技术领域
本发明涉及船舶通信技术领域,尤其涉及一种基于Markov切换拓扑图的船舶航向编队控制方法。
背景技术
由于单只船舶携带能源有限、任务负载能力有限,不适合大范围区域的活动,且鲁棒性较差,即一旦船体发生故障将导致任务失败。因此,执行任务一般采用多船舶协同作业,多船舶编队作业可提供更强的适用性,例如多船协同作业扩大整个群体的感知区域;单船故障不影响整体任务,具有更高的可靠性;不同类型的船舶可携带不同的传感器和执行器,通过彼此协调合作,完成复杂的任务,弥补单船舶性能上的缺陷,具备更好的扩展性。因此,多条船舶协同作用共同完成复杂的任务具有重要的应用价值。
但在现有技术中,协同控制中船舶之间通信交换信息,通信不可避免地存在丢失、中断等异常情况,此时很容易导致协同任务失败。因此,现需一种新型的船舶航向编队控制方法,能够在船舶之间通信异常时基于船舶之间的航向偏差信息进行编队控制。
发明内容
针对现有技术中存在的上述问题,现提供一种基于Markov切换拓扑图的船舶航向编队控制方法。
具体技术方案如下:
本发明包括一种基于Markov切换拓扑图的船舶航向编队控制方法,用于对多条船舶组成的船队进行编队控制,包括:
步骤S1,建立用于描述所述船舶的航向控制信息的二阶非线性方程;
步骤S2,建立多条所述船舶之间的信息交互拓扑图;
步骤S3,每条所述船舶通过所述信息交互拓扑图与其他的船舶建立通信,以获取相邻的所述船舶的所述航向控制信息,并根据所述航向控制信息计算出与相邻所述船舶之间的相对航向及相对回转率;
步骤S4,基于所述船舶的所述相对航向和所述相对回转率形成一控制规则,根据所述控制规则控制所述船队中的跟随者跟踪所述船队中的领导者的航向。
优选的,于所述步骤S1中,所述航向控制信息包括所述船舶的航向及舵,通过下述公式表示为:
其中,
i=0用于表示多条所述船舶中的领导者;
i=1,…,N用于表示多条所述船舶中的跟随者;
ψ
δ
T
d
优选的,于所述步骤S2中,所述信息交互拓扑图包括一个以所述领导者为根节点的最小生成树,用于记录一个或多个所述跟踪者与所述领导者之间的信息交互。
优选的,于所述步骤S3中,通过下述公式获得所述船舶之间的所述相对航向:
其中,
ψ
zi1,rt用于表示所述相对航向。
优选的,于所述步骤S3中,通过下述公式获得所述船舶之间的所述相对回转率:
其中,
zi2,rt用于表示所述相对回转率。
优选的,于所述步骤S4中,所述控制规则包括:
其中,
u
δ
zi1,rt用于表示所述相对航向;
zi2,rt用于表示所述相对回转率。
优选的,所述信息交互拓扑图为Markov切换拓扑图,在所述船舶之间通信异常时,所述Markov切换拓扑图进行切换。
本发明的技术方案具有如下优点或有益效果:提供一种基于Markov切换拓扑图的船舶航向编队控制方法,能够在船舶之间通信异常时基于船舶之间的航向偏差信息进行编队控制,以使船队能够正常的进行协同作业。
附图说明
参考所附附图,以更加充分的描述本发明的实施例。然而,所附附图仅用于说明和阐述,并不构成对本发明范围的限制。
图1为本发明实施例中的船舶航向编队控制方法的步骤流程图;
图2-5为本发明实施例实验中四条船舶的跟踪轨迹图。
具体实施方式
下面将结合本发明实施例中的附图,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作出创造性劳动的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。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
本发明包括一种基于Markov(马尔科夫链)切换拓扑图的船舶航向编队控制方法,用于对多条船舶组成的船队进行编队控制,如图1所示,包括:
步骤S1,建立用于描述船舶的航向控制信息的二阶非线性方程;
步骤S2,建立多条船舶之间的信息交互拓扑图;
步骤S3,每条船舶通过信息交互拓扑图与其他的船舶建立通信,以获取相邻的船舶的航向控制信息,并根据航向控制信息计算出与相邻船舶之间的相对航向及相对回转率;
步骤S4,基于船舶的相对航向和相对回转率形成一控制规则,根据控制规则控制船队中的跟随者跟踪船队中的领导者的航向。
具体地,本实施例提供一种基于Markov切换拓扑图下的多船舶航向编队的控制方法。在步骤S1中,首先建立多船舶的数学模型,获取每条船舶的航向和舵关联的二阶非线性方程,即非线性Norrbin方程,并根据船舶的数学模型试验获取Norrbin方程中的相关参数,多条船舶的数学模型可以互不相同。
在本实施例中,在多条船舶组成的船队中,包括领导者和跟随者,应用领导者-跟随者方法建立船舶集群的编队控制模型。在步骤S2中,建立跟随者船舶测量领导者船舶航向信息的拓扑模型,考虑到测量信息可能发生丢失、中断等,将该拓扑模型建立为Markov切换拓扑图的形式。在步骤S3中,每条船舶都可以通过Markov切换拓扑图获取与其他船舶之间的航向偏差信息,例如相对航向和相对回转率。
最后,在步骤S4中,利用反步法设计了仅基于航向偏差信息的控制器,即根据跟随者与领导者之间的相对航向和相对回转率形成控制规则,使得跟随者船舶自动跟踪领导者的航向。反步设计法是一种递归设计方法,它是一种针对参数不确定系统的系统化设计方法,它的主要思想是通过递归地构造闭环系统的Lyapunov函数获得反馈控制器,选取控制律使得Lyapunov函数沿闭环系统轨迹的导数具有某种性能,保证闭环系统轨迹的有界性和收敛到平衡点,所选取的控制律就是系统镇定问题、跟踪问题、干扰抑制问题或者几种问题综合的解。反步设计方法既适用于线性系统也适用于非线性系统。反步法实际上是一种由前往后递推的设计方法,比较适合在线控制,达到减少在线计算时间的目的。
在一种较优的实施例中,于步骤S1中,航向控制信息包括船舶的航向及舵,通过下述公式表示为:
其中,
i=0用于表示多条船舶中的领导者;
i=1,…,N用于表示多条船舶中的跟随者;
ψ
δ
T
d
具体地,航向编队控制的目标为使得N条跟随者船舶的航向跟踪领导者船舶的航向。从上述公式中可以看到,编队控制中的船舶型号可以相同,也可以不同,即不要求参数T
在一种较优的实施例中,于步骤S2中,信息交互拓扑图包括一个以领导者为根节点的最小生成树,用于记录一个或多个跟踪者与领导者之间的信息交互。考虑到各船舶之间可能会存在通信异常的信息交换,将船舶数学模型建模为Markov切换拓扑图
在一种较优的实施例中,于步骤S3中,通过下述公式获得船舶之间的相对航向:
其中,
ψ
zi1,rt用于表示相对航向。
通过下述公式获得船舶之间的相对回转率:
其中,
zi2,rt用于表示相对回转率。
于步骤S4中,控制规则包括:
其中,
u
δ
zi1,rt用于表示相对航向;
zi2,rt用于表示相对回转率。
具体地,本发明的核心就在于使用第i个船舶与其相邻船舶之间的相对状态信息,如上述公式得出的相对航向及相对回转率来形成控制规则,以使跟随者船舶实时跟踪领导者船舶的航向。
具体地,为了验证本发明所设计的控制方法的有效性,以大连海事大学远洋训练“玉龙”号和“玉鹏”号船为例进行仿真。表1给出了实际船舶的基本设计参数。
表1
考虑具有四个从属船舶航向控制系统和一个领导船舶航向控制系统的多主体系统。多船航向控制的目的是通过设计分布式控制律,使四艘随动船的航向角渐近地跟踪领导船的航向角。可以看出,非线性函数H(˙ψ)不能满足全局Lipschitz条件。因此,现有技术中的控制方法不能以分布式方式解决领导者跟随共识问题。
假设马尔可夫过程rt的状态空间为M={1,2},其中生成器Π=[-0.50.5;0.5-0.5]。无向图G1的拉普拉斯矩阵由下式给出:
前导邻接矩阵由B1=diag(1,0,0,0)给出。无向图G2的拉普拉斯矩阵由下式给出:
为了证明异构多智能体控制方案的有效性,我们考虑一个多智能体系统,该系统具有两个“玉龙”型船舶航向控制系统和两个“玉鹏”型船舶航向控制系统,作为四个跟随者和一个以“宇鹏”型船舶航向控制系统为主导代理。由于参数不同,组成的多智能体系统是异构的,两艘实船的α和β不同。根据我们的设计程序,不连续分布的自适应控制律构造如下:
四条船舶的跟踪轨迹如图2-5所示。从图中可以看出,达到了领导者跟随共识,并且所有参数估计都得到了实现。
本发明的技术方案具有如下优点或有益效果:解决了一类二阶非线性多智能体系统在马尔可夫切换拓扑下的前导跟随共识问题。首先,针对异构多智能体系统设计了一种利用相邻智能体之间的相对状态信息的不连续分布自适应非线性控制规则,从而实现了闭环系统几乎可以肯定的前导跟随共识。然后,为同类多智能体系统设计了一个平稳的分布式控制规则。与现有技术相比,不需要非线性函数来满足全局Lipschitz条件,并且自适应共识协议是分布式的,即仅使用相对信息。
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
机译: 一种改进的仪器,用于根据图表上的真实航向确定船舶的指南针航向或从指南针航向确定真实航向。
机译: 改进了从真实航向确定船舶指南针航向或从指南针航向确定船舶航向航向的工具。
机译: 供电车的电气连接电路,供电车,编队车辆,编队车辆的电气连接电路,控制方法,电池模式切换方法和架空线模式切换方法