基于分布式模型预测控制及队形控制的多机编队防撞方法技术

本发明专利技术涉及固定翼多无人机系统编队控制技术领域，特别涉及一种基于分布式模型预测控制及队形控制的多机编队防撞方法，解决了如何使得无人机群具有稳定的、控制精度高的协同编队飞行控制能力的问题。该方法的特殊在于，包括以下步骤：步骤一：集结无人机群，输入集结点或航迹点信息，进行基于分布式模型预测控制的编队防撞设置；步骤二：巡航控制；巡航中若要重构队形，执行步骤三；若不需要重构队形，执行步骤四；步骤三：基于重构队形要求再次进行基于分布式模型预测控制的编队防撞设置；步骤四：进行队形保持控制；步骤五：判断是否抵达目标点或完成任务；若是，结束任务；若否，返回步骤二，循环执行步骤二至五，直至抵达目标点或完成任务。成任务。成任务。

【技术实现步骤摘要】
基于分布式模型预测控制及队形控制的多机编队防撞方法


[0001]本专利技术涉及固定翼多无人机系统编队控制
，特别涉及一种基于分布式模型预测控制及队形控制的多机编队防撞方法。

技术介绍

[0002]如今，随着无人机在军事、农业、科技等领域广泛应用，对于无人机的相关技术也有了更加深入的研究。由于无人机具有续航久、速度快等特点使得其能够在军事应用方面中用于侦察、测绘等任务；在民用方面可以用于对气象和地质的采集，最常用的还是航拍的任务。无人机拥有多种用途的特点使得其逐渐成为在航空领域中学者所看重的研究内容。
[0003]无人机可以根据其结构的不同分为几类，其中与固定翼无人机相关的应用和研究受到了各国学者的重点关注；其原因一方面是由于固定翼无人机具有结构简单、续航久、机动性强的特点；另一方面是由于固定翼无人机发展时间长，所以有更加丰富的理论作为支撑，可以参考和借鉴的知识十分充裕。固定翼无人机有多种应用领域，为了尽可能地发挥单架无人机的作用，实现多无人机协同编队飞行(Multi
‑
UAV Coordinated formation Flight)的控制、决策和管理，从而提高无人机完成任务的效率，特别是在执行搜索、救援、建图等方面能够更有效地完成任务，拓宽无人机使用范围，达到安全、高可靠性地执行各种任务的目的，多无人机系统领域的一个核心问题是多智能体之间的运动规划问题。只有将多智能体之间的运动进行合理规划，才能使无人机集群在执行任务时巡航控制能力稳定、队形控制能力精准、编队防撞能力可靠。这样，多架无人机联合起来去完成指定的任务时可以将有限的单机集合起来完成任务，多个成本低的无人机可以通过集群的方法来实现功能互补，能够避免资源浪费和提高效率。
[0004]因此，如何实现具有编队协同控制、障碍规避与巡航队形控制能力的多无人机系统，使得无人机群具有稳定的、控制精度高的协同编队飞行控制能力，是我们研究中亟需解决的问题。本专利技术从该问题出发，力求在协同控制研究的理论和应用上有所突破和创新。

技术实现思路

[0005]本专利技术的目的是提供一种基于分布式模型预测控制及队形控制的多机编队防撞方法，以解决如何实现具有编队协同控制、障碍规避与巡航队形控制能力的多无人机系统，使得无人机群具有稳定的、控制精度高的协同编队飞行控制能力的技术问题。
[0006]本专利技术所采用的技术方案是，基于分布式模型预测控制及队形控制的多机编队防撞方法，其特殊之处在于，包括以下步骤：
[0007]步骤一：首先基于任务规划信息与无人机平台因素，集结无人机群，输入集结点或航迹点信息，然后进行基于分布式模型预测控制的编队防撞设置；
[0008]步骤二：基于PID算法进行巡航控制；巡航过程中，若需要重构队形，执行下述步骤三；若不需要重构队形，跳过下述步骤三，执行下述步骤四；
[0009]步骤三：基于步骤二中所述的重构队形的要求，再次进行基于分布式模型预测控
制的编队防撞设置；
[0010]步骤四：基于Leader
‑
Follower进行队形保持控制；
[0011]步骤五：判断是否抵达目标点或完成任务；若是，结束任务；若否，返回上述步骤二，循环执行步骤二至步骤五，直至抵达目标点或完成任务，结束任务。
[0012]进一步地，步骤二中所述的基于PID算法进行巡航控制的控制过程包括以下步骤：
[0013]步骤1：系统采用二阶一致性算法设计协同飞行控制率所述表示无人机i的飞行加速度；
[0014]步骤1.1：系统采用二阶一致性算法设计所述分别表示无人机i在地面坐标系下沿x、y、z三个方向的三个分加速度；具体为：
[0015]系统采用二阶一致性算法，对无人机i三个位置、加速度通道分别设计如下式(1.1)所示：
[0016][0017]式(1.1)中：N
i
表示分布式网络中无人机i的邻居；a
ij
表示不同无人机之间考虑计算的加权系数；x
diF
、y
diF
、z
diF
分别表示第i架无人机参考点的x坐标、y坐标、z坐标；x
djF
、y
djF
、z
djF
分别表示第j架无人机参考点的x坐标、y坐标、z坐标；γ表示状态量的权重系数，通常大于0；分别表示无人机i相对于无人机j在地面坐标系下沿x、y、z三个方向的三个相对速度分量；
[0018]无人机i相对于无人机j的运动速度具体如下式(1.2)所示：
[0019][0020]式(1.2)中：V
xi
、V
yi
、V
zi
分别表示无人机i的速度V
i
在地面坐标系下沿x、y、z三个方向的速度分量；V
xj
、V
yj
、V
zj
分别表示无人机j的速度V
j
在地面坐标系下沿x、y、z三个方向的速度分量；
[0021]位置协同变量ρ
iF
在编队开始时是不同的，随着时间进行，当t
→
∞时，ρ
iF
→
ρ
jF
。上式(1.1)给出了地面坐标系下三个分加速度指令，控制即可实现编队的队形保持。
[0022]步骤1.2：定义协同飞行控制率如下式(1.3)所示：
[0023][0024]二阶一致性算法控制，既包含了位置信息，又包含了速度信息。
[0025]步骤2：将步骤1中设计的所述协同飞行控制率转化为飞行控制指令转化为飞行控制指令所述表示无人机i飞行的加速度大小；所述表示俯仰角速度；所述表示偏航角速度；具体为：
[0026]所述的控制方式如下式(1.4)所示：
[0027][0028]依据俯仰角与速度分量的关系如下式(1.5)，以及偏航角与速度分量的关系如下式(1.6)：
[0029][0030]式(1.5)中，θ
i
表示无人机i的俯仰角；
[0031][0032]式(1.6)中，Ψ
i
表示无人机i的偏航角；
[0033]则
[0034][0035][0036]步骤3：定义新的协同飞行控制指令v
i
；
[0037]新的协同飞行控制指令v
i
为下式(1.9)所示：
[0038][0039]式(1.9)中，表示无人机i飞行的新的加速度大小，表示无人机i飞行的新的俯仰角速度，表示无人机i飞行的新的偏航角速度；
[0040]所述的具体形式如下式(1.10)所示：
[0041][0042]式(1.10)中，表示平均速度；
[0043]所述的具体形式如下式(1.11)所示：
[0044][0045]式(1.11)中，表示航迹参考俯仰角；
[0046]所述的具体形式如下式(1.12)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于分布式模型预测控制及队形控制的多机编队防撞方法，其特征在于，包括以下步骤：步骤一：首先基于任务规划信息与无人机平台因素，集结无人机群，输入集结点或航迹点信息，然后进行基于分布式模型预测控制的编队防撞设置；步骤二：基于PID算法进行巡航控制；巡航过程中，若需要重构队形，执行下述步骤三；若不需要重构队形，跳过下述步骤三，执行下述步骤四；步骤三：基于步骤二中所述的重构队形的要求，再次进行基于分布式模型预测控制的编队防撞设置；步骤四：基于Leader
‑
Follower进行队形保持控制；步骤五：判断是否抵达目标点或完成任务；若是，结束任务；若否，返回上述步骤二，循环执行步骤二至步骤五，直至抵达目标点或完成任务，结束任务。2.根据权利要求1所述的基于分布式模型预测控制及队形控制的多机编队防撞方法，其特征在于，步骤二中所述的基于PID算法进行巡航控制的控制过程包括以下步骤：步骤1：系统采用二阶一致性算法设计协同飞行控制率所述表示无人机i的飞行加速度；步骤1.1：系统采用二阶一致性算法设计所述分别表示无人机i在地面坐标系下沿x、y、z三个方向的三个分加速度；具体为：系统采用二阶一致性算法，对无人机i三个位置、加速度通道分别设计如下式(1.1)所示：式(1.1)中：N
i
表示分布式网络中无人机i的邻居；a
ij
表示不同无人机之间考虑计算的加权系数；x
diF
、y
diF
、z
diF
分别表示第i架无人机参考点的x坐标、y坐标、z坐标；x
djF
、y
djF
、z
djF
分别表示第j架无人机参考点的x坐标、y坐标、z坐标；γ表示状态量的权重系数，通常大于0；分别表示无人机i相对于无人机j在地面坐标系下沿x、y、z三个方向的三个相对速度分量；无人机i相对于无人机j的运动速度具体如下式(1.2)所示：式(1.2)中：V
xi
、V
yi
、V
zi
分别表示无人机i的速度V
i
在地面坐标系下沿x、y、z三个方向的速度分量；V
xj
、V
yj
、V
zj
分别表示无人机j的速度V
j
在地面坐标系下沿x、y、z三个方向的速度
分量；位置协同变量ρ
iF
在编队开始时是不同的，随着时间进行，当t
→
∞时，ρ
iF
→
ρ
jF
。上式(1.1)给出了地面坐标系下三个分加速度指令，控制即可实现编队的队形保持。步骤1.2：定义协同飞行控制率如下式(1.3)所示：如下式(1.3)所示：二阶一致性算法控制，既包含了位置信息，又包含了速度信息。步骤2：将步骤1中设计的所述协同飞行控制率转化为飞行控制指令转化为飞行控制指令所述表示无人机i飞行的加速度大小；所述表示俯仰角速度；所述表示偏航角速度；具体为：所述的控制方式如下式(1.4)所示：依据俯仰角与速度分量的关系如下式(1.5)，以及偏航角与速度分量的关系如下式(1.6)：式(1.5)中，θ
i
表示无人机i的俯仰角；式(1.6)中，Ψ
i
表示无人机i的偏航角；则
步骤3：定义新的协同飞行控制指令v
i
；新的协同飞行控制指令v
i
为下式(1.9)所示：式(1.9)中，表示无人机i飞行的新的加速度大小，表示无人机i飞行的新的俯仰角速度，表示无人机i飞行的新的偏航角速度；所述的具体形式如下式(1.10)所示：式(1.10)中，表示平均速度；所述的具体形式如下式(1.11)所示：式(1.11)中，表示航迹参考俯仰角；所述的具体形式如下式(1.12)所示：式(1.12)中，表示航迹参考偏航角；步骤4：将步骤3中定义的所述新的协同飞行控制指令v
i
作为输入，计算无人机的实际轨迹与参考轨迹的误差，航迹控制器基于PID算法，在所述误差满足预设条件的前提下设计
PID控制律u
i
；具体为：PID控制律分为纵向与横侧向通道来设计，假设无人机的纵向与横侧向通道之间耦合较小，控制增稳系统的设计常按照纵向和横侧向分开进行的，互不交联，PID控制律u
i
按下式(1.13)设计：式(1.13)中，K
p
,K
I
,K
D
分别为比例、积分、微分系数矩阵，表示偏差。步骤5：基于步骤4中设计的PID控制率，调整协同飞行控制系统的控制指令输入值，从而控制无人机的飞行轨迹和姿态。3.根据权利要求1所述的基于分布式模型预测控制及队形控制的多机编队防撞方法，其特征在于，步骤四中所述的基于Leader
‑
Follower进行队形保持控制的具体步骤为：步骤A：建立长机与僚机的相对运动关系模型，依据该相对运动关系模型得出长机与僚机系统的状态变量；具体为：航迹坐标系中无人机质心运动的动力学方程如下式(2.1)所示：式(2.1)中：表示加速度；表示航迹倾斜角速度；表示航迹方位角速度；T表示发动机推力；D表示无人机受到的阻力；m表示无人机及其载荷的质量；g表示重力加速度；μ表示航迹倾斜角；L表示无人机受到的升力；C表示无人机受到的侧力；表示航迹方位角；φ表示滚转角；V表示无人机速度；式(2.1)中，L、D、C依据下式(2.2)进行计算：式(2.2)中：C
L
表示升力系数；ρ表示大气密度；S表示机翼面积；C
Lα
表示升力系数对迎角的导数；α表示无人机迎角；α0表示初始迎角；C
D0
表示阻力系数；K表示传递系数；C
Yβ
表示侧向气动力系数；β表示无人机侧滑角；依据上述式(2.1)，将长机相对僚机的距离转换到僚机坐标系中，建立长机与僚机的相对运动关系模型，如下式(2.3)所示：
式(2.3)中：x
d
表示leader在follower坐标系下的...

【专利技术属性】
技术研发人员：胡劲文，苏梅梅，赵春晖，徐钊，刘慧霞，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：