基于鸽子式思维优化无人机与无人船异构协同围捕方法技术

本发明专利技术公开了一种基于鸽子式思维优化无人机与无人船异构协同围捕方法，包括：建立无人机和无人船的数学模型；基于二叉树算法设计无人机与无人船的领导者

【技术实现步骤摘要】
基于鸽子式思维优化无人机与无人船异构协同围捕方法


[0001]本专利技术涉及多水面船路径规划领域，尤其涉及一种基于鸽子式思维优化无人机与无人船异构协同围捕方法。

技术介绍

[0002]随着船舶以及无人机控制技术的快速发展，无人控制系统执行任务已经成为大势所趋，无人系统已被用于各种应用，如监视；定位；搜索和救援；以及跟踪和包围。涉及的平台有同质化的无人机、无人驾驶船舶等。例如，无人机具有速度快、视野广的特点；而无人船在续航能力和稳定性方面表现更好，近年来，为了实现更好的合作和效率，无人机和无人船合作逐渐在民用和军用领域得到重视，如侦察任务、静态或移动目标跟踪和探测、地理信息采集、移动机器人规划和无人系统控制。然而，现有的无人机和无人船配合系统不能满足实际环境和任务的要求，在无人机和无人船系统能够在实践中广泛应用之前，一些问题亟待解决，例如无人机和无人船之间的通信出现问题情况偏多，并且也有出现信息互相交流导致效率低下。此外，现有无人机和无人船合作的目标跟踪和包围涉及多探测器信息融合、目标定位、路径规划和编队控制，并不适合整个混合系统的实时性。

技术实现思路

[0003]本专利技术提供一种基于鸽子式思维优化无人机与无人船异构协同围捕方法，以克服上述技术问题。
[0004]为了实现上述目的，本专利技术的技术方案是：
[0005]一种基于鸽子式思维优化无人机与无人船异构协同围捕方法，包括以下步骤：
[0006]步骤S1：建立无人机和无人船的数学模型；
[0007]步骤S2：通过无人机和无人船的数学模型，初始设定无人机与无人船的领导者与追随者，并基于二叉树算法设计无人机与无人船的领导者
‑
追随者模型；
[0008]所述无人机领导者与无人机追随者之间、无人船领导者与无人船追随者之间均采用微波双向通信；且无人机领导者与无人船领导者通讯链接；
[0009]步骤S3：根据所述无人机与无人船的领导者
‑
追随者模型，设计无人船的围捕控制律；
[0010]步骤S4：基于鸽子式思维对无人机与无人船的领导者
‑
追随者模型进行优化获取最优的领导者
‑
追随者模型；
[0011]步骤S5：通过所述最优的无人机的领导者
‑
追随者模型检测获取海上待围捕目标的位置信息；
[0012]所述位置信息为海上待围捕目标与无人机的领导者之间的相对水平距离；所述无人机的领导者将所述位置信息发送至无人船领导者，所述无人船领导者将所述位置信息下发至无人船跟随者；
[0013]无人船领导者与跟随者根据所述无人船的围捕控制律对海上待围捕目标进行围
捕。
[0014]进一步的，步骤S1中所述建立无人机的数学模型为
[0015][0016][0017][0018][0019][0020]其中，表示无人机x方向的速度；表示无人机y方向的速度；表示无人机Z方向的速度；x方向、y方向以及Z方向均为根据地理坐标系人为设定；表示无人机航向角速度；s.t.|a
nu
|代表无人机实时的加速度；nu表示无人机的数量，x
nu
，y
nu
，z
nu
为无人机相对地面的位置，v
nu
为无人机的地面速度，表示无人机的地面速度的一阶导；a
nu
为无人机的加速度，g为重力加速度，ψ
nu
为无人机的航向角，φ
nu
为无人机的滚动角，λ
nu
为无人机的高度变化率，x
nu
、y
nu
、v
nu
、a
nu
和ψ
nu
表示无人机的状态变量和控制变量；v
umin
和v
umax
代表无人机的速度约束，a
umax
和分别代表无人机的最大加速度和滚动角；
[0021]所诉无人船的数学模型为
[0022][0023][0024][0025]其中，表示无人船x方向导数；表示无人船y方向导数；s.t.v
gmin
表示无人船实时的速度；x
ng
，y
ng
，v
ng
和ψ
ng
分别表示无人船的位置、速度以及航向；a
ng
表示无人船的加速度，v
gmin
和v
gmax
表示无人船的速度约束。
[0026]进一步的，步骤S2中基于二叉树算法设计无人机与无人船的领导者
‑
追随者模型，具体为
[0027]步骤S2.1：设定混合多层分布式系统，所述混合多层分布式系统包括若干无人机与若干无人船；
[0028]所述无人机与无人船基于二叉树算法建立通讯拓扑图，且设定初始无人机与无人船的领导者与跟随者，所述无人机跟随者将检测区域内检测到的海上待围捕目标，并将海上待围捕目标的位置信息发送至无人机领导者；
[0029]步骤S2.2：所述无人机领导者根据无人机跟随者发送的海上待围捕目标的位置信息，与无人机领导者与该无人机跟随者之间的相对距离，生成最终的海上待围捕目标的位置信息；
[0030]所述无人机领导者将最终的海上待围捕目标的位置信息发送至无人船领导者；
[0031]步骤S2.3：所述无人船领导者将最终的海上待围捕目标的位置信息下发至无人船跟随者，使得所述无人船领导者与跟随者根据最终的海上待围捕目标的位置信息为海上待
围捕目标提供围捕数据。
[0032]进一步的，所述无人机的检测区域为通过采集探测器的覆盖面积获得，计算公式为
[0033][0034]式中：R
S
表示采集探测器的覆盖面积；z
nu
为无人机相对地面的位置；表示无人机自带的视线参数最大值。
[0035]进一步的，步骤S3中所述的无人船的围捕控制律具体为
[0036][0037]其中，和分别为n
g1
和n
g2
的期望围捕半径与期望承载空间；n
g1
和n
g2
为无人船的编号；ρ
ng
(t)含义是随时间变化的半径；表示围捕时任意一条无人船n
g1
的速度；表示围捕时与任意一条无人船n
g1
相邻无人船n
g2
的速度；ρ
ng
为实际围捕时的半径；为围捕完成后的期望半径；x
ng
为无人船相对地面的x坐标；x
nt
为被围捕的目标相对地面的x坐标；y
ng
为无人船相对地面的y坐标；y
nt
为被围捕的目标相对地面的y坐标；为围捕无人船的目标的实时速度；v
nt
(t)为被围捕目标的实时速度。
[0038]进一步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于鸽子式思维优化无人机与无人船异构协同围捕方法，其特征在于，包括以下步骤：步骤S1：建立无人机和无人船的数学模型；步骤S2：通过无人机和无人船的数学模型，初始设定无人机与无人船的领导者与追随者，并基于二叉树算法设计无人机与无人船的领导者
‑
追随者模型；所述无人机领导者与无人机追随者之间、无人船领导者与无人船追随者采用微波双向通信；且无人机领导者与无人船领导者通讯链接；步骤S3：根据所述无人机与无人船的领导者
‑
追随者模型，设计无人船的围捕控制律；步骤S4：基于鸽子式思维对无人机与无人船的领导者
‑
追随者模型进行优化获取最优的领导者
‑
追随者模型；步骤S5：通过所述最优的无人机的领导者
‑
追随者模型检测获取海上待围捕目标的位置信息；所述位置信息为海上待围捕目标与无人机的领导者之间的相对水平距离；所述无人机的领导者将所述位置信息发送至无人船领导者，所述无人船领导者将所述位置信息下发至无人船跟随者；无人船领导者与跟随者根据所述无人船的围捕控制律对海上待围捕目标进行围捕。2.根据权利要求1所述的一种基于鸽子式思维优化无人机与无人船异构协同围捕方法，其特征在于，步骤S1中所述建立无人机的数学模型为法，其特征在于，步骤S1中所述建立无人机的数学模型为v
umin
≤v
nu
≤v
umax
s.t.|a
nu
|≤a
umaxmax
其中，表示无人机x方向的速度；表示无人机y方向的速度；表示无人机Z方向的速度；x方向、y方向以及Z方向均为根据地理坐标系人为设定；表示无人机航向角速度；s.t.|a
nu
|代表无人机实时的加速度；nu表示无人机的数量，x
nu
，y
nu
，z
nu
为无人机相对地面的位置，v
nu
为无人机的地面速度，表示无人机的地面速度的一阶导；a
nu
为无人机的加速度，g为重力加速度，ψ
nu
为无人机的航向角，φ
nu
为无人机的滚动角，λ
nu
为无人机的高度变化率，x
nu
、y
nu
、v
nu
、a
nu
和ψ
nu
表示无人机的状态变量和控制变量；v
umin
和v
umax
代表无人机的速度约束，a
umax
和分别代表无人机的最大加速度和滚动角；所诉无人船的数学模型为所诉无人船的数学模型为s.t.v
gmin
≤v
ng
≤v
gmax
其中，表示无人船x方向导数；表示无人船y方向导数；s.t.v
gmin
表示无人船实时的速度；x
ng
，y
ng
，v
ng
和ψ
ng
分别表示无人船的位置、速度以及航向；a
ng
表示无人船的加速度，v
gmin
和v
gmax
表示无人船的速度约束。3.根据权利要求1所述的一种基于鸽子式思维优化无人机与无人船异构协同围捕方法，其特征在于，步骤S2中基于二叉树算法设计无人机与无人船的领导者
‑
追随者模型，具体为步骤S2.1：设定混合多层分布式系统，所述混合多层分布式系统包括若干无人机与若干无人船；所述无人机与无人船基于二叉树算法建立通讯拓扑图，且设定初始无人机与无人船的领导者与跟随者，所述无人机跟随者将检测区域内检测到的海上待围捕目标，并将海上待围捕目标的位置信息发送至无人机领导者；步骤S2.2：所述无人机领导者根据无人机跟随者发送的海上待围捕目标的位置信息，与无人机领导者与该无人机跟随者之间的相对距离，生成最终的海上待围捕目标的位置信息；所述无人机领导者将最终的海上待围捕目标的位置信息发送至无人船领导者；步骤S2.3：所述无人船领导者将最终的海上待围捕目标的位置信息下发至无人船跟随者，使得所述无人船领导者与跟随者根据最终的海上待围捕目标的位置信息为海上待围捕目标提供围捕数据。4.根据权利要求3所述的一种基于鸽子式思维优化无人机与无人船异构协同围捕方法，其特征在于，所述无人机的检测区域为通过采集探测器的覆盖面积获得，计算公式为式中：R
S
表示采集探测器的覆盖面积；z
nu
为无人机相对地面的位置；表示无人机自带的视线参数最大值。5.根据权利要求1所述的一种基于鸽子式思维优化无人机与无人船异构协同围捕方法，其特征在于，步骤S3中所述的无人船的围捕控制律具体为其中，和分别为n
g1
和n
g2
的期望围捕半径与期望承载空间；n
g1
和n
g2
为无人船的编号；ρ
ng
(t)含义是随时间变化的半径；表示围捕时任意一条无人船n
g1
的速度；表示围捕时与任意一条无人船n
g1
相邻无人船n
g2
的速度；ρ
ng
为实际围捕时的半径；为围捕完成后的期望半径；x
ng
为无人船相对地面的x坐标；x
nt
为被围捕的目标相对地面的x坐标；y
ng
为无人船相对地面的y坐标；y
nt
为被围捕的目标相对...

【专利技术属性】
技术研发人员：王莎莎，刘彪，庹玉龙，彭周华，耿少龙，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：