【技术实现步骤摘要】
一种基于分布式优化的无人机群协同定位气体泄漏源方法
本专利技术涉及控制和信息
，尤其涉及一种基于分布式优化的无人机群协同定位气体泄漏源方法。
技术介绍
无人机群是由多个相互耦合的无人机组成的网络系统，每台无人机具有一定的自主性和协调性，能通过传感器感知外部环境，并与其它无人机进行通讯。近年来，无人机群的分布式协同控制已经成为了控制领域的一个研究热点。分布式控制相对集中式控制而言，具有代价小、可靠性高、灵活性高、可扩展性高等优点，具有广阔的应用前景。近几年，欧美许多国家正在对应急服务部门进行训练，尝试用消费无人机执行救援任务，并提供应急服务。对某些实际应用而言，如果仅利用载有摄像头的无人机执行搜救任务，那么在搜救过程中遇到黑夜或者浓烟等的情况下，会导致无人机的搜救能力受限，因此考虑使用气体浓度作为信号，用气体传感器进行气体浓度信息的采集，结合无人机的状态得到风速和风向，利用流体模拟和分布式优化算法确定气体泄漏源的位置。这个问题具有实际的应用背景，例如在油气泄漏的地方，可以让无人机根据泄漏区域的气体浓度信息迅速定位...
【技术保护点】
1.一种基于分布式优化的无人机群协同定位气体泄漏源方法，其特征在于：包括以下步骤：/n步骤1：构造无人机群的网络结构拓扑图，网络结构拓扑图中每个节点代表一个无人机，使多无人机在给定被检测区域形成具有均匀密度的质心Voronoi分布；/n步骤2：测量无人机群的网络结构拓扑图中各节点所在位置的气体浓度、风向和风速；/n步骤3：无人机群的网络结构拓扑图中每个节点结合其邻居节点信息，通过流体模拟得到各节点定位的气体泄露源位置点；/n步骤4：调用分布式优化算法，各节点结合其邻居节点信息，判断每个节点对气体泄露源位置的定位是否收敛于某个确定的常数，若是则执行步骤5，否则更新各节点对气体...
【技术特征摘要】
1.一种基于分布式优化的无人机群协同定位气体泄漏源方法，其特征在于：包括以下步骤：
步骤1：构造无人机群的网络结构拓扑图，网络结构拓扑图中每个节点代表一个无人机，使多无人机在给定被检测区域形成具有均匀密度的质心Voronoi分布；
步骤2：测量无人机群的网络结构拓扑图中各节点所在位置的气体浓度、风向和风速；
步骤3：无人机群的网络结构拓扑图中每个节点结合其邻居节点信息，通过流体模拟得到各节点定位的气体泄露源位置点；
步骤4：调用分布式优化算法，各节点结合其邻居节点信息，判断每个节点对气体泄露源位置的定位是否收敛于某个确定的常数，若是则执行步骤5，否则更新各节点对气体泄露源的估计，直到各节点对气体泄露源位置的定位收敛于某个确定的常数，得到气体泄漏源位置的最优估计点，然后执行步骤5；
步骤5：判断各无人机之间的距离是否小于给定的阈值，若是，则执行步骤7；否则，执行步骤6；
步骤6：控制各节点无人机向气体泄漏源最优估计点飞去，并重新执行步骤1-步骤5，重新进行气体泄露源的估计；
步骤7：得到各节点对气体泄露源的最优估计值，实现分布式气体泄漏源的定位。
2.根据权利要求1所述的一种基于分布式优化的无人机群协同定位气体泄漏源方法，其特征在于：所述步骤1的具体方法为：
所述构造的无人机群的网络结构拓扑图为包括n个节点的无向连通网络拓扑图，其中每个节点代表一个无人机，多无人机形成具有均匀密度的质心Voronoi分布；
给定一个被检测区域M，n台无人机的位置为被检测区域M中具有Voronoi分布的多无人机处于各自的Voronoi分区内，pi位置的无人机的Voronoi分区Vi如下公式所示：
其中，q为Voronoi区域内任意一点，pj表示无人机pi的邻居无人机的位置，
各Voronoi分区的无人机通过找寻各自分区的质心形成质心Voronoi分布；对于任一Voronoi区域，其质心如下公式所示：
其中，为Vi区域的质心，φ(q)为Voronoi区域的密度函数；
控制多无人机使其形成具有均匀密度的质心Voronoi分布，即φ(q)为常数，则Voronoi分区的质心如下公式所示：
其中，为具有Ni个顶点的Voronoi分区各个顶点的坐标且为无人机群所组成的质点系的质量，由下式求得：
将上述求得无人机群UDCVT分布的方法称为UDCVT覆盖控制算法。
<...
【专利技术属性】
技术研发人员：陈飞，申志飞，项林英，黄伯敏，
申请(专利权)人：东北大学秦皇岛分校，
类型：发明
国别省市：河北;13
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。