CN105511494A - 一种多无人机分布式队形控制的方法 - Google Patents

Abstract

本发明涉及一种多无人机分布式队形控制的方法，在预设区域内部署n架无人机，n为n≥3的整数；无人机能够主动测量邻居无人机的相对位置信息；对n架无人机设定期望队形，确认测量关系和通信关系；对第1架无人机和第2架无人机进行队形控制，设定第一类速度控制器；同时对第3～n架无人机进行队形控制，设定第二类速度控制器，通过主动测量期望队形中邻居无人机的相对位置信息，进行速度控制使得彼此的运动距离与期望队形设定的距离一致。本方法通过分布式控制无人机进行编队，同时可以调整队形的尺度避开障碍物。

Description

一种多无人机分布式队形控制的方法

技术领域

本发明涉及无人机编队控制领域，具体涉及一种多无人机分布式队形控制的方法。

背景技术

无人机是一种拥有动力装置的无人驾驶飞行系统。它具有广泛的应用，既可以用于航拍，交通巡逻等民用领域，也可以用于侦查、监控等军事领域。在一些危险复杂或者人难以进入的环境中，需要进行搜索或者搜救活动，比如灾后紧急救援，雪地搜救现场等，一般只能通过直升机来进行勘察任务，成本巨大且非常危险，无人机的作用就显得尤为突出。

目前在灾后搜救、安防扫描等众多应用中，大都采用单个无人机进行地毯式搜索的方法。然而，受限于单个无人机续航能力的不足，如果要进行大面积地毯式搜索，不仅容易漏掉目标，而且效率还十分低下。不仅如此，如果在大面积环境中还有一些障碍物的话，更是难以处理。

因此，单个无人机很难满足大面积搜索或者搜救活动的需求，如果任务紧急，那情况将更加严重。通过多个无人机编队，协作搜索来避免大面积应用场景中单个无人机不高效的问题，可以使得整个搜索过程高效准确。

目前无人机编队控制方法大都以集中式方法进行编队控制，集中式的控制方法往往需要建立覆盖所有节点的星形通信网络。中国发明专利(CN102591358A)公开一种多无人机的动态编队控制方法，属于飞行控制技术领域，包括步骤一：队形保持方法；步骤二：避障方法；步骤三：基于行为的编队过程，其中基于行为的编队过程分别为行为分解与控制实现。该专利引入了基于行为的编队控制方法，降低了对编队无线数据链更新率的要求，增强了无人机群编队的避障能力；同时引入了虚拟结构作为参考。但是，现有技术中没有存在通过及时调整队形的尺度，并且采用分布式控制进行编对的方法。

发明内容

本发明的目的在于针对现有技术的不足，提供一种多无人机分布式队形控制的方法，通过分布式控制无人机进行编队，同时可以调整队形的尺度避开障碍物。

本发明为解决技术问题采取如下技术方案：

一种多无人机分布式队形控制的方法，包括如下步骤：

1)在预设区域内部署n架无人机，n为n≥3的整数；所述的无人机能够主动测量邻居无人机的相对位置信息；

2)对所述的n架无人机设定期望队形，所述的期望队形表示为：

ξ＝[ξ₁,ξ₂,…,ξ_n]^T，

其中，ξ为期望队形的矩阵表示，ξ₁为第1架无人机的位置，ξ₂为第2架无人机的位置，ξ_n为第n架无人机的位置，T为矩阵的转置；

3)根据步骤2)中设定的期望队形，确定每架无人机在期望队形中与之测量和通信的邻居无人机，得到期望队形中无人机的测量关系和通信关系；

4)对第1架无人机和第2架无人机进行队形控制，所述的第1架无人机和第2架无人机设定第一类速度控制器，通过主动测量对方的相对位置信息，进行速度控制使得彼此的运动距离与期望队形设定的距离一致；

5)对第3～n架无人机同时进行队形控制，所述的第3～n架无人机设定第二类速度控制器，通过主动测量步骤3)中确定的期望队形中邻居无人机的相对位置信息，进行速度控制使得彼此的队形动态的达到期望队形。

上述技术方案不依赖于全局参考坐标系，利用无人机主动测量邻居无人机的相对位置，从而实现无人机编队控制的方法。对第1架和第2架无人机设定第一类速度控制器，使得两者保持设定的距离，其次，对第3～n架无人机设定第二类速度控制器，进行速度的控制得到期望队形。同时，可以通过对第一类速度控制器设定的距离进行调整，达到对期望队形的尺度的调整，避开障碍物。

所述的预设区域为平面，所述的无人机在平面内运动的动态模型如下：

z′_i＝v_i,i＝1,2,…,n；

其中v_i为第i架无人机的速度向量，z′_i为第i架无人机的位置向量求导。

作为优选，所述的步骤4)中第一类速度控制器为：

$\left\{\begin{array}{c}{z}_1^{\′}=v_0+k(z_2-z_1)\left(\right||z_2-z_1|{|}^2-r_{12}^2)\\ z_2^{\′}=v_0+k(z_1-z_2)\left(\right||z_1-z_2|{|}^2-r_{12}^2)\end{array}\right.;$

其中，z₁为第1架无人机在其惯性平面坐标系下的位置向量，以复数表示；z₂为第2架无人机在其惯性平面坐标系下的位置向量，以复数表示；||z₁-z₂||和||z₂-z₁||为第1架无人机与第2架无人机之间的欧几里得距离；r₁₂为第1架无人机和第2架无人机之间的期望距离；k为调节速度的比例系数；v₀为队形稳定时，无人机的期望运动速度向量；z′₁为第1架无人机相对于惯性坐标系的速度控制向量，z′₂为第2架无人机相对于惯性坐标系的速度向量控制量。

作为优选，所述的步骤5)中第二类速度控制器为：

$\left\{\begin{array}{c}{z}_i^{\′}=d_i\underset{j\∈N_i\left(g\right)}{\Σ}{w}_{ij}(z_j-z_i)+n_i,\\ n_i^{\′}=\underset{j\∈N_i\left(H\right)}{\Σ}{a}_{ij}(n_j-n_i),i=3,\mathrm{...},n;\end{array}\right.$

其中，N_i(g)和N_i(H)分别为第i架无人机在期望队形中具有测量关系的邻居无人机集合和具有通讯关系的邻居无人机集合；z_i为第i架无人机在其惯性平面坐标系下的位置向量，z_j为第j架无人机在其惯性平面坐标系下的位置向量；n_i为第i架无人机对第1架或者第2架无人机的速度估计，n_j为第j架无人机对第1架或者第2架无人机的速度估计；z′_i为第i架无人机相对于惯性坐标系的速度向量控制量，n′_i为n_i的导数，d_i为需要被设计的控制参数，w_ij为合适的权重指数，a_ij为任意正实数。

作为优选，所述的第一类速度控制器和第二类速度控制器分别简化如下：

$z_l^{\′}=g\left(z_l\right)=\left[\begin{array}{c}{v}_0+k(z_2-z_1)\left(\right||z_2-z_1|{|}^2-r_{12}^2)\\ v_0+k(z_1-z_2)\left(\right||z_1-z_2|{|}^2-r_{12}^2)\end{array}\right];$

$\left[\begin{array}{c}{z}_f^{\′}\\ n_f^{\′}\end{array}\right]=A\left[\begin{array}{c}{z}_f\\ n_f\end{array}\right]+B\left[\begin{array}{c}{z}_l\\ v_0{1}_2\end{array}\right];$

式中，l表示第1架无人机或第2架无人机，f表示第3～n架无人机，1₂为所有元素为1的列向量；

其中，z_l＝[z₁,z₂]^T,z_f＝[z₃,…,z_n]^T _；

n_l＝[n₁,n₂]^T,n_f＝[n₃,…,n_n]^T _；

$A=\left[\begin{array}{cc}-D_f{L}_{ff}& I_{n-2}\\ 0& -H_{ff}\end{array}\right],B=\left[\begin{array}{cc}-D_f{L}_{ff}& 0\\ 0& -H_{lf}\end{array}\right],$

式中，I_n-2为n-2维的单位矩阵；

其中L用复拉普拉斯表示，表示为：

式中，0_2×2为2×2的0矩阵，0_2×(n-2)为2×(n-2)的0矩阵；

其中D表示为：

D＝diag(0,0,d₃,…,d_n)，D_f＝diag(d₃,…,d_n)；其中d_n为对角矩阵D_f的最后一个元素；

其中H用拉普拉斯表示，表示为：

作为进一步优选，所述的第二类速度控制器需要满足以下条件：

1)Lξ＝0；2)rank(L)＝n-2；3)det(L_ff)≠0；4)det(H_ff)≠0；5)D_fL_ff的特征值在复数右半平面；其中L为期望队形的复拉普拉斯表示，ξ为期望队形，rank(L)为矩阵L的秩，det(L_ff)为矩阵L_ff的行列式，det(H_ff)为H_ff的行列式，D_fL_ff为两个矩阵相乘。

作为优选，所述的第一类速度控制器和第二类速度控制器控制的控制周期为0.05～0.15s。该控制周期范围，可以使得无人机及时调整期望速度，更快的达到期望队形。

作为优选，所述的期望队形的尺度通过改变第一类速度控制器设定的距离进行调整。通过调整期望队形的尺度，可以灵活的避开障碍物。

同现有技术相比，本发明的有益效果体现在：

(1)本发明中的速度控制器具有很好的收敛性，保证系统是稳定的。

(2)对于每个无人机而言，仅仅只需要用到邻居无人机的相对位置信息就能实现编队控制，从实现的角度考虑，相比于现有的编队控制算法，本发明需要更少的计算资源并且所需控制量更容易获取。

(3)队形的尺度可以根据不同的环境进行变换，使得在进行目标搜索任务中，能更加适应环境的变化。

附图说明

图1本发明实施例中的期望队形图；

图2本发明实施例中的通信图；

图3本发明实施例中队形控制图；

图4是本发明实施例中期望队形的尺度缩小0.5倍的效果图。

具体实施方式

在水平高度为5米的水平面内，部署5架四旋翼无人机(基于开源飞控pixhawk的自制四旋翼，型号：轴距550mm)。无人机的硬件系统主要分为底层飞控部分和上层上位机部分。飞控部分控制无人机的飞行稳定，上层上位机负责具体的算法控制，并且将计算得到的控制速度发送给底层飞控，从而实现无人机的自主飞行。

所述的无人机能够主动测量邻居无人机的相对位置信息，主要通过内置激光扫描仪，能够主动测量邻居无人机和自身的相对位置信息，通过极坐标转换成算法所需的向量。

所述的无人机在水平面内运动的动态模型如下：

z′_i＝v_i,i＝1,2,…,n；

其中v_i为第i架无人机的速度向量，z′_i为第i架无人机的位置向量求导。

对5架无人机设定期望队形，期望队形表示为：ξ＝[-1,1,0,-1i,-2i]^T，期望队形图如图1所示，其中箭头表示为5架无人机之间的测量关系；通信图如图2，其中箭头表示为5架无人机之间的通信关系。

然后对第1架无人机和第2架无人机进行队形控制，所述的第1架无人机和第2架无人机设定第一类速度控制器，通过主动测量对方的相对位置信息，进行速度控制使得彼此的运动距离与期望队形设定的距离一致。第一类速度控制器为：

$\left\{\begin{array}{c}{z}_1^{\′}=v_0+k(z_2-z_1)\left(\right||z_2-z_1|{|}^2-r_{12}^2)\\ z_2^{\′}=v_0+k(z_1-z_2)\left(\right||z_1-z_2|{|}^2-r_{12}^2)\end{array}\right.;$

其中，z₁为第1架无人机在其惯性平面坐标系下的位置向量，以复数表示；z₂为第2架无人机在其惯性平面坐标系下的位置向量，以复数表示；||z₁-z₂||和||z₂-z₁||为第1架无人机与第2架无人机之间的欧几里得距离；r₁₂为第1架无人机和第2架无人机之间的期望距离；k为调节速度的比例系数；v₀为队形稳定时，无人机的期望运动速度向量；z′₁为第1架无人机相对于惯性坐标系的速度控制向量，z′₂为第2架无人机相对于惯性坐标系的速度向量控制量。

继续对第3～5架无人机同时进行队形控制，所述的第3～5架无人机设定第二类速度控制器，通过主动测量步骤3)中确定的期望队形中邻居无人机的相对位置信息，进行速度控制使得彼此的队形动态的达到期望队形，队形控制过程如图3所述。

第二类速度控制器为：

$\left\{\begin{array}{c}{z}_i^{\′}=d_i\underset{j\∈N_i\left(g\right)}{\Σ}{w}_{ij}(z_j-z_i)+n_i,\\ n_i^{\′}=\underset{j\∈N_i\left(H\right)}{\Σ}{a}_{ij}(n_j-n_i),i=3,\mathrm{...},n;\end{array}\right.$

其中，N_i(g)和N_i(H)分别为第i架无人机在期望队形中具有测量关系的邻居无人机集合和具有通讯关系的邻居无人机集合；z_i为第i架无人机在其惯性平面坐标系下的位置向量，z_j为第j架无人机在其惯性平面坐标系下的位置向量；n_i为第i架无人机对第1架或者第2架无人机的速度估计，n_j为第j架无人机对第1架或者第2架无人机的速度估计；z′_i为第i架无人机相对于惯性坐标系的速度向量控制量，n′_i为n_i的导数，d_i为需要被设计的控制参数，w_ij为合适的权重指数，a_ij为任意正实数。

通过以下的方法进一步检验是否可以形成如图1所述的期望队形，第一类速度控制器和第二类速度控制器分别简化如下：

$z_l^{\′}=g\left(z_l\right)=\left[\begin{array}{c}{v}_0+k(z_2-z_1)\left(\right||z_2-z_1|{|}^2-r_{12}^2)\\ v_0+k(z_1-z_2)\left(\right||z_1-z_2|{|}^2-r_{12}^2)\end{array}\right];$

$\left[\begin{array}{c}{z}_f^{\′}\\ n_f^{\′}\end{array}\right]=A\left[\begin{array}{c}{z}_f\\ n_f\end{array}\right]+B\left[\begin{array}{c}{z}_l\\ v_0{1}_2\end{array}\right];$

式中，l表示第1架无人机或第2架无人机，f表示第3～n架无人机，1₂为所有元素为1的列向量；

其中，z_l＝[z₁,z₂]^T,z_f＝[z₃,…,z_n]^T _；

n_l＝[n₁,n₂]^T,n_f＝[n₃,…,n_n]^T _；

$A=\left[\begin{array}{cc}-D_f{L}_{ff}& I_{n-2}\\ 0& -H_{ff}\end{array}\right],B=\left[\begin{array}{cc}-D_f{L}_{ff}& 0\\ 0& -H_{lf}\end{array}\right],$

式中，I_n-2为n-2维的单位矩阵；

其中L用复拉普拉斯表示，表示为：

式中，0_2×2为2×2的0矩阵，0_2×(n-2)为2×(n-2)的0矩阵；

其中D表示为：

D＝diag(0,0,d₃,…,d_n)，D_f＝diag(d₃,…,d_n)；其中d_n为对角矩阵D_f的最后一个元素；

其中H用拉普拉斯表示，表示为：

根据图1所述的期望队形，以及期望队形：ξ＝[-1,1,0,-1i,-2i]^T，设计参数：

d₃＝-3,d₄＝-0.005-0.25i,d₅＝0.25+0.005i；

将上述设计参数代入到简化的公式中，所述的第二类速度控制器需要满足以下条件时，最终可以形成如图1所述的期望队形：

1)Lξ＝0；2)rank(L)＝n-2；3)det(L_ff)≠0；4)det(H_ff)≠0；5)D_fL_ff的特征值在复数右半平面；其中L为期望队形的复拉普拉斯表示，ξ为期望队形，rank(L)为矩阵L的秩，det(L_ff)为矩阵L_ff的行列式，det(H_ff)为H_ff的行列式，D_fL_ff为两个矩阵相乘。

根据实际环境的不同，比如遇到狭窄的走廊等环境突然改变的情况，可以调节第一类速度控制器设定的距离来调节队形的尺度，如图4所示，本实施例中将第一类速度控制器设定的距离调节为1/2时，队形尺度变为原来1/2。

以上所述的具体实施方式对本发明的技术方案有益效果进行了详细说明，应理解的是以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种多无人机分布式队形控制的方法，其特征在于，包括如下步骤：

1)在预设区域内部署n架无人机，n为n≥3的整数；所述的无人机能够主动测量邻居无人机的相对位置信息；

2)对所述的n架无人机设定期望队形，所述的期望队形表示为：

ξ＝[ξ₁,ξ₂,···,ξ_n]^T，

其中，ξ为期望队形的矩阵表示，ξ₁为第1架无人机的位置，ξ₂为第2架无人机的位置，ξ_n为第n架无人机的位置，T为矩阵的转置；

3)根据步骤2)中设定的期望队形，确定每架无人机在期望队形中与之测量和通信的邻居无人机，得到期望队形中无人机的测量关系和通信关系；

4)对第1架无人机和第2架无人机进行队形控制，所述的第1架无人机和第2架无人机设定第一类速度控制器，通过主动测量对方的相对位置信息，进行速度控制使得彼此的运动距离与期望队形设定的距离一致；

5)对第3～n架无人机同时进行队形控制，所述的第3～n架无人机设定第二类速度控制器，通过主动测量步骤3)中确定的期望队形中邻居无人机的相对位置信息，进行速度控制使得彼此的队形动态的达到期望队形。

2.根据权利要求1所述的多无人机分布式队形控制的方法，其特征在于，所述的预设区域为平面，所述的无人机在平面内运动的动态模型如下：

z′_i＝v_i,i＝1,2,···,n；

其中v_i为第i架无人机的速度向量，z′_i为第i架无人机的位置向量求导。

3.根据权利要求1或2所述的多无人机分布式队形控制的方法，其特征在于，所述的步骤4)中第一类速度控制器为：

$\left\{\begin{array}{c}{z}_1^{\′}=v_0+k\left(z_2-z_1\right)\left(\left|\right|z_2-z_1|{|}^2-r_{12}^2\right)\\ z_2^{\′}=v_0+k\left(z_1-z_2\right)\left(\left|\right|z_1-z_2|{|}^2-r_{12}^2\right)\end{array}\right.;$

其中，z₁为第1架无人机在其惯性平面坐标系下的位置向量，以复数表示；z₂为第2架无人机在其惯性平面坐标系下的位置向量，以复数表示；||z₁-z₂||和||z₂-z₁||为第1架无人机与第2架无人机之间的欧几里得距离；r₁₂为第1架无人机和第2架无人机之间的期望距离；k为调节速度的比例系数；v₀为队形稳定时，无人机的期望运动速度向量；z′₁为第1架无人机相对于惯性坐标系的速度控制向量，z′₂为第2架无人机相对于惯性坐标系的速度向量控制量。

4.根据权利要求3所述的多无人机分布式队形控制的方法，其特征在于，所述的步骤5)中第二类速度控制器为：

$\left\{\begin{array}{c}{z}_i^{\′}=d_i\underset{j\∈N_i\left(g\right)}{\Σ}{w}_{ij}\left(z_j-z_i\right)+n_i,\\ n_i^{\′}=\underset{j\∈N_i\left(H\right)}{\Σ}{a}_{ij}\left(n_j-n_i\right),i=3,...,n;\end{array}\right.$

其中，N_i(g)和N_i(H)分别为第i架无人机在期望队形中具有测量关系的邻居无人机集合和具有通讯关系的邻居无人机集合；z_i为第i架无人机在其惯性平面坐标系下的位置向量，z_j为第j架无人机在其惯性平面坐标系下的位置向量；n_i为第i架无人机对第1架或者第2架无人机的速度估计，n_j为第j架无人机对第1架或者第2架无人机的速度估计；z′_i为第i架无人机相对于惯性坐标系的速度向量控制量，n′_i为n_i的导数，d_i为需要被设计的控制参数，w_ij为合适的权重指数，a_ij为任意正实数。

5.根据权利要求4所述的多无人分布式队形控制的方法，其特征在于，所述的第一类速度控制器和第二类速度控制器分别简化如下：

$z_l^{\′}=g\left(z_l\right)=\left[\begin{array}{c}{v}_0+k\left(z_2-z_1\right)\left(\left|\right|z_2-z_1|{|}^2-r_{12}^2\right)\\ v_0+k\left(z_1-z_2\right)\left(\left|\right|z_1-z_2|{|}^2-r_{12}^2\right)\end{array}\right];$

$\left[\begin{array}{c}{z}_f^{\′}\\ n_f^{\′}\end{array}\right]=A\left[\begin{array}{c}{z}_f\\ n_f\end{array}\right]+B\left[\begin{array}{c}{z}_l\\ v_0{1}_2\end{array}\right];$

式中，l表示第1架无人机或第2架无人机，f表示第3～n架无人机，1₂为所有元素为1的列向量；

其中，z_l＝[z₁,z₂]^T,z_f＝[z₃,···,z_n]^T；

n_l＝[n₁,n₂]^T,n_f＝[n₃,···,n_n]^T；

$A=\left[\begin{array}{cc}-D_f{L}_{ff}& I_{n-2}\\ 0& -H_{ff}\end{array}\right],B=\left[\begin{array}{cc}-D_f{L}_{ff}& 0\\ 0& -H_{lf}\end{array}\right],$

式中，I_n-2为n-2维的单位矩阵；

其中L用复拉普拉斯表示，表示为：

式中，0_2×2为2×2的0矩阵，0_2×(n-2)为2×(n-2)的0矩阵；

其中D表示为：

D＝diag(0,0,d₃,···,d_n)，D_f＝diag(d₃,···,d_n)；其中d_n为对角矩阵D_f的最后一个元素；

其中H用拉普拉斯表示，表示为：

6.根据权利要求5所述的多无人机分布式队形控制的方法，其特征在于，所述的第二类速度控制器需要满足以下条件：

1)Lξ＝0；2)rank(L)＝n-2；3)det(L_ff)≠0；4)det(H_ff)≠0；5)D_fL_ff的特征值在复数右半平面；其中L为期望队形的复拉普拉斯表示，ξ为期望队形，rank(L)为矩阵L的秩，det(L_ff)为矩阵L_ff的行列式，det(H_ff)为H_ff的行列式，D_fL_ff为两个矩阵相乘。

7.根据权利要求1所述的多无人机分布式队形控制的方法，其特征在于，所述的第一类速度控制器和第二类速度控制器控制的控制周期为0.05～0.15s。

8.根据权利要求1所述的多无人机分布式队形控制的方法，其特征在于，所述的期望队形的尺度通过改变第一类速度控制器设定的距离进行调整。