System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于无人机集群,尤其涉及一种基于视野和自适应避障半径的无人机集群避障方法。
技术介绍
1、面对未来战场信息缺失且复杂多变的外部环境,无人机集群将以其低成本、大规模的集群形态弥补单架无人机活动范围有限、任务失败率高等缺陷,成为对敌作战中的重要手段。而灵活、高效的避障飞行,就成为保证无人机集群飞行安全的一项关键技术难题。
2、依据集群无人机间的信息交互方式可以将集群分为集中式和分布式,集中式集群避障原理简单,易求得全局最优,但其对通讯带宽要求高,不适用于作战环境,同时中心无人机一旦发生故障,会使整个集群陷入瘫痪状态,给集群飞行带来很大风险。分布式集群中每个无人机均可视为是相对独立的智能体。集群中无人机通过局部通讯网络与周围邻居进行信息交互,相互协同且独立的做出决策,同时局部无人机发生故障不会给整个集群的飞行安全带来影响。
3、无人机集群避障时,往往需要破坏集群形态,在避障过程中不仅要和障碍物保持一定的距离,同时还要兼顾和集群内部其他无人机的碰撞风险。集群无人机个体外部避障机制与集群内部防撞机制的设计与协调是集群避障重要的研究内容之一。
技术实现思路
1、专利技术目的:本专利技术所要解决的技术问题是针对现有技术的不足,提供一种基于视野和自适应避障半径的无人机集群避障方法,包括以下步骤:
2、步骤1,根据无人机运动模型及当前位置,获取预测时域内的参考路径;
3、步骤2,根据视野法设计集群自适应通讯拓扑机制;
4、步骤3,
5、步骤4,根据无人机的期望行为构造目标函数,并赋予相应的权重;
6、步骤5,基于分布式模型预测控制,将无人机集群的避障问题转化为单架无人机有限时域内局部最优控制问题,求解无人机的控制输入。
7、步骤1包括:引入无人机化简后的运动模型:
8、
9、其中,[x,y,z]为无人机i的三维空间位置坐标,分别为x、y、z的一阶导数,v为速度标量,分别为χ、γ、ω、ρ的一阶导数,χ为航迹方位角,γ为航迹倾斜角,ω为航迹方位角速度,ρ为航迹倾斜角速度,η为航迹方位角速度变化率,μ为航迹倾斜角速度变化率;
10、η、μ是无人机控制量,对η、μ进行离散化,得到无人机状态量的差分方程:
11、
12、且满足固定翼无人机运动约束:
13、
14、其中x(k)、y(k)、z(k)、χ(k)、γ(k)、ω(k)、ρ(k)、η(k)、μ(k)分别为x、y、z、χ、γ、ω、ρ、η、μ在离散时域下的对应表述,设定k表示当前时刻,则k+1表示下一时刻,其中δt为相邻时刻的时间间隔;γsat、ωsat、ρsat、ηsat、μsat分别表示无人机的最大爬升角、最大航迹方位角速度、最大航迹倾斜角速度、最大航迹方位角速度变化率和最大航迹倾斜角速度变化率;
15、依据无人机当前位置获得预测时域内的参考航线信息,设定无人机当前位置为(x,y,z),则令xl=x,获取给定航路上的对应点参考信息为(xl,yl,zl,χl,γl),xl、yl、zl、χl、γl分别为与当前时刻对应的参考航线处的参考点x坐标、y坐标、z轴坐标、参考航迹方位角和参考航迹倾斜角;
16、对于预测时域np内的参考航点信息,通过更新x的位置,获取与航线信息相对应的y、z、χ和γ,x位置更新方法为:
17、
18、
19、
20、……
21、
22、
23、
24、然后根据序列确定参考航点信息,其中为预测时域内第一步的参考x轴坐标;为与处对应的参考航迹倾斜角,与γl相等;为与处对应的参考航迹方位角,与χl相等;为预测时域内第l步的参考x轴坐标,为与处对应的参考航迹倾斜角,为与处对应的参考航迹方位角。
25、步骤2包括:
26、步骤2-1,将航向信息转换为速度向量,计算无人机j相对无人机i运动方向的夹角θij:
27、
28、其中acos代表三角函数中的反余弦,pi为无人机i的位置向量,pj为无人机j的位置向量,vi为无人机i的速度向量;
29、步骤2-2,判断夹角θij是否属于范围内:
30、
31、其中,为无人机视野范围,以个体速度为基准,向四周扩散角度;如果满足则无人机j与无人机i在角度上满足邻居关系,执行步骤2-3;否则判定无人机j不是无人机i的邻居,不再需要基于距离进行判断;
32、步骤2-3,判断无人机j与无人机i之间距离是否小于通讯距离r:
33、||pj-pi||<r
34、如果满足||pj-pi||<r,则无人机j是无人机i的邻居,能够建立通讯关系,便于进行机间数据交换;
35、步骤2-4,邻居集合ni为:
36、
37、其中r为无人机的通信距离,集群飞行时n为所有无人机的集合;
38、避障模式:个体的前向感知视角减小为同时增加当前障碍物相对于无人机方向两侧的邻居视角使无人机关注靠近障碍物一侧的邻居;
39、基于障碍物视野的邻居判断步骤包括:
40、步骤a1,计算无人机j相对个体i到障碍物中心位置o的夹角θioj:
41、
42、步骤a2,判断夹角θioj是否属于范围内:
43、
44、其中为无人机避障模式下的视野范围,如果满足则无人机j与无人机i在基于障碍物视野的角度上满足邻居关系,执行步骤a3;否则判定无人机j不是无人机i的邻居,不再需要基于距离进行判断;
45、步骤a3,判断无人机j与无人机i之间距离是否小于通讯距离r:
46、||pj-pi||<r
47、如果无人机j与无人机i在基于障碍物视野的角度上满足邻居关系,且满足||pj-pi||<r,则无人机j是无人机i基于障碍物视野的邻居;
48、步骤a4,障碍物规避拓展邻居集合为:
49、
50、避障模式下最终邻居集合为
51、步骤3包括:
52、步骤3-1,当无人机距障碍物表面距离小于避障触发距离时,根据无人机的速度方向,基于当前位置构造直线方程,并且将直线方程转换为如下标准型:
53、l:axl+byl+czl+d=0;
54、其中a、b、c、d为直线l的带求解参数,xl、yl、zl为满足直线方程上的点的坐标;
55、步骤3-2,计算直线l与障碍物球面交点,连接障碍物圆心与首个交点形成一条直线l1,记此直线l1与无人机当前速度方向的夹角为避障威胁角α,最佳避障半径与α成正比:
56、
57、其中本文档来自技高网...
【技术保护点】
1.一种基于视野和自适应避障半径的无人机集群避障方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,步骤1包括:引入无人机化简后的运动模型:
3.根据权利要求2所述的方法,其特征在于,步骤2包括:
4.根据权利要求3所述的方法,其特征在于,步骤3包括:
5.根据权利要求4所述的方法,其特征在于,步骤4包括:建立如下目标函数J:
6.根据权利要求5所述的方法,其特征在于,步骤5包括:
7.根据权利要求6所述的方法,其特征在于,步骤5-1具体包括:
8.根据权利要求7所述的方法,其特征在于,步骤5-2具体包括:
9.一种存储介质,其特征在于,存储有计算机程序或指令,当所述计算机程序或指令被运行时,实现如权利要求1至8中任一项所述的方法。
【技术特征摘要】
1.一种基于视野和自适应避障半径的无人机集群避障方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,步骤1包括:引入无人机化简后的运动模型:
3.根据权利要求2所述的方法,其特征在于,步骤2包括:
4.根据权利要求3所述的方法,其特征在于,步骤3包括:
5.根据权利要求4所述的方法,其特征在于,步骤4包括:...
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。