一种基于多目标自适应变异鸽群优化的无人机集群避障法制造技术

技术编号:19488702 阅读:60 留言:0更新日期:2018-11-17 11:54
本发明专利技术是一种基于多目标自适应变异鸽群优化的无人机集群避障方法,其实现步骤为:步骤一:初始化;步骤二:根据集群权重确定无人机期望集群速度变化;步骤三:根据避障权重确定无人机期望避障速度;步骤四:多目标自适应变异鸽群优化初始化;步骤五:通过多目标自适应变异鸽群优化计算集群和避障权重;步骤六:运行无人机模型;步骤七:判断是否结束仿真;该方法旨在提供一种分布式的无人机自主集群避障控制方法,在提高无人机集群在避障过程中的鲁棒性、适应性和简单性,从而有效提高复杂环境中的集群任务执行能力水平。

【技术实现步骤摘要】
一种基于多目标自适应变异鸽群优化的无人机集群避障法
本专利技术涉及一种基于多目标自适应变异鸽群优化的无人机集群避障法,属于无人机控制领域。
技术介绍
无人机(UnmannedAerialVehicle,UAV)是一种由自身程序控制或无线电遥控的,用来执行特定任务的无人驾驶飞行器,具有“平台无人,系统有人”基本特征。在执行3D任务——枯燥(Dull)、恶劣(Dirty)和危险(Dangerous)任务时,无人机相比有人机能够体现出更大优势。Lanchester定律指出战斗力等于参战单位总数乘以单位战斗效率,故而作战单元数量是比单元作战能力更重要的战争胜负决定因素,因此无人机集群能够实现对敌优势战机更大的胜率。随着无人机分布式机载能力的提高,无人机可独立完成OODA循环——观察(Oberve)、调整(Orient)、决策(Decide)以及行动(Act)。尽管如此,实现无人机集群作战的过程中依然存在大量关键性技术问题,比如,复杂障碍环境下的无人机集群控制。本专利技术旨在通过设计一种无人机集群避障控制方法,提高无人机自主集群控制水平,使无人机具备在复杂环境中的任务执行能力。目前,常见的无人机集群避障方法或为集中式,或依赖先验信息,或基于凸优化理论,其中:集中式集群避障方法虽然简单易行,但当中心运算节点出现故障时,该方法无法继续执行,鲁棒性差;依赖先验信息的集群避障方法均需要预先获知任务区域内的完整障碍信息,无法适应复杂动态的任务环境;基于凸优化理论的集群避障方法,要求集群内的无人机进行基于一致性算法的凸区域交集计算、最优编队目标位置求取、以及目标位置分配,无人机间交互信息复杂,对单机通讯带宽要求较高。本专利技术针对现有无人机集群避障方法在鲁棒性、适应性、简单性方面的不足,在多目标优化框架下,基于多目标鸽群优化的设计了一种分布式的无人机自主集群避障控制方法。当无人机集群在障碍环境下飞行时,每架无人机需要完成多个任务目标:1)检测到障碍后,快速避开障碍;2)与其他无人机形成预设构型;3)全过程与障碍保持安全距离;4)全过程与其他无人机保持安全距离。由此可见,无人机集群避障控制可以简化为一个多目标优化问题,但集群避障的实时性对多目标优化算法的时间复杂度以及收敛速度提出了较高的要求。多目标鸽群优化时间复杂度小,收敛速度快,但较易陷入局部最优,对此可通过自适应变异帮助多目标鸽群优化跳出局部最优,获得较好的全局搜索能力。综上所述,本专利技术提出了一种基于多目标自适应变异鸽群优化的无人机集群避障方法,以解决现有无人机集群避障控制方法在鲁棒性、适应性和简单性方面的不足,有效提高无人机自主集群控制水平。
技术实现思路
1、专利技术目的:本专利技术提供了一种基于多目标自适应变异鸽群优化的无人机集群避障法,其目的是提供一种分布式的无人机自主集群避障控制方法,旨在提高无人机在集群避障过程中的鲁棒性、适应性和简单性,从而有效提高复杂环境中的集群任务执行能力水平。2、技术方案:本专利技术针对无人机集群避障控制问题,开发了一种基于多目标自适应变异鸽群优化的无人机集群避障法,该方法的实现流程如图1所示,具体实现步骤如下:步骤一:初始化生成n架无人机的初始状态,包括位置Pi、水平速度航向角ψi,高度变化率λi和权重wi,其中无人机编号i=1,2,...,n,Pi=(xi,yi,hi),xi、yi和hi分别为无人机i在地面坐标系下的横轴坐标、纵轴坐标和高度,Vxy_max、Vxy_min分别为最大水平速度和最小水平速度,nmax为最大过载,重力加速度g=10m/s2,λmin≤λi≤λmax,λmax、λmin分别为最大高度变化率和最小高度变化率,和分别为无人机i的集群权重和避障权重;生成m个圆柱障碍的基本信息,包括底面圆心横坐标底面圆心纵坐标半径高其中障碍编号j'=1,2,...,m;当前仿真时间t=0。步骤二:根据集群权重确定无人机期望集群速度变化根据当前仿真时间t时的无人机集群状态,计算无人机i的期望集群速度变化其中j为无人机编号,xj和yj分别为无人机j在地面坐标系下的横轴坐标和纵轴坐标,和ψj分别为无人机j的水平速度和航向角,邻居集合Kf、Ka、Kc、Kh和Kv分别为集群构型控制系数、邻居对齐控制系数、避撞控制系数、高度一致控制系数以及高度变化率一致控制系数,为无人机i和无人机j间的期望距离,无人机i和无人机j间的距离为无人机最小容许间距,he为集群期望高度。步骤三:根据避障权重确定无人机期望避障速度如果无人机i与障碍j'底面圆心的水平距离小于感知距离Rp,并且无人机i与障碍j'底面圆心的连线与集群期望航向角θe间的夹角|θij'|小于无人机视场角θv,则无人机i可以探测到障碍j',即其中为无人机i感知到的障碍集合,为中的元素个数,θij'为集群期望航向角θe所在射线旋转到无人机i与障碍j'底面圆心的连线所需的最小角度,顺时针旋转时θij'为负,逆时针旋转时θij'为正;如果无人机i的期望避障航向角sign()为符号函数,Rc为避障安全控制距离;如果其中j'1是距离无人机i距离最近障碍的编号,j'2是无人机i与障碍j'1的连线和无人机i与集合中任一障碍的连线所形成的夹角中最大夹角所对应的障碍的编号,分别为障碍j'1的底面圆心横坐标和纵坐标,分别为障碍j'2的底面圆心横坐标和纵坐标;根据计算无人机i的期望避障速度voi:其中ve是集群期望水平速度。步骤四:多目标自适应变异鸽群优化初始化随机初始化N只鸽子的初始状态,包括位置速度其中i'为鸽子编号,Xi’和Vi'均为2维的行向量,Xi’每维的取值范围为[0,1],Vi'每维的取值范围为[VL,VU],VU为速度上限,VL为速度下限;迭代次数Nc=1;计算每只鸽子的多目标代价函数Costi':其中a1、a2分别为集群构型代价权重以及速度一致代价权重,为避障最小安全距离。步骤五:通过多目标自适应变异鸽群优化计算集群和避障权重对N只鸽子进行非占优排序和拥挤度比较,得到第一前沿S1,鸽子i'的排名ranki';如果Nc>1,N=N-Nd,删去ranki'>N-Nd的鸽子,其中Nd是每次迭代递减的鸽子数量;计算鸽子中心Xc:其中nc为第一前沿S1中的鸽子数目。将S1存入历史集合SH中,对SH中的鸽子进行非占优排序和拥挤度比较,得到历史集合第一前沿随机选取SH中的任一只鸽子作为全局最优Xg;计算鸽子速度其中R为地图和指南针算子,tr为过渡因子,rand为[0,1]范围内的随机数,Ncmax为最大迭代次数。如果大于VU,如果小于VL,计算鸽子位置其中自适应变异因子fad:其中为均值为0、方差为的高斯随机数,ε为自适应变异控制因子。如果大于1,如果小于0,由式(3)计算Costi',如果或者重新随机生成如果占优则如果Nc小于等于最大迭代次数Ncmax,Nc=Nc+1,重复执行步骤五,否则对N只鸽子进行非占优排序和拥挤度比较,得到第一前沿S1,计算权重wi:其中b1、b2分别为避障代价影响因子以及集群代价影响因子。步骤六:运行无人机模型根据期望集群速度变化和期望避障速度,计算控制输入ui:如果其中ulim为控制输入的死区;根据ui计算无人机自驾仪的控制输入:其中和分别为无人机速度保持自驾仪、航向保持自驾仪以及本文档来自技高网
...

【技术保护点】
1.一种基于多目标自适应变异鸽群优化的无人机集群避障方法,其特征在于:该方法具体实现步骤如下:步骤一:初始化生成n架无人机的初始状态,包括位置P

【技术特征摘要】
1.一种基于多目标自适应变异鸽群优化的无人机集群避障方法,其特征在于:该方法具体实现步骤如下:步骤一:初始化生成n架无人机的初始状态,包括位置Pi、水平速度航向角ψi,高度变化率λi和权重wi,其中无人机编号i=1,2,...,n,Pi=(xi,yi,hi),xi、yi和hi分别为无人机i在地面坐标系下的横轴坐标、纵轴坐标和高度,Vxy_max、Vxy_min分别为最大水平速度和最小水平速度,nmax为最大过载,重力加速度g=10m/s2,λmin≤λi≤λmax,λmax、λmin分别为最大高度变化率和最小高度变化率,和分别为无人机i的集群权重和避障权重;生成m个圆柱障碍的基本信息,包括底面圆心横坐标底面圆心纵坐标半径高其中障碍编号j'=1,2,...,m;当前仿真时间t=0;步骤二:根据集群权重确定无人机期望集群速度变化根据当前仿真时间t时的无人机集群状态,计算无人机i的期望集群速度变化其中j为无人机编号,xj和yj分别为无人机j在地面坐标系下的横轴坐标和纵轴坐标,和ψj分别为无人机j的水平速度和航向角,邻居集合Kf、Ka、Kc、Kh和Kv分别为集群构型控制系数、邻居对齐控制系数、避撞控制系数、高度一致控制系数以及高度变化率一致控制系数,为无人机i和无人机j间的期望距离,无人机i和无人机j间的距离为无人机最小容许间距,he为集群期望高度;步骤三:根据避障权重确定无人机期望避障速度如果无人机i与障碍j'底面圆心的水平距离小于感知距离Rp,并且无人机i与障碍j'底面圆心的连线与集群期望航向角θe间的夹角|θij'|小于无人机视场角θv,则无人机i可以探测到障碍j',即其中为无人机i感知到的障碍集合,为中的元素个数,θij'为集群期望航向角θe所在射线旋转到无人机i与障碍j'底面圆心的连线所需的最小角度,顺时针旋转时θij'为负,逆时针旋转时θij'为正;如果无人机i的期望避障航向角sign()为符号函数,Rc为避障安全控制距离;如果其中j'1是距离无人机i距离最近障碍的编号,j'2是无人机i与障碍j'1的连线和无人机i与集合中任一障碍的连线所形成的夹角中最大夹角所对应的障碍的编号,分别为障碍j'1的底面圆心横坐标和纵坐标,分别为障碍j'2的底面圆心横坐标和纵坐标;根据计算无人机i的期望避障速度voi:其中ve是集群期望水平速...

【专利技术属性】
技术研发人员:段海滨邱华鑫霍梦真杨庆张锡联杨之元邓亦敏鲜宁魏晨
申请(专利权)人:北京航空航天大学
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1