CN105182998A - 一种基于滚动优化人工物理混合的编队控制器的构建方法 - Google Patents
一种基于滚动优化人工物理混合的编队控制器的构建方法 Download PDFInfo
- Publication number
- CN105182998A CN105182998A CN201510646114.8A CN201510646114A CN105182998A CN 105182998 A CN105182998 A CN 105182998A CN 201510646114 A CN201510646114 A CN 201510646114A CN 105182998 A CN105182998 A CN 105182998A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- rolling optimization
- formation
- artificial physics
- centerdot
- 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.)
- Pending
Links
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
Abstract
本发明是一种基于滚动优化人工物理混合的编队控制器的构建方法,其实施步骤为:步骤一:搭建无人机Matlab仿真模型;步骤二:初始化滚动优化人工物理混合方法初始参数;步骤三:设计人工物理力函数;步骤四:在Matlab中设置无人机初始参数;步骤五:利用滚动优化人工物理方法进行编队控制;步骤六:储存结果并验证。该方法能够根据不同的编队控制队形需求,通过修改滚动优化人工物理方法的初始参数快速地设计出满足要求的编队控制效果,减轻设计人员工作负担。
Description
技术领域
本发明是一种基于滚动优化人工物理混合的编队控制器的构建方法,属于无人机技术领域。
背景技术
无人机是一种由动力驱动、可重复使用、机上无人驾驶的飞行器。与有人飞机相比,由于具有高机动、低成本和“零人员伤亡”等一系列特点,在高危战场环境执行作战任务时,无人机相比于有人机能够体现出更巨大的优势。目前,无人机已被广泛应用于情报侦察、目标搜索跟踪以及对地目标攻击等各种作战任务中,并在其中发挥了重大的作用。
无人机编队飞行,就是将多架无人机按照一定的队形进行排列,并使其在整个飞行过程中保持队形不变。机群中的所有飞机都要在执行任务时根据面临的具体情况来分担各自的任务。无人机编队协调飞行可以提高执行任务的成功率和抗突发事件的能力,在侦察、干扰以及对地攻击等方面具有单机无法比拟的优势。特别是无人机紧密编队飞行,更是执行无人机空中加油等任务中需要的关键技术。
滚动优化是一种不断在有限时域内求解离散时间优化问题以获得开环控制输入的方法,目前在复杂大工业生产过程中取得了广泛应用。滚动优化方法的基本思想如下:在每一个采样时刻,系统控制器求解一个有限时域的优化问题,从而得到当前和未来一段时间内的一个控制输入序列,而在实施控制作用时,仅执行当前采样时刻或前一小部分的控制输入,直到下一个采样时刻,基于新的状态观测重复求解有限时域优化问题。滚动优化的实现原理如图1所示。
人工物理方法是借用物理学原理与方法来构建群智能体的行为如编队、避障、搜索等。人工物理方法实现简单,实时性好,可通过简单的局部配合完成复杂的控制任务。人工物理方法通过虚拟物理力使得多无人机系统达到要求的状态,而这种状态是一种势能最小的状态。人工物理方法基本思想是:无人机只受到其周围一定范围内的其他无人机的影响,它的下一步行动将取决于这些邻接的无人机对它的作用。
发明内容
1、发明目的:
本发明提出了一种基于滚动优化人工物理混合的编队控制器的构建方法,其目的是提供一种有效的编队控制器,以降低无人机编队控制的工作难度,并且提高编队飞行的鲁棒性。
该方法利用Matlab控制仿真模型,在控制模型中构建典型的无人机控制模型,通过仿真得到多无人机系统在编队飞行中的相对距离和速度误差,在此误差基础上构建优化问题,利用滚动优化人工物理混合方法求解出无人机控制输入。
2、技术方案:
本发明利用滚动优化人工物理混合方法全局搜索能力强,应用性广等特点,开发一种滚动优化人工物理混合方法的多无人机编队飞行控制器,该方法的步骤如下:
步骤一:搭建无人机Matlab仿真模型
本方法中的无人机模型如下式所示:
公式中,vi表示第i架无人机的飞行速度大小,ψi表示第i架无人机的偏航角,表示第i架无人机在水平面x轴上的速度分量,表示第i架无人机在水平面y轴上的速度分量,表示第i架无人机的偏航角速度,wi表示第i架无人机的偏航角变化率,表示第i架无人机的最大转弯角速度。
步骤二:初始化滚动优化人工物理混合方法初始参数
(1)初始化预测窗口长度P
本方法中预测窗口长度P为滚动优化方法中的参数,可以根据无人机编队控制器的形式不同而改变。
(2)初始化执行窗口长度M
执行窗口长度M对编队效果影响很大。一般执行窗口长度的选择为预测窗口长度P的一半。
(3)初始化人工物理方法引力参数G
引力参数G应用在人工物理方法中,它影响无人机编队距离。
(4)初始化人工物理方法感知范围R
感知范围R表示无人机之间能感知到的范围,根据具体的无人机数量来确定。
步骤三:设计人工物理力函数
人工物理力函数的设定在编队控制中十分关键,它的设定直接影响编队效果。本方法中,人工物理力采用与万有引力相似的形式。因此定义如下的人工物理力函数:
F=G/r2(2)
其中,F为无人机受到的作用力,G为设定的人工物理方法引力参数G,r为无人机之间的相对距离。人工物理方法整体流程图如图2所示。
步骤四:在Matlab中设置无人机初始参数
将无人机的初始参数写入Matlab相应模块,在模块的初始化函数中载入写有无人机初始参数的.mat文件。将滚动优化人工物理混合方法中的参数传递给Matlab模块,在无人机模型中写入定义好的初始参数变量名。
步骤五:利用滚动优化人工物理方法进行编队控制
利用初始化的无人机位置和速度,根据公式F=G/r2(2)中的公式计算出所有无人机在飞行中受到的作用力,计算所需的控制输入量,将该控制输入量作用在无人机模型上,根据公式
中的无人机模型计算无人机新的速度和偏航角,并反复应用滚动优化人工物理混合方法进行寻优,更新无人机当前的位置。
步骤六:储存结果并验证
无人机编队飞行的位置和速度被视为最终的控制结果,将此结果保存在.mat文件中,在Matlab模块中调用该.mat文件进行仿真,观察无人机在滚动优化人工物理混合方法的作用下实现编队控制的结果。若对结果不满意,可以调整编队控制器所设置的初始参数,重新启动算法进行控制,直到得到满意的控制结果。
3、优点及效果:
本发明提出了一种基于滚动优化人工物理混合的编队控制器的构建方法,其目的是提供一种有效的编队控制器,以降低无人机编队控制的工作难度,并且提高编队飞行的鲁棒性。该方法利用Matlab控制仿真模型,在控制模型中构建典型的无人机控制模型,通过仿真得到多无人机系统在编队飞行中的相对距离和速度误差,在此误差基础上构建优化问题,利用滚动优化人工物理混合方法求解出无人机控制输入。在不同的情况下,对编队控制的队形需求不同,可以通过修改滚动优化人工物理方法的初始参数快速地设计出满足要求的编队控制效果,减轻设计人员工作负担。
附图说明
图1滚动优化实现原理示意图。
图2人工物理方法整体流程图。
图3滚动优化人工物理混合方法无人机编队结果图。
图中标号及符号说明如下:
k——第k时刻
u(k)——第k时刻的控制输入量
N——不满足条件(否)
Y——满足条件(是)
j——无人机编号
UAVi——第i架无人机
θ——无人机前进方向之间的夹角
r——无人机之间的距离
R——人工物理方法感知范围
N——无人机总数
具体实施方式
见图1——图3,下面通过一个具体的无人机编队控制实例来验证本发明所提出的设计控制器的有效性,本实例中使用的无人机模型为公式(1)中模型。本实例中舰载机速度为70m/s,大约在84s前后完成着舰。实验计算机配置为i5-4210M处理器,2.60Ghz主频,4G内存,软件为MATLAB2012b版本。
本实例的具体实现步骤如下:
步骤一:搭建无人机Matlab仿真模型
本方法中的无人机模型如下式所示:
公式中,vi表示第i架无人机的飞行速度大小,ψi表示第i架无人机的偏航角,表示第i架无人机在水平面x轴上的速度分量,表示第i架无人机在水平面y轴上的速度分量,表示第i架无人机的偏航角速度,wi表示第i架无人机的偏航角变化率,表示第i架无人机的最大转弯角速度。
步骤二:初始化滚动优化人工物理混合方法初始参数
(1)初始化预测窗口长度P
本方法中预测窗口长度P为滚动优化方法中的参数,可以根据无人机编队控制器的形式不同而改变。本实例中预测窗口长度P的默认值设为3。
(2)初始化执行窗口长度M
执行窗口长度M对编队效果影响很大。一般执行窗口长度的选择为预测窗口长度P的一半。根据预测窗口长度P的设计值,本实例中执行窗口长度M的值设为1.
(3)初始化人工物理方法引力参数G
引力参数G应用在人工物理方法中,它影响无人机编队距离。本实例中人工物理方法引力参数G的默认值为500。
(4)初始化人工物理方法感知范围R
感知范围R表示无人机之间能感知到的范围,根据具体的无人机数量来确定。由于本实例中采用5架无人机进行编队控制,将感知范围R的值设为60。
步骤三:设计人工物理力函数
人工物理力函数的设定在编队控制中十分关键,它的设定直接影响编队效果。本方法中,人工物理力采用与万有引力相似的形式。因此采用如下的人工物理力函数:
F=G/r2(4)其中,F为无人机受到的作用力,G为设定的人工物理方法引力参数G,r为无人机之间的相对距离。
根据无人机之间的相对距离,求解出无人机受到的作用力F。
步骤四:在Matlab中设置无人机初始参数
将无人机的初始参数写入Matlab相应模块,在模块的初始化函数中载入写有无人机初始参数的.mat文件。将滚动优化人工物理混合方法中的参数传递给Matlab模块,在无人机模型中写入定义好的初始参数变量名。
步骤五:利用滚动优化人工物理方法进行编队控制
利用初始化的无人机位置和速度,根据公式(2)中的公式计算出所有无人机在飞行中受到的作用力,计算所需的控制输入量,将该控制输入量作用在无人机模型上,根据公式(3)中的无人机模型计算无人机新的速度和偏航角,并反复应用滚动优化人工物理混合方法进行寻优,更新无人机当前的位置。
步骤六:储存结果并验证
无人机编队飞行的位置和速度被视为最终的控制结果,将此结果保存在.mat文件中,在Matlab模块中调用该.mat文件进行仿真,观察无人机在滚动优化人工物理混合方法的作用下实现编队控制的结果。若对结果不满意,可以调整编队控制器所设置的初始参数,重新启动算法进行控制,直到得到满意的控制结果。
通过上述控制过程,可以得到编队控制仿真结果图如附图3所示,从仿真结果中可以看出,无人机系统快速稳定地保持了编队飞行,系统整体性能令人满意。
Claims (1)
1.一种基于滚动优化人工物理混合的编队控制器的构建方法,其特征在于:该方法的具体步骤如下:
步骤一:搭建无人机Matlab仿真模型
无人机模型如下式所示:
公式中,vi表示第i架无人机的飞行速度大小,ψi表示第i架无人机的偏航角,表示第i架无人机在水平面x轴上的速度分量,表示第i架无人机在水平面y轴上的速度分量,表示第i架无人机的偏航角速度,wi表示第i架无人机的偏航角变化率,表示第i架无人机的最大转弯角速度;
步骤二:初始化滚动优化人工物理混合方法初始参数
(1)初始化预测窗口长度P
预测窗口长度P为滚动优化方法中的参数,根据无人机编队控制器的形式不同而改变;
(2)初始化执行窗口长度M
执行窗口长度M对编队效果影响很大,执行窗口长度的选择为预测窗口长度P的一半;
(3)初始化人工物理方法引力参数G
引力参数G应用在人工物理方法中,它影响无人机编队距离;
(4)初始化人工物理方法感知范围R
感知范围R表示无人机之间能感知到的范围,根据具体的无人机数量来确定;
步骤三:设计人工物理力函数
人工物理力函数的设定在编队控制中十分关键,它的设定直接影响编队效果;人工物理力采用与万有引力相似的形式,因此定义如下的人工物理力函数:
F=G/r2(2)
其中,F为无人机受到的作用力,G为设定的人工物理方法引力参数G,r为无人机之间的相对距离;
步骤四:在Matlab中设置无人机初始参数
将无人机的初始参数写入Matlab相应模块,在模块的初始化函数中载入写有无人机初始参数的.mat文件,将滚动优化人工物理混合方法中的参数传递给Matlab模块,在无人机模型中写入定义好的初始参数变量名;
步骤五:利用滚动优化人工物理方法进行编队控制
利用初始化的无人机位置和速度,根据F=G/r2(2)中的公式计算出所有无人机在飞行中受到的作用力,计算所需的控制输入量,将该控制输入量作用在无人机模型上,根据公式
中的无人机模型计算无人机新的速度和偏航角,并反复应用滚动优化人工物理混合方法进行寻优,更新无人机当前的位置;
步骤六:储存结果并验证
无人机编队飞行的位置和速度被视为最终的控制结果,将此结果保存在.mat文件中,在Matlab模块中调用该.mat文件进行仿真,观察无人机在滚动优化人工物理混合方法的作用下实现编队控制的结果;若对结果不满意,调整编队控制器所设置的初始参数,重新启动算法进行控制,直到得到满意的控制结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510646114.8A CN105182998A (zh) | 2015-10-08 | 2015-10-08 | 一种基于滚动优化人工物理混合的编队控制器的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510646114.8A CN105182998A (zh) | 2015-10-08 | 2015-10-08 | 一种基于滚动优化人工物理混合的编队控制器的构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105182998A true CN105182998A (zh) | 2015-12-23 |
Family
ID=54905136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510646114.8A Pending CN105182998A (zh) | 2015-10-08 | 2015-10-08 | 一种基于滚动优化人工物理混合的编队控制器的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105182998A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912020A (zh) * | 2016-05-26 | 2016-08-31 | 北京航空航天大学 | 一种弱稳定边界区域内航天器编队飞行方法 |
CN111897215A (zh) * | 2020-07-01 | 2020-11-06 | 杭州电子科技大学 | 基于数据驱动学习的滚动优化控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167596A1 (en) * | 2005-01-24 | 2006-07-27 | Bodin William K | Depicting the flight of a formation of UAVs |
CN102591358A (zh) * | 2012-03-12 | 2012-07-18 | 北京航空航天大学 | 一种多无人机的动态编队控制方法 |
-
2015
- 2015-10-08 CN CN201510646114.8A patent/CN105182998A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167596A1 (en) * | 2005-01-24 | 2006-07-27 | Bodin William K | Depicting the flight of a formation of UAVs |
CN102591358A (zh) * | 2012-03-12 | 2012-07-18 | 北京航空航天大学 | 一种多无人机的动态编队控制方法 |
Non-Patent Citations (3)
Title |
---|
宗令蓓,谢凡,秦世引: "基于MAS的无人机编队飞行智能优化控制", 《航空学报》 * |
张祥银,段海滨,余亚翔: "基于微分进化的多UAV紧密编队滚动时域控制", 《中国科学:信息科学》 * |
彭辉,曹雷,霍梦兰,叶旭光: "面向多UAV分布式协同任务控制的动态仿真环境", 《第三十二届中国控制会议论文集》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912020A (zh) * | 2016-05-26 | 2016-08-31 | 北京航空航天大学 | 一种弱稳定边界区域内航天器编队飞行方法 |
CN111897215A (zh) * | 2020-07-01 | 2020-11-06 | 杭州电子科技大学 | 基于数据驱动学习的滚动优化控制方法 |
CN111897215B (zh) * | 2020-07-01 | 2022-05-03 | 杭州电子科技大学 | 基于数据驱动学习的滚动优化控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Moore et al. | Robust post-stall perching with a simple fixed-wing glider using LQR-Trees | |
Zhang et al. | Attitude control of a quadrotor aircraft subject to a class of time-varying disturbances | |
Duc et al. | The quadrotor MAV system using PID control | |
Kurnaz et al. | Adaptive neuro-fuzzy inference system based autonomous flight control of unmanned air vehicles | |
CN107992082B (zh) | 基于分数阶幂次切换律的四旋翼无人机飞行控制方法 | |
CN105549617B (zh) | 一种仿鸟群行为和虚拟结构的无人机编队控制方法 | |
CN104571120A (zh) | 四旋翼无人机的姿态非线性自适应控制方法 | |
Mathisen et al. | Non-linear model predictive control for guidance of a fixed-wing UAV in precision deep stall landing | |
CN109856972A (zh) | 一种无人直升机鲁棒容错跟踪控制方法 | |
CN104281155B (zh) | 一种无人飞艇三维航迹跟踪方法 | |
CN104504294A (zh) | 飞行仿真初始状态混合遗传配平方法 | |
CN110308742B (zh) | 基于同步策略的多无人机时变编队控制方法 | |
JP6065130B1 (ja) | 移動体の群制御方法 | |
Gabor et al. | Application of a morphing wing technology on hydra technologies unmanned aerial system UAS-S4 | |
CN110320927A (zh) | 智能变形飞行器的飞行控制方法及系统 | |
CN104965515A (zh) | 一种基于自适应控制的螺旋桨无人靶机的姿态控制方法 | |
Yeh | Attitude controller design of mini-unmanned aerial vehicles using fuzzy sliding-mode control degraded by white noise interference | |
Wang et al. | Attitude control of a quadrotor using model free based sliding model controller | |
Oktay et al. | Dynamic Modeling and Simulation of Quadcopter for Several Flight Conditions | |
CN104536448A (zh) | 一种基于Backstepping法的无人机姿态系统控制方法 | |
CN105182998A (zh) | 一种基于滚动优化人工物理混合的编队控制器的构建方法 | |
CN107977011A (zh) | 基于分数阶控制算法的四旋翼无人机飞行控制方法 | |
Sandino et al. | On the applicability of linear control techniques for autonomous landing of helicopters on the deck of a ship | |
CN105786021A (zh) | 一种四旋翼无人机控制方法 | |
Alam et al. | On the internal stability of non‐linear dynamic inversion: application to flight control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151223 |