无人集群系统智能协同航迹规划方法、系统及电子设备技术方案

本发明专利技术涉及一种无人集群系统智能协同航迹规划方法、系统及电子设备，属于协同航迹规划领域，首先构建无人集群系统最短时间协同航迹规划的优化控制模型，其次将较为复杂的最优控制问题通过线性化、离散化转换为非线性参数优化问题，并将相关非凸约束进行凸化；随后，将无人机避碰耦合约束进行约束解耦；接下来，根据求解最短时间协同问题，添加时间协同约束，保证解耦式求解框架下的时间协同，最后利用上述相关约束处理，采用解耦式序列凸优化算法求解无人集群系统最短时间协同航迹规划问题，使得每架无人机在每次迭代求解过程中并行求解各自轨迹，从而减轻计算量，提高计算求解效率。提高计算求解效率。提高计算求解效率。

【技术实现步骤摘要】
无人集群系统智能协同航迹规划方法、系统及电子设备


[0001]本专利技术涉及协同航迹规划领域，特别是涉及一种无人集群系统智能协同航迹规划方法、系统及电子设备。

技术介绍

[0002]无人集群系统给定作战任务下的航迹规划问题是目前规划领域的热点，并且在科研与工程领域得到了广泛的应用。固定翼无人机在未来军事、民用领域将会得到极大的应用。在军事作战方面，无人机作战，极大的降低了作战成本；在民用领域，固定翼无人机参与协同运输货物，将会极大地减轻人的负担，提高运送效率。目前，基于解耦式的协同航迹规划方法具有可拓展性、适应性强、求解速度较快等特点。
[0003]无人机集群系统在军事侦察、军事打击、区域覆盖等领域的应用受到了广泛的关注，而航迹规划问题是实现高水平军事任务的重要基础之一，其中解决航迹规划问题的方法有很多，如基于势场的算法、数学规划方法、启发式算法等。然而，许多航迹规划算法都没有考虑到智能体的动力学运动特性，通常将动力学简化为约束进行求解，这样的简化不能保证无人机能到达给定目标点，特别当在执行较为关键任务时如若不能确保相关轨迹点能够到达，很容易使协同到达效果无法实现。另外，在执行任务过程中，周围环境对无人机的影响也是需要重点考虑的，特别是一些典型的静态障碍物和已知速度的动态障碍物。因此，研究复杂环境下的考虑动力学微分方程的协同航迹规划方法具有工程实际意义。
[0004]现有的考虑动力学方程的固定翼无人集群协同航迹规划方法大多是采用集中式求解航迹，这样在无人机数量增加的情况下，计算量会成倍增加，有时甚至会让计算机无法求解出可行的轨迹。

技术实现思路

[0005]本专利技术的目的是提供一种无人集群系统智能协同航迹规划方法、系统及电子设备，以减轻协同航迹规划计算量，提高求解效率。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种无人集群系统智能协同航迹规划方法，包括：
[0008]构建无人集群系统最短时间协同航迹规划的优化控制模型；所述优化控制模型包括无人机间避碰约束；
[0009]利用配点法，将所述优化控制模型转换为非线性参数优化模型；
[0010]对所述非线性参数优化模型进行凸化，获得凸优化模型；
[0011]将所述凸优化模型中的无人机间避碰约束解耦为每架无人机的避碰约束，获得解耦后的凸优化模型；
[0012]建立无人集群系统的时间协同约束；
[0013]根据解耦后的凸优化模型和时间协同约束，建立解耦式凸优化模型；
[0014]采用解耦式序列凸优化算法求解所述解耦式凸优化模型，并行优化每架无人机的
协同航迹。
[0015]可选的，所述优化控制模型包括优化控制目标函数、动力学模型、初末状态量约束、飞行过程边界约束、避障约束和无人机间避碰约束；
[0016]所述优化控制目标函数为式中，t0表示初始时刻，t
f
表示终端时刻，F1表示优化控制目标函数；
[0017]所述动力学模型为
[0018][0019][0020][0021][0022][0023][0024]式中，(x,y,h)表示无人机三维位置，V表示速度，χ表示飞行航向角，γ表示航迹倾角，分别表示x、y、h、V、χ、γ的一阶导数，n
x
、n
y
、n
z
代表沿三个坐标轴方向的过载，g表示重力加速度；
[0025]所述初末状态量约束为s
i
(t0)＝s
i,0
,s
i
(t
f
)＝s
i,f
；式中，s
i
()表示第i架无人机的状态量函数，s
i，0
表示初始时刻状态量，s
i，f
表示终端时刻状态量；
[0026]所述飞行过程边界约束为s
min
≤s
i
≤s
max
,u
min
≤u
i
≤u
max
；式中，s
min
和s
max
分别表示状态量的最小值和最大值，u
min
和u
max
分别表示控制量的最小值和最大值，u
i
表示第i架无人机的控制量；
[0027]所述避障约束为||Cs
i
(t)
‑
p
obs,c
(t)||2≥r
c
,c＝1,2,...,M
cyl
；式中，C表示部分状态选取矩阵，P
obs，c
(t)表示第c个障碍物随时间变化的位置，r
c
表示第c个障碍物的半径，c表示障碍物序号，M
cyl
表示圆柱体障碍物的个数；所述避障约束考虑无人机与静态障碍物和已知速度的动态障碍物；
[0028]所述无人机间避碰约束为||C(s
i
(t)
‑
s
j
(t))||2≥R
safe
,i≠j；式中，s
i
(t)、s
j
(t)分别表示第i、j架无人机在t时刻的状态量，R
safe
表示安全距离。
[0029]可选的，所述利用配点法，将所述优化控制模型转换为非线性参数优化模型，具体包括：
[0030]将整个飞行过程按照等步长进行划分为K段；
[0031]根据梯形积分方法，将所述动力学模型离散化为s
i
[k+1]＝s
i
[k]+Δt[f(s
i
[k],u
i
[k])+f(s
i
[k+1],u
i
[k+1])]/2；式中，s
i
[k]表示第i架无人机在第k时段的状态量，u
i
[k]表示第i架无人机在第k时段的控制量，f()表示状态动力学函数；
[0032]将所述初末状态量约束离散化为s
i
[0]＝s
i,0
,s
i
[K]＝s
i,f
；式中，s
i
[0]表示第i架无人机在第0段时间的状态量，s
i
[K]表示第i架无人机在第K时段的状态量；
[0033]将所述飞行过程边界约束离散化为s
min
≤
i
[]≤
max,min
≤
i
[]≤
max
,＝0,1,...,K；
[0034]将所述避障约束离散化为||Cs
i
[k]‑
p
obs,c,k
[Δt]||2≥r
c
,c＝1,2,...,M1；式中，
p
obs，c，k
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人集群系统智能协同航迹规划方法，其特征在于，包括：构建无人集群系统最短时间协同航迹规划的优化控制模型；所述优化控制模型包括无人机间避碰约束；利用配点法，将所述优化控制模型转换为非线性参数优化模型；对所述非线性参数优化模型进行凸化，获得凸优化模型；将所述凸优化模型中的无人机间避碰约束解耦为每架无人机的避碰约束，获得解耦后的凸优化模型；建立无人集群系统的时间协同约束；根据解耦后的凸优化模型和时间协同约束，建立解耦式凸优化模型；采用解耦式序列凸优化算法求解所述解耦式凸优化模型，并行优化每架无人机的协同航迹。2.根据权利要求1所述的无人集群系统智能协同航迹规划方法，其特征在于，所述优化控制模型包括优化控制目标函数、动力学模型、初末状态量约束、飞行过程边界约束、避障约束和无人机间避碰约束；所述优化控制目标函数为式中，t0表示初始时刻，t
f
表示终端时刻，F1表示优化控制目标函数；所述动力学模型为所述动力学模型为所述动力学模型为所述动力学模型为所述动力学模型为所述动力学模型为式中，(x,y,h)表示无人机三维位置，V表示速度，χ表示飞行航向角，γ表示航迹倾角，分别表示x、y、h、V、χ、γ的一阶导数，n
x
、n
y
、n
z
代表沿三个坐标轴方向的过载，g表示重力加速度；所述初末状态量约束为s
i
(t0)＝s
i,0
,s
i
(t
f
)＝s
i,f
；式中，s
i
()表示第i架无人机的状态量函数，s
i，0
表示初始时刻状态量，s
i，f
表示终端时刻状态量；所述飞行过程边界约束为s
min
≤s
i
≤s
max
,u
min
≤u
i
≤u
max
；式中，s
min
和s
max
分别表示状态量的最小值和最大值，u
min
和u
max
分别表示控制量的最小值和最大值，u
i
表示第i架无人机的控制量；所述避障约束为||Cs
i
(t)
‑
p
obs,c
(t)||2≥r
c
,c＝1,2,...,M
cyl
；式中，C表示部分状态选取矩阵，P
obs，c
(t)表示第c个障碍物随时间变化的位置，r
c
表示第c个障碍物的半径，c表示障碍物序号，M
cyl
表示圆柱体障碍物的个数；所述避障约束考虑无人机与静态障碍物和已知速度的动态障碍物；所述无人机间避碰约束为||C(s
i
(t)
‑
s
j
(t))||2≥R
safe
,i≠j；式中，s
i
(t)、s
j
(t)分别表
示第i、j架无人机在t时刻的状态量，R
safe
表示安全距离。3.根据权利要求2所述的无人集群系统智能协同航迹规划方法，其特征在于，所述利用配点法，将所述优化控制模型转换为非线性参数优化模型，具体包括：将整个飞行过程按照等步长进行划分为K段；根据梯形积分方法，将所述动力学模型离散化为s
i
[k+1]＝s
i
[k]+Δt[f(s
i
[k],u
i
[k])+f(s
i
[k+1],u
i
[k+1])]/2；式中，s
i
[k]表示第i架无人机在第k时段的状态量，u
i
[k]表示第i架无人机在第k时段的控制量，f()表示状态动力学函数；将所述初末状态量约束离散化为s
i
[0]＝s
i,0
,s
i
[K]＝s
i,f
；式中，s
i
[0]表示第i架无人机在第0段时间的状态量，s
i
[K]表示第i架无人机在第K时段的状态量；将所述飞行过程边界约束离散化为s
min
≤
i
[]≤
max,min
≤
i
[]≤
max
,＝0,1,...,K；将所述避障约束离散化为||Cs
i
[k]
‑
p
obs,c,k
[Δt]||2≥r
c
,c＝1,2,...,M1；式中，p
obs，c，k
[Δt]表示第k个离散时刻下的第c个障碍物随时间变化的位置，M1表示障碍物的个数；Δt表示时间间隔，Δt＝(t
f
‑
t0)/K；将所述无人机间避碰约束离散化为||C(s
i
[k]
‑
s
j
[k])||2≥R
safe
,i≠j,k＝0,1,...,K；将优化控制目标函数转换成参数优化目标函数式中，N表示无人机的总架数。4.根据权利要求3所述的无人集群系统智能协同航迹规划方法，其特征在于，对所述非线性参数优化模型进行...

【专利技术属性】
技术研发人员：董希旺，赵锋，化永朝，于江龙，李清东，任章，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：