多无人机对空中高速运动目标的围捕方法及系统技术方案

本发明专利技术公开了一种多无人机对空中高速运动目标的围捕方法及系统，其中，方法包括以下步骤：根据目标历史运动轨迹预测无人机在各空间维度的运动模式；根据运动模式预测目标无人机的后续运动轨迹；根据后续运动轨迹生成围捕策略，并计算各无人机所需到达的围捕位置及所需时间，将各无人机导航至围捕位置。该方法可实时改变对目标各空间维度运动状态的估计方式，既弥补了传统基于一致性的无人机围捕策略无法围捕高速目标的缺陷，又规避了传统基于插值预测的围捕策略对高速目标单次围捕成功率较低的缺点。

【技术实现步骤摘要】
多无人机对空中高速运动目标的围捕方法及系统
本专利技术涉及无人机集群控制
，特别涉及一种多无人机对空中高速运动目标的围捕方法及系统。
技术介绍
随着计算机视觉、人工智能以及控制技术的快速发展，无人机逐渐开始在国民经济建设和国家安全保障方面发挥巨大的作用。然而，由于无人机具有控制方便、对环境要求低等优势，无人机也常被敌方人员或不法分子用于侦察、袭击等活动。相比地面电磁干扰等反无人机技术，利用多架无人机协同围捕目标无人机的反无人机有效半径更大，从而应用场景也更丰富。但是，相比研究更为成熟的单无人机控制，同时控制多架无人机时，系统需要处理的数据量将快速增长，此时仍需要让每架无人机在各自的位置上正常作业，并实现避障、避碰等必要功能，因此许多对传统对单架无人机的控制策略无法直接应用于控制多架无人机。目前，已经有一些对无人机围捕策略的相关讨论和研究。然而，现有的对无人机围捕问题的大多数研究应用场景比较简单，在复杂环境下难以应用，且存在着难以围捕高速游走的目标等问题。如何利用有限的计算资源，构建能在有一定数量的各类障碍物的复杂环境下围捕目标无人机的无人机群系统及相关控制、围捕策略，是学术界和工业界非常关注的科学问题和工程难题。核心关键技术的突破将会极大拓展无人机群系统在复杂自然环境下、复杂应用场景下的应用模式，提高完成任务的可能性和效率。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种多无人机对空中高速运动目标的围捕方法，该方法既弥补了传统基于一致性的无人机围捕策略无法围捕高速目标的缺陷，又规避了传统基于插值预测的围捕策略对高速目标单次围捕成功率较低的缺点，简单易实现。本专利技术的另一个目的在于提出一种多无人机对空中高速运动目标的围捕方系统。为达到上述目的，本专利技术一方面实施例提出了一种多无人机对空中高速运动目标的围捕方法，包括以下步骤：根据目标历史运动轨迹预测无人机在各空间维度的运动模式；根据所述运动模式预测目标无人机的后续运动轨迹；根据所述后续运动轨迹生成围捕策略，并计算各无人机所需到达的围捕位置及所需时间，将各无人机导航至围捕位置。本专利技术实施例的多无人机对空中高速运动目标的围捕方法，可实时改变对目标各空间维度运动状态的估计方式，既弥补了传统基于一致性的无人机围捕策略无法围捕高速目标的缺陷，又规避了传统基于插值预测的围捕策略对高速目标单次围捕成功率较低的缺点，简单易实现。另外，根据本专利技术上述实施例的多无人机对空中高速运动目标的围捕方法还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述根据目标历史运动轨迹预测无人机在各空间维度的运动模式，包括：分析目标各空间维度历史坐标的自相关函数：其中，μ∈{x,y,z}表示对应空间维度，若Rμ(t)连续不少于m个峰间隔都相等，则μ(t)暂时为周期函数，并记录其周期T，维度μ被置为周期约束维度，且对于已被置为周期约束维度的维度μ，若检测到μ(t)的最新值与基于周期特性做出的预测不符，则将μ重置为自由维度。进一步地，在本专利技术的一个实施例中，所述根据目标历史运动轨迹预测无人机在各空间维度的运动模式，包括：对所述自由维度，通过拟合μ(t)多项式参数对所述目标后续运动轨迹的预测，其中，记待拟合多项式则拟合过程等价于求解最小二乘问题：进一步地，在本专利技术的一个实施例中，所述根据目标历史运动轨迹预测无人机在各空间维度的运动模式，还包括：对所述周期约束维度，通过求过去几个周期中μ(t)的平均值预测μ(t)，当t>0时，有：进一步地，在本专利技术的一个实施例中，所述根据所述后续运动轨迹生成围捕策略，并计算各无人机所需到达的围捕位置及所需时间，包括：将观察者的运动时间设置为T1＝t1，下一目标点设定为：其中r(t)＝[x(t),y(t),z(t)]T为目标各维度的联合预测轨迹。进一步地，在本专利技术的一个实施例中，所述将各无人机导航至围捕位置，包括：通过时间多项式函数表示各捕捉者无人机在任一个空间维度上的一段轨迹：其中，μ∈{x,y,z}，对应三个空间维度，n为轨迹的阶数，i为无人机的编号，j为无人机对应轨迹的编号，Ti,j是无人机通过该段轨迹需要的时间，其初始值与该段轨迹起点和终点间的欧式距离||ri,j-ri,j+1||成正比例关系，并满足进一步地，在本专利技术的一个实施例中，所述将各无人机导航至围捕位置，包括：优化目标为使该无人机轨迹函数在各维度上的四阶导数的平方在时间的积分上最小：进一步地，在本专利技术的一个实施例中，还包括：优化求得轨迹不完全位于安全区域内时，在所述优化求得段轨迹的起点和终点的中点增设一个路径点后，重新优化求解轨迹；优化求得轨迹最大速度超过预设值vmax或最大加速度超过预设值amax时，将所述优化求得段轨迹的总时间乘以常数cb后，用新的路径点集合和通过轨迹时间重新优化计算多项式系数。进一步地，在本专利技术的一个实施例中，还包括：优化求得轨迹使两架参与围捕的无人机在运动过程中的最小距离小于2r0时，在编号较小的无人机通过后，将编号较大的无人机的不合法轨迹段的通过轨迹时间乘以常数cc后重新优化计算多项式系数，其中r0为所有无人机的安全半径。为达到上述目的，本专利技术另一方面实施例提出了一种多无人机对空中高速运动目标的围捕系统，包括：运动模式预测模块，用于根据目标历史运动轨迹预测无人机在各空间维度的运动模式；目标轨迹预测模块，用于根据所述运动模式预测目标无人机的后续运动轨迹；围捕策略制定模块，用于根据所述后续运动轨迹生成围捕策略，并计算各无人机所需到达的围捕位置及所需时间；轨迹优化模块，用于将各无人机导航至围捕位置。本专利技术实施例的多无人机对空中高速运动目标的围捕系统，可实时改变对目标各空间维度运动状态的估计方式，既弥补了传统基于一致性的无人机围捕策略无法围捕高速目标的缺陷，又规避了传统基于插值预测的围捕策略对高速目标单次围捕成功率较低的缺点，简单易实现。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为根据本专利技术实施例的多无人机对空中高速运动目标的围捕方法的流程图；图2为根据本专利技术一个实施例的多无人机对空中高速运动目标的围捕系统的结构示意图；图3为根据本专利技术实施例的多无人机对空中高速运动目标的围捕系统的结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。下面参照附图描述根据本专利技术实施例提出的多无人机对空中高本文档来自技高网...

【技术保护点】
1.一种多无人机对空中高速运动目标的围捕方法，其特征在于，包括以下步骤：/n根据目标历史运动轨迹预测无人机在各空间维度的运动模式；/n根据所述运动模式预测目标无人机的后续运动轨迹；以及/n根据所述后续运动轨迹生成围捕策略，并计算各无人机所需到达的围捕位置及所需时间，将各无人机导航至围捕位置。/n

【技术特征摘要】
1.一种多无人机对空中高速运动目标的围捕方法，其特征在于，包括以下步骤：
根据目标历史运动轨迹预测无人机在各空间维度的运动模式；
根据所述运动模式预测目标无人机的后续运动轨迹；以及
根据所述后续运动轨迹生成围捕策略，并计算各无人机所需到达的围捕位置及所需时间，将各无人机导航至围捕位置。


2.根据权利要求1所述的方法，其特征在于，所述根据目标历史运动轨迹预测无人机在各空间维度的运动模式，包括：
分析目标各空间维度历史坐标的自相关函数：



其中，μ∈{x,y,z}表示对应空间维度，若Rμ(t)连续不少于m个峰间隔都相等，则μ(t)暂时为周期函数，并记录其周期T，维度μ被置为周期约束维度，且对于已被置为周期约束维度的维度μ，若检测到μ(t)的最新值与基于周期特性做出的预测不符，则将μ重置为自由维度。


3.根据权利要求2所述的方法，其特征在于，所述根据目标历史运动轨迹预测无人机在各空间维度的运动模式，包括：
对所述自由维度，通过拟合μ(t)多项式参数对所述目标后续运动轨迹的预测，其中，记待拟合多项式则拟合过程等价于求解最小二乘问题：





4.根据权利要求3所述的方法，其特征在于，所述根据目标历史运动轨迹预测无人机在各空间维度的运动模式，还包括：
对所述周期约束维度，通过求过去几个周期中μ(t)的平均值预测μ(t)，当t>0时，有：





5.根据权利要求1所述的方法，其特征在于，所述根据所述后续运动轨迹生成围捕策略，并计算各无人机所需到达的围捕位置及所需时间，包括：
将观察者的运动时间设置为T1＝t1，下一目标点设定为：



其中r(t)＝[x(t),y(t),z(t)]T为目标各维度的联合预测轨迹。


6.根据权利要求1所述的方法...

【专利技术属性】
技术研发人员：李一鹏，陈华聪，戴琼海，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11