟无人飞行器作为虚拟领导者，该虚拟领导者提供期望的运动轨迹信息；异构多智能体系统中跟随者包括跟随虚拟领导者的n1个无人地面车辆和n2个无人飞行器，利用图论知识建立领导者与跟随者和跟随者之间的信息交互特性。
[0106]
领导者提供的期望的位置信息、速度信息和加速度信息分别定义为：和其中，x
01
、x
02
和x
03
分别表示领导者在x轴、y轴和z轴的位置。
[0107]
分别将虚拟领导者标记为i＝0，n1个无人地面车辆跟随者标记为i＝1,2,
…
,n1，n2个无人飞行器跟随者标记为i＝n1+1,n1+2,
…
,n1+n2。相应地，无人地面车辆集合定义为无人飞行器集合定义为异构多智能体系统集合定义为
[0108]
所有追随者之间的连接关系用有向图表示，其中ni表示第i个跟随者，n表示跟随者的总个数，n＝n1+n2，表示边集，(ni,nj)表示跟随者nj能够获取跟随者ni的信息。为权值非负的连接矩阵，为实数域，若a
ij
＝1则(nj,ni)∈ε；a
ij
＝0，拉普拉斯矩阵定义为其中，
[0109]
领导者和追随者之间的信息交互特性用表示，其中，当且仅当第i个追随者能够接收领导者的信息，si＝1；否则，si＝0。整个异构多智能体系统的信息交换矩阵定义为
[0110]
存在一个正对角矩阵p＝diag{p1,
…
,pn}使得其中
[0111]
步骤2，在地面上随机选择一个点建立三维直角坐标系，分析无人地面车辆和无人飞行器的运动特性，建立无人地面车辆全驱系统模型和无人飞行器全驱系统模型；分析故障对系统的性能影响，建立故障下异构多智能体系统全驱系统模型。
[0112]
无人地面车辆全驱系统模型如下：
[0113]
[0114]
其中，x
i1
′
和x
i2
′
分别表示无人地面车辆i在x轴和y轴的位置；
[0115]ui1
′
和u
i2
′
分别表示无人地面车辆i在x轴和y轴的控制输入；li表示无人地面车辆i从参考位置到惯性位置的距离，vi、wi、θi分别表示无人地面车辆i的速度、角速度和方向。
[0116]
所述无人飞行器全驱系统模型如下：
[0117][0118]
其中，x
i1
″
、x
i2
″
和x
i3
″
分别表示无人飞行器i在x轴、y轴和z轴的位置；空气阻力矢量为且阻力系数k
ij
＞0，无人飞行器i的质量mi＞0，f
i1
″
＝d
i1
,f
i2
″
＝d
i2
,f
i3
″
＝d
i3-g，g为重力加速度；bi″
＝1/mi；u
i1
″
、u
i2
″
和u
i3
″
分别表示无人飞行器i在x轴、y轴和z轴的控制输入。
[0119]
所考虑的故障模型为：
[0120][0121]
其中，u
ij
(t)分别表示t时刻第i个智能体的第j个执行器的输出和输入；ρ
ij
表示为执行器的效能因子，其满足0＜ρ
ij
≤ρ
ij
≤1，其中ρ
ij
为一正常数。
[0122]
最后，可以得到故障下第i个跟随者的全驱系统模型如下：
[0123][0124]
其中，当时，xi＝xi′
，fi＝fi′
，bi＝1，λ(ρi)＝diag(ρ
i1
,ρ
i2
)，ui＝[u
i1
,u
i2
]
t
，u
i1
和u
i2
分别表示第i个跟随者在x轴和y轴的控制输入；当时，xi＝xi″
，fi＝fi″
，bi＝1/mi，λ(ρi)＝diag(ρ
i1
,ρ
i2
,ρ
i3
)，ui＝[u
i1
,u
i2
,u
i3
]
t
,u
i1
、u
i2
和u
i3
分别表示第i个跟随者在x轴、y轴和z轴的控制输入。
[0125]
步骤3，基于步骤1中所建立的异构多智能体系统中个体的交互特性，利用与邻居节点的交互信息，构造分布式预设时间观测器，实现预设时间内对领导者所提供的期望运动轨迹信息的精确跟踪。
[0126]
定义第i个智能体对领导者提供的期望位置信息、速度信息和加速度信息的估计值分别为和
[0127]
则有分布式预设时间观测器设计如下：
[0128][0129]
其中，k、c和δ为正常数，且δ≥x
0(3)
，x
0(3)
表示x0的三次求导，t1、t2和t3为3个不同的时间常数，且满足t1＜t2＜t3，sign(
·
)为符号函数；
[0130][0131][0132][0133][0134]
定义ea＝col{e
ai
}和ωa＝col{ω
ai
}，col表示列，可以得到选择如下观测器加速度项的李雅普诺夫函数v
o1
(t)：
[0135][0136]vo1
为v
o1
(t)的简写。
[0137]
对式(6)求导得：
[0138][0139]
其中，c≥c1λ
max
(p)/λ
min
(q)，c1是一正常数，σ1＝σ(t,t1)；可以得到，进一步，
[0140][0141]
对于t∈[t1,∞)可以有：
[0142][0143]
进一步，
[0144]
0≤v
o1
(t)≤v
o1
(t1)＝0,t∈[t1,∞)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0145]
最终可以得到：v
o1
≡0和即
[0146]
定义ev＝col{e
vi
}和ωv＝col{ω
vi
}，可以得到选择如下观测器速度项的李雅普诺夫函数v
o2
(t)：
[0147][0148]vo2
为v
o2
(t)的简写。
[0149]
对式(11)求导得：
[0150][0151]
其中，σ2＝σ(t,t2)。
[0152]
可以得到，
[0153]
对于t∈[t2,∞)可以有：
[0154][0155]
最终可以得到：v
o2
≡0和即
[0156]
同样的方法，可以得到和最终得到
[0157]
综述所述，若选择c使得其满足c≥c1λ
max
(p)/λ
min
(q)，则在预设时间t3内
[0158]
需要指出的是，无人地面车辆只在二维平面运动，所以其不需要领导者z轴的信息，故定义其中和分别是第i个无人地面车辆对领导者在x轴的位置、速度和加速度的估计，和分别是第i个无人地面车辆对领导者在y轴的位置、速度和加速度的估计。
[0159]
步骤4，在实现上述预设时间内对领导者所提供的期望运动轨迹信息精确估计的基础上，进一步结合全驱系统理论和预设时间收敛性理论，基于步骤2中所建立的故障下异构多智能体系统的全驱系统模型，利用步骤3中的分布式预设时间观测器对领导者所提供的期望运动轨迹信息的实时观测信息和自身位置信息设计分散式容错编队控制器，采用自适应技术估计未知执行器故障系数以补偿故障对系统的影响，所设计的分散式容错编队控制器实现在执行器故障影响下无人地面车辆和无人飞行器跟随者位置的预设时间协同编队控制。
[0160]
基于分布式预设时间观测器对领导者所提供的期望运动轨迹信息精确估计，可以定义编队误差为：
[0161][0162]
其中，hi为期望编队距离；由于所以
[0163]
空地协同预设时间编队问题就是实现下述内容：存在一可提前任意设定的时间常数t
p
，使得下式成立：
[0164][0165]
其中，当时，x0＝[x
01
,x
02
]
t
；当时，x0＝[x
01
,x
02
,x
03
]
t
。
[0166]
基于故障下智能体的全驱系统模型，分散式容错控制器可以设计为：
[0167][0168]
其中，a
i0
和a
i1
是两个正常数，当时，时，是j＝1,2的估计值；当时，时，是j＝1,2,3的估计值；
[0169][0170]
φ
i1
和φ
i2
由公式(17)-(21)确定：
[0171][0172][0173][0174][0175][0176]
其中，k为一正常数；当时，ai＝2；当时，ai＝3。
[0177]
当时，π
i11
，π
i12
，π
i21
，π
i22
为向量πi的元素，πi＝[π
i11
,π
i12
,π
i21
,π
i22
]
t
；当时，π
i11
，π
i12
，π
i13
，π
i21
，π
i22
，π
i23
为向量πi的元素，πi＝[π
i11
,π
i12
,π
i13
,π
i21
,π
i22
,π
i23
]
t
。
[0178]
执行器故障系数的估计值的自适应更新律为：
[0179][0180]
其中，
[0181][0182][0183]
其中，ρ是一足够小的正常数并且满足ρ＜＜ρ
ij
，β
ij
是正常数，g
12
和g
22
是正定矩阵g的元素，g＝[g
11
,g
12
；g
21
,g
22
]。
[0184]
下面提供上述所设计的分散式容错控制器可实现异构多智能体系统预设时间编队控制的证明过程。
[0185]
根据所定义的编队误差，可以得到智能体编队误差动力学表达式如下：
[0186][0187]
当t∈[t3,t
p
)时，将分散式容错控制器(16)代入编队误差动力学表达式(23)并考虑可以得到
[0188][0189]
其中，a
ic
＝[0,1；-a
i0
,-a
i1
]，当时，j＝1,2；当时，时，j＝1,2,3。
[0190]
第i个跟随者闭环系统在t∈[t3,t
p
)时的李雅普诺夫函数可以选择为：
[0191][0192]
对v
i1
求导可以得到：
[0193][0194]
其中，γi为一常数。
[0195]
对v
i2
求导可以得到：
[0196][0197]
考虑自适应更新律(22)，可以得到：
[0198][0199]
进一步，
[0200][0201]
由式(29)可以得到，
[0202][0203]
又因为可以得到：
[0204]
当t∈[t
p
,∞)，将分散式容错控制器(16)代入编队误差动力学表达式(23)，可以
得到
[0205][0206]
第i个跟随者闭环系统在t∈[t
p
,∞)时的李雅普诺夫函数可以选择为：
[0207][0208]
为的简写，同理，为的简写和为的简写。
[0209]
对式(31)求导可以得到：
[0210][0211]
根据式(19)可知σ
p
＝0,所以φi＝0。进一步，和根据式(32)以得到，
[0212][0213]
所以，
[0214]
综述上述，在所提出的分散式容错控制器作用下，系统的编队误差在预设时间t
p
内趋于零，当时间大于预设时间t
p
时，编队误差恒为零。
[0215]
上述所设计的分散式容错控制器(16)可实现异构多智能体系统在预设时间t
p
内编队误差收敛为0且执行器故障估计误差有界。
[0216]
控制参数a
i0
和a
i1
和矩阵g可以由以下步骤获得：
[0217]
d1，选择任一负定矩阵
[0218]
d2，选择一矩阵使得δ(zi,fi)＝[zi；z
ifi
]和det(δ)≠0；
[0219]
d3，计算[a
i0
,a
i1
]＝-z
ifi2
δ-1
(zi,fi)和a
ic
＝[0,1；-a
i0
,-a
i1
]；
[0220]
d4，根据和得到和
[0221]
d5，选择任一正定矩阵可以得到其中
[0222]
本实施例中以一个无人飞行器为虚拟领导者，两个无人地面车辆(i＝1,2)和两个无人飞行器(i＝3,4)为跟随者组成的空地异构编队系统，整个编队系统的结构如图2所示，跟随者之间的通讯拓扑结构如图3所示，各智能体之间的通讯连接权值为0或1。
[0223]
由图2可以得到，矩阵和矩阵如下：
[0224][0225][0226]
各个跟随者的初始状态为：x1＝[1.3,0]
t
，x2＝[1.6,0]
t
，x3＝[1.8,0,0]
t
，x4＝[2.1,0,0]
t
，领导者轨迹为x0＝[sin(0.5t),cos(0.5t),0.5t]
t
。期望编队距离设定为：hi＝col{0.5i}。
[0227]
考虑以下故障情况：
[0228][0229][0230][0231][0232]
选择时间参数为t1＝0.3s，t2＝0.6s，t3＝1s，t
p
＝6s，观测器参数为k＝1，c＝2.7，δ＝0.5。选择矩阵f＝diag(-2,-1)，z＝[-1,1]，w＝i2，可以得到控制参数a
i0
＝2和a
i0
＝3，a
ic
＝[0,1；-2,-3]和g＝[1.25,0.25；0.25,0.25]。选择自适应参数为：β
11
＝9.5，β
12
＝12，β
21
＝9.3，β
22
＝2.9，β
31
＝1.8，β
32
＝0.7，β
33
＝4，β
41
＝10，β
42
＝2.6，β
43
＝2。故障估计的初始值设定为：定为：
[0233]
为证实本发明基于全驱系统方法的空地协同容错控制策略的效果，在matlab中编写相应的程序进行仿真验证：
[0234]
图4-图12呈现了本发明设计分布式预设时间观测器对对领导者所提供的期望运动轨迹信息的实时观测情况，可以看出加速度、速度和位置观测误差分别在预设时间t1、t2、t3后保持为零。
[0235]
图13-图16呈现了本发明设计分散式容错控制器的性能。
[0236]
图17-图20呈现了对执行器故障系数的估计情况。
[0237]
从仿真结果可以看出，本发明基于全驱系统模型的预设时间容错编队控制方法可使得由多无人地面车辆和多无人飞行器构成的空地全驱异构编队系统在执行器发生故障
情况下仍能够快速形成期望队形并稳定的保持，这证实了所设计的预设时间观测器起到了良好的对虚拟领导者期望运动轨迹信息的估计作用，所设计的自适应更新律能很好地估计系统执行器故障系数，通过重构控制器使得所设计的分散式控制器具备良好的鲁棒性和容错性，因此可以得到结论：由多无人地面车辆和多无人飞行器构成的空地协同编队系统在执行器发生故障的情况下，利用本发明所提出的基于全驱系统模型设计的分散式自适应容错编队控制器可实现预期的编队任务。
[0238]
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

技术特征：
1.一种全驱异构多智能系统预设时间协同容错方法，其特征在于，包括步骤如下：s1，构建一个虚拟无人飞行器作为虚拟领导者，该虚拟领导者提供期望的运动轨迹信息；跟随者包括跟随虚拟领导者的n1个无人地面车辆和n2个无人飞行器，利用图论知识建立领导者与跟随者和跟随者之间的信息交互特性；s2，在地面上随机选择一个点建立三维直角坐标系，分析无人地面车辆和无人飞行器的运动特性，建立无人地面车辆全驱系统模型和无人飞行器全驱系统模型；通过分析故障对系统的性能影响，构建故障模型，最终得到故障下异构多智能体系统全驱系统模型；s3，基于异构多智能体系统中个体的交互特性，构造分布式预设时间观测器，实现预设时间内对领导者所提供的期望运动轨迹信息的跟踪；s4，结合全驱系统理论和预设时间收敛性理论，利用分布式预设时间观测器对领导者所提供的期望运动轨迹信息的实时观测信息和自身位置信息，设计分散式容错编队控制器；通过分散式容错编队控制器实现在执行器故障影响下无人地面车辆和无人飞行器跟随者位置的预设时间协同编队控制。2.根据权利要求1所述异构多智能系统预设时间协同容错控制方法，其特征在于，步骤s1中，所述运动轨迹信息包括位置信息、速度信息和加速度信息，分别定义为和x
01
、x
02
和x
03
分别表示领导者在x轴、y轴和z轴的位置，表示所有实数，上标t表示矩阵转置；无人地面车辆集合定义为无人飞行器集合定义为异构多智能体系统集合定义为所有追随者之间的连接关系用有向图表示，其中n
i
表示第i个跟随者，n表示跟随者的总个数，n＝n1+n2，表示边集，(n
i
,n
j
)表示跟随者n
j
能够获取跟随者n
i
的信息；为权值非负的连接矩阵，为实数域，当(n
j
,n
i
)∈ε，a
ij
＝1，当a
ij
＝0；拉普拉斯矩阵定义为其中和3.根据权利要求2所述异构多智能系统预设时间协同容错控制方法，其特征在于，领导者和追随者之间的信息交互特性用表示，其中，当且仅当第i个追随者能够接收领导者的信息，s
i
＝1；否则s
i
＝0；整个异构多智能体系统的信息交换矩阵定义为存在一个正对角矩阵p＝diag{p1,...,p
n
}使得其中1为表示一个元素均为1的列向量。4.根据权利要求1所述异构多智能系统预设时间协同容错控制方法，其特征在于，步骤s2中，所述无人地面车辆全驱系统模型如下：
其中，x
i1
′
和x
i2
′
分别表示无人地面车辆i在x轴和y轴的位置；u
i1
′
和u
i2
′
分别表示无人地面车辆i在x轴和y轴的控制输入；l
i
表示无人地面车辆i从参考位置到惯性位置的距离，v
i
、w
i
、θ
i
分别表示无人地面车辆i的速度、角速度和方向；所述无人飞行器全驱系统模型如下：其中，x
i1
″
、x
i2
″
和x
i3
″
分别表示无人飞行器i在x轴、y轴和z轴的位置；空气阻力矢量为定义三个新变量d
i1
,d
i2
,d
i3
且令阻力系数k
ij
＞0,j＝1,2,3，无人飞行器i的质量m
i
＞0，f
i1
″
＝d
i1
,f
i2
″
＝d
i2
,f
i3
″
＝d
i3-g，g为重力加速度；b
i
″
＝1/m
i
；u
i1
″
、u
i2
″
和u
i3
″
分别表示无人飞行器i在x轴、y轴和z轴的控制输入；故障模型为：其中，u
ij
(t)分别表示t时刻第i个智能体的第j个执行器的输出和输入，当j＝1,2；当j＝1,2,3；ρ
ij
表示为执行器的效能因子，其满足0＜ρ
ij
≤ρ
ij
≤1，其中ρ
ij
为一正常数；故障下第i个智能体全驱系统模型描述为：其中，当时，x
i
＝x
i
′
，f
i
＝f
i
′
，b
i
＝1，λ(ρ
i
)＝diag(ρ
i1
,ρ
i2
)，u
i
＝[u
i1
,u
i2
]
t
，u
i1
和u
i2
分别表示第i个跟随者在x轴和y轴的控制输入；当时，x
i
＝x
i
″
，f
i
＝f
i
″
，b
i
＝1/m
i
，λ(ρ
i
)＝diag(ρ
i1
,ρ
i2
,ρ
i3
)，u
i
＝[u
i1
,u
i2
,u
i3
]
t
,u
i1
、u
i2
和u
i3
分别表示第i个跟随者在x轴、y轴和z轴的控制输入。5.根据权利要求1所述异构多智能系统预设时间协同容错控制方法，其特征在于，步骤s3中，定义第i个智能体对领导者提供的期望位置信息、速度信息和加速度信息的估计值分别为和所述分布式预设时间观测器设计如下：所述分布式预设时间观测器设计如下：所述分布式预设时间观测器设计如下：其中，k、c和δ为正常数，且δ≥x
(3)
，x
0(3)
表示x0的三次求导，；t1、t2和t3为3个不同的时间常数，且满足t1＜t2＜t3；
选择参数c使得其满足c≥c1λ
max
(p)/λ
min
(q)，其中c1为一正常数，则在预设时间t3内定义其中和分别是第i个无人地面车辆对领导者在x轴的位置、速度和加速度的估计，个无人地面车辆对领导者在x轴的位置、速度和加速度的估计，和分别是第i个无人地面车辆对领导者在y轴的位置、速度和加速度的估计。6.根据权利要求5所述异构多智能系统预设时间协同容错控制方法，其特征在于，步骤s4中，基于预设时间观测器对领导者所提供的期望运动轨迹信息精确估计，定义编队误差为：其中，h
i
为期望编队距离；由于所以空地协同预设时间编队问题为：存在一可提前任意设定的时间常数t
p
，使得下式成立：，使得下式成立：其中，当时，x0＝[x
01
,x
02
]
t
，当时，x0＝[x
01
,x
02
,x
03
]
t
。7.根据权利要求1所述异构多智能系统预设时间协同容错控制方法，其特征在于，步骤s4中，基于故障下智能体的全驱系统模型设计的分散式容错控制器如下：s4中，基于故障下智能体的全驱系统模型设计的分散式容错控制器如下：a
i0
和a
i1
是两个正常数，当时，是的估计值；当时，是的估计值，的估计值，φ
i1
和φ
i2
由以下公式确定：由以下公式确定：
k为一正常数，当时，a
i
＝2；当a
i
＝3；当时，π
i11
，π
i12
，π
i21
，π
i22
为向量π
i
的元素，π
i
＝[π
i11
,π
i12
,π
i21
,π
i22
]
t
；当时，π
i11
，π
i12
，π
i13
，π
i21
，π
i22
，π
i23
为向量π
i
的元素，π
i
＝[π
i11
,π
i12
,π
i13
,π
i21
,π
i22
,π
i23
]
t
；执行器故障系数的估计值的自适应更新律为：其中，其中，ρ是一足够小的正常数并且满足ρ＜＜ρ
ij
，β
ij
是正常数，g
11
、g
12
、g
21
和g
22
是正定矩阵g的元素，g＝[g
11
,g
12
；g
21
,g
22
]。8.根据权利要求7所述异构多智能系统预设时间协同容错控制方法，其特征在于，控制参数a
i0
和a
i1
和矩阵g由以下步骤获得：sd1，选择任一负定矩阵sd2，选择一矩阵使得δ(z
i
,f
i
)＝[z
i
；z
i
f
i
]和det(δ)≠0；sd3，计算[a
i0
,a
i1
]＝-z
i
f
i2
δ-1
(z
i
,f
i
),a
ic
＝[0,1；-a
i0
,-a
i1
]；sd4，根据和得到和sd5，选择任一正定矩阵得到其中

技术总结
本发明公开了一种全驱异构多智能系统预设时间协同容错方法，包括步骤：S1，构建一个虚拟无人飞行器作为虚拟领导者，利用图论知识建立领导者与跟随者和跟随者之间的信息交互特性；S2，在地面上随机选择一个点建立三维直角坐标系，建立无人地面车辆全驱系统模型和无人飞行器全驱系统模型；最终得到故障下异构多智能体系统全驱系统模型；S3，基于异构多智能体系统中个体的交互特性，构造分布式预设时间观测器；S4，通过分散式容错编队控制器实现在执行器故障影响下无人地面车辆和无人飞行器跟随者位置的预设时间协同编队控制。本发明提高了系统的机动响应速度和编队系统的鲁棒性、容错性。错性。错性。


技术研发人员：姜斌 马永浩 张柯
受保护的技术使用者：南京航空航天大学
技术研发日：2023.04.28
技术公布日：2023/7/25