一种基于flocking的无人机编队控制改进算法制造技术

本发明专利技术公开了一种基于flocking的无人机编队控制改进算法，属于无人机编队技术领域，算法包含V

【技术实现步骤摘要】
一种基于flocking的无人机编队控制改进算法


[0001]本专利技术涉及属于无人机编队
，尤其涉及一种基于flocking的无人机编队控制改 进算法。

技术介绍

[0002]多旋翼无人机具有价格低廉，体积较小、反应快速、操作简单等优点，被广泛应用于航 拍、巡检、环境监测、数据采集、物资输送等。单个无人机作业的功能有限，难以同时完成 多种复杂任务和重复性作业。受益于无人机飞行控制技术和飞行控制系统，现阶段无人机编 队飞行可以轻松实现。技术成熟后的无人机编队主要应用方向为队形灯光表演、编队作业、 集群作战三个方面。
[0003]无人机编队的核心优势在于：单机成本低、群体数目大、群体智能程度高、多任务协同 作业。随着大量不同类型、不同性能的无人机形成编队被投放到各种任务执行中，必然需要 合理高效的自主协同控制手段，以增强其任务执行能力。
[0004]综上所述，高度智能化、自主化是今后无人机编队领域的发展趋势，无人机编队的研究 已经站在了风口浪尖，该研究的进展和成果奖广泛应用到应急、安防、娱乐等行业，具有很 高的经济价值和社会价值。
[0005]无人机编队控制算法主要研究编队队形的生成、编队的多任务执行、编队队形的避障三 个方面。现有的无人机编队控制算法主要是集中式控制，相对于集中式控制，分布式控制中 参与编队的每架无人机都将自己的运动目标位置、实时的速度、姿态等信息和相邻的无人机 进行交互。分布式算法在实际应用中控制方式控制效果相对较佳，控制算法简单，计算量也 较小。现有的分布式算法不考虑无人机自身的空气动力学、运动力学和结构，仅将其看做质 点；不考虑单个无人机的组成及实际传感器的参数，过于理想化，离实际应用存在较大差距。

技术实现思路

[0006]本专利技术所要解决的技术问题是针对
技术介绍
中无人机编队算法过于理想化的不足，而提 供一种基于flocking的无人机编队控制改进算法，其既使用分布式控制算法提高无人机编队 的优势，又充分考虑了无人机编队场景应用中的实际问题。
[0007]本专利技术为解决上述技术问题采用以下技术方案：
[0008]一种基于flocking的无人机编队控制改进算法，包含生物机制集群算法、多任务分簇算 法、向量直方图集群避障算法三个部分；
[0009]其中，V
‑
Flocking算法，用于引进了Vicsek模型中生物机制的特性，考虑有限视场角、 随机视线，并通过改进拓扑结构进一步提升收敛效率；
[0010]多任务分簇算法，用于让Flocking算法实现由聚合到分裂成多个子集，从而使无人机编 队去执行多个子任务；
[0011]VHF+Flocking避障算法，用于将避障问题转化为任务路径规划问题，有效解决原
有避障 算法在狭窄空间震荡的弊端。
[0012]作为本专利技术一种基于flocking的无人机编队控制改进算法的进一步优选方案，所述 V
‑
Flocking算法考虑无人机通信的方向性，对原Flocking算法增加通信区间，并且将通信 区间均匀划分若干领域区间，只与每个领域区间内最近的邻居通信；
[0013]且每个通信区间加上叠加一个正态分布概率，既符合生物视角视线特征，也考虑了数据 传输模块天线的辐射范围；
[0014]为使无人机之间不相互碰撞，无人机需要通信的角度范围θ最小区间是(
‑
90
°
，90
°
)， 二维场景下，以无人机个体为中心，R为半径的圆形区域，将个体的视野范围将由全局视野， 变为角度区间θ和R所界定的扇形有限视野，并且视野范围的左右边界和个体运动方向有θ/2 的夹角；其中，处于无人机个体i视野范围内的其它无人机个体才是该无人机的真实邻居；
[0015]将角度区间θ等比例分为m个子区间，按照棒状天线的特性，越靠近侧边，天线的增益 越小，同时，考虑到无人机与前进两侧无人机通信的需要远低于与正前方无人机，所以利用 高斯分布来表示各子区间的通信概率，具体计算如下：
[0016][0017]其中，f(θ1)为θ1角度方向上子区间的通信概率，θ1为角度区间中轴线与前进方向夹角；
[0018]无人机可通过位置信息获取周围几个通信区间中最近的邻居j并按照各区间的通信概率 与其通信；引进通信概率是进一步提高收敛效率，相当于设置了邻居的权重；个体需要考虑 的邻居是方向与距离的结合，因此引入一个判别函数，当距离小，方向夹角小时，最应该考 虑；
[0019][0020]其中，f为引进的判别函数，该函数值越大表示最应该考虑该无人机邻居的影响，q
j
为 邻居无人机j的位置，q
i
为该无人机个体i的位置；
[0021]判别函数有一个阈值f0，当值大于阈值时，邻居j作为算法需要考虑的有效邻居，设改 进拓扑结构后的邻居集区间为M
i
，j∈M
i
；
[0022]在引进了无人机通信的角度范围后，在运动时同样遵循位置更新规则和方向更新规则； 以个体i为例，其位置更新规则同上，则方向更新规则变为：
[0023][0024]其中，θ1(t+1)为t+1时刻无人机个体i应该采取的运动方向，ω表示有效邻居的数量；
[0025]Δθ是噪声，是一个可调函数，angle表示t+1时刻处于i视野范围内的所有个体包括其 自身运动方向的平均，其中为个体i的单位运动方向复矢量，满足：
[0026][0027]联立上式：
[0028][0029][0030]其中，为引进生物机制后对无人机加速度的影响，p
i
为无人机个体i的速度矢量；
[0031]考虑通信概率及改变拓扑模型后的加速度项为：
[0032][0033]其中，为Flocking算法下无人机的加速度矢量，为集群势函数V(q)的梯度，为位置矢量的拉普拉斯项，p为速度矢量；
[0034]所以改进后的公式如下：
[0035][0036][0037]式中，c1及c2为影响因子，c3也为影响因子，φ
a
为定义的作用函数，q
j
表示无人机j的 位置，q
i
表示无人机i的位置，，n
ij
表示无人机i到无人机j的单位向量，为可调系数；
[0038]通过该影响因子可以设置权重。
[0039]作为本专利技术一种基于flocking的无人机编队控制改进算法的进一步优选方案，所述多任 务分簇算法是指当无人机编队需要执行多个任务时，增加多个群体目标，所述分簇方法采取 的策略是就近原则、按照权重逐次选取，具体包含如下：
[0040]设无人机总数num，num1个无人机以p1速度前往q1,num2个无人机以p2速度前往q2, 则numn个无人机以pn速度前往qn；
[0041]num＝num1+num2+
……
numn
ꢀꢀ
...

【技术保护点】

【技术特征摘要】
1.一种基于flocking的无人机编队控制改进算法，其特征在于：包含V
‑
Flocking算法、多任务分簇算法、VHF+Flocking避障算法三个部分，其中，V
‑
Flocking算法为生物机制集群算法，VHF+Flocking避障算法为向量直方图集群避障算法；其中，V
‑
Flocking算法，用于引进了Vicsek模型中生物机制的特性，考虑有限视场角、随机视线，并通过改进拓扑结构进一步提升收敛效率；多任务分簇算法，用于让Flocking算法实现由聚合到分裂成多个子集，从而使无人机编队去执行多个子任务；VHF+Flocking避障算法，用于将避障问题转化为任务路径规划问题，有效解决原有避障算法在狭窄空间震荡的弊端。2.根据权利要求1所述的一种基于flocking的无人机编队控制改进算法，其特征在于：所述V
‑
Flocking算法考虑无人机通信的方向性，对原Flocking算法增加通信区间，并且将通信区间均匀划分若干领域区间，只与每个领域区间内最近的邻居通信；且每个通信区间加上叠加一个正态分布概率，既符合生物视角视线特征，也考虑了数据传输模块天线的辐射范围；为使无人机之间不相互碰撞，无人机需要通信的角度范围θ最小区间是(
‑
90
°
，90
°
)，二维场景下，以无人机个体为中心，R为半径的圆形区域，将个体的视野范围将由全局视野，变为角度区间θ和R所界定的扇形有限视野，并且视野范围的左右边界和个体运动方向有θ/2的夹角；其中，处于无人机个体i视野范围内的其它无人机个体才是该无人机的真实邻居；将角度区间θ等比例分为m个子区间，按照棒状天线的特性，越靠近侧边，天线的增益越小，同时，考虑到无人机与前进两侧无人机通信的需要远低于与正前方无人机，所以利用高斯分布来表示各子区间的通信概率，具体计算如下：其中，f(θ1)为θ1角度方向上子区间的通信概率，θ1为角度区间中轴线与前进方向夹角；无人机可通过位置信息获取周围几个通信区间中最近的邻居j并按照各区间的通信概率与其通信；引进通信概率是进一步提高收敛效率，相当于设置了邻居的权重；个体需要考虑的邻居是方向与距离的结合，因此引入一个判别函数，当距离小，方向夹角小时，最应该考虑；其中，f为引进的判别函数，该函数值越大表示最应该考虑该无人机邻居的影响，q
j
为邻居无人机j的位置，q
i
为该无人机个体i的位置；判别函数有一个阈值f0，当值大于阈值时，邻居j作为算法需要考虑的有效邻居，设改进拓扑结构后的邻居集区间为M
i
，j∈M
i
；在引进了无人机通信的角度范围后，在运动时同样遵循位置更新规则和方向更新规则；以个体i为例，其位置更新规则同上，则方向更新规则变为：
其中，θ1(t+1)为t+1时刻无人机个体i应该采取的运动方向，ω表示有效邻居的数量；Δθ是噪声，是一个可调函数，angle表示t+1时刻处于i视野范围内的所有个体包括其自身运动方向的平均，其中为个体i的单位运动方向复矢量，满足：联立上式：联立上式：其中，为引进生物机制后对无人机加速度的影响，p
i
为无人机个体i的速度矢量；考虑通信概率及改变拓扑模型后的加速度项为：其中，为Flocking算法下无人机的加速度矢量，为集群势函数V(q)的梯度，为位置矢量的拉普拉斯项，p为速度矢量；所以改进后的公式如下：所以改进后的公式如下：式中，c1及c2为影响因子，c3也为影响因子，φ
a
为定义的作用函数，q
j
表示无人机j的位置，q
i...

【专利技术属性】
技术研发人员：周海波，陈冲，武天雄，
申请(专利权)人：南京大学，
类型：发明
国别省市：