【技术实现步骤摘要】
本专利技术是一种用于区域覆盖的仿欧椋鸟无人机集群协同航路避障方法，属于无人机自主控制领域。
技术介绍
1、无人机被广泛应用于测绘、运输、资源勘探等应用领域。近年来，无人机集群和集群行为受到了越来越多的关注，自然界中的成群动物，如鸟类和鱼类已被广泛研究。与鸽群、雁群相比，欧椋鸟群规模巨大，单个集群的个体数量可达到数千只，且行为高度有序，对外界刺激反应快速。一只欧椋鸟只对其周围7～8个邻居的信息做出反应，却可以实现几百只到数万只一起盘旋和翻转，并且能够自发地对捕食者的攻击做出快速且同步的躲避。本专利技术将欧椋鸟群行为机制映射到无人机集群控制中，利用拓扑距离邻居选择法，规定个体只能与固定数量的对象互动。在本专利技术中，为了同时考虑外部安全和集群内部安全，采用了避障方法和有限的集群互动方法。由于自然界中大多数生物视觉都存在盲区，因此在邻域选择方法中引入了有限视角，以生成分布式无人机群控制框架，从而增强无人机集群控制的协同性和灵活性。相关研究表明可以通过在集群中加入一些知情个体来实现对集群的引导。因此，为了更好地控制和引导自主集群，同时又不影响其分布式特性，可以将一些无人机设置为具有所需方向的知情无人机。
2、在航路规划方面，多无人机协同覆盖在许多领域都有广泛应用。多无人机覆盖问题的目标是确保用一组感知能力有限的无人机持续覆盖目标区域。为了保证高效覆盖，需要考虑许多因素，如不同区域之间的重叠、每架无人机的路径长度差、进行全覆盖时的覆盖时间和覆盖周期等因素。此外，不规则的障碍物和任务区增加了问题的复杂性。与单架无人机相比，使用多
3、(1)传统传感器部署问题与区域分割问题分立，解决问题效率不高。本专利技术将传感器部署问题和区域分割问题结合起来。通过这种结合，区域分区问题转化为聚类问题。此外，传统基于聚类的方法中使用相邻方形网格节点较为繁琐，本专利技术中使用的传感器节点更具适应性和实用性。
4、(2)现有的航路规划方法主要考虑最优路径或最短路径，但各无人机的航路长度可能差异较大。借鉴控制理论，本专利技术引入反馈机制和加权距离。通过改进的k-means聚类方法，可以有效地将每架无人机路线之间的差异最小化。
5、(3)传统控制方法虽能保证集群的收敛性，但集群最终的运动方向和速度皆为随机确定。本专利技术引入知情无人机引导机制，确保无人机群在预期的速度值和期望的方向上移动。
技术实现思路
1、本专利技术目的是提供一种用于区域覆盖的仿欧椋鸟无人机集群协同航路避障方法，旨在解决航路规划中的区域划分和传感器分配问题，并通过引入知情无人机引导机制以及基于碰撞锥方法的避障机制，实现多无人机协同避障和区域覆盖搜索。
2、本专利技术是一种用于区域覆盖的仿欧椋鸟无人机集群协同航路避障方法，具体实现步骤如下：
3、步骤一：将给定区域划分为对应数量子区域
4、(1)覆盖给定区域
5、将目标区域划分成一系列方形格，每格边长lc远小于传感器探测半径rs。定义cf＝{c1,c2,...,cm}为可到达区域ra中方格集合。设s＝[s1,s2,...,sn]为传感器集合，其中n为传感器最大数量。该区域需被传感器完全覆盖，即任意方格ci四个顶点都在传感器sj探测范围内，且该区域无障碍物。
6、(2)设计适应度函数
7、设ei＝[p(si),gi]表示传感器i部署的具体信息，p(si)为传感器位置，gi为有效标志，gi＝1表示si被部署。因此，向量[e1,e2,e3,...,en]表示传感器的一种部署情况，即为传感器部署问题的一个可行解。根据传感器部署要求，设计该问题的适应度函数如下：
8、f([e1,e2,...,en])＝λ1×nd+λ2×nu+λ3×no (1)
9、其中nd表示障碍物区域传感器数量，nu表示可到达区域中未被传感器覆盖区域数量，no表示可到达区域中传感器覆盖重叠区域数量，权重λ1>>λ2>>λ3>0，需要找到使得适应度函数值最小的最优解。
10、采用改进合作协同进化粒子群ccpso2算法更新传感器部署位置来解决传感器部署问题。ccpso2算法中粒子的位置通过基于柯西分布和高斯分布的方法进行更新，增加了粒子的多样性，提高了算法性能。该算法将n维解向量分解为k个分量，每个分量对应s维粒子(e1,e2,...,es)的群体，其中s＝n/k。假设pj·xi和pj·yi分别是粒子当前位置和第j个集群中粒子i的局部最优位置，而为集群j的历史全局最优位置。
11、局部最优位置pj·yi和全局最优位置更新公式如下：
12、
13、其中f(·)表示适应度函数，向量b(j,pj·xi)表示向量
14、
15、集群j的速度和位置更新公式如下：
16、
17、pj·xi(t+1)＝pj·yi(t)+c3|pj·yi(t)-pj·y'i(t)| (3)
18、
19、其中ω(t)是平衡全局搜索和局部搜索的惯性系数，r1(t)和r2(t)是[0,1]上随机数，c1，c2，c3是加速度常数，c(1)和n(0,1)分别是柯西分布和高斯分布产生的随机数，pj·vi表示第j个集群的速度。为了保持粒子的多样性，避免过早收敛到局部最优，用局部邻域最优pj·y'i代替全局最优利用环形拓扑来描述粒子的邻域，因此，pj·y'i可以描述为：
20、
21、基于上述改进的ccpso2算法，对适应度函数进行最小化，得到最优部署向量。
22、(3)基于k-means方法的区域划分
23、完成传感器部署问题求解后可获得一个传感器部署集合。这里使用k-means方法对传感器部署点进行聚类。基本工作流程如下：
24、s1.选择初始聚类中心c＝{c1,c2,...,ck}；
25、s2.计算数据点x与聚类中心cj之间的距离d(x,cj)，将数据点划分至最近的聚类中；
26、s3.重新计算每个聚类的中心；
27、s4.重复s2和s3，直到准则函数收敛或聚类中心不再改变。
28、该方法通常采用误差平方准则函数作为准则函数，可表示为：
29、
30、其中k为簇本文档来自技高网...
【技术保护点】
1.一种用于区域覆盖的仿欧椋鸟无人机集群协同航路避障方法，其特征在于：该方法实现步骤如下：
2.根据权利要求1所述的一种用于区域覆盖的仿欧椋鸟无人机集群协同航路避障方法，所述步骤S12的具体实现过程如下：
3.根据权利要求1所述的一种用于区域覆盖的仿欧椋鸟无人机集群协同航路避障方法，所述步骤S13的具体实现过程如下：
4.根据权利要求1所述的一种用于区域覆盖的仿欧椋鸟无人机集群协同航路避障方法，步骤二求解旅行推销员问题具体过程如下：
5.根据权利要求1所述的一种用于区域覆盖的仿欧椋鸟无人机集群协同航路避障方法，步骤S41无人机交互机制具体实现过程如下：
6.根据权利要求1所述的一种用于区域覆盖的仿欧椋鸟无人机集群协同航路避障方法，所述步骤S42知情无人机引导机制具体实现过程如下：
7.根据权利要求1所述的一种用于区域覆盖的仿欧椋鸟无人机集群协同航路避障方法，所述步骤S43基于碰撞锥方法的避障机制具体实现过程如下：
【技术特征摘要】
1.一种用于区域覆盖的仿欧椋鸟无人机集群协同航路避障方法，其特征在于：该方法实现步骤如下：
2.根据权利要求1所述的一种用于区域覆盖的仿欧椋鸟无人机集群协同航路避障方法，所述步骤s12的具体实现过程如下：
3.根据权利要求1所述的一种用于区域覆盖的仿欧椋鸟无人机集群协同航路避障方法，所述步骤s13的具体实现过程如下：
4.根据权利要求1所述的一种用于区域覆盖的仿欧椋鸟无人机集群协同航路避障方法，步骤二求解旅行...
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。