一种通讯约束下多智能体分布式可飞路径规划方法、系统、计算机设备及介质技术方案

本发明专利技术属于无人机路径规划技术领域，涉及一种通讯约束下多智能体分布式可飞路径规划方法，包括以下步骤：各智能体通过自身传感器和自身通讯装置，分别得到周围局部障碍物参数和周围智能体参数信息；各智能体利用人工势场模型，选取最优局部目标点；根据最优局部目标点，各智能体进行局部Dubins路径规划；各智能体根据自身Dubins路径规划、局部障碍信息、通讯范围内其他智能体信息，利用改进RVO避障算法，进行指定时间的移动，同时进行无人智能体间和无人智能体与障碍物间避障；各智能体进行到达目标检测；若未到达目标，更新自身的当前位姿。解决突发未知场景下，目标和障碍物高动态，满足动力学约束可飞的无人集群路径规划问题。题。题。

【技术实现步骤摘要】
一种通讯约束下多智能体分布式可飞路径规划方法、系统、计算机设备及介质


[0001]本专利技术属于无人机路径规划
，具体涉及一种通讯约束下多智能体分布式可飞路径规划方法、系统、计算机设备及介质。

技术介绍

[0002]随着现代信息通讯和人工智能的发展，具有自主能力的无人智能体应用日趋广泛。无人集群解决了单一无人机/车处理复杂任务能力不足的问题，具有较高的鲁棒性和抗毁性，被广泛的应用于军用和民用领域中，而无人集群执行任务时，需要对自身运动路径进行规划，因此多无人机智能体协同路径规划问题成为当前的热点问题。传统的集中式路径规划方法存在严重依赖于先验地图信息，计算效率低，较少考虑无人装置动力学约束，对动态目标和动态障碍物的应对能力差，难以应对突发场景和未知环境等问题。近年来分布式协同路径规划方法，成为路径规划问题的研究热点。
[0003]现有的分布式多无人机智能体路径规划方法可分为两大类：一类基于深度强化学习，通过各智能体不断与环境直接进行试错迭代，获取反馈信息，从而优化自身策略，最终生成的策略用于对自身运动决策。然而这类方法未考虑智能体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通讯约束下多智能体分布式可飞路径规划方法，其特征在于，包括以下步骤：步骤一、各智能体通过自身传感器，获取周围的局部环境信息，得到周围局部障碍物参数；各智能体通过自身通讯装置，与通讯范围内的其他智能体通讯，获取周围智能体参数信息；步骤二、各智能体利用改进的人工势场模型，结合自身目标信息，从周围局部环境中选取最优局部目标点；步骤三、根据步骤二中的最优局部目标点，各智能体结合自身的动力学约束、当前点和局部目标点的位姿，进行场景检测分解，完成局部Dubins路径规划；步骤四、各智能体根据自身Dubins路径规划、局部障碍信息、通讯范围内其他智能体的参数信息，利用改进的RVO避障算法，进行指定时间的移动，同时进行无人智能体间和无人智能体与障碍物间避障；步骤五、各智能体进行到达目标检测；若未到达目标，更新自身的当前位姿，返回步骤一，进行下一步的滚动时域路径规划；若已到达目标，结束。2.根据权利要求1所述的一种通讯约束下多智能体分布式可飞路径规划方法，其特征在于，步骤一中，各智能体通过自身传感器，获取周围的局部环境信息，得到周围局部障碍物参数，具体为：步骤101、周围环境信息获取：各无人机智能体a
i
,i∈{1,
…
,N
u
},半径为r
i
,位姿为p
i
＝(x
i
,y
i
,θ
i
)，所携带传感器的探测半径为R
Di
；θ
i
为当前时刻智能体的方向角；N
u
为无人机智能能体的个数；则对于任意障碍物o
k
＝(x
k
,y
k
,R
k
,v
k
),o
k
∈{1,
…
,N
o
}，N
o
为障碍物个数；R
k
表示障碍物的半径，v
k
表示障碍物的速度；当且仅当下式满足时，表示当前障碍物o
k
能被智能体a
i
感知到；故智能体a
i
能感知到的障碍物集合表示为：{i1,
…
,i
m
}∈{1,
…
,N
o
}。3.根据权利要求1所述的一种通讯约束下多智能体分布式可飞路径规划方法，其特征在于，步骤一中，各智能体通过自身通讯装置，与通讯范围内的其他智能体通讯，获取周围智能体参数信息，具体为：各无人机智能体a
i
，其位姿为p
i
＝(x
i
,y
i
,θ
i
),所携带通讯装置的通讯半径为R
Ci
，则对于任意其它无人机智能体a
j
,当且仅当下式满足时，表示智能体a
i
能获取智能体a
j
的信息m
j
；m
j
＝{p
j
,v
j
},v
j
为当前时刻智能体a
j
的速度；智能体a
i
能获得的其他智能体的信息集合表示为{i1,
…
,i
m
}∈{1,
…
,N
u
}。4.根据权利要求1所述的一种通讯约束下多智能体分布式可飞路径规划方法，其特征
在于，步骤二具体包括以下步骤：步骤201、各智能体a
i
获取当前时刻自身目标的位置p
Ti
＝(x
Ti
,y
Ti
,)，构建利用如下函数，构建势场模型：对该智能体待选取点的吸引势定义为U
attract
(x)，这些障碍物和邻接智能体对该智能体某待选取点的排斥势定义为U
repel
(x)，各智能体周围待选取点x的势场能表示为：U(x)＝U
attract
(x)+U
repel
(x)；其中，k
attract
表示引力势能系数，x表示当前智能体某待选取点位置，d(x,p
Ti
)表示当前待选取点至目标点的欧式距离；K
repel
表示斥力势能系数，d(x,x
′
)表示当前待选取点至障碍物或其他智能体的欧式距离，d
min
为当前智能体半径与对应障碍物或其他智能体半径的和；当d(x,x
′
)≤d
min
时，表示若智能体移动到x处，该智能体会与周围障碍物或其他智能体发生碰撞重合，因此斥力势能定义为正无穷；步骤202、生成待选局部最优点集合：各智能体获取当前设定运行速度大小v
seti
，位姿为p
i
＝(x
i
,y
i
,θ
i
)，根据滚动时域，每次路径规划需要规划至少T
l
时间长度路径；结合动力学约束，可获得智能体的采样点的方向改变角θ
△
；所设计的抽样方法具体为：以当前智能体位置为圆心，以v
seti
×
T
l
长度为半径，以θ
i
±
θ
△
为方向角限定，均匀在对应弧上进行总抽样点数为N
select
的抽样，所得待选点集表示为Ω
i
；步骤203、选取最优局部目标点：各智能体对步骤202所得到的待选点集Ω
i
中的各点，分别计算其对应的势能值，对于无人机智能体a
i
，其最优局部目标点位置为若当前智能体与其目标距离小于探测半径R
Di
时，认为可观测到目标，则此时最优局部目标点位置为最终目标点，p
locali
＝p
Ti
。5.根据权利要求1所述的一种通讯约束下多智能体分布式可飞路径规划方法，其特征在于，步骤三具体包括以下步骤：步骤301、场景检测分解：各智能体将局部最优目标点的方向设置为p
i
指向p
locali
的方向，当前位姿p
i
与局部最优目标点p
locali
连线形成的线段为各智能体以障碍物集合O
i
中各障碍物位置为圆心，以障碍物R
k
+智能体r
i
为半径做圆，线段与这些圆相交场景分为以下三类：1.未相交，利用步骤302进行普通Dubins规划；
2.存在单圆相割，利用步骤303进行避障Dubins规划，规避障碍物为O3；3.存在两圆及以上相割，在两割点中插入辅助点P
A1
,P
A2
，辅助点方向指向最优局部目标点，分别对p
i
至P
A1
、P
A1
至P
A2
、P
A2
至p
locali
利用步骤303进行多次避障Dubins规划，所得曲线组合即为所需路径；步骤302、普通Dubins路径规划：各智能体根据当前自身速度和自身动力学约束，得到最小曲率半径r
min
，以此进行普通Dubins路径规划；当所规划的路径与障碍物距离小于r
i
时，在Dubins路径中的S直线部分返回步骤301，直线检测起始点为Dubins路径直线部分起始点，所得新路径替换原直线部分；步骤303、避障Dubins路径规划：采用最短避障Dubins路径规划方法，各智能体根据当前自身速度和自身动力学约束，得到最小曲率半径r
min
；根据步骤301场景检测分解结果，得到避障Dubins路径规划的起始点P
s
和规划终点P
e
；根据起始点Ps和规划终点Pe连线方位角确定绕飞方向；然后计算起始圆、终止圆位置，其半径为r
min
，所用公式如下：其中，起始点位姿为P
s
(x
s
,y
s
,θ
s
),终止点位姿为P
e
(x
e
,y
e
,θ
e
)，起始圆圆心为P
cs
(x
cs
,y
cs
)，终止圆圆心为P
cf
(x
cf

【专利技术属性】
技术研发人员：杨宜康，张瑞鹏，冯彦翔，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：