一种多无人机编队穿越框形障碍物方法技术

本发明专利技术公开了一种多无人机编队穿越框形障碍物方法，包括：无人机编队在飞行过程中，实时获取框形障碍物与无人机编队间的距离信息，以及无人机编队的位移信息；构建框形障碍物和无人机编队的相对位置模型；构建无人机速度控制模型；基于无人机编队的距离信息和位移信息、框形障碍物和无人机编队的相对位置模型，构建参数模型；根据所述参数模型构建对框形障碍物的位置估计模型以及无人机编队间的相对位置估计模型；根据构建的对框形障碍物的位置估计模型和无人机编队间的相对位置估计模型，结合所述的无人机速度控制模型，设计无人机编队穿越障碍物的控制器，利用控制器对无人机编队的飞行进行速度控制，从而使无人机编队穿越框形障碍物。框形障碍物。框形障碍物。

【技术实现步骤摘要】
一种多无人机编队穿越框形障碍物方法


[0001]本专利技术涉及无人机
，具体涉及一种多无人机编队穿越框形障碍物方法，可应用于救援，消防，探测等需要无人机协同合作进行穿越等场景。

技术介绍

[0002]近十年来，无人机在民用、工业和军事领域得到了广泛的应用。多无人机间的协同合作执行如穿越、救援、补给等任务一直是研究的热点，多个无人机组成无人机集群，通过空中组网实现无人机之间信息的交流和共享，再结合飞行控制、智能学习等技术实现无人机集群协同执行任务，充分发挥单个无人机的优势，从而满足复杂多样的任务需求。相比于单个无人机来说，多无人机集群在执行任务时有更高的鲁棒性，冗余性和扩展性，同时任务的执行会更加高效，无人机的生存能力也会更强，当集群中有节点故障或被攻击下线时，该节点所承担的任务可以由其他节点来代替，能确保任务能够被完成。
[0003]在其中，多无人机间的编队穿越障碍物是研究的重点。为了实现多无人机系统的协同运行，每个人无人机需要获得相邻无人机间的相对位置，通常这是通过外部定位系统如GPS,GNSS等全球定位系统得到；而在实现无人机的穿越任务时，通常无人机会携带一个视觉里程计进行识别计算框型障碍物的中心。然而，在无人机需要在未知环境下执行穿越任务时，更多情况下是GPS，GNSS等全球定位系统信号薄弱的场景，同时在一些光线昏暗，可见度低，遮挡等场景下，视觉里程计很难发挥作用。
[0004]在多无人机编队协同穿越框型障碍物场景下，现有的技术中，想实现我们编队穿越的效果有如下方案，
[0005]在有全球定位系统下，在无人机和障碍物上安装GPS等定位模块，可获得无人机和障碍物的位置，之后通过位置控制进行编队穿越。或者在建立UWB基站的室内定位下，也可获得无人机和障碍物的位置。
[0006]在有单目，双目或者红外
‑
摄像头(RGBD)等条件下，通过SLAM算法进行地图的构建和定位，同时根据障碍物的特征点进行识别。而无人机之间的编队可通过蓝牙或者WIFI等传输协议进行位置共享。这种方法需要的硬件要求更高，同时计算量也更复杂。
[0007]在全球定位系统下，在无人机上安装GPS等定位模块，同时安装单目，双目等摄像头用来识别障碍物，从而做到编队穿越。
[0008]无不例外，以上各种都需要至少一种全球定位系统或者摄像头才能做到编队穿越的效果，而上述的方案，在未知环境下全球定位系统受限和光线昏暗等摄像头受限情况下，很难实现编队穿越的效果。

技术实现思路

[0009]本专利技术的目的是提供一种多无人机编队穿越框形障碍物方法，用以实现仅依靠无人机自身的机载传感器外加UWB获得的距离传感器来实现编队穿越的目的，适应性强且对光线、GPS不存在依赖。
[0010]为了实现上述任务，本专利技术采用以下技术方案：
[0011]一种多无人机编队穿越框形障碍物方法，包括：
[0012]无人机编队在飞行过程中，实时获取框形障碍物与无人机编队间的距离信息，以及无人机编队的位移信息；
[0013]构建框形障碍物和无人机编队的相对位置模型；
[0014]构建无人机速度控制模型；
[0015]基于无人机编队的距离信息和位移信息、框形障碍物和无人机编队的相对位置模型，构建参数模型；
[0016]根据所述参数模型构建对框形障碍物的位置估计模型以及无人机编队间的相对位置估计模型；
[0017]根据构建的对框形障碍物的位置估计模型和无人机编队间的相对位置估计模型，结合所述的无人机速度控制模型，设计无人机编队穿越障碍物的控制器，利用控制器对无人机编队的飞行进行速度控制，从而使无人机编队穿越框形障碍物。
[0018]进一步地，所述构建框形障碍物和无人机编队的相对位置模型，其数学公式如下：
[0019][0020]其中p0(k)、p
j
(k)分别表示主无人机、无人机j在k时刻全局坐标系中的位置，p
s
表示框型障碍物在全局坐标系中的位置，q0(k)、q
j0
(k)表示主无人机与框形障碍物的相对位置,q
j0
(k)表示无人机j与主无人机的相对位置。
[0021]进一步地，所述构建无人机速度控制模型，包括：
[0022]将无人机建模为速度有界的离散时间积分器，数学公式如下
[0023][0024]其中T为采样周期，和为主无人机、无人机j的速度限制，V0和V
j
为主无人机、无人机j的最大速度，满足V
j
＞V0。
[0025]进一步地，所述基于无人机编队的距离信息和位移信息、框形障碍物和无人机编队的相对位置模型，构建参数模型，包括：
[0026]将无人机的实时获取的距离信息、位移信息用无人机编队的相对位置表示：
[0027]d0(k)＝||q0(k)||,d
j0
(k)＝||q
j0
(k)||
ꢀꢀ
(1.3)
[0028][0029]之后构建参数模型，根据式(1.3)和(1.4)：
[0030][0031]在上式中，p0(0)表示主无人机在初始时刻的位置，∈
s
(k)是构建的与框形障碍物位置p
s
(k)有关的参数模型，∈
j0
(k)是构建的与无人机j与主无人机的相对位置q
j0
(k)有关的参数模型，上标T表示转置。
[0032]进一步地，所述构建对框形障碍物的位置估计模型，具体为：
[0033][0034]其中I是单位矩阵，R0(k)是协方差矩阵，是k时刻对框形障碍物位置p
s
(k)的估计值，Φ0(k)是的集合矩阵，满足δ1是集合矩阵的最小特征值，N表示本方法的维度；λ为遗忘因子，μ为阻尼项，M(k)是关于λ的遗忘算子矩阵，满足：
[0035][0036]进一步地，所述无人机编队间的相对位置估计模型表示如下：
[0037][0038]其中Φ
j0
(k)是的集合矩阵，R
j0
(k)是协方差矩阵，是无人机j与主无人机的相对估计位置。
[0039]进一步地，所述无人机编队穿越障碍物的控制器设计如下：
[0040][0041]其中是k时刻对框形障碍物位置p
s
(k)的估计值，v0(k)和v
j
(k)是利用所述事件触发编队穿越控制器所得到的主无人机、无人机j的速度值，和是对v0(k)和v
j
(k)进行了限速，使得最后的输出速度小于预设的最大速度V0和V
j
，A0和A
j
是设计的控制器系数，是持续激励信号；
[0042]H0(k)和H
j0
(k)表示切换函数，为分段常数函数，表示无人机编队队形和穿越之间的切换信号。
[0043]进一步地，H0(k)和H
j0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多无人机编队穿越框形障碍物方法，其特征在于，包括：无人机编队在飞行过程中，实时获取框形障碍物与无人机编队间的距离信息，以及无人机编队的位移信息；构建框形障碍物和无人机编队的相对位置模型；构建无人机速度控制模型；基于无人机编队的距离信息和位移信息、框形障碍物和无人机编队的相对位置模型，构建参数模型；根据所述参数模型构建对框形障碍物的位置估计模型以及无人机编队间的相对位置估计模型；根据构建的对框形障碍物的位置估计模型和无人机编队间的相对位置估计模型，结合所述的无人机速度控制模型，设计无人机编队穿越障碍物的控制器，利用控制器对无人机编队的飞行进行速度控制，从而使无人机编队穿越框形障碍物。2.根据权利要求1所述的多无人机编队穿越框形障碍物方法，其特征在于，所述构建框形障碍物和无人机编队的相对位置模型，其数学公式如下：其中p0(k)、p
j
(k)分别表示主无人机、无人机j在k时刻全局坐标系中的位置，p
s
表示框型障碍物在全局坐标系中的位置，q0(k)、q
j0
(k)表示主无人机与框形障碍物的相对位置,q
j0
(k)表示无人机j与主无人机的相对位置。3.根据权利要求1所述的多无人机编队穿越框形障碍物方法，其特征在于，所述构建无人机速度控制模型，包括：将无人机建模为速度有界的离散时间积分器，数学公式如下其中T为采样周期，和为主无人机、无人机j的速度限制，V0和V
j
为主无人机、无人机j的最大速度，满足V
j
＞V0。4.根据权利要求1所述的多无人机编队穿越框形障碍物方法，其特征在于，所述基于无人机编队的距离信息和位移信息、框形障碍物和无人机编队的相对位置模型，构建参数模型，包括：将无人机的实时获取的距离信息、位移信息用无人机编队的相对位置表示：d0(k)＝||q0(k)||,d
j0
(k)＝||q
j0
(k)||
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1.3)之后构建参数模型，根据式(1.3)和(1.4)：
在上式中，p0(0)表示主无人机在初始时刻的位置，∈
s
(k)是构建的与框形障碍物位置p
s
(k)有关的参数模型，∈
j0
(k)是构建的与无人机j与主无人机的相对位置q
j0
(k)有关的参数模型，上标T表示转置。5.根据权利要求1所述的...

【专利技术属性】
技术研发人员：孟伟，郭创鹏，刘芬，臧家瑶，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：