一种基于两阶段随机优化的无人机蜂群队形重构方法技术

本发明专利技术公开了一种基于两阶段随机优化的无人机蜂群队形重构方法，基于两阶段的随机优化我们让无人机蜂群在复杂空间中通过队形的重构来躲避障碍物，并使得总的代价最小。在第一阶段中仅考虑确定的固定障碍物，在第二阶段中通过历史信息或者样本获取移动障碍物的分布后，计算蜂群躲避不确定的移动障碍物的代价，最后将第二阶段的代价添加到第一阶段中，使得代价之和最小。本发明专利技术的优势在于：通过两阶段的随机优化方法解决无人机蜂群在动态变化的复杂环境中的群体避障问题；该方法充分考虑了环境的复杂性和变化性有较强的使用价值；该方法有较高的执行效率，不会随着蜂群规模的扩大而增长计算时间。

【技术实现步骤摘要】
一种基于两阶段随机优化的无人机蜂群队形重构方法
本专利技术属于群体智能领域，具体地说是提出了一种基于两阶段随机优化的无人机蜂群队形重构方法，用以无人机蜂群在复杂环境中的避障。
技术介绍
无人机蜂群中的单架无人机不具备较高的个体智能，同时它们不仅可以相互通信，而且还具有环境感知能力和团队能力。此外，整个蜂群没有领导者，允许每个无人机进入或离开。无人机蜂群在执行任务时通常需要按照一定的结构布置在三维空间中使得整个蜂群可以在飞行过程中保持稳定的阵型，但是不可避免地会遇到各种紧急情况，如作战目标的变化，障碍物等外部环境的动态变化，内部成员之间的相互碰撞。在面对上述情况时，有必要对蜂群的队形进行动态调整，以实现整体蜂群队形维护并继续执行任务。因此，研究无人机蜂群的快速同步队形重构算法具有重要意义。当前对于无人机队形重构的研究还都是在一个确定的环境中进行，并没有考虑到不确定的复杂环境带来的影响。但是在无人机蜂群执行任务的过程中，除了山丘、树林、高楼等固定障碍物外还经常遇到鸟群、乌云或者其他不明飞行器这些移动的不确定的障碍物。所以仅仅考虑理想条件下的无人机蜂群队形重构，并没有实际的意义。
技术实现思路
本专利技术针对大多数现有的无人机蜂群队形重构技术不考虑复杂环境中不确定的移动障碍物的问题，提出了一种基于两阶段随机优化的无人机蜂群队形重构方法。本专利技术的技术方案是：一种基于两阶段随机优化的无人机蜂群队形重构方法，该方法包括以下步骤：S1：构造无人机蜂群蜂群队形重构的代价函数，该代价函数可以量化队形重构的代价；S2：设计两阶段随机优化的第一阶段，计算无人机蜂群躲避环境中固定障碍物的最佳队形参数并使队形重构的代价最小；S3：设计两阶段随机优化的第二阶段，从样本中获取移动障碍物分布的事件集，计算无人机蜂群躲避可能出现的移动障碍物的所额外付出的代价并使这个代价最小；S4：将第二阶段躲避不确定的移动障碍物所额外付出的代价加入到第一阶段中，使得无人机蜂群在复杂空间中通过队形重构避免与障碍物碰撞所付出的代价最小。进一步地，一种基于两阶段随机优化的无人机蜂群队形重构方法，所述的步骤S1具体为：S101：预先定义蜂群的队形集合f∈N，此集合包含所有的队形，其中表示第i个队形，队形中每架无人机的位置表示为队形的边界节点为ni为边界节点数量，为了降低计算队形时的复杂度，使用无人机蜂群的边界节点来表示无人机蜂群的队形。S102：无人机蜂群的队形参数通过xi＝[t，s，q]表示，其中为蜂群移动后的位置，是伸缩系数，q为一个四元数用其来表示蜂群的旋转，则蜂群内部的无人机节点和边界节点可以表示为：S103：使用表示t时刻蜂群的中心位置，无人机蜂群每隔时间τ计算一次目标队形，当前时刻为t0，令tf＝t0+τ，则tf时刻蜂群的目标位置为d(tf)。我们的目标是让蜂群蜂群飞往目标点d(tf)时为躲避障碍物所付出的队形重构的代价最小。所以可以将队形的重构代价表示为：C(xj，xi)＝wt||tj-ti||2+ws||sj-si||2+wq||qj-qi||2，其中xi＝[ti，si，qi]，xj＝[tj，sj，qj]，wt，ws，wq代表计算队形重构代价时每一项队形参数的权值，C(xi，xj)表示由队形i变换到队形j的代价。进一步地，一种基于两阶段随机优化的无人机蜂群队形重构方法，所述的步骤S2具体为：S201：在定义了队形重构代价后，可以得到第一阶段的目标函数：其中xinit＝[d(tf)，sinit，qinit]为初始的队形参数，xf1＝[tf1，sf1，qf1]为第一阶段求出的目标队形参数；S202：无人机蜂群队形重构时无人机与障碍物间不能发生碰撞；每架无人机之间不可以发生碰撞，所以可以得到如下约束：其中第一个约束为：通过让无人机蜂群的每个顶点位置处的无人机都在无障碍物区域内，从而使整个蜂群的每架无人机都不会与障碍物发生碰撞；第二个约束为：相邻无人机间的距离约束，通过让两架相邻无人机的距离应该大于l0，保证了蜂群内部的无人机之间不会发生碰撞。进一步地，一种基于两阶段随机优化的无人机蜂群队形重构方法，所述的步骤S3具体为：S301：在第二阶段中，受到不确定的移动障碍物影响，无人机蜂群前方的无障碍物区域将不再是一个定值，我们使用表示前方的无障碍物区域，假设Ω为无障碍区域的事件集合而p(ω)为ω发生的概率，为此时的无障碍物区域，为躲避不确定的移动障碍所额外付出的代价，那么第二阶段的代价函数为：此公式表示，当遇到移动障碍物时无人机蜂群需要额外付出的代价，由于移动障碍的不确定性，所以此代价是一个期望的形式；S302：在已知ω的前提下，第二阶段我们的目标是使额外的队形重构代价最小，由此可以得出S303：无人机蜂群在第二阶段躲避不确定的移动障碍物时，有如下几条约束：C(xf2(ω)，xinit)-C(xf1，xinit)≥0，ω∈Ω，其中第一条保证了无人机蜂群不与障碍物碰撞，第二条保证了无人机蜂群内部不发生相互碰撞。进一步地，一种基于两阶段随机优化的无人机蜂群队形重构方法，所述的步骤S4具体为：将第一阶段躲避确定的固定障碍物的代价和第二阶段躲避不确定的移动障碍物的代价相结合，可以得出无人机蜂群通过队形重构躲避复杂空间中的障碍物的目标函数：约束条件为：C(xf2(ω)，xinit)-C(xf1，xinit)≥0，ω∈Ω，本专利技术的技术优势：1.让无人机蜂群通过队形的重构躲避障碍物，在保证每架无人机不受损的情况下增强了群体性；2.采用两阶段随机优化方法，同时考虑了确定和不确定的障碍物，使得该方法有较强的实用性；3.该方法在队形重构时消耗的代价较小、时间较短，且不会随着蜂群的规模的扩大而增大代价和时间。附图说明图1为本专利技术的机制框图。图2为OMNeT++仿真环境图。图3我们的方法和单阶段方法对比图(蓝色为我们的方法)。图4蜂群队形重构代价图。图5蜂群队形重构时间图。具体实施方式下面结合附图和具体实施方式对本专利技术做进一步地说明。本专利技术是根据随机优化理论和无人机队形重构的技术特点，设计的一种基于两阶段随机优化的无人机蜂群队形重构方法方法，重点解决以下两个问题：(1)根据无人机蜂群的队形重构技术特点，设计一种代价函数，该函数可以很好的体现出无人机蜂群由一种队形变为另一种队形的代价。(2)根据代价函数采用两阶段随机优化方法，第一阶段仅考虑确定性的固定障碍物；第二阶段考虑不确定的移动障碍物，并使两阶段的代价和最小。本专利技术的主要思想是：使用两阶段随机优化方法解决无人机在复杂环境中的队形重构问题，使得无人机为躲避障碍物进行队形重构的代价最小。具体来说，一种基于两阶段随机优化的无人机蜂群队形重构方法，该方法包括以下步骤：S1：构造无人机蜂群队形重构的代价函数，该代价函数可以量化队形重构的代价；S101：预先定义蜂群的队形集合f∈N，此集合包含所有的队形，其中表示第i个队形，队形中每架无人机的位置表示为队形的边界节点为ni为边界节点数量，为了降低计算队形时的复杂度，使用无人机蜂群的边界节点来表示无人机蜂群的队形；S102：无人机蜂群的队形参数通过xi＝[t，s，q]表示，其中为蜂群移动后的位置，是伸缩系数，q为一个四元数用其来表示蜂群的旋转，则蜂群内部的无人机节点和边界节点可以表示为：本文档来自技高网...

【技术保护点】
1.一种基于两阶段随机优化的无人机蜂群队形重构方法，其特征在于该方法包括以下步骤：S1：构造无人机蜂群队形重构的代价函数，该代价函数可以量化队形重构的代价；S2：设计两阶段随机优化的第一阶段，计算无人机蜂群躲避环境中固定障碍物的最佳队形参数并使队形重构的代价最小；S3：设计两阶段随机优化的第二阶段，从样本中获取移动障碍物分布的事件集，计算无人机蜂群躲避可能出现的移动障碍物所额外付出的代价并使这个代价最小；S4：将第二阶段躲避不确定的移动障碍物所额外付出的代价加入到第一阶段中，使得无人机蜂群在复杂空间中通过队形重构避免与障碍物碰撞所付出的代价最小。

【技术特征摘要】
1.一种基于两阶段随机优化的无人机蜂群队形重构方法，其特征在于该方法包括以下步骤：S1：构造无人机蜂群队形重构的代价函数，该代价函数可以量化队形重构的代价；S2：设计两阶段随机优化的第一阶段，计算无人机蜂群躲避环境中固定障碍物的最佳队形参数并使队形重构的代价最小；S3：设计两阶段随机优化的第二阶段，从样本中获取移动障碍物分布的事件集，计算无人机蜂群躲避可能出现的移动障碍物所额外付出的代价并使这个代价最小；S4：将第二阶段躲避不确定的移动障碍物所额外付出的代价加入到第一阶段中，使得无人机蜂群在复杂空间中通过队形重构避免与障碍物碰撞所付出的代价最小。2.根据权利要求1所述的一种基于两阶段随机优化的无人机蜂群队形重构方法，其特征在于，所述的步骤S1具体为：S101：预先定义蜂群的队形集合f∈N，此集合包含所有的队形，其中表示第i个队形，队形中每架无人机的位置表示为队形的边界节点为ni为边界节点数量，为了降低计算队形时的复杂度，使用无人机蜂群的边界节点来表示无人机蜂群的队形；S102：无人机蜂群的队形参数通过xi＝[t，s，q]表示，其中为蜂群移动后的位置，是伸缩系数，q为一个四元数用其来表示蜂群的旋转，则蜂群内部的无人机节点和边界节点可以表示为：S103：使用表示t时刻蜂群的中心位置，无人机蜂群每隔时间τ计算一次目标队形，当前时刻为t0，令tf＝t0+τ，则tf时刻蜂群的目标位置为d(tf)。我们的目标是让蜂群蜂群飞往目标点d(tf)时为躲避障碍物所付出的队形重构的代价最小。所以可以将队形的重构代价表示为：C(xj，xi)＝wt||tj-ti||2+ws||sj-si||2+wq||qj-qi||2，其中xi＝[ti，si，qi]，xj＝[tj，sj，qj]，wt，ws，wq代表计算队形重构代价时每一项队形参数的权值，C(xi，xj)表示由队形i变换到队形j的代价。3.根据权利要求1所述的一种基于两阶段随机优化的无人机蜂群队形重...

【专利技术属性】
技术研发人员：陈兵，金程皓，胡峰，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32