【技术实现步骤摘要】
基于鸽群智能反向学习的无人机集群多目标控制优化方法
本专利技术是一种基于鸽群智能反向学习的无人机集群多目标控制优化方法，属于无人机自主控制领域。
技术介绍
无人机(UnmannedAirVehicles，UAV)是指机内无人驾驶，可由人们多次利用、操纵的空中飞行器。与有人驾驶飞机相比，无人机在完成复杂环境下的作战任务时具有突出的优势，能够替代有人驾驶机执行“枯燥、恶劣、危险、纵深”(Dull,Dirty,DangerousandDeep,4D)的作战任务。随着电子技术、计算机技术、控制技术等一系列高新技术的不断进步，无人机在现代战争中的应用日渐广泛，在近几次局部战争中，无人机的参战投入数量、种类和架次呈迅速增长的态势，其在执行侦查搜索、通信中继、空中预警、电子干扰、诱饵欺骗、对地打击等任务的过程中发挥了重要作用，对战争行动的影响越来越大。随着航空技术的迅速发展和成熟，近年来无人机在民用领域、军事领域均得到了广泛的应用，越来越多地被应用到目标搜索任务中，成为重要的搜索平台，使目标搜索方式放生了新的变化。与传统的搜索平台相比，无人机能够迅速到达人力所不能企及的地方，进...
【技术保护点】
1.一种基于鸽群智能反向学习的无人机集群多目标控制优化方法，其特征在于：该方法的步骤如下：步骤一：搭建无人机动力学模型定义t时刻无人机的控制变量为速度v(t)与航向角θ(t)，其中，t为非负的离散时间变量；同时，我们假设无人机在执行任务时飞行高度不变，则执行搜索任务的无人机运动学方程可以表示为如下离散时间下的质点运动学模型:x(t+1,1)＝x(t,1)+v(t)·sinθ(t) (1)x(t+1,2)＝x(t,2)+v(t)·cosθ(t) (2)其中，x(t+1,1)为无人机在惯性坐标系下...
【技术特征摘要】
1.一种基于鸽群智能反向学习的无人机集群多目标控制优化方法，其特征在于：该方法的步骤如下：步骤一：搭建无人机动力学模型定义t时刻无人机的控制变量为速度v(t)与航向角θ(t)，其中，t为非负的离散时间变量；同时，我们假设无人机在执行任务时飞行高度不变，则执行搜索任务的无人机运动学方程可以表示为如下离散时间下的质点运动学模型:x(t+1,1)＝x(t,1)+v(t)·sinθ(t)(1)x(t+1,2)＝x(t,2)+v(t)·cosθ(t)(2)其中，x(t+1,1)为无人机在惯性坐标系下的下一时刻横轴位置，x(t+1,2)为无人机在惯性坐标系下的下一时刻纵轴位置；由于无人机机动性能的限制，速度范围有限[vmin,vmax]，且两个连续时刻之间的角度差Δθ受最小转弯半径Rmin的限制；速度和转弯半径描述了无人机的机动性，决定了无人机的飞行轨迹；无人机的速度v(t)与最小转弯半径描述了无人机的机动性并决定了无人机的飞行轨迹；步骤二：搭建具有感知能力无人机传感器模型在无人机进行目标搜索的过程中，无人机在某一时刻能够感知到的范围定义为视野FOV，而无人机在某一时刻的机动范围内能够感知到的所有位置称为传感器的能视域FOR；FOR是以无人机当前位置为中心的矩形区域，FOV为中心能够沿着矩形中线滑动的正方形；FOV的中心定义为无人机传感器在t时刻的注视点q(t)，则无人机的目标搜索问题可转化为求解下一时刻的无人机位置x(t+1)与传感器注视点q(t)；步骤三：搭建无人机目标搜索图模型在目标搜索过程中，采用基于搜索图的模型方法对环境信息进行描述；将搜索区域划分为M×N个单元格，因此每个单元格的位置可定义为(x,y)，该位置的编号m∈{1,2,...,M×N}可定义为m＝x+(y-1)×M(3)定义每个单元格的信息结构为Im(t)＝[ρm(t),χm(t)]，包括搜索目标存在概率ρm(t)与环境信息确定度χm(t)；若待搜索目标存在于该单元格，则ρm(t)＝1，否则，ρm(t)＝0；若无人机具有完整的环境信息，则χm(t)＝1，否则，χm(t)＝0；初始时刻，目标存在概率为均匀分布，环境信息确定度为0；在目标搜索过程中，搜索图的信息更新过程如下：若第m个单元格位于无人机的视野FOV内，则若第m个单元格位于无人机的视野FOV外，则步骤四：建立无人机目标搜索代价函数模型目标搜索问题的代价函数集如下所示：(1)F1描述了在控制器的作用下，无人机在预选路径上能够搜索到目标的概率；(2)F2描述了无人机对环境信息的确定度，可通过探测χm(k)≠1的区域来提高环...
【专利技术属性】
技术研发人员：霍梦真，吴涛，段海滨，邓亦敏，吴江，魏晨，夏洁，周锐，
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
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。