无人机避障控制方法及相关产品技术

本发明专利技术公开了一种无人机避障控制方法及相关产品。该方法包括：获取障碍区域信息；根据无人机动力学模型、所述障碍区域信息、安全区域信息、控制李雅普诺夫约束条件(CLF条件)以及控制障碍约束条件(CBF条件)进行二次规划，得到无人机的控制输入信息，其中，所述控制障碍约束条件是根据经过p

【技术实现步骤摘要】
无人机避障控制方法及相关产品


[0001]本专利技术属于无人机控制
，具体涉及一种无人机避障控制方法及相关产品。

技术介绍

[0002]本部分旨在为权利要求书中陈述的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]近年来四旋翼无人机在军用、民用领域日益普及，可应用于电力巡检、安全巡逻、战场预警、交通安全、环境勘探、农业覆盖任务等众多军事和民用领域。与此同时，无人机的安全性也越来越受到业界和学术界的关注。如何在复杂障碍环境下实现无人机的安全自主飞行是一个重要的问题。具体而言，无人机在执行任务的过程中往往需要跟踪参考轨迹，但是在实际环境中可能存在各种障碍物，导致无人机的轨迹跟踪和避障之间可能存在潜在的冲突。为解决这一问题，需要一种实时避障框架保证无人机的安全飞行。
[0004]传统的无人机避障控制算法大多采用基于人工势场的方法，即目标位置对无人机产生引力，障碍物对无人机产生排斥力以使无人机远离障碍物从而实现避障的功能。然而这一类控制方案存在明显不足，即存在局部极值点问题，所谓局部极值点问题是指由于引力和排斥力相互抵消而使无人机受力为零，停在原地的现象。为解决局部极值点的问题，近年来，有学者提出了基于障碍李雅普诺夫函数的无人机避障控制方法，该方法将无人机安全约束转化为对无人机状态(即无人机位置)的约束。然而在实际应用中，当无人机距离障碍物较近时，障碍李雅普诺夫函数会趋近于无穷，这会直接导致无人机控制输入的饱和，对电机寿命造成严重的损害，因此提出一种安全可靠的无人机在线避障控制算法对安全飞行至关重要。
[0005]近五年以来，基于轨迹规划的无人机安全飞行控制方案受到业界广泛认可，轨迹规划算法可以为无人机规划一条安全并且在动力学可行的轨迹，配合轨迹跟踪控制器即可实现无人机安全飞行任务。然而轨迹规划算法往往要在机载计算机上完成，受限于飞行载荷，对于小型无人机而言，机载计算机在性能和算力上较差，很难轨迹规划算法的运行速度很难满足控制需求。因此，对于小型无人机而言，算法的轻量化和运行实时性至关重要，具备深入研究的价值。

技术实现思路

[0006]本专利技术提供一种无人机避障控制方法及相关产品。
[0007]本专利技术提供如下技术方案：一种无人机避障控制方法，包括：获取障碍区域信息；根据无人机动力学模型、所述障碍区域信息、控制李雅普诺夫约束条件(CLF条件)以及控制障碍约束条件(CBF条件)进行二次规划，得到无人机的控制输入信息，其中，所述控制障碍约束条件是根据经过p
‑
范数光滑的控制障碍函数确定的，p为大于1的整数，当p趋于正无穷时，根据所述控制障碍函数定义的允许飞行区域与安全区域相同，并且当无人机感知范围
内障碍物数量为0时，所述控制障碍函数仍有定义且取值大于或等于0，所述安全区域为无人机感知范围内所述障碍区域之外的区域。
[0008]可选地，所述控制障碍函数为：
[0009][0010]其中，h为控制障碍函数，q为无人机坐标，i为无人机感知半径内障碍物的编号,h
i
(q)为描述无人机与第i个障碍物的障碍区域数学模型边界的距离大小的辅助函数，d
safe
为预设的安全距离值，p为大于1的预设的整数。Δ为一预设的值，在飞行过程中满足Δ＞max{h
i
}+d
safe
。
[0011]可选地，所述辅助函数为：
[0012]h
i
＝||q
‑
q
i
||
‑
r
i
；
[0013]其中，q
i
为第i个障碍物的中心坐标，r
i
为第i个障碍物的障碍区域数学模型的半径。
[0014]可选地，10≤p≤20。
[0015]可选地，所述控制障碍约束条件为：
[0016][0017]其中，h为控制障碍函数，q为无人机坐标，f和g均为设定的满足局部李普希茨条件的函数，u为无人机控制输入，α4为预设的类函数，f(q)+g(q)u表示无人机运动学数学模型。
[0018]可选地，预设的控制李雅普诺夫约束条件为：
[0019][0020]其中，q为无人机坐标，为无人机动力学模型，q
g
为目标中心坐标，K为预设正常数，u为无人机控制输入，U为无人机可行控制输入集合，α3为预设的类函数。
[0021]本专利技术提供如下技术方案：一种无人机避障控制装置，包括：获取模块，用于获取障碍区域信息；规划模块，用于根据无人机动力学模型、所述障碍区域信息、控制李雅普诺夫约束条件(CLF条件)以及控制障碍约束条件(CBF条件)进行二次规划，得到无人机的控制输入信息，其中，所述控制障碍约束条件是根据经过p
‑
范数光滑的控制障碍函数确定的，p为大于1的整数，当p趋于正无穷时，根据所述控制障碍函数定义的允许飞行区域与安全区域相同，并且当无人机感知范围内障碍物数量为0时，所述控制障碍函数仍有定义且取值大于或等于0，所述安全区域为无人机感知范围内所述障碍区域之外的区域。
[0022]本专利技术提供如下技术方案：一种无人机避障控制装置，包括：存储器和处理器，所述存储器存储指令，所述处理器运行所述指令以执行前述的方法。
[0023]本专利技术提供如下技术方案：一种无人机，包括前述的无人机避障控制装置。
[0024]本专利技术提供如下技术方案：一种程序产品，所述程序产品在处理器上运行时执行前述的无人机避障控制方法。
[0025]本专利技术提供了一种经过p
‑
范数光滑的控制障碍函数的无人机安全飞行避障控制
方法，与现有基于人工势场的方法相比，避免了出现无人机陷入势场局部极小值点而困在原地的不利工况。与现有基于障碍李雅普诺夫函数的方法相比，避免了出现无人机控制输入过大的情况，延长无人机使用寿命。同时相比于基于轨迹规划的算法，本专利技术提供的方法兼顾轻量化和运算实时性。
[0026]相比于现有的利用控制障碍函数(CBF)实现无人机安全避障飞行的方法相比，本专利技术提供了经过p
‑
范数光滑的控制障碍函数这一技术环节，该技术可以保障在无障碍区域内，所设计控制输入优化问题始终有意义，避免了部分位置出现控制障碍函数导数数值奇异情况的情况出现，进而可以保障避障控制方法的稳定性和有效性。
附图说明
[0027]图1是无人机穿越复杂障碍环境同时实现目标跟踪和避障任务示意图。
[0028]图2是本专利技术的无人机避障控制方法流程示意图。
[0029]图3是现有基于人工势场的避障控制技术在仿真验证中无人机运动轨迹。
[0030]图4是本专利技术的避障控制方法在仿真验证中无人机运动轨迹。
[0031]图5a是本专利技术的无人机避障控制方法在仿真验证中无人机的X方向控制输入。
[0032]图5b是本专利技术的无人机避障控制方法在仿真验证中无人机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机避障控制方法，其特征在于，包括：获取障碍区域信息；根据无人机动力学模型、所述障碍区域信息、控制李雅普诺夫约束条件(CLF条件)以及控制障碍约束条件(CBF条件)进行二次规划，得到无人机的控制输入信息，其中，所述控制障碍约束条件是根据经过p
‑
范数光滑的控制障碍函数确定的，p为大于1的整数，当p趋于正无穷时，根据所述控制障碍函数定义的允许飞行区域与安全区域相同，并且当无人机感知范围内障碍物数量为0时，所述控制障碍函数仍有定义且取值大于或等于0，所述安全区域为无人机感知范围内所述障碍区域之外的区域。2.根据权利要求1所述的方法，其特征在于，所述控制障碍函数为：其中，h为控制障碍函数，q为无人机坐标，i为无人机感知半径内障碍物的编号,h
i
(q)为描述无人机与第i个障碍物的障碍区域数学模型边界的距离大小的辅助函数，d
safe
为预设的安全距离值，p为大于1的预设的整数。Δ为一预设的值，在飞行过程中满足Δ＞max{h
i
}+d
safe
。3.根据权利要求2所述的方法，其特征在于，所述辅助函数为：h
i
＝||q
‑
q
i
||
‑
r
i
；其中，q
i
为第i个障碍物的中心坐标，r
i
为第i个障碍物的障碍区域数学模型的半径。4.根据权利要求1所述的方法，其特征在于，10≤p≤20...

【专利技术属性】
技术研发人员：王薇，则坤睿，申佳军，刘克新，冉茂鹏，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：