具有通信时延的多领导者无人机动态事件触发一致性编队控制方法

《Machines》：Dynamic Event-Triggered Consensus Formation Control Method for Multi-Leader UAVs with Communication Delay

　　

为了解决无人机编队过程中的通信时延和通信资源浪费问题，研究人员研究了一种具有通信时延的二阶多领导者无人机系统（multi-leader UAV system）的动态事件触发（Dynamic Event-Triggered）编队控制方法。在考虑通信时延的基础上，设计了一种动态触发机制（Dynamic Triggering Mechanism）。通过实时调整触发时间，可以根据系统当前状态更有效地控制系统。根据该控制方法，建立了系统的扩展状态观测器（Extended State Observer, ESO）、控制器（Controller）和动态事件触发函数（Dynamic Event-Triggering Function）的数学模型。通过李雅普诺夫稳定性理论（Lyapunov stability theory）和线性矩阵不等式（Linear Matrix Inequality, LMI）理论证明了其稳定性，并排除了Zeno行为（Zeno behavior）。仿真结果表明，与现有方法相比，该方法可以避免对网络拓扑全局信息的依赖，降低通信频率，有效节省通信资源。

论文解读文章

研究背景与问题：无人机（UAV）因其高机动性、低成本及低风险被广泛应用于多领域，但单架无人机难以完成复杂任务，如环境监测、协同运输等。编队控制作为关键方向，具备高可靠性与可扩展性。其中，领导者-跟随者方法得到广泛采用，但多数研究采用单领导者架构，存在单点故障问题；多领导者架构可增强系统容错性与鲁棒性。然而，现有方法普遍依赖连续通信，且未充分考虑通信时延对系统的影响。通信时延会导致位置信息传输延迟，破坏编队的一致性与均匀性。此外，为减少不必要的通信资源浪费，动态事件触发机制被引入，但现有工作未能同时解决多领导者架构和通信时延问题。因此，本研究旨在提出一种融合通信时延补偿与资源高效触发的编队控制方法，填补该领域空白。

研究内容与结论：研究人员针对二阶多领导者无人机系统，提出了一种动态事件触发编队控制方法，并设计了包含时延补偿项的扩展状态观测器（ESO）和控制器，通过李雅普诺夫稳定性理论（Lyapunov）和线性矩阵不等式（LMI）证明系统稳定性，并排除了Zeno行为。仿真验证表明，该方法避免了对全局网络拓扑信息的依赖，显著降低了通信频率，有效节约通信资源。论文发表在《Machines》。

关键技术与方法（不超过250字）：（1）基于图论建立多无人机系统的有向通信拓扑模型，将拉普拉斯矩阵（Laplacian matrix）分块表示为领导者与跟随者子块。（2）设计扩展状态观测器（ESO），引入时延补偿项以估计由通信时延引起的状态变化。（3）构造基于观测器状态的控制器，使跟随者跟踪领导者轨迹并维持编队。（4）提出动态事件触发机制，通过动态变量实时调整触发阈值，减少不必要的数据传输。（5）利用李雅普诺夫-克拉索夫斯基泛函（Lyapunov-Krasovskii functional）和线性矩阵不等式（LMI）推导系统稳定的充分条件，并证明触发间隔下界为正以排除Zeno行为。仿真平台为MATLAB R2024b LMI工具箱。

研究结果（保留小标题，缩略说明结论）：

**5.1 初始条件与参数**：设置6架无人机（3个领导者、3个跟随者），基于图1的通信拓扑得到拉普拉斯块矩阵；通过鲁棒极点配置设计控制器增益矩阵K，极点位于-2±3i；通过LMI求解得到观测器增益矩阵L和时延补偿增益矩阵K_d；触发参数选择平衡通信频率与跟踪精度；通信时延τ=0.1 s，仿真时间20 s。

**5.2 实验仿真分析**

**仿真1**（对比实验）：将本文方法与Du等[23]的方法对比，设定编队中心匀速运动。结果显示：本文方法在6 s内速度误差和位置误差趋于零，而对比方法需12 s；本文方法跟随者4、5、6分别在20 s内触发28、47、59次，对比方法对应触发122、143、178次。结论：本文方法收敛更快、轨迹更平滑，且触发次数显著减少，节省通信资源。同时指出局限：当前模型假设恒定时延，实际中时延常时变；触发参数需LMI求解，大规模系统计算量大；假设通信拓扑固定，动态场景中可能不适用。

**仿真2**（螺旋编队实验）：设置领导者以不同半径（5、6、7 m）螺旋运动。仿真显示：速度误差和位置误差在6 s内均趋近于零，编队形成稳定；跟随者触发次数分别为43、45、58次/20 s，无Zeno行为。结论：系统在复杂编队轨迹下仍能稳定运行。

**仿真3**（不同时延鲁棒性实验）：测试τ=0.05、0.1、0.15、0.2 s四种情况。位置收敛时间稳定约5.78 s；位置均方根误差（RMSE）从0.0178 m增至0.0212 m；平均触发次数从601.7降至211.0；最大位置误差恒定8.20 m，最大速度误差从4.07 m/s增至6.30 m/s。结论：时延补偿机制有效，系统在较大时延下仍保持稳定。

**仿真4**（不同规模可扩展性实验）：测试6架（3领3跟）、9架（4领5跟）、12架（5领7跟）无人机。位置收敛时间从5.78 s增至6.06 s，速度收敛时间从3.59 s增至3.66 s；位置RMSE从0.0185 m升至0.0254 m；每个跟随者平均触发次数从357.3降至207.9。结论：方法具有良好的可扩展性，适用于更大规模无人机群。

讨论与结论：讨论部分指出当前方法在恒定时延假设、LMI求解计算量、固定拓扑假设等方面的局限性，提示未来可研究时变时延、自适应触发参数优化及动态拓扑适应。研究结论翻译如下：本研究探讨了多领导者多无人机系统在通信时延和资源浪费下的编队控制问题，设计了状态观测器和控制器，使无人机能跟随领导者形成期望编队。得出以下结论：（1）提出的动态事件触发机制可根据系统状态实时调整触发时间，避免不必要的数据传输，相比传统周期性通信或其他方法，显著降低通信频率，避免资源浪费。（2）多领导者架构与动态事件触发机制结合，提高了多无人机系统的可靠性和资源利用效率。多领导者架构确保领导者失效或通信中断时系统仍能维持基本运行和编队稳定性，动态事件触发减少通信和计算负担，增强复杂环境下的适应性和鲁棒性。（3）设计的扩展状态观测器可有效估计无人机实际状态（位置、速度等），即使存在通信时延，时延补偿项也能准确预测状态变化，为控制器提供精确状态反馈。