【技术实现步骤摘要】
一种面向多无人机系统编队队形变换的能耗优化方法
[0001]本专利技术涉及智能机器人领域，具体涉及一种面向多无人机系统编队队形变换的能耗优化方法。
技术介绍
[0002]近年来，随着无人机应用范围的不断推广，无人机所执行的任务的难度在不断增加，单架无人机已经无法胜任这些任务的变化。相比于单个无人机，无人机集群具有冗余性、鲁棒性和可扩展性等特点，同时具备更加卓越的协调性、智能性和自主能力。因此，在生活、娱乐、军事、运输领域逐渐加深应用。无人机编队控制是多无人机系统的一个重要的研究领域，在自然科学的领域中，学者们受到昆虫、鸟类、鱼类等大规模集群行动的启发，他们通过个体之间的交互使其具有集体行为，并且显示出强大的鲁棒性和成本效益。在此过程中，我们可以利用这些想法来开发自主的无人机控制系统，于是科学家们把这种生物的群体性行为应用到无人机编队的研究中。
[0003]无人机编队队形变换是无人机编队控制的重要研究方向，无人机的队形变换主要是指一定数量的无人机根据变换要求移动位置，形成新的队形形状，其中能耗优化问题尤为关键，因而受到...
【技术保护点】
【技术特征摘要】
1.一种面向多无人机系统编队队形变换的能耗优化方法，其特征在于，该方法以多无人机系统为研究对象，针对无人机在编队切换过程中部分无人机分配的路径过长而耗电较快导致整个编队飞行时间缩短的问题，首先，采用改进的粒子群优化算法，通过设计无人机飞行距离以及爬升高度代价，设置合适的目标函数，在每次迭代中通过求解线性规划求出每个粒子当前位置的最优指派解，计算出粒子群在迭代过程中的适应度，最后通过粒子群适应度的对比得出该问题的优化解；在获得无人机集群队形切换最优方案后，为了确保各个无人机在无碰的情况下安全到达各自的目标点，针对无人机需要到达目标点以及避免碰撞的多任务冲突问题，引入基于零空间行为控制算法来对多任务冲突进行合理消解，保证各个无人机在驶向目标点时避免发生碰撞。2.根据权利要求1所述的一种面向多无人机系统编队队形变换的能耗优化方法，其特征在于，利用无人机编队切换的距离代价和爬升高度代价，构建指派问题的数学模型，将模型方程做为线性规划问题求解，求出在当前情况下最优指派解X；将无人机看作是人，无人机目标点看作是工作项目；若分配第i个无人机去往第j个目标点，需花费c
ij
单位的代价，指派问题的目的即为求解如何分配能使产生的总代价最小；所述指派问题的数学模型为：其中，C＝(c
ij
)为指派问题的系数矩阵；以无人机编队切换的距离代价和爬升高度代价为考虑目标，做为系数矩阵；因此，系数矩阵的元素为：其中，和p
j
分别为无人机i的起始位置以及目标点j的位置，与分别为无人机起始位置以及目标点位置在全局坐标系下的高度，b为爬升高度因子；所述系数矩阵的元素分为两部分，第一部分为第i个无人机到第j个目标点的欧式距离代价，第二部分为第i个无人机到第j个目标点的爬升高度代价；将上述方程做为线性规划问题求解，求出在当前情况下最优指派解X，代入到粒子群优化算法中进行适应度的计算。3.根据权利要求2所述的一种面向多无人机系统编队队形变换的能耗优化方法，其特征在于，在解为X的指派情况下，设计目标函数，通过粒子群的迭代，求取最终适应度最小的求解结果，以得到在无人机编队切换指派任务中爬升能耗小，且总体偏移距离小与能耗平衡的最优解；在粒子群的迭代过程中，粒子的速度和位置更新公式为：
其中，ω为惯性因子，其值为非负；c1和c2为加速常数，c1为每个粒子的个体学习因子，c2为每个粒子的社会学习因子；r1和r2是归一化的随机数；变量p
best
用于存储第i个粒子到目前为止找到的最佳位置，如果满足条件则更新其位置f为在每个迭代周期中最大化的目标函数或适应度函数；变量g
best
用于存储粒子群中获得的最佳位置；在这个优化过程中，粒子的移动以不同的方向分布在搜索空间上；粒子群的迭代过程一直持续到达到全局最优，并且在每次迭代中，位置和速度按式(3)、(4)进行更新；求解出的最优指派解X将被用于确定粒子在任意点上的目标函数大小；在解为X的指派情况下，目标函数如式(5)所示：其中，n为无人机的数量总数；dis＝(dis
ij
)＝||p
i
‑
p
j
||2为n
×
n维的表征n个无人机分别到n个目标点的欧式距离；dis
max
和dis
min
分别...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。