通信随机时滞条件下基于分布式模型预测的AUV编队控制

考虑水声通信随机时滞条件下AUV编队协同控制问题,提出一种基于分布式模型预测的AUV编队控制方法.首先,通过所设计的随机时滞通信同步策略,将异步状态信息转换为同步状态信息;然后,结合虚拟轨迹、状态预测、控制约束以及编队内AUV状态信息描述协同编队代价函数,将其引入局部滚动时域优化,实现编队控制目标,并利用李雅普诺夫理论验证编队控制器的稳定性;最后,将所提出方法与现有编队控制方法进行对比仿真,仿真结果验证了其有效性.

多网络约束下NNS分布式融合估计器设计

针对节点量测增益衰减、节点能量受限与系统模型不确定3种网络约束下具有随机通信时滞和非固定丢包率的组网导航系统(NNS)分布式状态融合估计问题,将增益衰减程度描述为统计特性已知的随机变量,将模型不确定描述为系统矩阵中的乘性有色噪声,将减小能耗描述为降低节点数据传输率。分别在邻节点端和目标节点端引入2种不同的线性编码器以解决丢包与时滞问题。建立丢包率与同时传输信息的节点数目之间的函数关系,将邻节点在过去有限个时刻的量测值进行线性编码后再传输,以补偿丢包与降低传输率导致的信息损失。目标节点把在同一采样周期内获取的来自同一邻节点的多个量测值按时间戳进行线性编码,以解决通信时滞导致的信息多余。基于2次线性编码建立增广系统模型,设计最小方差意义下局部无偏估计器,利用最优矩阵加权融合法得到全局融合估计器,推导得到融合估计误差协方差收敛的充分条件及次优传输率。通过算例仿真验证所提算法的有效性。