一种基于状态预测的人工势能场无人机集群控制方法技术

本发明专利技术公开了一种基于状态预测的人工势能场无人机集群控制方法，首先获取无人机集群的初始状态信息；再计算集群中每架无人机在时刻t的预测状态；然后计算每架无人机的规避碰撞控制输入和队形保持控制输入；最后计算集群中每架无人机的控制输入，并根据控制输入进行集群状态更新。本发明专利技术使用状态预测建模改进后的人工势场方法能够为无人机预留更多空间缓冲，及时响应队形的变化，降低实际情况中延迟对无人机集群的影响，以及其他不确定因素对集群完成预设目标的影响。群完成预设目标的影响。群完成预设目标的影响。

【技术实现步骤摘要】
一种基于状态预测的人工势能场无人机集群控制方法


[0001]本专利技术属于无人机
，具体涉及一种无人机集群控制方法。

技术介绍

[0002]随着无人机的应用范围不断拓展，任务类型越来越广泛，无人机的应用逐步从单架无人机向多无人机组成的集群发展。无人机集群不仅能形成协调有序的集体运动模式，还能对外界刺激做出快速一致的反应，具有分布广、自组织性强、协调性和稳定性强、环境适应能力强等特点。相比于单架无人机而言，无人机集群提供了一种看待问题分布式的视角，可以将控制权限分布在每架无人机上，具有许多明显的优势：1)可以实现单架无人机无法实现的复杂任务；2)设计和制造多架控制逻辑相对简单的无人机比单架控制逻辑复杂无人机更简单、成本更低；3)多架无人机的并行性可以提高执行任务的效率；4)针对具体情况无人机集群可以提供更多解决方案并优化选择方案，灵活性更高；5)通过增加冗余度，消除失效点，可以增加鲁棒性。
[0003]在快速变化的环境中，所有无人机需要稳定、快速地调整当前状态，迅速形成一个编队，并保持集群内的通讯连接。同时，每架无人机要能够实时判断环境中的障碍物以及编队中其他成员的位置，并避免碰撞发生，如图3所示。而随着无人机的任务环境日趋复杂，任务区域无人机的规模和密度不断上升，无人机集群的飞行控制以及安全将会面临一系列挑战，因此寻求一种鲁棒性强、控制效果显著的无人机集群控制方法是目前亟待解决的一个问题。
[0004]目前无人机集群的协作控制中的队形控制和规避障碍已经有很多相对成熟的算法，如人工势场法，它是一种局部避障算法，引导集群朝势能降低的方向移动，具有实时性强、低计算量、应用广泛、安全可靠的特点。但在考虑现实情况中的通讯延迟、物理延迟，或控制过程中由于集群自身建模误差或来自环境的未知干扰造成的不确定性后，两架无人机之间的距离有可能会快速缩短至安全距离内，这就需要无人机集群具有快速避障的能力。而基于传统人工势场法的集群避障算法容易陷入局部最优解，导致无人机集群避障失败。国内外学者对此提出了各种改进方法，往往是通过在设计控制器时加入额外信息，如相对位置、通信感知信息、角度信息、方向变化权重等。但加入过多的信息会导致避障控制方法难以实现，或难以在真实场景中应用。综上，只有提出一种更为高效、简单的避障策略，才能实现算法在现实情况下的落地应用。

技术实现思路

[0005]为了克服现有技术的不足，本专利技术提供了一种基于状态预测的人工势能场无人机集群控制方法，首先获取无人机集群的初始状态信息；再计算集群中每架无人机在时刻t的预测状态；然后计算每架无人机的规避碰撞控制输入和队形保持控制输入；最后计算集群中每架无人机的控制输入，并根据控制输入进行集群状态更新。本专利技术使用状态预测建模改进后的人工势场方法能够为无人机预留更多空间缓冲，及时响应队形的变化，降低实际
情况中延迟对无人机集群的影响，以及其他不确定因素对集群完成预设目标的影响。
[0006]本专利技术解决其技术问题所采用的技术方案包括如下步骤：
[0007]步骤1：获取无人机集群的初始状态信息；
[0008]设定集群中无人机总数为N，假设集群中无人机i的位置向量、速度向量和加速度向量分别为p
i
,v
i
,u
i
，则无人机i的动力学模型为
[0009]定义目标队形为p
d
，r
in
为碰撞规避距离，r
out
为队形保持距离，R为最大通信距离；
[0010]步骤2：计算集群中每架无人机在时刻t的预测状态，时刻t无人机i的预测位置预测速度得到得到p
i
(t)表示时刻t无人机i的位置，μ1和μ2分别表示预测位置影响因子和预测速度影响因子，u
i
(t
‑
1)表示上一时刻的加速度向量；
[0011]无人机i和无人机j之间的预测距离无人机i和无人机j之间的预测距离和分别为无人机i和无人机j的预测位置，p
j
表示集群中无人机j的位置向量；
[0012]步骤3：计算每架无人机的规避碰撞控制输入和队形保持控制输入
[0013]步骤3.1：计算规避碰撞控制输入
[0014]规避碰撞的目标为|p
i
‑
p
j
|≥r
in
，与无人机i之间的预测距离满足的无人机集合定义为
[0015]为了使势能函数平滑变化，设计势能函数为：
[0016][0017]其中函数k1为规避碰撞势能函数的可调参数；
[0018]则无人机i的规避碰撞输入
[0019]步骤3.2：计算队形保持控制输入
[0020]队形保持的目标为保持无人机i和无人机j之间的距离d
ij
＝|p
i
‑
p
j
|，与无人机i之间有通讯连接的无人机集合定义为当无人机i和无人机j之间的预测距离满足时队形控制生效；
[0021]为了组成目标队形，设计势能函数为：
[0022][0023]其中，k2为队形保持势能函数的可调参数；
[0024][0025]则无人机i的队形保持控制输入
[0026]步骤4：计算集群中每架无人机的控制输入，并根据控制输入进行集群状态更新；
[0027]时刻t在位置p
i
处的无人机i的控制输入为：
[0028][0029]其中，u
d
为领队者的控制输入，最大安全速度限制项最大输入限制项分别为：
[0030][0031][0032]表示无人机i与目标点的位置误差，表示无人机i与目标速度的速度误差；v
m
表示速度阈值，u
m
表示控制输入阈值；
[0033]根据控制输入，更新每一架无人机的速度和位置信息：
[0034]p
i
(t+1)＝p
i
(t)+v
i
(t)
[0035]v
i
(t+1)＝v
i
(t)+u
i
(t)。
[0036]优选地，所述k1＝k2＝2，μ1＝μ2＝0.35。
[0037]本专利技术的有益效果如下：
[0038]1)本专利技术在实际应用中的鲁棒性更好。使用状态预测建模改进后的人工势场方法能够为无人机预留更多空间缓冲，及时响应队形的变化，降低实际情况中延迟对无人机集群的影响，以及其他不确定因素对集群完成预设目标的影响。
[0039]2)本专利技术在实现碰撞规避和队形保持的目标时，提出了新的势能函数，使无人机集群能够在从初始位置到目标位置的过程中完成队形中领队者的平滑切换。
[0040]3)本专利技术将最大安全速度限制引入控制器的设计中，避免了实际场景中过快的速度变化带来的不确定性。
附图说明
[0041]图1为本专利技术方法的流程图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于状态预测的人工势能场无人机集群控制方法，其特征在于，包括如下步骤：步骤1：获取无人机集群的初始状态信息；设定集群中无人机总数为N，假设集群中无人机i的位置向量、速度向量和加速度向量分别为p
i
，v
i
，u
i
，则无人机i的动力学模型为定义目标队形为p
d
，r
in
为碰撞规避距离，r
out
为队形保持距离，R为最大通信距离；步骤2：计算集群中每架无人机在时刻t的预测状态，时刻t无人机i的预测位置预测速度得到得到p
i
(t)表示时刻t无人机i的位置，μ1和μ2分别表示预测位置影响因子和预测速度影响因子，u
i
(t
‑
1)表示上一时刻的加速度向量；无人机i和无人机j之间的预测距离和分别为无人机i和无人机j的预测位置，p
j
表示集群中无人机j的位置向量；步骤3：计算每架无人机的规避碰撞控制输入和队形保持控制输入步骤3.1：计算规避碰撞控制输入规避碰撞的目标为|p
i
‑
p
j
|≥r
in
，与无人机i之间的预测距离满足的无人机集合定义为为了使势能函数平滑变化，设计势能函数为：其中函数k1为规避碰撞势能函数的...

【专利技术属性】
技术研发人员：王震，于登秀，孙嘉隆，龙佳，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：