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,特别涉及无人机控制策略安全性验证与修正方法及系统。
技术介绍
1、无人机基于其灵活敏捷、垂直起降等优势,广泛应用于搜索救援、电路巡检、快递运输、航拍测绘、农林植保等工、农业领域。尽管如此,作为对自身动力学变化及外部环境扰动等危险因素极为敏感的空中无人系统,随着应用场景多样化及环境复杂度的提升,对无人机飞行控制策略的安全性提出了更高的要求和挑战。然而,由于安全性要求加剧了无人机飞行控制策略的保守程度,其在安全性与机动性之间的权衡也是影响无人机高效执行复杂飞行任务的关键因素。为此,一种更加安全且机动的无人机飞行控制策略成为当前无人机系统的迫切需求。目前,针对无人机飞行控制策略安全性的研究主要分为以下几种方法:
2、(1)基于模型的最优控制方法
3、此类方法通常将无人机系统建模为确定的刚体,在此基础上,通过将无人机控制策略抽象为满足动力学约束及各类安全性约束的最优控制问题,从而得到具有安全性保证的无人机飞行控制策略,达到无人机安全飞行控制的目的。通过求解一个带有约束的有限时域模型预测控制问题,得到了能够同时满足所有约束的无人机控制策略,解决了无人机在飞行过程中遇到的安全性挑战。然而,该方法需要依赖严格且复杂的数学形式来构造无人机控制策略的优化目标及约束,由此导致了其复杂的非线性结构且往往难以通过近似求解的方式得到其可行解。此外,无人机控制策略对于复杂约束的满足会不断加剧其输出控制动作的保守性,进而使得其无法适用于无人机系统对飞行机动性的需求。
4、(2)基于无模型的安全强化学习
5、强化学习方法作为一种新型的智能自学习序列决策方法,由于其无需依赖复杂的系统模型,仅在与环境不断交互试错的过程中,基于其强大的策略搜索与优化能力,在无人机飞行控制领域逐渐得到了应用。然而,大多数无模型的强化学习方法由于无法显示地表达系统需要满足的安全性约束而使得学习到的无人机控制策略不具备安全性保证。尽管利用带约束的马尔科夫决策过程可以构造出一类安全强化学习方法[7]用于训练满足安全性要求的无人机控制策略,但此类方法由于安全性约束的限制,在一定程度上会影响策略探索与优化的效率,且训练出的无人机安全控制策略均与所处的应用场景和特定的飞行任务进行了深度耦合,不具备通用性和对多样化应用场景的泛化能力。此外,在无人机控制策略的训练过程中,由于其与环境交互存在不断的试错与探索,因此,无法避免其违反安全性约束,进而无法保证其在训练过程中的安全性。
6、(3)基于安全性验证的方法
7、安全性验证是另一类通过判断无人机控制策略是否违反安全性约束来对其安全性进行验证的方法,与此同时,基于判断结果对无人机控制策略进行安全性修正,从而实现无人机系统的安全飞行控制效果。通过学习的方法训练了一种针对不安全控制策略进行替换的恢复策略作为其违反安全性约束情况下的备用策略,在一定程度上提升了控制策略的安全性。但是,由于该恢复策略是一种基于数据驱动的学习类方法,因此,其本身仍然存在安全风险,无法提供严格的安全性保证。为了避免学习类方法存在的安全风险,通过构造障碍函数的方式,将控制策略限制在具有严格数学形式表征的安全集内。尽管如此,由于该方法存在障碍函数构造难度大且计算复杂度高等问题,无法满足无人机控制对实时性的要求。也有研究提出了一种安全性滤波器用于预测和修正系统原有控制策略来达到安全控制的目的,但是由于其未考虑该滤波器对复杂多样化应用场景的自适应性,因而无法适用于无人机系统在多变场景下执行复杂的飞行任务。
技术实现思路
1、本专利技术提供无人机控制策略安全性验证与修正方法及系统,旨在至少解决现有技术中存在的技术问题之一。
2、本专利技术的技术方案涉及无人机控制策略安全性验证与修正方法及系统,所述的无人机控制策略安全性验证与修正方法应用于无人机系统上,所述无人机系统包含原有的无人机飞行控制策略,所述的方法包括以下步骤:
3、s100、获取当前无人机系统状态信息、无人机系统的原有无人机飞行控制策略输出的未验证的潜在不安全动作、和无人机自适应调节的安全约束边界;
4、s200、基于优化目标范数,建立并求解带有无人机动力学及安全性约束的有限时域优化问题,得到用于无人机系统飞行控制的安全控制动作;
5、s300、基于无人机自适应调节的安全约束边界,建立并更新无人机状态需要满足的安全性约束;
6、s400、在有限时域范围内迭代计算步骤s200和步骤s300,得到无人机在未来有限时域范围内的安全状态序列及对应的安全控制动作序列。
7、进一步,所述步骤s200包括:
8、s210、基于在最大化保留原有无人机飞行控制策略性能的同时,保证其输出控制动作的安全性,定义无人机系统的优化目标范数距离;
9、s220、基于接收的无人机状态信息和预测得到的安全控制动作,进行无人机动力学转移,建立在有限时域[0,m-1]范围内安全控制动作的无人机动力学约束。
10、进一步,所述步骤s210中,所述优化目标范数距离为:
11、
12、其中,为原有无人机飞行控制策略在t时刻输出的未验证的潜在不安全控制动作,为经过安全性验证与修正方法优化后得到的t时刻无人机安全控制动作。
13、进一步,原有无人机飞行控制策略输出的未验证的潜在不安全控制动作为:
14、
15、其中,ft为无人机中所有机载电机生成的合推力,ωt为无人机在机体坐标系下的三轴角速度。
16、进一步,所述步骤s220中,对有限时域范围内所有的整数m,所述无人机动力学约束为:
17、
18、其中,且m为整数,st+m为无人机在t+m时刻的状态,为无人机在t+m时刻的安全控制动作,st+m+1为由无人机动力学模型f(·)经过计算得到的下一时刻t+m+1的状态。
19、进一步,所述步骤s220中,在t时刻无人机状态st包括:
20、st=[pt,qt,vt],
21、其中,pt为t时刻无人机的位置信息,qt为t时刻无人机的姿态四元数信息,vt为t时刻无人机的线速度信息。
22、进一步,所述步骤s300中,无人机状态的安全性约束包括无人机在有限时域范围内的状态均需处于安全状态集合s内,
23、所述安全状态集合s为:
24、
25、其中,st为无人机在t时刻的状态,b为状态安全性约束在每个状态分量上的权重矩阵,为在t时刻无人机状态需要满足的安全状态边界值,
26、
27、
28、其中,为t时刻无人机的位置信息的最小值,为t时刻无人机的姿态四元数信息的最小值,为t时刻无人机的线速度信息的最小值,为t时刻无人机的位置信息的最大值,为t时刻无人机的姿态四元数信息的最大值,为t时刻无人机的线速度信息的最大值。
29、进一步,所述步骤s300中,无人机控本文档来自技高网...
【技术保护点】
1.无人机控制策略安全性验证与修正方法,所述的无人机控制策略安全性验证与修正方法应用于无人机系统上,所述无人机系统包含原有的无人机飞行控制策略,其特征在于,所述的方法包括以下步骤:
2.根据权利要求1所述的无人机控制策略安全性验证与修正方法,其特征在于,所述步骤S200包括:
3.根据权利要求2所述的无人机控制策略安全性验证与修正方法,其特征在于,所述步骤S210中,所述优化目标范数距离为:
4.根据权利要求3所述的无人机控制策略安全性验证与修正方法,其特征在于,原有无人机飞行控制策略输出的未验证的潜在不安全控制动作为:
5.根据权利要求2所述的无人机控制策略安全性验证与修正方法,其特征在于,所述步骤S220中,对有限时域范围内所有的整数m,所述无人机动力学约束为:
6.根据权利要求5所述的无人机控制策略安全性验证与修正方法,其特征在于,所述步骤S220中,在t时刻无人机状态st包括:
7.根据权利要求1所述的无人机控制策略安全性验证与修正方法,其特征在于,所述步骤S300中,无人机状态的安全性约束包括无人机
8.根据权利要求1所述的无人机控制策略安全性验证与修正方法,其特征在于,所述步骤S300中,无人机控制动作的安全性约束包括无人机在有限时域范围内的控制动作均需处于安全动作集合U内,
9.根据权利要求8所述的无人机控制策略安全性验证与修正方法,其特征在于,
10.无人机控制策略安全性验证与修正系统,用于实施如权利要求1至权利要求9中任一项所述的方法,所述无人机控制策略安全性验证与修正系统包括:
...【技术特征摘要】
1.无人机控制策略安全性验证与修正方法,所述的无人机控制策略安全性验证与修正方法应用于无人机系统上,所述无人机系统包含原有的无人机飞行控制策略,其特征在于,所述的方法包括以下步骤:
2.根据权利要求1所述的无人机控制策略安全性验证与修正方法,其特征在于,所述步骤s200包括:
3.根据权利要求2所述的无人机控制策略安全性验证与修正方法,其特征在于,所述步骤s210中,所述优化目标范数距离为:
4.根据权利要求3所述的无人机控制策略安全性验证与修正方法,其特征在于,原有无人机飞行控制策略输出的未验证的潜在不安全控制动作为:
5.根据权利要求2所述的无人机控制策略安全性验证与修正方法,其特征在于,所述步骤s220中,对有限时域范围内所有的整数m,所述无人机动力学约束为:
6...
【专利技术属性】
技术研发人员:陈时雨,李衍杰,楼云江,林可,赵凯东,
申请(专利权)人:哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院,
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。