基于一致性理论的多无人机协同控制和决策方法

Cooperative operation for multiple unmanned aerial vehicles(UAVs) is the main engagement manner and the trend of development in the future. With the rapid development and wide employment of the network technology, cooperative manner in networks may improve the operational efficiency greatly. There are also some significant challenges for distributed control and decision problems, such as the influence of the constraints conditions, i.e., network delays, time-varying network topologies and uncertain disturbances. It is not only the original impetus to cooperative control and decision of multi-UAV, but also it is an important manifestation of enhancing the autonomy of the UAV. This project investigates some exploratory work on the multi-agent system consensus theory, and as a means to discuss the cooperative control and decision method for multiple UAVs. Firstly, the problem of the convergence property of multi-agent under the network constraints is discussed, and the boundary of the constraints is given. Secondly, two consensus algorithms for multi-agent systems are investigated including connectivity maintaining algorithm and optimize consensus algorithm. Further, multi-agent consensus theory is employed to discuss the cooperative control and decision method for the typical mission of multiple UAVs.

多无人机（Unmanned Aerial Vehicle,UAV）协同作战是未来战场上UAV的主要作战样式和发展趋势。随着网络技术的发展成熟与广泛应用，网络环境下的多UAV协同作战将极大地提高了作战效能，但也给多机控制和决策技术带来了重大挑战，需要考虑网络时延、网络拓扑变化和不确定性扰动等通信条件带来的影响。受限网络条件下的多机协同作战是研究多UAV协同控制和决策技术的直接推动力，同时也是提升UAV系统自主能力的重要体现。本项目试图在多智能体一致性理论方面作些探索性研究，并以此为基础讨论多无人机协同控制和决策方法。首先，从网络约束条件下智能体能否实现一致性收敛入手，分析并给出网络约束条件边界值；其次，为使多智能体系统具有更好地收敛性能和优化性能，研究两类多智能体系统一致性算法：连通性保持和优化一致性。在此基础之上，应用多智能体一致性理论研究典型任务的多无人机协同控制和决策方法。

多无人机协同是未来战场上无人机的主要作战样式和发展趋势。课题在网络约束条件下的多agent系统一致性基本理论、算法设计等方面作了一些探索性工作，并以此为基础开展了多无人机协作式目标跟踪和任务区集结应用研究，主要工作和创新点如下：. 1、基础理论方面。考虑时延、网络连通性和扰动等网络约束条件，提出并理论证明两个低保守性收敛判据：平均一致性和鲁棒一致性；提出了基于自由权矩阵方法的时域分析方法，给出了判据的LMI表达形式；数值结果表明判据保守性较已有文献有较大改善，时延上界提高1个数量级。. 2、快速一致性算法。受限的网络条件使得一致性算法在应用时相邻采样周期内只能迭代有限次，这将降低系统趋于一致的速度。为此，提出了两种快速一致性算法：（1）基于LMS原理的多agent系统快速一致性算法，仿真表明收敛速度较常规一致性算法提高约39%；（2）应用带参调节思想，提出了非时延/时延条件下的NPPSC快速一致性算法，根据Nyquist判据给出了系统的收敛条件。数值结果表明该算法较常规算法收敛速度提高约53.8%，且适用于时延条件。. 3、优化一致性算法。从个体最优和全局最优的角度出发，提出了非合作优化一致性NCOC算法和合作优化一致性CGOC算法，应用最优化理论和合作博弈理论，分别设计了算法控制协议；在此基础上，提出了基于NPPSC的快速优化一致性算法。仿真算例表明，NPPSC算法在收敛速度和控制能量方面均优于NCOC和CGOC算法。. 4、针对多无人机协作式目标跟踪问题，提出了三种基于一致性算法的分布式估计方法：（1）基于常规一致性算法的DC-IMM估计方法，获得了与集中式估计方法相当的估计误差；（2）基于LMS快速一致性算法的DFC-UKF估计方法，仿真结果表明一致性误差较小；（3）基于鲁棒一致性算法的RC-DUIF方法，能够满足复杂网络条件下多无人机目标状态实时估算的要求。. 5、针对多无人机任务区集结问题，建立了基于协调变量和协调函数的分布式求解框架。提出了基于NCOC和CGOC算法的非合作/合作优化求解方法，半物理仿真实验验证了方法的有效性。进一步，开展了基于NPSSC算法的集结问题求解方法的实飞验证工作。在误差允许的范围内，认为采用非合作/合作方法的三架UAV均同时到达了指定位置，验证了方法的有效性。