博文

基于协作RISE学习的网络化无人机环绕飞行：碰撞规避与通信连接保持

已有 387 次阅读 2025-5-16 08:47 |个人分类:文章推荐|系统分类:博客资讯

编辑荐语

本期将给大家分享“Cooperative RISE learning-based circumnavigation of networked unmanned aerial vehicles with collision avoidance and connectivity preservation (基于协作RISE学习的网络化无人机环绕飞行：碰撞规避与通信连接保持)”。如您对本期相关内容有好的理解与建议，欢迎评论区留言。

近年来，多无人机协同控制成为研究热点，四旋翼无人机因其敏捷性强、可靠性高、成本较低等特点被广泛应用于灾害监测、搜索救援等任务。绕飞操作要求无人机围绕目标以预定距离和速度运行，但通常假设所有无人机都能获取目标信息。针对缺乏信息时的绕飞问题，虽然提出了基于方位测量的控制算法并利用正交投影估计目标位置、确保收敛误差，但是这些方法忽视了避障、实时通信和动态绕飞的需求，难以扩展至三维空间。为此，本文提出一种基于四元数的分布式绕飞控制算法，结合矢量场势函数与改进误差符号的鲁棒积分(RISE)技术补偿外部扰动，通过RBF-NN学习无人机非线性动态特性，实现鲁棒协同绕飞与避障控制。

Cooperative RISE learning-based circumnavigation of networked unmanned aerial vehicles with collision avoidance and connectivity preservation基于协作RISE学习的网络化无人机环绕飞行：碰撞规避与通信连接保持Jawhar Ghommam1 · Amani Ayeb2 · Brahim Brahmi3 · Maarouf Saad4

机构：1 阿曼卡布斯苏丹大学电气与计算机工程系；2 突尼斯国家应用科学与技术学院；3 加拿大蒙特利尔阿汉西克学院电气工程系

引用：Ghommam, J., Ayeb, A., Brahmi, B. et al. Cooperative RISE learning-based circumnavigation of networked unmanned aerial vehicles with collision avoidance and connectivity preservation. Control Theory Technol. (2025). https://doi.org/10.1007‍/s11768-024-00241-7

全文链接：‍https://rdcu.be/ebB4Z‍

摘要

本文提出了一种基于方位测量的三维自主定位与分布式环绕控制方法，以解决四旋翼无人机（UAV）群体在保持网络连通性和避免碰撞条件下的协同运动控制问题。系统采用领航者-跟随者（Leader-Follower）结构，其中领航无人机跟踪给定参考动态目标移动。不同于现有方法通常需要完整地掌握目标随时间变化的参考轨迹，本文假设仅部分无人机（至少一架）能够获得相对于该目标的方位信息，而其他无人机则只能测量与邻近无人机之间的相对方位角。利用相对方位测量与从有向通信网络收到的邻近无人机的估计信息，本文提出了一种一致性估计器以实现每架无人机的全局位置估计。随后，将误差符号连续鲁棒积分（RISE）控制方法与分布式向量场方法有效地结合，以确保无人机编队围绕运动目标运行，同时避开障碍物并将网络链路保持在有效通信范围内。此外，本文采用了tanh(·)函数取代了经典的sgn(·)符号函数以降低传统RISE控制方法中的高增益反馈并得到更加平滑的控制信号。进一步，通过协同使用局部径向基函数（RBF）神经网络，采用确定性学习理论来准确识别/学习由姿态动力学引起的模型不确定性。利用Lyapunov稳定性理论证明了整个闭环系统的收敛性，并表明系统状态最终一致有界。最后，数值仿真验证了所提出方法的有效性。

引言

近年来，多无人机技术受到了广泛关注，多无人机协同控制也是研究热点之一。绕飞是多无人机控制技术的一个典型应用。对于一次成功绕飞，通信网络中的无人机需要先定位目标，然后在绕飞过程中接近目标。然而，实际应用中的目标信息（位置）并非网络中的所有车辆都能获取。解决定位和目标绕飞问题时需要考虑的一个关键相关问题是，在保持连接的同时避免各无人机之间的相互碰撞以及与空间中意外出现的障碍物发生碰撞。对此，各学者先后提出了基于零空间避障控制和基于人工势场避障控制等方法。不幸的是，这些方法很少考虑未知目标绕飞任务中的避障和通信拓扑连通性保持问题，并且现有的大多数结论都将多无人机的整体运动视为刚性编队。此外，如何确保整个闭环协同系统在外部干扰和模型不确定性下维持期望的性能水平也是一个颇具挑战性的问题。

为此，本文提出了一种鲁棒分布式控制算法，用于在存在不确定的动力学、外部干扰以及四旋翼无人机与球形障碍物之间的防撞约束的情况下，实现多无人机绕飞运动目标。由于通信范围有限，为了防止各无人机在避撞时偏离轨道，须保持通信网络连接。为了解决这个问题，通过将矢量场势函数和辅助变量方法结合到基于一致性的反步控制方案中，同时使用基于改进RISE技术的非线性辨识器来补偿外部干扰，在无人机的平移外环系统中提出了一种基于四元数的分布式绕飞控制律。其基本原理是，RISE反馈是一种非基于模型的控制策略，能够保证在对系统不确定性和时变参数的最小假设下进行半全局渐近跟踪。在外环动力学中，除了阵风和风引起的干扰外，在存在参数和非参数不确定性的情况下，自适应修正的RISE反馈用于姿态跟踪控制。由于姿态动力学中的模型不确定性不满足参数假设的线性，并且为了减轻RISE反馈在处理模型不确定性和干扰时的负担，采用了一种协同确定性学习策略。该策略使用径向基函数神经网络（RBF-NN）同时学习和识别无人机的非线性不确定姿态动力学。因此，提出了一种新的无人机自适应控制机制，从而使多个自适应系统能够通过学习知识共享进行更深入的协作学习。

本文的主要贡献总结如下：

所提出的协同绕飞方案通过为每个无人机设计分布式估计器，同时利用估计中的方位测量可有效实现定位目标。
本文改进了矢量场方法，即将人工势函数引入到分布式控制律中，从而可以在任务执行过程中同时实现障碍物避碰和连通性保持。
本文考虑了存在参数和非参数不确定性以及输入约束的情况下的无人机绕飞和姿态跟踪问题。为此，作者引入了一种新的分布式RISE反馈方法，并通过平滑的辅助系统进行了增强。这种增强系统有效地减轻了输入饱和的影响，确保控制器在输入饱和发生时始终恢复并做出适当的响应。
本文在RISE控制器结构中使用tanh(·)函数代替sign(·)函数。通过利用tanh(·)函数的数学结构，可以观察到控制力的微小变化，以响应(同步/跟踪)误差项的较小值，这与sign(·)函数的效果形成鲜明对比，即使误差的正负值很小。这表明，在分布式RISE反馈中加入tanh(·)会产生平滑的控制信号，并降低控制系统对模型不确定性和干扰的灵敏度。
与先前研究中用于识别姿态非线性不确定动力学的现有自适应神经网络方案相比，本文的方法允许协作确定性学习过程。这意味着无人机可以与其他相邻无人机在线共享其估计重量。通过这种分布式协作学习策略，作者证明了在有向通信拓扑下RBF神经网络权重的所有估计都收敛到由所有循环状态轨迹的并集组成的域上的最优权重的邻域内。

Fig. 1

图1. 三架无人机绕飞移动目标，同时在绕飞平面上实现障碍物规避

结论

本文研究了一组网络化的四旋翼无人机在运动或静止目标周围的定位和环绕控制问题。所提出的定位解决方案依赖于四旋翼中的目标导引头，该导引头可以测量相对于目标的相对方位。因此，设计了一个分布式观测器来估计组中每个四旋翼的目标信息，前提是方位测量是持久的。为了确保测量的持久性，通过利用矢量场的正交性并结合人工势函数，提出了一种具有避障和连通性保持功能的协同环球航行控制器。此外，为了解决模型的不确定性和外部干扰，提出了一种结合反步设计和协同神经网络技术的连续RISE反馈控制方法。利用Lyapunov理论和图论，分析了闭环系统的稳定性。结果表明，所有误差信号都收敛到以原点为中心的紧致集，可实现避障绕飞。此外，所提出的基于协同神经网络的学习技术被证明能够非常准确地识别姿态建模的不确定性。数值仿真结果验证了所提出控制方案的有效性。未来的工作可能包括将拟议的策略扩展到遭受通信网络攻击的多个无人机。

作者介绍

Jawhar Ghommam，2003 年在突尼斯国家应用科学与技术学院（INSAT）获得计算机与控制工程学士学位。他于 2004 年在法国蒙彼利埃大学信息学、机器人与微电子实验室（LIRMM）获得 DEA（硕士）学位，并于 2008 年在斯法克斯国家工程学院（斯法克斯大学）和奥尔良大学联合获得控制工程博士学位。从 2008 年到 2017 年，他在国家应用科学与技术学院工作，担任物理与仪器系的副教授。2018 年 1 月，他加入阿曼苏丹卡布斯大学电气与计算机工程系。他是控制与能源管理实验室的成员，同时也是加拿大蒙特利尔高等技术学院（ÉTS）GREPCI 实验室的兼职研究员。他的研究兴趣包括非完整/欠驱动车辆系统的基本运动控制概念、非线性与自适应控制、网络化无人系统的智能与自主控制、团队协作、共识达成以及传感器网络。他还担任许多控制与机器人领域国际期刊的审稿人和编委。

Amani Ayeb，获得了国家应用科学与技术学院（INSAT）工业计算机科学与自动化领域的人工智能方向博士学位。她还拥有工业计算机科学与自动化的工程学位和研究型硕士学位。她的研究方向包括机器人技术、人工智能和非常规控制系统。目前，她担任 INSAT 的助理教授，已在该职位上工作了六年。

Brahim Brahmi，2019 年获得加拿大魁北克蒙特利尔高等技术学院（ÉTS）非线性控制与机器人方向的工程学博士学位。在此之前，他于阿尔及利亚奥兰科技大学电子与自动化系获得工程学学士学位，并于 2014 年在乌克兰利沃夫理工大学获得计算机与控制系统硕士学位。目前，他是加拿大阿杭西克学院电气系的教授，同时担任蒙特利尔高等技术学院（ÉTS）GREPCI 实验室的兼职研究员。从 2019 年 7 月到 2020 年 7 月，他在加拿大麦吉尔大学机械工程系肌肉骨骼生物力学研究实验室担任博士后研究员。他的研究兴趣涵盖多个主题，包括非线性与自适应控制、生物机器人、康复机器人、工业自动化、物联网、非完整/欠驱动车辆系统的基本运动控制概念、触觉系统、无人系统的智能与自主控制、智能系统和机器学习。作为该领域的专家，他还经常担任控制与机器人领域多家国际期刊的审稿人和编委。

Maarouf Saad，分别于 1982 年和 1984 年在加拿大蒙特利尔理工学院获得电气工程学士和硕士学位，并于 1988 年在加拿大麦吉尔大学获得电气工程博士学位。1987 年，他加入蒙特利尔高等技术学院（ÉTS），目前教授控制理论和机器人技术课程。他的研究兴趣包括非线性控制与优化在机器人技术和飞行控制系统中的应用。

期刊简介

640 spr.jpg

欢迎扫码进入期刊主页

Control Theory and Technology (CTT), 中文名《控制理论与技术》, 创刊于2003年，原刊名为Journal of Control Theory and Applications，2014年刊名更改为Control Theory and Technology。由华南理工大学与中国科学院数学与系统科学研究院联合主办，主要报道系统控制科学中具有新观念、新思想的理论研究成果及其在各个领域中的应用。目前被 ESCI (JIF 1.7)、EI、Scopus (CiteScore 3.1，更新于2025年4月5日)、CSCD、INSPEC、ACM 等众多数据库收录, 并于2013–2018年获得两期中国科技期刊国际影响力提升计划项目资助。2017–2021年连续获得“中国最具国际影响力学术期刊”和“中国国际影响力优秀学术期刊”称号，获得广东省高水平科技期刊建设项目(2021-2024年)，2022-2024年进入中国科协自动化学科领域高质量科技期刊目录。

官网：https://link.springer.com/journal/11768 (即http://www.springer.com/11768)

https://jcta.ijournals.cn/cta_en/ch/index.aspx

投稿：https://mc03.manuscriptcentral.com/ctt

微信：ControlTheoryTech （欢迎扫码关注期刊微信公众号）