【技术实现步骤摘要】
一种三维未知复杂环境下无人机群协同围捕方法
[0001]本专利技术属于无人机
,具体为一种三维未知复杂环境下无人机群协同围捕方法
。
技术介绍
[0002]受自然界生物集群行为的启发,群体智能系统因其高效解决问题的能力而被广泛应用于各种场合
。
无人机群系统是由单个结构简单的无人机组成的群体智能系统,与单个无人机相比,无人机群可以通过个体之间的协同合作完成单个无人机无法完成的复杂任务且具有鲁棒性
、
可扩展性等特点
。
目前,无人机群常见的应用场景有:协同搜索
、
目标跟踪
、
协同围捕等
。
在协同围捕场景的研究中,现有研究中很多考虑的环境均为无障碍物的三维环境,且没有进行稳定性分析,还有一些研究围捕模型的算法采用集中式控制,系统的鲁棒性能较差
。
[0003]另外,无人机群在运动过程中处于未知的复杂环境,面对复杂环境中存在的非凸障碍物,无人机在运动过程中易陷入非凸障碍物,进而造成无法避开非凸障碍物或所消耗路径过大
、
时耗过长
。
技术实现思路
[0004]针对现有技术存在的上述问题,本专利技术的目的是提供一种三维未知复杂环境下无人机群协同围捕方法,融合膨胀算法和三维简化虚拟受力围捕模型,提出了三维非凸复杂环境下无人机群协同围捕算法,该算法可应用于三维凸和非凸复杂环境下的无人机群围捕场景,时间消耗
、
路径消耗上均减少了
。< ...
【技术保护点】
【技术特征摘要】
1.
一种三维未知复杂环境下无人机群协同围捕方法,其特征在于,包括如下步骤:步骤
S1
:建立无人机群模型,所述模型包括无人机群系统避障模型,所述无人机群系统避障模型基于膨胀原理建立;步骤
S2
:建立围捕算法,包括如下步骤:步骤
S21
:建立三维简化虚拟受力围捕模型,步骤
S22
:基于三维简化虚拟受力围捕模型和无人机群系统避障模型计算无人机个体所受合力大小和速度,步骤
S23
:计算无人机个体期望速度和角度,并按一个时间步长更新个体的位置,步骤
S24
:判断无人机群中每个无人机个体是否均到达围捕圆周上并均匀分布在围捕圆周上,如果是,则围捕算法结束,如果否,则返回步骤
S22。2.
根据权利要求1所述的围捕方法,其特征在于:步骤
S1
建立的模型还包括无人机个体运动模型
、
无人机个体受力模型
、
围捕任务模型
。3.
根据权利要求1所述的围捕方法,其特征在于:无人机群系统避障模型包括球形膨胀算法和半球膨胀算法
。4.
根据权利要求3所述的围捕方法,其特征在于:当三维环境中存在的非凸障碍物为缺底面的空心圆柱或缺底面和侧面的空心长方体时,采用球形膨胀算法;当三维环境中存在的非凸障碍物为缺底面的空心圆锥或半空心球时,采用半球形膨胀算法
。5.
根据权利要求4所述的围捕方法,其特征在于:当非凸障碍物为缺底面的空心圆柱时,采用球形膨胀算法建立的球的球心为所述圆柱的中心,球的半径为第一尺寸和无人机尺寸之和,所示第一尺寸为所述圆柱的中心到所述圆柱上底面或下底面圆周上任意一点的距离,所述无人机尺寸为无人机的长度
、
宽度和高度三者中的最大值;当非凸障碍物为缺底面和侧面的空心长方体时,采用球形膨胀算法建立的球的球心为所述长方体的中心,球的半径为所述长方体对角线的一半和无人机尺寸之和;当非凸障碍物为缺底面的空心圆锥时,采用半球形膨胀算法建立的半球的球心为所述圆锥底面的中心,半球的半径为第三尺寸和无人机尺寸之和,所述第三尺寸为所述圆锥底面半径和所述圆锥的高两者中的最大值;当非凸障碍物为半空心球时,采用半球形膨胀算法建立的半球的球心为所述半空心球底面的中心,半球的半径为所述半空心球的半径和无人机尺寸之和
。6.
根据权利要求1所述的围捕方法,其特征在于:所述围捕方法还包括如下步骤:步骤
S3
:分析算法稳定性,包括无障碍物环境下算法稳定性分析和未知复杂环境下算法稳定性分析
。7.
根据权利要求1所述的围捕方法,其特征在于:步骤
...
【专利技术属性】
技术研发人员:张红强,蒋萍,吴亮红,王汐,左词立,陈祖国,刘朝华,陈磊,
申请(专利权)人:湖南科技大学,
类型:发明
国别省市:
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。