无人机集群控制方法技术

本发明专利技术公开了一种无人机集群控制方法，涉及无人机技术领域。所述方法包括如下步骤：通过无人机集群群内部成员的空间位置、速度以及加速度构建无人机集群群内部成员模型；构建无人机集群群内部成员的加速度控制函数；通过构建的所述加速度控制函数实现对无人机集群群内部成员的群聚运动、朝向目标运动以及规避障碍运动进行控制。本发明专利技术所述方法在控制集群运动方面灵活性强，一致性好，控制与避障效果显著。

【技术实现步骤摘要】
无人机集群控制方法本分案申请的原申请号为2017107194482，申请日为2017年08月21日，专利技术名称为“无人机集群控制方法”。
本专利技术涉及无人机
，尤其涉及一种无人机集群控制方法。
技术介绍
多架无人机(UnmannedAerialVehicles，UAVs)彼此协同完成军事目标打击、目标跟踪与侦察等任务可大幅度减少任务执行的时间、提高作战的效率和成功率。随着作战环境的日趋复杂，不仅空间无人机的数量和密度上升，而且强电磁环境易使无人机通信致盲，以及潜在的突发障碍给无人机集群的飞行控制与安全带来一系列挑战，已成为一个亟待解决的问题。无人机集群系统属于局部感知或通信的分布式体系结构，目前主要的控制方法有：基于局部规则的控制、软控制、领航跟随法和人工势场法。基于局部规则的控制方法最基础，能实现集群智能的涌现控制，但仅靠它难使集群涌现到期望的控制方向；软控制是在局部规则的基础上通过为集群加入一外部可控的个体引导群内其它个体朝着人们期望的方向运动；领航控制法利用集群中信息丰富的个体引导实现集群控制，现有技术中将掌握航迹信息的个体直接设为领导者，没考虑个体间在无直接通信的实际情况下如何辨识谁是领导者的问题；人工势场通过构建全局势场函数引导智能体向势能降低的方向运动，该方法简单实用，在避障方面有优势，但存在局部极值问题。综上，现有技术中的无人机集群控制方法普遍存在研究情况理想、方法使用各有利弊，存在灵活性不足、控制与避障效果不佳等问题。
技术实现思路
本专利技术所要解决的技术问题是如何提供一种活性强，一致性好，控制与避障效果显著的无人机集群运动控制方法。为解决上述技术问题，本专利技术所采取的技术方案是：一种无人机集群控制方法，其特征在于包括如下步骤：通过无人机集群群内部成员的空间位置、速度以及加速度构建无人机集群群内部成员模型；无人机集群是由N个个体组成的分布式系统，每个个体的运动可抽象为：其中：Pi表示无人机i的空间位置，vi表示速度，ai表示加速度，表示对Pi求一阶导数，表示对vi求一阶导数；无人机飞行时存在以下约束：加速度约束：其中，Amax为无人机的最大加速度；速度约束：其中，Vmax为无人机的最大速度；构建无人机集群群内部成员的加速度控制函数；对无人机集群群内部成员个体i的质量进行归一化处理后其运动控制量加速度函数ai表示为：ai＝γ1·α·fig+γ2·fio+γ3·fij+γ1·(1-α)·fiG(4)上式中γ1·α·fig为目标吸引产生的控制分量，γ2·fio为规避障碍所需的控制分量，γ3·fij为群内邻居无人机j对无人机i产生的群聚作用力，γ1·(1-α)·fiG为无人机个体G领导无人机个体i产生的控制分量；α为无人机个体i接收到航点信息的标志，α＝1表示无人机i能接收航点信息，此时(4)式等号右侧的γ1·(1-α)·fiG为0；α＝0则表示无人机i不能接收航点信息，(4)式等号右侧的γ1·α·fig为0，γ1·(1-α)·fiG不为0，个体i将从探测区域内选择无人机G作为领导者进行跟随，即接收不到目标航点的情况下把无人机G作为目标航点并朝向它运动；γ1、γ2和γ3为各个控制分量的权重，fig为目标g与无人机i的作用力函数，fio为障碍O与无人机i之间的作用力函数，fij为无人机j与无人机i的作用力函数，fiG为无人机i与选定的领导者无人机G之间的作用力；通过构建的所述加速度控制函数实现对无人机集群群内部成员的群聚运动、朝向目标运动以及规避障碍运动进行控制，设个体i与障碍物O之间的警戒距离为γβ，其中γβ＜da，则二者之间通过以下函数进行控制：其中，其中：fio为障碍O与无人机i之间的作用力，由无人机i和障碍O的位置Pi、PO和速度vi、vO决定，决定的方法：表示该作用力的作用方向，为单位方向矢量，FiO为该作用力的大小，由无人机i和障碍O的位置Pi、PO根据(14)式求解，无人机i和障碍O之间的距离另由无人机i和障碍O的速度vi、vO产生的作用力为(13)式中等号右侧的第二项；γβ为无人机i和障碍物O之间的警戒距离，为距离调节参数，为无人机i和障碍O之间的斥力强度调节系数，为无人机i和障碍O之间的速度一致性控制系数，和γβ可先给定一初值，再在系统实验时进一步调节。采用上述技术方案所产生的有益效果在于：所述方法首先通过将局部规则与势场法融合产生了一种新的控制函数，并结合软控制方法控制虚拟的目标航点的运动成功引导个体实现了聚集和集群的飞行控制，对未知突发障碍在有限视觉感知的基础上提出“探测即规避”的避障策略；其次，针对电磁环境只有部分个体能正常接收航迹信息的情况，采用邻域辨识的方法为未接收到航迹信息的个体选定目标个体进行跟随，实现期望的集群运动。本专利技术所述方法在控制集群运动方面控制简单、考虑的情形比较接近实际情况、灵活性强，一致性好，控制与避障效果显著。附图说明下面结合附图和具体实施方式对本专利技术作进一步详细的说明。图1是本专利技术实施例所述方法的流程图；图2是本专利技术实施例所述方法中个体成员之间的作用力图；图3是本专利技术实施例所述方法中个体与目标航点之间的作用力图；图4是本专利技术实施例所述方法中个体与目标个体之间的作用力图；图5是本专利技术实施例所述方法中个体与障碍之间的作用力图；图6是本专利技术实施例所述方法进行仿真实验时无人机个体聚集和沿航迹飞行的轨迹图；图7是本专利技术实施例所述方法进行仿真实验时各架无人机之间距离的曲线图；图8是本专利技术实施例所述方法进行仿真实验时编队中心与实时航点的距离偏差曲线图；图9是本专利技术实施例所述方法进行仿真实验时无人机集群躲避障碍的场景图；图10是本专利技术实施例所述方法进行仿真实验时各无人机到障碍的距离曲线图；图11是本专利技术实施例所述方法进行仿真实验时基于邻域辨识的集群控制的无人机航迹图；其中，1、规划的航迹曲线；2、各无人机航迹曲线；3、无人机1与无人机2之间的距离曲线；4、无人机1与无人机3之间的距离曲线；5、无人机1与无人机4之间的距离曲线；6、无人机1与无人机5之间的距离曲线；7、无人机1与无人机6之间的距离曲线；8、无人机2与无人机3之间的距离曲线；9、无人机2与无人机4之间的距离曲线；10、无人机2与无人机5之间的距离曲线；11、无人机2与无人机6之间的距离曲线；12、无人机3与无人机4之间的距离曲线；13、无人机3与无人机5之间的距离曲线；14、无人机3与无人机6之间的距离曲线；15、无人机4与无人机5之间的距离曲线；16、无人机4与无人机6之间的距离曲线；17、无人机5与无人机6之间的距离曲线；18、障碍物一；19、障碍物二；20、无人机1与障碍物一之间的距离曲线；21、无人机1与障碍物二之间的距离曲线；22、无人机2与障碍物一之间的距离曲线；23、无人机2与障碍物二之间的距离曲线；24、无人机3与障碍物一之间的距离曲线；25、无人机3与障碍物二之间的距离曲线；26、无人机4与障碍物一之间的距离曲线；27、无人机4与障碍物二之间的距离曲线；28、无人机5与障碍物一之间的距离曲线；29、无人机5与障碍物二之间的距离曲线；30、无人机6与障碍物一之间的距离曲线；31、无人机6与障碍物二之间的距离曲线；32、第三种情况下能够接收航点信息的无人机航迹曲线。具体实施方式本文档来自技高网...

【技术保护点】
1.一种无人机集群控制方法，其特征在于包括如下步骤：通过无人机集群群内部成员的空间位置、速度以及加速度构建无人机集群群内部成员模型；无人机集群是由N个个体组成的分布式系统，每个个体的运动可抽象为：

【技术特征摘要】
1.一种无人机集群控制方法，其特征在于包括如下步骤：通过无人机集群群内部成员的空间位置、速度以及加速度构建无人机集群群内部成员模型；无人机集群是由N个个体组成的分布式系统，每个个体的运动可抽象为：其中：Pi表示无人机i的空间位置，vi表示速度，ai表示加速度，表示对Pi求一阶导数，表示对vi求一阶导数；无人机飞行时存在以下约束：加速度约束：其中，Amax为无人机的最大加速度；速度约束：其中，Vmax为无人机的最大速度；构建无人机集群群内部成员的加速度控制函数；对无人机集群群内部成员个体i的质量进行归一化处理后其运动控制量加速度函数ai表示为：ai＝γ1·α·fig+γ2·fio+γ3·fij+γ1·(1-α)·fiG(4)上式中γ1·α·fig为目标吸引产生的控制分量，γ2·fio为规避障碍所需的控制分量，γ3·fij为群内邻居无人机j对无人机i产生的群聚作用力，γ1·(1-α)·fiG为无人机个体G领导无人机个体i产生的控制分量；α为无人机个体i接收到航点信息的标志，α＝1表示无人机i能接收航点信息，此时(4)式等号右侧的γ1·(1-α)·fiG为0；α＝0则表示无人机i不能接收航点信息，(4)式等号右侧的γ1·α·fig为0，γ1·(1-α)...

【专利技术属性】
技术研发人员：毛琼，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：河北,13