基于RBF-BELBIC智能控制的无人机蜂群抗延迟协同目标围捕策略

《Engineering Applications of Artificial Intelligence》：Learning-based target fencing control for delay-tolerant unmanned aerial vehicle swarm

本文针对通信延迟下的无人机（UAV）蜂群协同目标围捕任务，提出了一种创新的自适应控制框架。该框架集成了固定时间收敛观测器、自组织分布式控制律以及由径向基函数网络（RBF）与基于大脑情感学习的智能控制器（BELBIC）构成的双层智能鲁棒控制器，有效解决了目标多状态估计、蜂群防撞与协同围捕的多目标优化，以及大延迟（耐受延迟从100 ms提升至1000 ms）导致的控制滞后问题，显著提升了系统在复杂环境中的鲁棒性。

　　

主要成果

为解决目标状态可观测性有限的问题，我们建立了一个状态观测器。随后，根据控制目标设计了控制项，并通过严格的稳定性分析保证了蜂群的收敛性。此外，提出了一种集成RBF和BELBIC的双层网络架构智能控制器，以解决无人机之间的通信延迟问题。协同控制方案如图2所示。

仿真

本节进行了仿真，以验证所提出的协同控制算法在不同通信延迟下的有效性，特别关注目标围捕效果、多无人机协同以及系统的卓越鲁棒性。

无人机的空气动力学参数遵循（Wang and Xin, 2012）。χ = 0.5，r₁= 10 m，μ = 100 m。目标初始位于 (40, 40, 40) m，其速度从 [55, 60] m/s 中随机选择，其控制输入设置为...

结论

本文开发了一种自适应智能控制框架，以解决存在通信延迟的无人机蜂群协同目标围捕的挑战。所提出的方法集成了固定时间状态观测器、自组织分布式控制律和双层RBF-BELBIC智能控制器，使得在延迟通信下能够实现鲁棒的蜂群协同。仿真结果证实了该框架的有效性：无人机蜂群不仅能够自主形成...