CN102778235A - 通信约束下的多无人机协同区域搜索方法 - Google Patents
通信约束下的多无人机协同区域搜索方法 Download PDFInfo
- Publication number
- CN102778235A CN102778235A CN201210216772XA CN201210216772A CN102778235A CN 102778235 A CN102778235 A CN 102778235A CN 201210216772X A CN201210216772X A CN 201210216772XA CN 201210216772 A CN201210216772 A CN 201210216772A CN 102778235 A CN102778235 A CN 102778235A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- search
- communication
- unmanned aerial
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明提供了一种通信约束下的多无人机协同区域搜索方法,首先设置多无人机的初始位置、通信约束条件的参数和搜索完成时间,选取代价最小的点作为各无人机下一航路点位置,并判断该航路点是否满足边界约束条件;无人机飞至满足边界约束条件的航路点,判断无人机通信距离范围内是否有其他无人机后,与相距最近的无人机交换概率图数据;最后计算区域覆盖率并判断是否到达搜索完成时间。本发明能够消除或者减弱通信约束对多无人机协同系统的影响,使多无人机能够以最小代价完成搜索任务,提高搜索区域覆盖率。
Description
技术领域
本发明涉及多无人机从不同地点起飞,在通信约束条件下,对一片未知区域展开搜索的方法,有关领域包括协同控制和通信技术。
背景技术
多无人机协同区域搜索是多无人机协同任务中的重要内容之一,可以应用于灾害中的人员搜索、定位以及事故地点的勘察、探测等,国内外的研究十分广泛。PedroDeLima和Daniel Pack提出的“带通信距离限制的协同多无人机使用未来路径规划达到最大搜索覆盖算法”(Maximizing Search Coverage Using Future Path Proiection forCooperative Multiple UAVs with Limited Communication Ranges)运用FPP(Future PathProjection,未来路径规划)算法,使得通信距离限制下的多无人机协同搜索能够达到最大搜索覆盖。该算法首先给出了无人机选择路径的搜索代价函数,在此基础上,给出了通信距离限制下的两种搜索策略:一种是不间断的通信策略,无人机在飞行时,和地面站形成一个分层的数据链,使得多无人机之间始终能够保持通信;另一种是自由运动策略,无人机可以在搜索区域内自由飞行,使用FPP算法来减少无人机脱离通信距离导致的搜索效率的损失。
该算法提出的搜索代价函数,其中的有些概念比较模糊,没有定量化,可操作性不强;该算法只考虑了通信距离限制对多无人机协同搜索的影响,没有考虑其他通信约束条件,如通信带宽限制,对通信约束的研究不够深入。
通信约束是指多无人机协同搜索中需要考虑的通信系统和通信设备自身存在的约束和限制。
发明内容
为了克服现有技术的不足,本发明提供一种通信约束下的多无人机协同区域搜索方法,控制多无人机进行协同区域搜索,搜索过程中,能够消除或者减弱通信约束对多无人机协同系统的影响,使多无人机能够以最小代价完成搜索任务,提高搜索区域覆盖率。
本发明解决其技术问题所采用的技术方案包括以下步骤:
步骤1:设置多无人机的初始位置、通信约束条件的参数和搜索完成时间。
步骤2:根据搜索代价函数 选取代价最小的点作为各无人机下一航路点位置。
其中,P是整个搜索空间的概率矩阵,称为搜索空间的概率图,P(i,j)是待飞点所处的网格(i,j)存在目标的概率值,Dk和Dl分别是待飞点到第k架无人机和第l个搜索边界的距离,ΔφUAV是无人机从当前位置飞到待飞点需要转过的角度,a是离散待飞点的个数。
步骤3:判断步骤2得到的航路点是否满足边界约束条件。是,转到步骤4;否,从可选点中去除此点,转到步骤2。所述的可选点是无人机可以选择飞行的航路点,其中初始可选点有三个,分别是从当前点直飞一步到达的点、向左转过π/2到达的点和向右转过π/2到达的点。
步骤4:无人机飞至满足边界约束条件的航路点,当前时间t推进一个步长。
步骤5:判断无人机通信距离范围内是否有其他无人机。是,执行步骤6;否,执行步骤2。
步骤6:根据通信带宽大小,与相距最近的无人机交换概率图数据。
假设搜索区域的概率图是m×n的矩阵,也就是有m×n个元素,无人机的通信带宽限制为b,即每次通信时最多发送和接收b个和概率图元素同类型的数据。由于无人机在发送数据的同时又在接收数据,所以每次发送的最大量为通信带宽的一半b/2,另一半带宽用于接收数据。如果无人机就无法保证一次发送完整的概率图。
在某一时刻t,当某一无人机UAV1的通信距离D内有多架无人机,选取其中最近的一架无人机UAV2进行概率图数据交换。假设无人机在一个时间步长中只能发送和接收一次数据,如果UAV1第一次发送和接收完数据,前进一个步长,发现UAV2依然在通信距离D内,那么继续向UAV2发送剩下的数据,同时接收来自UAV2的数据,依此类推,直至发送和接收完整的概率图数据。如果发送一次数据后,发现UAV2不在通信距离D内,那么停止向UAV2发送数据,转而寻找在通信距离内的其他无人机。发送一个完整的概率图数据需要的时间为:
对于某架无人机,接收到来自另一架无人机的概率图后,它的概率图更新机制为:按顺序比较概率图对应位置的元素,若两元素不相等且本机元素为初始值,则用接收到的对应位置的概率图元素替换本机概率图元素。
步骤8:判断是否到达搜索完成时间t0。是,搜索结束;否,转到步骤2。
本发明的有益效果是:由于采用步骤2,无人机可以以最小的代价执行搜索任务;由于采用步骤3,无人机可以保证在搜索区域内飞行;由于采用步骤6,多无人机之间可以根据通信距离和通信带宽的大小,进行概率图的交换。
经验证,本发明设计的算法使多无人机在通信距离限制和通信带宽限制下,能够以最小的代价执行搜索任务,并且在搜索过程中保持在搜索区域内飞行。
附图说明
图1是本发明的方法流程图;
图2是无人机运动方向示意图;
图3是搜索边界规避策略示意图;
图4是通信距离限制示意图;
图5是多无人机协同搜索路径示意图;
图6是理想情况下的区域覆盖率示意图;
图7是通信距离限制下的区域覆盖率示意图;
图8是通信带宽限制下的区域覆盖率示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
假设当前时间为t,搜索开始时刻t=0,搜索完成时间为t0。参与协同区域搜索的无人机类型相同,无人机通信设备的通信距离为D,通信带宽为b。算法执行的步骤如下(参见附图1):
步骤1:设置多无人机的初始位置、通信约束条件的参数和搜索完成时间。
无人机的初始位置为(xi,yi)(i=1,2,…,n),其中n是无人机的数量;
通信约束条件的参数有:通信距离为D,通信带宽为b;
搜索完成时间为t0。
步骤2:根据搜索代价函数判读各无人机下一航路点位置,选取代价最小的点作为各无人机下一航路点位置。
无人机的搜索代价函数为:
其中,P是整个搜索空间的概率矩阵,称为搜索空间的概率图,P(i,j)是待飞点所处的网格(i,j)存在目标的概率值,P(i,j)与网格(i,j)是一一对应的,其中(i,j)是网格的中心点,用以代指网格。Dk和Dl分别是待飞点到第k架无人机和第l个搜索边界的距离,ΔφUAV是无人机从当前位置飞到待飞点需要转过的角度,a是离散待飞点的个数。
搜索开始前,将搜索空间网格化,根据搜索空间的大小,概率图P中的每个元素都初始化为一个相同的值,分别对应搜索空间中的一个网格。当无人机飞过其中某一个网格(i,j)时,将此网格的概率值P(i,j)设为最大,然后再让它随着搜索时间的增加以一定比例p逐渐减小,p值在搜索开始前由人为给定,即
P(i,j)=p*P(i,j)
由于无人机有动力学约束,它在转弯时不可能保持直线飞行。本文设定无人机是在网格化的区域中运动,根据无人机的动力学约束,假设无人机的待飞点只能有三个,且转过的角度分别是π/2,0,-π/2。无人机运动方向如附图2所示。
步骤3:判断步骤2得到的航路点是否满足边界约束条件。是,转到步骤4;否,从可选点中去除此点,转到步骤2。可选点是无人机可以选择飞行的航路点,其中初始可选点有三个,分别是从当前点直飞一步到达的点、向左转过π/2到达的点和向右转过π/2到达的点。
边界约束条件如附图3所示,无人机若按照图中的虚线飞行,最终都会不可避免地飞出搜索区域,进入禁飞区。以搜索矩形区域的上边界为例,设定向右为x轴正方向,向上为y轴正方向,无人机的偏航角ψ为无人机的运动方向与x轴正方向的夹角,且ψ∈[0,2π),网格宽度为1个单位。解决这个问题的思路是在无人机还没有飞出搜索区域时提前做出选择,根据附图3中所示情况,以无人机规避上边界为例,以下三种情况的航路点需要抛弃:
1)当前点为b2,向右转过π/2得到的点;
2)当前点为b3,直飞得到的点;
3)当前点为c2,向右转过π/2得到的点。
其他边界情况依此类推。
步骤4:无人机飞至步骤2得到的满足边界约束条件的航路点,当前时间t推进一个步长,即t++。
步骤5:判断无人机通信距离范围内是否有其他无人机。是,执行步骤6;否,执行步骤2。
如附图4所示,由于通信距离限制的存在,搜索任务开始前,要为每架无人机都初始化一个搜索概率图,每架无人机维护和更新各自的概率图。当两架无人机间的距离在通信距离范围内时,在不考虑通信带宽限制的情况下,无人机间才能通过通信分享各自完整的概率图。
步骤6:根据通信带宽大小,与相距最近的无人机交换概率图数据。
由于无人机在发送数据的同时又在接收数据,所以每次发送的最大量为通信带宽的一半b/2,另一半带宽用于接收数据。在某一时刻t,当某一无人机UAV1的通信距离D内有多架无人机,选取其中最近的一架无人机UAV2进行概率图数据交换。假设无人机在一个时间步长中只能发送和接收一次数据,如果UAV1第一次发送和接收完数据,前进一个步长,发现UAV2依然在通信距离D内,那么继续向UAV2发送剩下的数据,同时接收来自UAV2的数据,依此类推,直至发送和接收完整的概率图数据。如果发送一次数据后,发现UAV2不在通信距离D内,那么停止向UAV2发送数据,转而寻找在通信距离内的其他无人机。发送一个完整的概率图数据需要的时间为:
对于某架无人机,接收到来自另一架无人机的概率图后,它的概率图更新机制为:按顺序比较概率图对应位置的元素,若两元素不相等且本机元素为初始值,则用接收到的对应位置的概率图元素替换本机概率图元素。
步骤7:计算区域覆盖率。
区域覆盖率是搜索过的区域和总的搜索区域的百分比,即
其中,num是无人机搜索过的网格数,N是搜索区域的网格总数。
由于通信距离限制的存在,每架无人机维护的搜索区域概率图都不一样,在实际协同搜索中也无法得到全局的搜索区域概率图,因而只采用其中某一架无人机的概率图来计算区域覆盖率,作为协同搜索的评价指标。
步骤8:判断是否到达搜索完成时间t0。是,搜索结束;否,转到步骤2。
通过计算机仿真对本算法进行了虚拟实施。
仿真设定了一块矩形区域,将其网格化为20×20的小网格,小网格长度为1,设定了5架相同类型的无人机对该区域进行搜索。概率图更新的比例为p=0.95,搜索完成时间设置为400个时间步长。
M1)设置多无人机的初始位置、探测距离、通信约束条件的参数和仿真运行时间,参见表1和表2。
表1无人机初始位置
表2其他数据
M2)根据搜索代价函数判读各无人机下一航路点位置。
无人机的搜索代价函数为:
其中,
P(i,j)=0.95*P(i,j)
P(i,j)初始值设为1.0/400,当无人机飞过某一网格,其P(i,j)设为最大值399.0/400。
M3)判断步骤2得到的航路点是否满足边界约束条件。是,转到步骤4;否,从可选点中去除此点,转到步骤2。
以无人机规避上边界为例,附图3中以下三种情况的航路点需要抛弃:
1)当前点为b2,向右转过π/2得到的点;
2)当前点为b3,直飞得到的点;
3)当前点为c2,向右转过π/2得到的点。
其他边界情况依此类推。
M4)无人机飞至步骤2得到的满足边界约束条件的航路点,仿真时间t推进一个步长,即t++。
M5)判断无人机通信距离范围内是否有其他无人机。是,执行步骤6;否,执行步骤7。
M6)根据通信带宽大小,与相距最近的无人机交换概率图数据。
发送一个完整的概率图数据需要的时间为:
当某一无人机UAV1的通信距离D内有多架无人机,选取其中最近的一架无人机UAV2进行概率图数据交换。假设无人机在一个时间步长中只能发送和接收一次数据,如果UAV1第一次发送和接收完数据,前进一个步长,发现UAV2依然在通信距离D内,那么继续向UAV2发送剩下的数据,同时接收来自UAV2的数据,依此类推,直至发送和接收完整的概率图数据。如果发送一次数据后,发现UAV2不在通信距离D内,那么停止向UAV2发送数据,转而寻找在通信距离内的其他无人机。
对于某架无人机,接收到来自另一架无人机的概率图后,它的概率图更新机制为:按顺序比较概率图对应位置的元素,若两元素不相等且本机元素为初始值,则用接收到的对应位置的概率图元素替换本机概率图元素。
M7)计算区域覆盖率。
其中,num是无人机搜索过的网格数。
仿真采用无人机1的概率图来计算区域覆盖率,作为协同搜索的评价指标。
M8)判断是否到达搜索完成时间。是,仿真结束;否,转到步骤2。
在Windows XP环境下,使用Visual C++6.0软件仿真的结果如附图5到附图8所示。其中,附图5为多无人机协同区域搜索的路径,附图6是理想情况下区域覆盖率随时间变化的曲线,附图7是不同通信距离下的区域覆盖率,附图8为D=8时的不同通信带宽下的区域覆盖率。
Claims (2)
1.一种通信约束下的多无人机协同区域搜索方法,其特征在于包括下述步骤:
步骤1:设置多无人机的初始位置、通信约束条件的参数和搜索完成时间;
步骤2:根据搜索代价函数 选取代价最小的点作为各无人机下一航路点位置;
其中,P是整个搜索空间的概率矩阵,称为搜索空间的概率图,P(i,j)是待飞点所处的网格(i,j)存在目标的概率值,Dk和Dl分别是待飞点到第k架无人机和第l个搜索边界的距离,ΔφUAV是无人机从当前位置飞到待飞点需要转过的角度,a是离散待飞点的个数;
步骤3:判断步骤2得到的航路点是否满足边界约束条件;是,转到步骤4;否,从可选点中去除此点,转到步骤2;所述的可选点是无人机可以选择飞行的航路点,其中初始可选点有三个,分别是从当前点直飞一步到达的点、向左转过π/2到达的点和向右转过π/2到达的点;
步骤4:无人机飞至满足边界约束条件的航路点,当前时间t推进一个步长;
步骤5:判断无人机通信距离范围内是否有其他无人机;是,执行步骤6;否,执行步骤2;
步骤6:根据通信带宽大小,与相距最近的无人机交换概率图数据;
步骤8:判断是否到达搜索完成时间t0;是,搜索结束;否,转到步骤2。
2.根据利用权利要求1所述的通信约束下的多无人机协同区域搜索方法,其特征在于:所述的步骤6中,在某一时刻t,当某一无人机UAV1的通信距离D内有多架无人机,选取其中最近的一架无人机UAV2进行概率图数据交换,如果UAV1第一次发送和接收完数据,前进一个步长,发现UAV2依然在通信距离D内,那么继续向UAV2发送剩下的数据,同时接收来自UAV2的数据,依此类推,直至发送和接收完整的概率图数据;如果发送一次数据后,发现UAV2不在通信距离D内,那么停止向UAV2发送数据,转而寻找在通信距离内的其他无人机;对于某架无人机,接收到来自另一架无人机的概率图后,它的概率图更新机制为:按顺序比较概率图对应位置的元素,若两元素不相等且本机元素为初始值,则用接收到的对应位置的概率图元素替换本机概率图元素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210216772.XA CN102778235B (zh) | 2012-06-28 | 2012-06-28 | 通信约束下的多无人机协同区域搜索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210216772.XA CN102778235B (zh) | 2012-06-28 | 2012-06-28 | 通信约束下的多无人机协同区域搜索方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102778235A true CN102778235A (zh) | 2012-11-14 |
CN102778235B CN102778235B (zh) | 2015-01-28 |
Family
ID=47123234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210216772.XA Expired - Fee Related CN102778235B (zh) | 2012-06-28 | 2012-06-28 | 通信约束下的多无人机协同区域搜索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102778235B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226357A (zh) * | 2013-03-22 | 2013-07-31 | 海南大学 | 一种基于目标跟踪的多无人机通信决策方法 |
CN103268102A (zh) * | 2013-05-09 | 2013-08-28 | 清华大学 | 任务、通信和拓扑交织的无人机集群协同控制方法 |
CN103267528A (zh) * | 2013-05-07 | 2013-08-28 | 西北工业大学 | 禁飞区限制下的多无人机协同区域搜索方法 |
CN103472850A (zh) * | 2013-09-29 | 2013-12-25 | 合肥工业大学 | 一种基于高斯分布预测的多无人机协同搜索方法 |
CN104536454A (zh) * | 2014-12-05 | 2015-04-22 | 中国运载火箭技术研究院 | 一种用于双无人机协同的时空同步匹配方法 |
CN105425820A (zh) * | 2016-01-05 | 2016-03-23 | 合肥工业大学 | 一种针对具有感知能力的运动目标的多无人机协同搜索方法 |
CN106681342A (zh) * | 2016-12-20 | 2017-05-17 | 中航通飞研究院有限公司 | 一种飞机搜索救援方法 |
CN106919183A (zh) * | 2016-12-20 | 2017-07-04 | 北京理工大学 | 统一控制的多功能无人机群组 |
CN107831773A (zh) * | 2017-11-30 | 2018-03-23 | 深圳市沃特沃德股份有限公司 | 扫地机器人全覆盖清扫的方法及扫地机器人 |
CN108459616A (zh) * | 2018-03-07 | 2018-08-28 | 西安电子科技大学 | 基于人工蜂群算法的无人机群协同覆盖航路规划方法 |
CN108983817A (zh) * | 2018-08-07 | 2018-12-11 | 西北工业大学 | 一种多区域搜索方法及装置 |
CN109299210A (zh) * | 2018-11-06 | 2019-02-01 | 哈尔滨工业大学(深圳) | 一种基于信息融合的多无人机分布式协同搜索方法 |
CN110192357A (zh) * | 2016-09-26 | 2019-08-30 | 赛峰电子与防务公司 | 用于在无人机系统中进行通信的系统 |
CN110274588A (zh) * | 2019-06-19 | 2019-09-24 | 南京航空航天大学 | 基于无人机集群信息的双层嵌套因子图多源融合导航方法 |
CN113359833A (zh) * | 2021-06-22 | 2021-09-07 | 西安爱生技术集团有限公司 | 一种无人机编队协同侦察的任务规划方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100274487A1 (en) * | 2006-05-17 | 2010-10-28 | Neff Michael G | Route search planner |
US20120022778A1 (en) * | 2010-07-22 | 2012-01-26 | Honeywell International Inc. | Systems and methods for searching and displaying flight plans |
CN102506863A (zh) * | 2011-11-07 | 2012-06-20 | 北京航空航天大学 | 一种基于万有引力搜索的无人机航路规划方法 |
-
2012
- 2012-06-28 CN CN201210216772.XA patent/CN102778235B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100274487A1 (en) * | 2006-05-17 | 2010-10-28 | Neff Michael G | Route search planner |
US20120022778A1 (en) * | 2010-07-22 | 2012-01-26 | Honeywell International Inc. | Systems and methods for searching and displaying flight plans |
CN102506863A (zh) * | 2011-11-07 | 2012-06-20 | 北京航空航天大学 | 一种基于万有引力搜索的无人机航路规划方法 |
Non-Patent Citations (4)
Title |
---|
PEDRO DELIMA ET AL: "Maximizing Search Coverage Using Future Path Proiection for Cooperative Multiple UAVs with Limited Communication Ranges", 《OPTIMIZATION AND COOPERATIVE CONTROL STRATEGIES》 * |
曹攀峰等: "考虑信息延迟的无人机分布式协同搜索算法", 《电光与控制》 * |
王新增等: "具有时间约束任务的无人机航迹规划方法", 《火力与指挥控制》 * |
符小卫等: "一种无人机路径规划算法研究", 《系统仿真学报》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226357A (zh) * | 2013-03-22 | 2013-07-31 | 海南大学 | 一种基于目标跟踪的多无人机通信决策方法 |
CN103267528A (zh) * | 2013-05-07 | 2013-08-28 | 西北工业大学 | 禁飞区限制下的多无人机协同区域搜索方法 |
CN103268102A (zh) * | 2013-05-09 | 2013-08-28 | 清华大学 | 任务、通信和拓扑交织的无人机集群协同控制方法 |
CN103268102B (zh) * | 2013-05-09 | 2015-03-04 | 清华大学 | 任务、通信和拓扑交织的无人机集群协同控制方法 |
CN103472850A (zh) * | 2013-09-29 | 2013-12-25 | 合肥工业大学 | 一种基于高斯分布预测的多无人机协同搜索方法 |
CN103472850B (zh) * | 2013-09-29 | 2015-11-18 | 合肥工业大学 | 一种基于高斯分布预测的多无人机协同搜索方法 |
CN104536454A (zh) * | 2014-12-05 | 2015-04-22 | 中国运载火箭技术研究院 | 一种用于双无人机协同的时空同步匹配方法 |
CN104536454B (zh) * | 2014-12-05 | 2017-01-04 | 中国运载火箭技术研究院 | 一种用于双无人机协同的时空同步匹配方法 |
CN105425820A (zh) * | 2016-01-05 | 2016-03-23 | 合肥工业大学 | 一种针对具有感知能力的运动目标的多无人机协同搜索方法 |
CN105425820B (zh) * | 2016-01-05 | 2016-12-28 | 合肥工业大学 | 一种针对具有感知能力的运动目标的多无人机协同搜索方法 |
CN110192357A (zh) * | 2016-09-26 | 2019-08-30 | 赛峰电子与防务公司 | 用于在无人机系统中进行通信的系统 |
CN110192357B (zh) * | 2016-09-26 | 2022-02-15 | 赛峰电子与防务公司 | 用于在无人机系统中进行通信的系统 |
CN106919183B (zh) * | 2016-12-20 | 2019-12-13 | 北京理工大学 | 统一控制的多功能无人机群组 |
CN106919183A (zh) * | 2016-12-20 | 2017-07-04 | 北京理工大学 | 统一控制的多功能无人机群组 |
CN106681342A (zh) * | 2016-12-20 | 2017-05-17 | 中航通飞研究院有限公司 | 一种飞机搜索救援方法 |
CN106681342B (zh) * | 2016-12-20 | 2022-05-27 | 中航通飞华南飞机工业有限公司 | 一种飞机搜索救援方法 |
CN107831773A (zh) * | 2017-11-30 | 2018-03-23 | 深圳市沃特沃德股份有限公司 | 扫地机器人全覆盖清扫的方法及扫地机器人 |
CN108459616A (zh) * | 2018-03-07 | 2018-08-28 | 西安电子科技大学 | 基于人工蜂群算法的无人机群协同覆盖航路规划方法 |
CN108459616B (zh) * | 2018-03-07 | 2021-08-03 | 西安电子科技大学 | 基于人工蜂群算法的无人机群协同覆盖航路规划方法 |
CN108983817A (zh) * | 2018-08-07 | 2018-12-11 | 西北工业大学 | 一种多区域搜索方法及装置 |
CN109299210A (zh) * | 2018-11-06 | 2019-02-01 | 哈尔滨工业大学(深圳) | 一种基于信息融合的多无人机分布式协同搜索方法 |
CN110274588A (zh) * | 2019-06-19 | 2019-09-24 | 南京航空航天大学 | 基于无人机集群信息的双层嵌套因子图多源融合导航方法 |
CN110274588B (zh) * | 2019-06-19 | 2020-12-08 | 南京航空航天大学 | 基于无人机集群信息的双层嵌套因子图多源融合导航方法 |
CN113359833A (zh) * | 2021-06-22 | 2021-09-07 | 西安爱生技术集团有限公司 | 一种无人机编队协同侦察的任务规划方法 |
CN113359833B (zh) * | 2021-06-22 | 2023-07-28 | 西安爱生技术集团有限公司 | 一种无人机编队协同侦察的任务规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102778235B (zh) | 2015-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102778235A (zh) | 通信约束下的多无人机协同区域搜索方法 | |
CN107491086B (zh) | 时变网络拓扑下的无人机编队避障方法及系统 | |
CN103472850B (zh) | 一种基于高斯分布预测的多无人机协同搜索方法 | |
Gao et al. | A self-organized search and attack algorithm for multiple unmanned aerial vehicles | |
CN102880186B (zh) | 基于稀疏a*算法和遗传算法的航迹规划方法 | |
US20190033893A1 (en) | UAV autonomous swarm formation rotation control method based on simulated migratory bird evolutionary snowdrift game | |
CN102901498A (zh) | 一种不确定环境下的无人飞行器编队协同搜索和动态任务分配方法 | |
CN103267528A (zh) | 禁飞区限制下的多无人机协同区域搜索方法 | |
CN105302153A (zh) | 异构多无人机协同察打任务的规划方法 | |
Sun et al. | UAV path planning based on improved rapidly-exploring random tree | |
CN109917811A (zh) | 一种无人机集群协同避障-重构处理方法 | |
CN102831009A (zh) | 相控阵雷达任务调度方法 | |
Chryssanthacopoulos et al. | Decomposition methods for optimized collision avoidance with multiple threats | |
CN103413011A (zh) | 一种基于计算几何和模拟退火的空域扇区划分方法 | |
Chen et al. | Cooperative area reconnaissance for multi-UAV in dynamic environment | |
Azeemi | Cooperative Trajectory and Launch Power Optimization of UAV Deployed in Cross-Platform Battlefields | |
Zuo et al. | A multi-agent collaborative work planning strategy based on AFSA-PSO algorithm | |
Lun et al. | Target search in dynamic environments with multiple solar-powered UAVs | |
CN110793522A (zh) | 一种基于蚁群算法的航迹规划方法 | |
CN112396298B (zh) | 一种无人直升机多机协同任务规划方法 | |
Liao et al. | UAV swarm formation reconfiguration control based on variable-stepsize MPC-APCMPIO algorithm | |
Wu | Cooperative guidance & control of missiles autonomous formation | |
Zhang et al. | Penetration path planning of stealthy UAV based on improved sparse A-star algorithm | |
Bai et al. | Research on UAV Formation Simulation and Evaluation Technology | |
Zhai et al. | Real-time task allocation of heterogeneous unmanned aerial vehicles for search and prosecute mission |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150128 Termination date: 20150628 |
|
EXPY | Termination of patent right or utility model |