控制约束下的多AUV编队路径跟踪

对水下航行器路径跟踪优化控制问题,研究了控制约束下的多AUV编队路径跟踪问题.由于滚动时域控制能够有效处理约束的优势,为提高系统稳定性,提出了一种分布式控制方法.各AUV在每个控制更新时域,根据自身状态向量与控制向量的实际值与其邻居状态向量的预测值,令给定的带有末端项的性能指标最优计算出作用于下一个控制时域的控制输入,并计算出预测控制,向其邻居发送.从理论上证明了算法的稳定性.仿真结果表明,所设计的控制方法能够在功率消耗较小的情况下实现多AUV的编队路径跟踪.     

具有通信延迟的多无人机编队飞行控制

针对固定通信拓扑下的具有时变通信延迟的多无人机(multi-UAVs)系统,在一致性协议的基础上提出了分布式的编队控制算法.利用Lyapunov-Krasovskii函数分析了时延多无人机系统的稳定性,并以线性不等式(LMI)的形式给出了系统稳定的条件.当满足稳定性条件时,编队控制算法将使系统中无人机的速度和编队队形分别渐近地收敛至期望速度和期望队形.仿真实例验证了控制算法的有效性.     

采用一致性算法与虚拟结构的多自主水下航行器编队控制

采用一致性算法与虚拟结构法研究了多自主水下航行器(AUV)小尺度编队控制问题.首先针对各自主水下航行器拥有不同虚拟领航者信息(参考信息)的情况,通过对各AUV拥有的不一致参考信息进行一致性协商而达到状态一致.其次,基于虚拟结构思想采用坐标变换将各AUV相对于虚拟领航者的相对位置转换为各自的期望位置,并设计了一种有限时间跟踪控制律以确保各AUV能在有限时间内跟踪上其期望轨迹,从而实现了多AUV的小尺度有限时间编队控制.最后仿真实验验证了控制策略的有效性.     

基于卡尔曼滤波的自主式水下航行器大尺度编队控制

针对网络环境下环境噪声对自主式水下航行器编队控制的影响,提出一种利用卡尔曼滤波实时估计AUV最优运动状态的编队控制方法.将空间间隔较远的多AUV系统建模为多智能体系统,从大尺度上研究其编队控制问题.为了得到每个AUV速度状态的最优估计值,每个AUV都嵌入一个全局卡尔曼滤波器,利用该全局滤波器进行最优估计从而计算出噪声环境下其自身的最优位置.仿真结果验证了所给出的控制策略的有效性.     

多自主水下航行器系统一致性编队跟踪控制

研究了自主水下航行器的编队路径跟踪问题.基于无源性理论与一致性跟踪理论,在仅有部分AUV获取编队速度信息情形下,设计一种分布式控制律,实现了集群AUV的一致性编队跟踪.控制律分为2个部分:一部分基于无源性同步原理,建立了协同误差到跟踪误差的无源性通道;另一部分为一致性协同跟踪控制器,保证每个AUV相对于虚拟领航者的不一致参考信息通过协商达到最终一致状态.文章应用Nested Matrosov定理证明了整个闭环系统的稳定性,仿真结果验证了上述方法的有效性和可行性.     

离散多自主体系统输出时变编队-合围控制

针对存在时变时延的离散异构多自主体系统,提出了输出时变编队-合围控制协议.通过合理的假设和状态分解,将输出时变编队控制问题转变为子系统的渐近稳定问题.为减小保守型,对系统进行了可观测性分解,然后利用李雅普诺夫稳定理论给出了系统实现输出时变编队-合围控制的充分条件,并且对时变编队参考函数进行了详细叙述.最后,仿真实例证明...     

考虑时变时滞的多移动智能体分布式编队控制

考虑到多移动智能体编队控制中的时变时滞问题,在所设计的编队框架下,基于一致性算法设计了具有不对称时变时滞的分布式编队控制律.该控制律仅使用全局速度导引信息和邻居状态反馈信息;在固定通信拓扑条件下,推导了具有时变时滞的闭环系统状态方程,应用改进的自由权矩阵方法获得了保守性更小的系统稳定条件,并在时变通信拓扑条件下,将拓扑变化处理为系统结构的不确定性,同样获得了时变通信拓扑下的系统稳定条件;进行了6个智能体在平面内编队运动的仿真,实例证明,理论结果是正确的.     

基于移动长基线的多AUV 协同导航

基于扩展卡尔曼滤波（EKF）理论研究了多AUV 协同导航定位的移动长基线算法．移动长基线多AUV 协同导航结构中,主AUV 内部装备高精度导航设备,从AUV 内部装备低精度导航设备,外部均装备水声装置测量 相对位置关系,利用移动长基线算法融合内部和外部传感器信息,实时获取从AUV 的位置信息．建立了协同导航 系统数学模型,设计了EKF 协同导航算法,在各种测试情况下通过仿真验证了所推导的分析结果,对EKF 和几何 解方程算法的导航效果进行了比较．研究结果表明,以主AUV 作为移动的长基线节点时,通过EKF 算法可以显著 提高群体的导航定位精度．     

具有随机多跳时变时延的多航天器协同编队姿态一致性

针对存在随机多跳时变时延的多航天器协同编队的姿态一致性问题,本文设计了可消除随机多跳时变时延影响并能够实现多航天器协同编队姿态角速度一致及姿态角有效跟踪的静态控制器.首先基于有向图论推导出领航者一跟随者误差系统的动态方程,然后通过构造合适的Lyapunov函数将误差系统调节器问题转化为了线性矩阵不等式解的存在性问题,其次通过求解线性矩阵不等式完成了协同编队姿态控制系统的静态控制器设计.理论分析表明,所设计的控制器能够有效消除随机多跳时变时延影响,实现了多航天器协同编队的姿态一致性.数值仿真验证了所提方法的正确性和有效性.     

基于MAS的多UUV编队智能优化控制

针对无人水下航行器(Unmanned Underwater Vehicle,UUV)编队航行的实际背景和限制条件,提出了一种基于多智能体系统(MAS)技术的多UUV编队智能控制方法。利用多Agent之间的交互作用,以灵活便捷的方式进行各UUV之间的协同优化,从而实现多个UUV的自主编队航行。考虑到控制器在编队保持中的重要性,对面向UUV编队航行的控制率和实现算法进行了重点研究,设计了UUV编队控制器,并通过仿真实验验证了该算法的鲁棒性和稳定性,最后对多UUV编队智能控制方法进行了仿真验证和分析。     

状态和控制输入中都含有时变时滞的线性不确定系统的鲁棒控制

主要研究在状态和控制输入中都含有时变时滞及有界参数扰动的不确定线性系统的鲁棒控制问题.关于无记忆线性状态反馈控制器的存在性,给出线性矩阵不等式型的充分条件和设计方法.该控制器不但能使被控对象的闭环系统二次稳定,而且满足一定的范数界约束.最后以数值实例说明该设计方法的有效性.     

带有时变时滞和不确定性拓扑的双积分系统的一致性

研究带有不确定性拓扑的双积分系统在有时滞的情况下的一致性问题,通过线性矩阵不等式的方法,得到一致性的充分条件。本文最大的贡献是考虑双积分系统,在有不确定性信息和时变时滞的情况下,找出控制协议使其一致。最大合适的时变时滞和不确定性可以由线性矩阵不等式得到。最后给出仿真,证明定理的有效性。     

周期时变时滞非线性参数化系统的自适应学习控制

针对一阶未知非线性参数化周期时变时滞系统, 设计了一种自适应学习控制方案. 假设未知时变参数, 时变时滞和参考信号的共同周期是已知的, 通过重构系统方程, 将包含时变时滞在内的所有未知时变项合并成为一个周期时变向量, 采用周期自适应律估计该向量. 通过构造一个Lyapunov-Krasovskii型复合能量函数证明了所有信号有界并且跟踪误差收敛. 结果被推广到一类含有混合参数的高阶非线性系统. 通过两个仿真例子说明本文所提出的控制算法的有效性.     

具有短时延的网络控制系统的一种鲁棒控制方法

针对具有短时延的网络控制系统, 本文提出了一种基于鲁棒控制的方法来解决该类系统的稳定化控制问题. 考虑状态反馈控制律, 将闭环网络控制系统描述为一个离散时间线性不确定系统模型, 其中的不确定部分反映了时延的时变特性对系统动态的影响. 得到了该闭环网络控制系统的渐近稳定性条件, 且该条件建立了闭环网络控制系统稳定性与两个时延参数, 即允许时延上界和允许时延变换范围, 之间的定量关系. 进一步的, 还给出了稳定化反馈控制器的设计步骤. 最后通过一个示例验证了本文所提出方法的有效性.     

Robust Output Feedback Control for Fractional Order Nonlinear Systems with Time-varying Delays

Robust controller design problem is investigated for a class of fractional order nonlinear systems with time varying delays. Firstly, a reduced-order observer is designed. Then, an output feedback controller is designed. Both the designed observer and controller are independent of time delays. By choosing appropriate Lyapunov functions, we prove the designed controller can render the fractional order system asymptotically stable. A simulation example is given to verify the effectiveness of the proposed approach.      

Fixed-time Sliding Mode Formation Control of AUVs Based on a Disturbance Observer

In this paper,we investigate formation tracking control of autonomous underwater vehicles(AUVs)with model parameter uncertainties and external disturbances.The external disturbances due to the wind,waves,and ocean currents are combined with the model parameter uncertainties as a compound disturbance.Then a disturbance observer(DO)is introduced to estimate the compound disturbance,which can be achieved within a finite time independent of the initial estimation error.Based on a DO,a novel fixed-time sliding control scheme is developed,by which the follower vehicle can track the leader vehicle with all the states globally stabilized within a given settling time.The effectiveness and performance of the method are demonstrated by numerical simulations.     

Adaptive Iterative Learning Control for a Class of Nonlinear Time-varying Systems with Unknown Delays and Input Dead-zone

This paper presents an adaptive iterative learning control (AILC) scheme for a class of nonlinear systems with unknown time-varying delays and unknown input dead-zone. A novel nonlinear form of dead-zone nonlinearity is presented. The assumption of identical initial condition for iterative learning control (ILC) is removed by introducing boundary layer function. The uncertainties with time-varying delays are compensated for by using appropriate Lyapunov-Krasovskii functional and Young0s inequality. Radial basis function neural networks are used to model the time-varying uncertainties. The hyperbolic tangent function is employed to avoid the problem of singularity. According to the property of hyperbolic tangent function, the system output is proved to converge to a small neighborhood of the desired trajectory by constructing Lyapunov-like composite energy function (CEF) in two cases, while keeping all the closedloop signals bounded. Finally, a simulation example is presented to verify the effectiveness of the proposed approach.      

变时滞神经网络的全局指数稳定性

利用M矩阵理论,同构理论以及不等式技巧,研究了一类变时滞神经网络平衡点的存在性和惟一性问题。同时利用M矩阵理论,反证法以及不等式技巧,得到了变时滞神经网络系统惟一的平衡点的全局指数稳定性的充分条件。通过判断由神经网络的权系数、自反馈函数以及激励函数构造的矩阵是否为M矩阵,即可以检验该变时滞神经网络系统的全局指数稳定性。该判据易于用Matlab进行检验,最后给出一个仿真示例进一步证明了判据的有效性。     

Guaranteed Cost Consensus for High-dimensional Multi-agent Systems With Time-varying Delays

Guaranteed cost consensus analysis and design problems for high-dimensional multi-agent systems with timevarying delays are investigated. The idea of guaranteed cost control is introduced into consensus problems for high-dimensional multi-agent systems with time-varying delays, where a cost function is defined based on state errors among neighboring agents and control inputs of all the agents. By the state space decomposition approach and the linear matrix inequality (LMI), sufficient conditions for guaranteed cost consensus and consensualization are given. Moreover, a guaranteed cost upper bound of the cost function is determined. It should be mentioned that these LMI criteria are dependent on the change rate of time delays and the maximum time delay, the guaranteed cost upper bound is only dependent on the maximum time delay but independent of the Laplacian matrix. Finally, numerical simulations are given to demonstrate theoretical results.      

Communication-Aware Formation Control of AUVs With Model Uncertainty and Fading Channel via Integral Reinforcement Learning

Most formation approaches of autonomous underwater vehicles (AUVs) focus on the control techniques, ignoring the influence of underwater channel. This paper is concerned with a communication-aware formation issue for AUVs, subject to model uncertainty and fading channel. An integral reinforcement learning (IRL) based estimator is designed to calculate the probabilistic channel parameters, wherein the multivariate probabilistic collocation method with orthogonal fractional factorial design (M-PCM-OFFD) is employed to evaluate the uncertain channel measurements. With the estimated signal-to-noise ratio (SNR), we employ the IRL and M-PCM-OFFD to develop a saturated formation controller for AUVs, dealing with uncertain dynamics and current parameters. For the proposed formation approach, an integrated optimization solution is presented to make a balance between formation stability and communication efficiency. Main innovations lie in three aspects: 1) Construct an integrated communication and control optimization framework; 2) Design an IRL-based channel prediction estimator; 3) Develop an IRL-based formation controller with M-PCM-OFFD. Finally, simulation results show that the formation approach can avoid local optimum estimation, improve the channel efficiency, and relax the dependence of AUV model parameters.