基于分布式一致性与自组网的自主协同控制方法及系统

摘要

本发明公开了一种基于分布式一致性与自组网的自主协同控制方法及系统，控制方法包括导引控制、协调控制和自主管理；机载计算机以待飞时间为协调变量，采用终端时间与角度控制的制导指令对单个飞行器进行本体制导；在群体协同飞行网络中基于分布式一致性的时空协同控制方法，根据每架飞行器的预测待飞时间确定群体协同到达时间并将协同到达时间作为导引控制的终端时间；根据群体中各飞行器的当前飞行状态及其控制能力约束进行自适应组网，实时调整协调控制的群体协同飞行网络。本发明综合飞行动力学、最优控制以及一致性理论以实现制导目标，能够有效提升群体的复杂环境以及自身故障的处理能力，协同制导精度高，通信量小，降低实现难度。

说明书

技术领域

本发明属于飞行器制导控制技术领域，涉及一种基于分布式一致性与自组网的自主协同控制方法及系统。

背景技术

协同飞行是通过多架同型或异型飞行器之间相互配合与协作，以共同执行既定的探测、突防以及打击等多样化的飞行任务。其以调整飞行模式、适应未来复杂飞行任务为目的，将所有成员构成一个整体网络，在网络指控中心的调控和管理下，各飞行器间互相通信、信息共享、取长补短。协同飞行不仅可以极大提高整体突防能力、对目标的探测和摧毁能力，还可通过分布式的信息交流降低通信代价，以及通过局部控制达到整体控制效果从而降低控制代价，这种协同配合的飞行方式能够降低单个飞行器性能要求，实现低成本飞行器对高价值目标的毁伤。总之，多飞行器协同飞行能够完成单个飞行器很难完成的任务。

制导与控制方法是协同飞行中的关键，需要控制多架飞行器以不同角度同时到达目标处。现有协同制导方法，难以应对复杂飞行环境和飞行器自身故障，协同制导精度欠佳；如果某架飞行器在执行任务的过程中出现故障，会严重影响其他飞行器的期望终端时间，导致待飞行时间无法正常收敛，进而使得制导误差明显增大，甚至导致飞行任务失败。

发明内容

为了解决上述问题，本发明提供一种基于分布式一致性与自组网的自主协同控制方法，综合飞行动力学、最优控制以及一致性理论以实现制导目标，能够有效提升群体的复杂环境以及自身故障的处理能力，协同制导精度高，通信量小，降低实现难度，解决了现有技术中的问题。

本发明的另一目的是，提供一种基于分布式一致性与自组网的自主协同控制系统。

一种基于分布式一致性与自组网的自主协同控制方法，具体包括：

导引控制：机载计算机以待飞时间为协调变量，采用终端时间与角度控制的制导指令对单个飞行器进行本体制导；

协调控制：在群体协同飞行网络中，基于分布式一致性的时空协同控制方法，根据每架飞行器的预测待飞时间确定群体的协同到达时间，并将协同到达时间作为导引控制的终端时间；

自主管理：根据群体中各飞行器的当前飞行状态及其控制能力约束，进行自适应组网，实时调整协调控制中的群体协同飞行网络。

进一步的，所述制导指令为：采用最优制导与侧向机动，生成满足终端时间与角度约束的飞行器本体制导指令；

S11，控制终端时间：综合机动大小与机动方向的以侧向附加航向误差△σ_T为表征量的机动弹道：其中，△σ_T为机动弹道的侧向附加航向误差，k_Dguide为机动方向，k_T为机动幅值，t为飞行器的飞行时间，T_d为终端时间约束；

S12，同时满足终端时间与角度约束的制导指令：

其中，表示速度方位角转率，航向误差△σ＝σ_LOS-σ_v，σ_LOS为视线方位角，σ_v为速度方位角，v为飞行器的飞行速度，R_go为飞行器的待飞距离，T_go为飞行器待飞时间，σ_vf为终端方位角约束。

进一步的，所述在群体协同飞行网络中，基于分布式一致性的时空协同控制方法，根据每架飞行器的预测待飞时间得到群体的协同到达时间，并将协同到达时间作为制导指令的终端时间，具体为：

S21，每架飞行器皆为计算中心，在飞行过程中，飞行器M_i接收来自其他所有飞行器的预测待飞时间，通过协同算法确定群体的期望待飞时间：先对飞行器M_i在0时刻的待飞时间预测值赋初值，再利用下式在线计算飞行器M_i实时的期望待飞时间T_goi(t)，并实时更新t时刻M_i的待飞时间预测值和t时刻另一飞行器M_j的待飞时间预测值其中，k_x为飞行器是否被舍弃的标志位，k_x为0代表舍弃，k_x为1代表不舍弃；a_ij(t)为t时刻飞行器M_i与M_j的连接关系，△t为制导周期；

S22，确定群体的期望到达时间T_di(t)：T_di(t)＝t_i+T_goi(t)i＝1,2,…n，其中，t_i为飞行器M_i的飞行时间；

S23，以T_di(t)代替步骤S1中的终端时间以得到同时满足终端时间与角度约束的制导指令。

进一步的，所述群体中各飞行器需满足以下条件：第一，飞行器无故障；第二，飞行器燃料充足；第三，飞行器在控制能力约束的限制下能够达到时间控制；第四，群体中各飞行器待飞时间之差的最大允许值小于群体期望待飞时间的10％；如果某飞行器不满足任意一个条件，在协同飞行网络中舍弃。

进一步的，所述飞行器在控制能力约束的限制下能够达到时间控制的判断方法，具体为：如果群体内某飞行器待飞时间T_go满足T_go≥max{T_gomax2,T_gomax3}，则被舍弃，其中，T_gomax2为最大倾侧角υ_max约束决定的飞行器待飞时间最大值，T_gomax3为最大攻角α_max约束下的飞行器待飞时间最大值。

进一步的，所述飞行器采用BTT控制方式，T_gomax2的确定方法具体为：

针对最大倾侧角υ_max约束，存在以下关系：

其中，n_y与n_z分别是弹道坐标系中纵向与侧向的过载指令，g₀表示海平面处的引力加速度，v为飞行器的飞行速度，为速度方位角变化率；将步骤S12中的制导指令代入式可得：进一步可得：表示倾侧角的大小随着附加航向误差的增大而增大；

最大航向误差△σ_Tmax由下式计算获得：

进一步可得：表示在给定飞行器飞行状态与目标状态的前提下，待飞时间越长则机动幅度越大，即附加航向误差△σ_T增大；

利用步骤S11中△σ_T的表达式计算获得最大倾侧角υ_max约束下的最大到达时间T_dυmax：

由最大倾侧角υ_max约束决定的待飞时间最大值T_gomax2为：T_gomax2＝T_dυmax-t。

进一步的，所述S11中，机动方向k_Dguide满足：

其中，k_Direction为初始的机动方向，σ_v0为初始速度方位角，σ_vf为终端方位角约束。

一种基于分布式一致性与自组网的自主协同控制系统，采用上述基于分布式一致性与自组网的自主协同控制方法，包括：

导引控制模块，用于以待飞时间为协调变量，采用终端时间与角度控制的制导指令对单个飞行器进行本体制导；

协调控制模块，用于在群体协同飞行网络中，基于分布式一致性的时空协同控制方法根据每架飞行器的预测待飞时间确定群体的协同到达时间，并将协同到达时间作为导引控制模块的终端时间；

自主管理模块，用于根据群体中各飞行器的当前飞行状态及其控制能力约束进行自适应组网，实时调整协调控制模块的协同飞行网络。

本发明的有益效果是：

机载计算机以待飞时间为协调变量，采用终端时间与角度控制的制导指令对单个飞行器进行本体制导；在群体协同飞行网络中，基于分布式一致性的时空协同控制方法根据每架飞行器的预测待飞时间得到群体的协同到达时间，并将其作为终端时间重新生成制导指令，组成了双层协同制导结构；以待飞时间为协调变量，无需待飞时间预测，能够同时控制飞行器终端位置、时间以及方位角，形式简单，减少数据处理量，提高控制精度和效率，成员之间通信量小的特点，易于工程实现。

根据群体中各飞行器的当前飞行状态及其控制能力约束进行自适应组网，实时调整协同飞行网络，与双层协同制导结构相结合，实现群体自主管理，能够有效提升群体的复杂环境以及自身故障的处理能力，利于处理协同飞行过程中突防情况，能够更出色的完成任务，实际应用可体现在飞行器的编队飞行、导弹的协同制导等多个方面。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例中三层协同控制结构图。

图2是本发明实施例中分布式协同通信拓扑结构图。

图3a是约束下的数值计算结果。

图3b是约束下的数值计算结果。

图4是复杂飞行环境下的成员数量变化。

图5是本发明实施例中群体自组网控制流程图。

图6a是标准条件下协同飞行的协同终端时间变化曲线。

图6b是标准条件下协同飞行的待飞时间变化曲线。

图6c是标准条件下协同飞行的地面轨迹曲线。

图6d是标准条件下协同飞行的速度方位角变化曲线。

图7a是故障条件下协同飞行的协同终端时间变化曲线。

图7b是故障条件下协同飞行的待飞时间变化曲线。

图7c是故障条件下协同飞行的地面轨迹曲线。

图7d是故障条件下协同飞行的速度方位角变化曲线。

图8a是故障条件下本发明的协同终端时间变化曲线。

图8b是故障条件下本发明的待飞时间变化曲线。

图8c是故障条件下本发明的地面轨迹曲线。

图8d是故障条件下本发明的速度方位角变化曲线。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为实现协同飞行，本发明实施例采用三层协同结构，如图1所示，底层为用于飞行器本体控制的终端时间与角度控制的制导方法(ITACG)，实现飞行器本体的导引控制；中间层为基于分布式一致性理论的时空协同制导方法，实现飞行器之间的协调控制；顶层为群体成员的自主管理，考虑有限信息交互条件下的时空协同制导，能够有效应对飞行器自身故障以及复杂飞行环境，进行自适应组网。

一种基于分布式一致性与自组网的自主协同控制方法，具体包括导引控制、协调控制和自主管理；

1.导引控制：机载计算机以待飞时间为协调变量，采用终端时间与角度控制的制导指令对单个飞行器进行本体制导；

采用最优制导与侧向机动，生成满足终端时间与角度约束的飞行器本体制导指令(ITACG)：飞行器与目标的相对运动建模是ITACG研究的基础，相对运动参数包括位置、速度、相对视线方位角以及速度方位角。针对水平面内满足终端位置与角度的制导问题，需要同时控制视线方位角及其角速率。为此，以视线方位角与视线方位角速率为状态变量、以速度方位角转率为控制变量建立控制模型，见式(1)：

其中，σ_LOS为视线方位角，为视线方位角速率，σ_vf为终端方位角约束，表示速度方位角转率，满足终端位置与角度约束的侧向制导律为：

式(2)中，△σ＝σ_LOS-σ_v为航向误差，T_go为任意飞行器当前位置到目标位置处的实际待飞时间(以下简称飞行器待飞时间)，R_go为飞行器当前位置到目标位置处的待飞距离(以下简称飞行器的待飞距离)，σ_v表示速度方位角，v表示飞行器的飞行速度。

式(2)中第一项是视线角速率的控制项，即终端位置的控制项，第二项为终端角度的控制项。式(2)以能量损耗最小，即飞行时间最短为性能指标，因此本发明终端时间控制是基于最短飞行时间的时间延长控制。在式(2)的基础上增加侧向机动以控制到达时间，以附加航向误差为表征量的机动弹道可设计为：

式(3)中，t为飞行时间，T_d为给定的终端时间约束，k_T为机动幅值。很显然，从制导开始，附加航向误差△σ_T0由零逐渐增大以保证机动的顺利实现，而在t＝T_d时刻减小到零，以减小机动飞行对制导精度的影响，机动幅值k_T为：

式(4)中，机动幅值k_T是终端时间约束T_d、飞行器的飞行速度v以及飞行器的待飞距离R_go的函数。为确定时间控制的机动方向，首先根据初始速度方位角σ_v0与终端方位角约束σ_vf确定初始阶段的机动方向k_Direction：

机动飞行必然对制导精度造成不良影响，因此为同时满足终端时间与角度约束，需要在飞行时间过半时，控制飞行器向相反的方向机动。因此，机动方向k_Dguide为：

S11，控制终端时间：综合机动大小与机动方向的以侧向附加航向误差△σ_T为表征量的机动弹道：

S12，同时满足终端时间与角度约束的制导指令：通过上述机动幅值大小的计算以及方向的判定，飞行器在侧向实现一个周期的正弦机动，以尽量减小机动造成的位置误差，进而同时满足角度与时间约束。综上所述，将式(7)中的机动弹道的侧向附加航向误差△σ_T代入式(2)中，可得ITACG为：

式中，航向误差△σ为终端位置控制项，△σ_T为到达时间控制项。

2.协调控制：在群体协同飞行网络中，基于分布式一致性的时空协同控制方法，根据每架飞行器的预测待飞时间确定群体的协同到达时间，并将协同到达时间作为导引控制的终端时间；

以四架飞行器同时到达同一目标为例，为保证群体通信的稳定性，在各成员都有效的情况下设计强连通的通信拓扑，如图2所示。

在协同网络中，任意两架飞行器的期望待飞时间T_goi与T_goj趋于一致，即实现了群体成员同时到达同一目标处，利用时间一致性算法使各架飞行器的终端时间趋于一致，算法可描述为：

其中，x_i(t)表示飞行器M_i在t时刻的协调变量，为协调变量x_i(t)的变化率，a_ij(t)为t时刻有向图A_n的邻接矩阵(adjacency>n∈R^n×n的第(i,j)项，用于表述飞行器M_i与M_j的连接关系，a_ij(t)＝0意味着t时刻飞行器M_i接收不到飞行器M_j的信息。根据图2中的通信拓扑，假设所有飞行器能接收到其他所有飞行器的信息，则式(9)可展开为：

式(10)表示，在图2所示的强连通协同网络中，任意一架的飞行状态将受到其他所有飞行器飞行状态的影响。将式(10)改写为状态空间方程的形式：

其中x(t)＝[x₁(t),x₂(t),x₃(t),x₄(t)]^T，是向量x(t)的微分，邻接矩阵A_n(t)为：

对于已建立通信网络的群体，在某一时刻t＝t_c，能够使得任意两个状态x_i(t_c)与x_j(t_c)达到相等的充要条件是：

a_ij(t)>0>

在图2所示的分布式协同网络中：每架飞行器皆为“计算中心”，在飞行过程中，第i架飞行器M_i接收来自其他所有飞行器的协调变量信息，即预测待飞时间，通过协同算法确定飞行器M_i的期望待飞时间T_goi用于自身制导指令的生成；同理，飞行器M_j利用T_goj生成制自身导指令。飞行器待飞时间T_go无法直接精确获得，只能间接预测得到，预测方法为为某一飞行器M_i待飞时间预测值，预测方法为

S21，在双层结构的协同制导策略中，基于一致性计算的待飞时间是实现协同飞行的关键。本发明选取待飞时间为协调变量，则由一致性原理可得飞行器M_i的期望待飞时间的微分

进一步可得：

其中，k_x为飞行器是否被舍弃的标志位，a_ij(t)为t时刻飞行器M_i与M_j的连接关系，△t为制导周期；协同算法确定群体的期望待飞时间：在飞行过程中，先对飞行器M_i在0时刻的待飞时间预测值赋初值，再利用式(16)在线计算飞行器M_i实时的期望待飞时间T_goi(t)，并利用t时刻的飞行状态，基于式(14)实时更新t时刻M_i的待飞时间预测值和t时刻M_j的待飞时间预测值每架飞行器t时刻的待飞时间预测值需要综合考虑待飞距离、速度大小、速度倾角θ以及航向误差△σ；

其中，R_goi(t)为t时刻M_i的待飞距离，v_i(t)为t时刻M_i的飞行速度，θ_i(t)为t时刻M_i的速度倾角，Δσ_i(t)为t时刻M_i的航向误差。

S22，确定M_i的期望到达时间，即协同到达时间T_di(t)：

T_di(t)＝t_i+T_goi(t)>

其中，t_i为飞行器M_i的飞行时间；T_goi(t)为飞行器M_i实时的期望待飞时间；

S23，在每架飞行器的制导中，以T_di(t)代替式(7)中T_d生成时间控制的制导指令。

另外，由一致性方法的收敛性分析可知，随着飞行的不断推进，各飞行器待飞时间将不断地趋于相等，即实现多飞行器的同时到达。

收敛性分析：

在实际的飞行控制中，协调变量的变化往往是受约束的，例如基于能量损耗最小的最优制导只能进行到达时间延长的控制。下面分析协调变量受限时的收敛性，假设存在以下约束条件：

式(18)说明终端时间只能被延长。因此，由式(9)收敛条件(a_ij>0)可得以下关系：

x₁(t)≤x₂(t)…x_n(t)≤x₁(t)>

由式(19)的首尾条件可知，该关系式能够成立的唯一情况是：

x₁(t)＝x₂(t)…＝x_n(t)＝x_d>

其中x_d为收敛值。由式(9)与式(18)可知，为实现

x_i(t)＝x_d1≤x_i+1(t)…≤x_n(t)>

当某一时刻x_i(t)＝x_d1>x_d，则变量x_k＝i+1…n(t)必然逐渐增大至新的收敛值x_d1。另外，存在以下关系：

x_n(t)≤x₁(t)…x_i(t)＝x_d1>

意味着x_k＝1…i(t)也将收敛于x_d1。若某一时刻x_i(t)＝x_d2<x_d，则

在式(23)中，由于变量x_i+1(t)无法减小，因此只能x_i(t)由当前值x_d2逐渐增大至系统的收敛值x_d。通过上述分析，可得在式(18)的限制下，所有协调变量必然x_i＝1…n(t)收敛于系统的最大值。

x_d＝max{x_i(t)}i∈{1,2,…n}>

相反地，当约束条件为

则所有协调变量x_i＝1…n(t)必然收敛于系统的最小值。

x_d＝min{x_i(t)}i∈{1,2,…n}>

设置初值x₁₀＝80,x₂₀＝100,x₃₀＝85,x₄₀＝95,并且a_ij＝2,及约束下的数值计算结果如图3a-3b所示。由计算结果可知，在式(18)的作用下，各协调变量收敛于最大值x₂₀＝100，并且在式(25)影响下的收敛值为最小值x₁₀＝80。

上述计算结果验证了步骤S2中群体的期望到达时间T_di(t)确定的正确性。

3.自主管理：根据群体中各飞行器的当前飞行状态及其控制能力约束，进行自适应组网，实时调整协调控制的群体协同飞行网络。

在复杂的飞行环境中，群体组网并进行通信是实现协同飞行的前提条件。因此，群体必须根据飞行器安全情况、自身飞行状态以及控制能力约束，对组网情况进行实时更新调整。

协同飞行态势分析：在群体飞行过程中，飞行器自身存在不确定性以及飞行环境的复杂性，使得当前群体组网结构极易受到破坏。因此，群体必须根据各架飞行器的飞行状态及其对突防性能的影响，实时调整协同网络，即实现群体组网的自主管理。

飞行器本体制导律以能量损耗最小，即飞行时间最短为性能指标。因此，在协同飞行过程中，在无偏差的条件下，群体期望待飞时间T_gor满足以下关系：

T_gor≥max{T_goi}i∈{1,2,3,…n}>

当某飞行器M_i出现故障时，其飞行能力的丧失、飞行速度的突然减小，使得飞行器M_i的期望待飞时间T_goi必然无穷大：

T_goi＝∞>

由式(27)与(28)可知，如果M_i仍然被视为协同网络的一员，则群体的协同到达时间也将为无穷大，这种结果必然导致飞行任务的失败。因此，为保证飞行任务的顺利完成，则必须对飞行器M_i舍弃，并将剩余飞行器组成新的协同体系。

对于健康状况良好的飞行器，其待飞时间必然受到自身飞行能力与控制能力的共同限制。飞行器待飞时间主要受以下约束条件的影响：

(1)飞行器最大燃料的限制

对于任何一架飞行器M_i而言，其总飞行时间必然不大于发动机的工作时间，即飞行器待飞时间T_go必须满足：

其中M_fuel为飞行器的燃料质量，为秒耗量，T_gomax1为最大燃料确定的待飞时间最大值。

(2)飞行器控制能力的限制

飞行器待飞时间必然受到飞行器控制能力的影响，即姿态角的调整幅度越大，终端时间的控制范围越大。本发明中的飞行器采用BTT(Bank-To-Turn)控制方式，控制量倾侧角与攻角的计算公式为：

n_z表示弹道坐标系中纵向过载指令，n_y表示弹道坐标系中侧向过载指令，g₀表示海平面处的引力加速度，υ表示倾侧角，α表示攻角，表示升力系数的反差值计算。

对于保持等高等速飞行的飞行器而言，在某一给定的时刻处，飞行器待飞时间越长意味着飞行器需要进行更大的侧向机动，即倾侧角越大。另外，为了保持飞行器等高飞行，倾侧角增大的同时攻角必须同步增大，即待飞时间与倾侧角、攻角的关系为：

式(31)表明最大倾侧角υ_max与攻角α_max对待飞时间T_go的影响必须进行分析。针对最大倾侧角约束，存在以下关系：

其中n_y与n_z分别是弹道坐标系中纵向与侧向的过载指令，将制导指令式(8)代入式(32)可得：

式(33)给出了附加航向误差与最大倾侧角之间的关系，由式(33)可得：

式(34)表示倾侧角的大小随着附加航向误差的增大而增大，因此最大航向误差△σ_Tmax可计算获得。

在给定飞行器飞行状态与目标状态的前提下，待飞时间越长则机动幅度越大，即附加航向误差增大。

进一步，由于余弦函数是偶函数，因此基于式(7)获得最大倾侧角υ_max约束下的最大到达时间T_dυmax为

由最大倾侧角υ_max约束决定的待飞时间最大值为：

T_go≤T_gomax2＝T_dυmax-t>

同理，最大攻角约束α_max对待飞时间也存在相同的影响，T_dαmax可采用相同的方法得到，即α_max约束下的最大到达时间为T_dαmax，则飞行器待飞时间必须满足：

T_go≤T_gomax3＝T_dαmax-t>

经过上述分析，飞行器待飞时间T_go必须同时满足机载燃料以及最大控制能力的约束。在时间控制的作用下，待飞时间趋近于期望待飞时间，因此群体中某一成员M_i的期望待飞时间必须满足以下关系。

T_goi≤min{T_gomax1,T_gomax2,T_gomax3}>

(3)飞行器间待飞时间差的限制

由式(27)可知，群体的期望待飞时间不小于各架飞行器预测待飞时间的最大值，因此当某一架飞行器待飞时间明显大于其他飞行器时，飞行器长时间的空中盘旋使得被拦截的概率增加。因此，各架飞行器的待飞时间之差不宜过大；

T_gomax-T_gomin<ε(t)>

T_gomax表示群体中各成员的最大待飞时间，T_gomin表示群体中最小待飞时间。ε(t)为群体中各成员待飞时间之差的最大允许值，为时变的变量，可选取为待飞时间最大值T_gomax的10％；

另外，由式(4)可知用于时间控制的机动幅值与待飞时间的关系为：

式(42)意味着较长剩余时间导致的较大幅度的机动飞行，也将影响终端制导精度。因此，当某飞行器待飞时间过长时，则必须对其舍弃。经过上述分析，对于给定初始点与目标点的飞行任务，任意一架飞行器待飞时间的延长将导致所有飞行器控制能力达到饱和，其长时间的空中飞行将增加被拦截的概率，并且过大的侧向机动也将影响制导精度。

群体自主组网策略：经过上述分析，群体在协同飞行时需要根据飞行环境以及自身状态调整协同网络，主要为两种情况：飞行器出现故障以及待飞时间明显增大。如图4所示，在复杂飞行环境下，对于初始由四架相同功能的飞行器组成的协同体系，成员数量将调整为三架，甚至是两架。

综上所述，在复杂飞行条件下，群体必须根据每架飞行器的飞行状态实时调整协同网络，即实时判别当前群体中的每一架飞行器是否需要舍弃，而将剩余的飞行器重组为新的协同飞行网络，群体自主组网策略如图5所示。

群体重组网共分为四次判断：首先判断飞行器是否出现故障，出现故障的飞行器必然要被舍弃；第二，根据待飞时间判断剩余燃料是否充足，若燃料不足则被舍弃；第三，判断飞行器在控制能力约束的限制下是否能够达到时间控制的目的，若不能满足到达时间约束则被舍弃；第四，当某一飞行器的预测待飞时间明显大于其它飞行器时，该飞行器将被舍弃。经过四次判断后，剩余飞行器组成协同网络以完成打击任务。

对于在线自组网的群体，基于一致性的协调变量计算方法为：

其中k_x为飞行器是否被舍弃的标志位。

将式(43)展开可得：

式(43)与式(45)表明，对于当前的协同体系，当某一架飞行器被舍弃时，其标志位k_x为“零”，意味着该飞行器将不会影响重组后群体的协同到达时间。

本发明实施例基于分布式一致性与自组网的自主协同控制系统，包括：

导引控制模块，用于以待飞时间为协调变量，采用终端时间与角度控制的制导指令对单个飞行器进行本体制导；

协调控制模块，用于在群体协同飞行网络中，基于分布式一致性的时空协同控制方法根据每架飞行器的预测待飞时间确定群体的协同到达时间，并将协同到达时间作为导引控制模块的终端时间；

自主管理模块，用于根据群体中各飞行器的当前飞行状态及其控制能力约束进行自适应组网，实时调整协调控制模块的协同飞行网络。

仿真分析与讨论：

本发明提出研究复杂约束与飞行环境下的协同制导方法，重点在于对基于一致性理论的协同制导方法以及对群体的顶层自主管理。设置四架飞行器同时到达同一目标，飞行器的初始位置与终端约束如表1所示。制导周期△t＝0.1s，a_ij＝10。飞行器采用BTT控制方式，目标位置为(116°E，19°N)，控制能力约束为：最大攻角为20°，最大倾侧角为30°，最大攻角变化率为3°/s，最大倾侧角变化率为10°/s。

表1飞行器与目标仿真条件设置

飞行器东经(deg)北纬(deg)速度方位角约束(deg)M1114.920130M2114.6219.3110M3114.5518.6570M41151850

5.1标准条件下协同制导仿真分析

利用表1中的仿真数据进行制导算法的验证，仿真结果如表2与图6a-6d所示。由仿真结果可知，底层的飞行器本体制导方法能够高精度地满足终端位置、角度以及到达时间约束，位置误差小于9m，角度误差在2°以内。由于飞行器M1与M3的无协同飞行时间接近于协同时间，其只在后期进行了机动飞行，导致误差较大。分布式协同制导策略能够控制多架飞行器同时到达同一目标处，各架飞行器的到达时间间隔不超过0.5s。由图6a可知，对于无协同时的飞行时间最短的M2而言，其终端协同时间为最大以进行大幅度的机动飞行进而延长飞行时间。同理，对于飞行器M1而言，协同时间始终小于无协同时的终端时间616.84s，以使其飞行时间在理论上能够缩短。然而，由于协同制导是全状态受控的一致性问题，协同到达时间约为618秒，略大于无协同时的最大终端时间616.84s。

表2协同飞行终端制导精度

5.2无自组网的仿真分析

在复杂飞行条件下，假设飞行器M1在400秒时刻出现故障，各飞行器的终端状态参数与主要弹道曲线如表3与图7a-7d所示。由仿真结果可知，当M1飞行器出现故障且群体协同网络未更新时，该飞行器的数据仍然被引入到群体协同到达时间的计算中。因此，剩余飞行器M2,3,4的期望的终端时间在400秒之后迅速增大，其过于剧烈的机动飞行导致待飞时间无法正常收敛，进而使得制导误差明显增大。另外，飞行器终端到达时间及其间隔明显增大，且终端位置误差皆大于34km，最大角度误差达到了18deg，意味着协同飞行任务的完全失败。

表3 M1故障条件下的协同制导精度

飞行器编号到达时间(s)终端速度方位角(deg)位置误差(m)M1400.00134.13256412M2671.38105.7535220M3659.4952.79934599M4666.0349.44435017

5.3自主协同仿真分析

根据本发明提出的群体自主管理策略，舍弃故障的飞行器M1，进而将剩余飞行器M2,3,4组成协同网络以实现打击任务，终端状态参数与各飞行器主要弹道曲线如表4与图8a-8d所示。由仿真结果可知，当飞行器M1被舍弃时，其无穷大的待飞时间未被引入到剩余飞行器的制导中，因此协同终端时间Td2,3,4在400s时刻存在小幅度变化。在400s之后，剩余飞行器M2,3,4的弹道光滑连续变化，终端位置误差在2m以内，方位角误差也小于0.5°，三者的到达时间间隔也小于0.2s。仿真结果表明，在群体自主管理策略的控制下，协同打击任务能够顺利地完成。

表4三层结构的协同制导精度

飞行器编号到达时间(s)终端速度方位角(deg)位置误差(m)M1400.00134.13256412M2614.32109.992.093M3614.2369.5261.670M4614.5349.991.637

6.结论

为实现多架飞行器以不同角度同时到达同一目标处，本发明研究了基于分布式一致性与群体自主管理的时空协同控制策略。为此，本发明在前期ITACG制导方法的基础上，设计了以待飞时间为协调变量的三层协同制导结构，研究了基于分布式一致性的协同制导方法，分析了协调变量在强约束条件下的收敛性，提出了复杂飞行条件下的群体自主管理策略。通过理论研究与仿真分析，可获得以下结论：

(1)三层结构的协同制导体系是对ITACG、协同指令生成以及群体自主管理的综合应用，能够有效提升群体的复杂环境以及自身故障的处理能力；

(2)由于待飞时间的预测误差以及飞行器控制能力的限制，各飞行器的时间到达时间存在间隔，间隔大小随机动范围的增大而增大；本发明以待飞时间为协调变量的协同制导结构具有形式简单，成员之间通信量小的特点，易于工程实现。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。