【技术实现步骤摘要】
本专利技术涉及无人集群控制算法，具体涉及的是一种基于boids模型和领航者跟随者模型的无人集群控制方法，主要是对集群中的跟随者进行运动控制的专利技术。
技术介绍
1、集群算法作为一种重要的算法，已经应用到了社会上的各方各面。集群算法被广泛应用于解决各种优化问题，如函数优化、组合优化、多目标优化等。通过模拟生物群体的行为规则，集群算法能够快速地搜索解空间并找到问题的最优解；在机器人路径规划、无人驾驶等领域，集群算法可以用于寻找最优路径，同时避免碰撞和拥塞；集群算法可以用于多智能体系统控制，即控制多个智能体的行为，使它们能够协同工作并完成任务。例如，在无人机编队飞行、智能传感器网络等领域，集群算法可以实现智能体之间的信息共享和协作。此外在游戏电影等数字媒体领域，集群算法的研究也是一个重点所在。集群算法的主要特点有并行性，自组织性和鲁棒性。并行性使得集群中的个体可以同时搜索解空间的不同领域，这提高了搜索效率；自组织性让个体之间通过局部交互和简单的规则形成复杂的全局行为，无需中心控制；最后鲁棒性使得算法对初始参数和噪声的敏感度降低。
2、群体智能算法是生物启发式算法的一种，起源于对自然界中生物群体行为的研究。这些生物群体，如鸟群、鱼群、蚁群等，在觅食、迁徙、社会交互等活动中展现出了高度的组织性和协调性。集群算法主要模拟了生物群体的集体移动行为，包括粒子群优化(pso)、蚁群优化(aco)、人工鱼群算法(afsa)、鸟群算法(bsa)等。这些算法通过模拟生物群体的行为规则，如觅食、聚群、追尾等，来搜索解空间并找到问题的最优解。
技术实现思路
1、本专利技术所要解决的问题是：领航者跟随者模型中过度依赖领航者的问题，以及提供跟随者的运动控制方法。具体来说结合boids模型和领航者跟随者模型对无人集群进行控制，从而避免领航者发生错误行为时系统的瘫痪，提高系统的运行效率。
2、本专利技术采用如下技术方案：结合boids模型和领航者跟随者模型对集群进行运动控制，针对无人集群中的个体执行如下步骤，完成无人集群中的个体的速度大小和方向控制：
3、步骤s1、首先选定无人集群中的领航者，给领航者设置一条路径，该路径是由多个二维路径点坐标组成的集合。
4、步骤s2、对于每一个无人集群中的跟随者，设置不同的偏移值，利用此偏移值和领航者自身的位置设置跟随者应该跟随的点的坐标。
5、步骤s3、计算聚合向量、分离向量和避障向量。聚合向量通过跟随者和跟随点的位置确定，此向量保证无人集群中的跟随者可以跟随着领航者；分离向量保证无人集群中的个体之间不会发生碰撞，它由跟随者自身和其他个体的位置计算；避障向量可以保证跟随者躲避障碍物，它由跟随者身上配备的射线传感器的检测结果计算得出。计算完成后将这三个向量以不同方式进行合成，得出的新的向量的方向作为跟随者的速度向量的方向。
6、步骤s4、计算跟随者速度的大小，如果步骤s3中计算的分离向量和避障向量都存在或者存在一个，那么速度将被调整为最小以保证跟随者可以正确避开障碍物和其它个体。
7、如果既不存在分离向量，也不存在避障向量，此时计算跟随者和跟随点之间的距离，
8、如果距离大于掉队距离，此时速度大小将被设置为最大值防止跟随者掉队；
9、如果距离小于掉队距离，此时根据插值函数去计算速度大小，跟随者和跟随点之间的距离越近速度越小，但不会小于最小速度，反之也不会超过最大速度，通过这样的速度调整最大程度保证整个集群队伍的队形保持稳定。
10、步骤s5、结合速度方向和速度大小设置跟随者的速度向量。
11、本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：
12、1、本专利技术面向无人集群的运动控制方法，针对无人集群在使用领航者跟随者模型遇到的领航者的负担过重的问题，通过将模型中的跟随者的运动控制交给跟随者自行控制，跟随者和领航者之间唯一的通信是领航者在运动过程中告知跟随者自身的位置，这减轻了领航者的负担，增强了集群的稳定性。
13、2、本专利技术面向无人集群的运动控制方法，针对集群经典模型boids模型进行一定的修改。首先，在移除了对齐原则的基础上，保留分离原则以确保个体间的空间距离。其次，针对集群的聚合原则，不再以集群的中心为聚合目标，而是通过选定集群中的领航者来引导其它跟随者的聚合方向，这一调整使得集群的动态行为更加灵活和具有指导性。最后，为了增强集群中个体的自主避障能力，引入了避障原则，确保集群中的个体在遇到障碍物时能有效规避，从而提升了整个集群对于环境的适应性。
本文档来自技高网...【技术保护点】
1.一种基于Boids模型和领航者跟随者模型的无人集群控制方法，其特征在于结合领航者-跟随者模型对Boids中的三个关键运动向量进行了调整，通过赋予跟随者更大的自主性，使其可以根据实际情况自行移动，执行以下步骤S1到S5，完成集群中的跟随者对自身的运动控制。
2.根据权利要求1所述的基于Boids模型和领航者跟随者模型的无人集群控制方法，其特征在于，步骤S1中，在集群中选择一个领航者，该领航者将按照提前设定好的路径前进，路径由多个路径点组成，每个路径点是二维坐标点，此外路径点距离障碍物边缘应该具有一定的距离，从而给跟随者足够的空间进行避障。
3.根据权利要求1所述的基于Boids模型和领航者跟随者模型的无人集群控制方法，其特征在于，步骤S2中，在一个集群中，会有多个跟随者，这些跟随者的跟随点并不相同。随着领航者的移动，跟随点的坐标也会发改变，与传统的领航者跟随者模型相比，本专利技术中领航者和跟随者之间的唯一通信为领航者向跟随者发送跟随点的坐标，从而减轻了领航者的通信负担。
4.根据权利要求1所述的基于Boids模型和领航者跟随者模型的无人集群控
5.根据权利要求1所述的基于Boids模型和领航者跟随者模型的无人集群控制方法，其特征在于，步骤S4中通过插值函数对于无人集群中的跟随者的速度大小进行控制，与传统的Boids模型对于速度大小的控制的方法不同，本专利技术使用了插值函数控制速度的大小，这使得集群中的跟随者的速度可以根据自身位置和跟随点之间的距离来调整，具体来说，对每个跟随者设置如下参数：最大速度vmax和最低速度vmin，跟随者进行避碰范围检测的范围半径r和跟随者的最大加速距离dmax，dmax表示允许跟随者和跟随点的相距的最大距离。
6.根据权利要求1所述的基于Boids模型和领航者跟随者模型的无人集群控制方法，其特征在于，跟随者最后的速度向量的方向和大小在步骤S4中求出。
...【技术特征摘要】
1.一种基于boids模型和领航者跟随者模型的无人集群控制方法，其特征在于结合领航者-跟随者模型对boids中的三个关键运动向量进行了调整，通过赋予跟随者更大的自主性，使其可以根据实际情况自行移动，执行以下步骤s1到s5，完成集群中的跟随者对自身的运动控制。
2.根据权利要求1所述的基于boids模型和领航者跟随者模型的无人集群控制方法，其特征在于，步骤s1中，在集群中选择一个领航者，该领航者将按照提前设定好的路径前进，路径由多个路径点组成，每个路径点是二维坐标点，此外路径点距离障碍物边缘应该具有一定的距离，从而给跟随者足够的空间进行避障。
3.根据权利要求1所述的基于boids模型和领航者跟随者模型的无人集群控制方法，其特征在于，步骤s2中，在一个集群中，会有多个跟随者，这些跟随者的跟随点并不相同。随着领航者的移动，跟随点的坐标也会发改变，与传统的领航者跟随者模型相比，本发明中领航者和跟随者之间的唯一通信为领航者向跟随者发送跟随点的坐标，从而减轻了领航者的通信负担。
4.根据权利要求1所述的基于boids模型和领航者跟随者模型的无人集群控制...
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。