CN107703966B - 一种基于雁群自组织飞行的无人机自主编队控制方法 - Google Patents
一种基于雁群自组织飞行的无人机自主编队控制方法 Download PDFInfo
- Publication number
- CN107703966B CN107703966B CN201710961249.2A CN201710961249A CN107703966B CN 107703966 B CN107703966 B CN 107703966B CN 201710961249 A CN201710961249 A CN 201710961249A CN 107703966 B CN107703966 B CN 107703966B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- goose
- plane
- wild
- 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.)
- Active
Links
- 241000272814 Anser sp. Species 0.000 title claims abstract description 81
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004088 simulation Methods 0.000 claims abstract description 24
- 241000272808 Anser Species 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Peptides Or Proteins (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明是一种基于雁群自组织飞行的无人机自主编队控制方法,其实现步骤为:步骤一:初始化;步骤二:确定长机;步骤三:确定各僚机的引导机;步骤四:确定引导机相对各僚机的期望位置;步骤五:防撞;步骤六:生成无人机自驾仪控制输入指令;步骤七:将自驾仪控制输入指令输入无人机模型;步骤八:判断是否结束仿真;该方法旨在提供一种分布式的无人机自主编队控制方法,在提高无人机机群鲁棒性和适应性的同时,降低无人机单机计算和通信负载,从而有效提高无人机自主能力水平。
Description
技术领域
本发明涉及一种基于雁群自组织飞行的无人机自主编队控制方法,属于无人机控制领域。
背景技术
无人机(Unmanned Aerial Vehicle,UAV)是一种由自身程序控制或由无线电遥控的,用来执行特定任务的无人驾驶飞行器,具有“平台无人、系统有人”的属性和环境适应能力强、自主程度高、非接触、零伤亡、可长时间工作的特点,在军事和民用领域中具有广阔的应用发展前景。
由于单无人机在感知范围、任务载重、计算能力等方面均存在限制,在执行某些复杂任务时效率低下或无法完成。与单无人机相比,无人机自主编队可以低成本、高分散的组织形式满足功能需求,以去中心化自组网提升系统高效信息共享、抗故障与自愈能力,以功能分布化提高体系生存率和效率交换比,已成为无人机发展的重要趋势。无人机自主编队,是指多架具有自主能力的无人机按照一定结构形式进行三维空间排列,且在飞行过程中可保持稳定队形,并能根据外部情况和任务需求进行队形动态调整,以体现整个机群的协调一致性。虽然无人机自主编队飞行可提高系统性能,但多个飞行器并存也导致了一些新的问题,比如系统协调管理的难度提升,系统整体状态的不确定性增加,系统对通信的依赖性加大,因此设计合理高效的无人机自主编队控制方法至关重要。本发明旨在通过设计一种无人机自主编队控制方法,提高无人机自主编队控制水平,使其可以较低的载荷配置高效完成相对复杂的任务,从而具备一定智能等级的自主能力。
目前,常见的无人机自主编队控制方法主要包括长机-僚机式、基于行为、虚拟结构等。其中长机-僚机式,需要预设编队结构,在机群故障方面鲁棒性差;基于行为法是根据预设信息和触发条件形成控制指令,缺乏适应性;虚拟结构法类似一种集中式控制,对计算能力依赖性强,对机间通信要求高。本发明针对现有无人机自主编队控制方法在鲁棒性、适应性等方面的自主能力不足以及计算和通信负载过大的问题,基于雁群自组织飞行设计了一种分布式的无人机自主编队控制方法。
雁群线性编队飞行是自然界中存在的一种普遍现象,是群居性个体为适应生存环境,历经长期演化后与生俱来的生存本领。雁群通过个体决策,最终使得整个群体从宏观上涌现出自组织性、协作性、稳定性及对环境的适应性;无人机自主编队的目的则是通过分布式决策实现能够自组织、协调性好和鲁棒性强的编队飞行。鉴于雁群飞行机制中去中心化的邻近个体交互、整体的自组织性等特点与无人机自主编队控制的局部性、分布式和鲁棒性等要求有着紧密的契合之处,本发明提出了一种基于雁群自组织飞行的无人机自主编队控制方法,以解决现有无人机自主编队控制方法在自主能力以及单机负载上的不足,有效提高无人机自主编队控制水平。
发明内容
1、发明目的:
本发明提供了一种基于雁群自组织飞行的无人机自主编队控制方法,其目的是提供一种分布式的无人机自主编队控制方法,旨在提高无人机机群鲁棒性和适应性的同时,降低无人机单机计算和通信负载,从而有效提高无人机自主能力水平。
2、技术方案:
本发明针对无人机编队控制问题,开发了一种基于雁群自组织飞行的无人机自主编队控制方法,该方法的实现流程如图1所示,具体实现步骤如下:
步骤一:初始化
随机生成n架无人机的初始飞行状态,包括空间位置(Xi,Yi,hi)、水平速度Vi,航向角ψi以及高度变化率ζi,其中i为无人机的编号;设定当前仿真时间t=0。
步骤二:确定长机
将n架无人机组成的机群视为一个雁群,其中每架无人机为雁群中的一个个体,飞行状态不受其他无人机影响的长机为雁群中的头雁。当前空间位置位于雁群最前方的个体,视为该雁群的头雁;当存在多个个体位于雁群最前方时,这些个体中空间位置位于雁群最左边的个体,视为该雁群的头雁。即当且仅当不存在无人机j满足Xj≥Xi且Yj≥Yi时,有NumL=i,其中NumL为长机对应的无人机编号,X为无人机在地面坐标系下的横轴坐标,Y为无人机在地面坐标系下的纵轴坐标,i为无人机的编号
步骤三:确定各僚机的引导机
将僚机视为从雁,并将僚机对应的引导机视为前雁,其中除长机外机群中的其余无人机均为僚机,影响某一僚机飞行状态的无人机为该僚机的引导机,引导机可为长机,也可为僚机。每个从雁选择当前位于前方且水平面上相距最近的个体作为前雁;前方若无个体时,从雁选择当前与自身并排的个体中,在水平面上相距最近的个体作为前雁;若可选择的前雁不唯一时,从雁选择编号最小的个体作为前雁。即当且仅当不存在无人机j'满足Xj'≥Xi且Rij'<Rij时或满足Xj'≥Xi,Rij'=Rij且j'<j时,有其中为僚机i和无人机j间的水平距离,为僚机i对应的引导机的编号。
步骤四:确定引导机相对各僚机的期望位置
当某一从雁的当前空间位置位于头雁右侧时,该从雁会选择飞向其对应前雁的右侧期望位置,反之该从雁会选择飞向其对应前雁的左侧期望位置。前雁相对于对应从雁的期望位置即为引导机相对于僚机的期望位置。即当时,有当时,有
步骤五:防撞
则有否则若i=NumL,则有若i≠NumL,则有zi=0。其中,(x,y,z)是某架无人机在无人机i旋转坐标系下的位置,该旋转坐标系的原点O位于无人机i的中心,x轴与Vi一致,z轴沿垂直方向(向下为正),y轴垂直于Oxz平面(机体右侧为正);为长机高度保持自驾仪的控制输入,hc为防撞控制距离,为引导机相对于僚机i的垂向期望位置,xmin、ymin和zmin分别为前向安全距离、侧向安全距离和垂向安全距离,h为无人机飞行高度。
步骤六:生成无人机自驾仪控制输入指令
步骤七:将自驾仪控制输入指令输入无人机模型
其中τV、τψ和(τa,τb)分别为速度保持自驾仪、航向保持自驾仪以及高度保持自驾仪的时间常数。
步骤八:判断是否结束仿真
仿真时间t=t+ts,其中ts为采样时间。若t大于最大仿真运行时间Tmax,则仿真结束并绘制无人机机群飞行轨迹和状态曲线;否则,返回步骤二。
3、优点及效果:
本发明提出了一种基于雁群自组织飞行的无人机自主编队控制方法。该方法的主要优势主要体现在两个方面:一方面,该方法是模仿雁群飞行中去中心化的邻近个体交互机制设计的一种分布式的无人机自主编队控制方法,因此相较于常见的虚拟结构等集中式无人机自主编队控制方法,该方法降低了单机计算和通信负载;另一方面,该方法秉承了雁群飞行机制中的自组织性,与常见的长机-僚机式、基于行为法等依赖预设信息的无人机自主编队控制方法,具有更高的鲁棒性和适应性,进而有效提高了无人机自主能力水平。
附图说明
图1基于雁群自组织飞行的无人机自主编队控制流程。
图2无人机机群飞行轨迹。
图3无人机机群高度曲线。
图4无人机机群水平速度曲线。
图5无人机机群航向角曲线。
图6无人机机群高度变化率曲线。
图中标号及符号说明如下:
t——仿真时间
i——无人机编号
n——无人机数量
Tmax——最大仿真运行时间
ts——采样时间
N——不满足条件(否)
Y——满足条件(是)
h——无人机高度
V——无人机速度
ψ——无人机航向角
ζ——无人机高度变化率
具体实施方式
见图1至图6,下面通过一个具体的无人机自主编队控制实例来验证本发明所提出的方法的有效性。实验计算机配置为Intel Core i7-6700HQ处理器,2.60Ghz主频,16G内存,软件为MATLAB 2014a版本。该方法具体步骤如下:
步骤一:初始化
随机生成12架无人机的初始飞行状态:无人机1至无人机12的初始空间位置分别为(4.3200m,4.0930m,112.9507m)、(8.2271m,8.6110m,117.4897m)、(12.4510m,12.7517m,104.2471m)、(16.1673m,16.4915m,102.8107m)、(20.2292m,20.4849m,133.3898m)、(23.8720m,23.6837m,121.6000m)、(28.1967m,27.7187m,132.6017m)、(32.1072m,31.8181m,120.0093m)、(35.4427m,36.2482m,103.7010m)、(40.1160m,39.3100m,130.6508m)、(43.6097m,44.0691m,116.8043m)以及(47.2467m,47.6949m,132.6842m),初始水平速度均为42m/s,初始航向角均为0°,初始高度变化率均为0m/s2;设定当前仿真时间t=0s。
步骤二:确定长机
将12架无人机组成的机群视为一个雁群,其中每架无人机为雁群中的一个个体,长机为雁群中的头雁。空间位置位于雁群最前方的12号个体,视为该雁群的头雁。即长机对应的无人机编号NumL=12。
步骤三:确定各僚机的引导机
将僚机视为从雁,并将僚机对应的引导机视为前雁。每个从雁选择当前位于前方且水平面上相距最近的个体作为前雁;前方若无个体时,从雁选择当前与自身并排的个体中,在水平面上相距最近的个体作为前雁;若可选择的前雁不唯一时,从雁选择编号最小的个体作为前雁。实例中,2号~12号个体分别是1号~11号个体的前雁。即僚机i对应的引导机编号分别为:
步骤四:确定引导机相对各僚机的期望位置
当某一从雁的当前空间位置位于头雁右侧时,该从雁会选择飞向其对应前雁的右侧期望位置,反之该从雁会选择飞向其对应前雁的左侧期望位置。前雁相对于对应从雁的期望位置即为引导机相对于僚机的期望位置。实例中,前向期望距离xexp=3.9200m,侧向期望距离yexp=1.5394m,引导机相对各僚机的前向期望位置均为3.9200m,纵向期望位置均为-1.5394m。
步骤五:防撞
当任两架无人机的当前位置不满足安全条件时,为防止碰撞,位于下方的无人机将下降一段指定距离。实例中,前向安全距离xmin、侧向安全距离ymin以及垂向安全距离zmin分别为2.7500m、2.1560m以及0.8956m,防撞控制距离hc=1.6284m。当存在某架无人机在无人机i旋转坐标系下的位置(x,y,z)满足|x|≤xmin,|y|≤ymin,|z|≤zmin且z<0时,若i=12,则长机高度保持自驾仪的控制输入若i≠12,则引导机相对于僚机i的垂向期望位置否则若i=12,则若i≠12,则
步骤六:生成无人机自驾仪控制输入指令
长机速度保持自驾仪控制输入和航向保持自驾仪控制输入分别为上一采样时刻的对应状态,即由式(1)得到僚机的速度保持自驾仪控制输入VWc、航向保持自驾仪控制输入ψWc以及高度保持自驾仪控制输入hWc,其中x通道的PID控制参数
前向误差控制增益kx=-10,速度误差控制增益kV=3,侧向误差控制增益ky=-0.1,航向误差控制增益kψ=1,高度误差控制增益kz=10。
步骤七:将自驾仪控制输入指令输入无人机模型
若无人机i为长机,将和输入式(2)所描述的长机模型,得到下一仿真时间的无人机状态,其中速度保持自驾仪时间常数τV=5s,航向保持自驾仪时间常数τψ=0.75s,高度保持自驾仪时间常数(τa,τb)=(0.3075,3.85)。若无人机i为僚机,将和输入式(3)所描述的僚机模型,得到下一仿真时间的无人机状态,其中是无人机的高度保持自驾仪的控制输入,平均动压翼面积S=1.37m2,毛重m=20.64kg,阻力变化的稳定性导数侧力变化的稳定性导数升力变化的稳定性导数
步骤八:判断是否结束仿真
仿真时间t=t+0.01s。若t大于6s,则仿真结束并绘制无人机机群飞行轨迹和状态曲线;否则,返回步骤二。全过程无人机飞行轨迹、高度曲线、水平速度曲线、航向角曲线以及高度变化率曲线分别如图2至图6所示。无人机仿真验证了通过本发明所提出的基于雁群自组织飞行的无人机自主编队控制方法,无人机机群可实现自主编队。
Claims (1)
1.一种基于雁群自组织飞行的无人机自主编队控制方法,其特征在于:该方法具体实现步骤如下:
步骤一:初始化
随机生成n架无人机的初始飞行状态,包括空间位置(Xi,Yi,hi)、水平速度Vi,航向角ψi以及高度变化率ζi,其中i为无人机的编号;设定当前仿真时间t=0;
步骤二:确定长机
将n架无人机组成的机群视为一个雁群,其中每架无人机为雁群中的一个个体,飞行状态不受其他无人机影响的长机为雁群中的头雁;当前空间位置位于雁群最前方的个体,视为该雁群的头雁;当存在多个个体位于雁群最前方时,这些个体中空间位置位于雁群最左边的个体,视为该雁群的头雁;即当且仅当不存在无人机j满足Xj≥Xi且Yj≥Yi时,有NumL=i,其中NumL为长机对应的无人机编号,X为无人机在地面坐标系下的横轴坐标,Y为无人机在地面坐标系下的纵轴坐标,i为无人机的编号;
步骤三:确定各僚机的引导机
将僚机视为从雁,并将僚机对应的引导机视为前雁,其中除长机外机群中的其余无人机均为僚机,影响某一僚机飞行状态的无人机为该僚机的引导机,引导机可为长机,也可为僚机;每个从雁选择当前位于前方且水平面上相距最近的个体作为前雁;前方若无个体时,从雁选择当前与自身并排的个体中,在水平面上相距最近的个体作为前雁;若可选择的前雁不唯一时,从雁选择编号最小的个体作为前雁;即当且仅当不存在无人机j'满足Xj'≥Xi且Rij'<Rij时或满足Xj'≥Xi,Rij'=Rij且j'<j时,有其中为僚机i和无人机j间的水平距离,为僚机i对应的引导机的编号;
步骤四:确定引导机相对各僚机的期望位置
当某一从雁的当前空间位置位于头雁右侧时,该从雁会选择飞向其对应前雁的右侧期望位置,反之该从雁会选择飞向其对应前雁的左侧期望位置;前雁相对于对应从雁的期望位置即为引导机相对于僚机的期望位置;即当时,有当时,有其中和分别为引导机相对于僚机i的前向期望位置和侧向期望位置,xexp和yexp分别为前向期望距离和侧向期望距离;
步骤五:防撞
当任两架无人机的当前位置不满足安全条件时,为防止碰撞,位于下方的无人机将下降一段指定距离;即当|x|≤xmin,|y|≤ymin,|z|≤zmin且z<0时,若i=NumL,则有若i≠NumL,则有否则若i=NumL,则有若i≠NumL,则有其中,(x,y,z)是某架无人机在无人机i旋转坐标系下的位置,该旋转坐标系的原点O位于无人机i的中心,x轴与Vi一致,z轴沿垂直方向,y轴垂直于Oxz平面;为长机高度保持自驾仪的控制输入,hc为防撞控制距离,为引导机相对于僚机i的垂向期望位置,xmin、ymin和zmin分别为前向安全距离、侧向安全距离和垂向安全距离,h为无人机飞行高度;
步骤六:生成无人机自驾仪控制输入指令
步骤七:将自驾仪控制输入指令输入无人机模型
其中τV、τψ和(τa,τb)分别为速度保持自驾仪、航向保持自驾仪以及高度保持自驾仪的时间常数;
步骤八:判断是否结束仿真
仿真时间t=t+ts,其中ts为采样时间;若t大于最大仿真运行时间Tmax,则仿真结束并绘制无人机机群飞行轨迹和状态曲线;否则,返回步骤二。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710546402 | 2017-07-06 | ||
CN2017105464025 | 2017-07-06 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107703966A CN107703966A (zh) | 2018-02-16 |
CN107703966B true CN107703966B (zh) | 2020-05-05 |
Family
ID=61184400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710961249.2A Active CN107703966B (zh) | 2017-07-06 | 2017-10-13 | 一种基于雁群自组织飞行的无人机自主编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107703966B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109324611A (zh) * | 2018-09-12 | 2019-02-12 | 中国人民解放军国防科技大学 | 一种基于基本行为自组织的群体机器人快速编队方法 |
CN110320932B (zh) * | 2019-06-21 | 2021-08-31 | 西安电子科技大学 | 一种基于微分进化算法的编队队形重构方法 |
CN110502034B (zh) * | 2019-09-04 | 2022-08-09 | 中国人民解放军国防科技大学 | 一种基于深度强化学习的固定翼无人机群集控制方法 |
CN110580057B (zh) * | 2019-09-26 | 2023-03-31 | 哈尔滨工程大学 | 一种基于圆周分层规划的uuv集群编队队形形成方法 |
CN111221354B (zh) * | 2019-11-26 | 2021-09-21 | 南京航空航天大学 | 一种基于改进的转弯半径的固定翼编队控制方法 |
CN113625755B (zh) * | 2021-08-09 | 2024-02-27 | 北京航空航天大学 | 一种仿候鸟迁徙行为的无人机集群自主编队控制方法 |
CN113406975B (zh) * | 2021-08-19 | 2021-11-30 | 北京科技大学 | 一种仿生智能多无人机集群自主编队导航控制方法及装置 |
CN113504797B (zh) | 2021-09-13 | 2021-12-17 | 北京科技大学 | 一种扑翼飞行机器人编队控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5521817A (en) * | 1994-08-08 | 1996-05-28 | Honeywell Inc. | Airborne drone formation control system |
CN103576692A (zh) * | 2013-11-07 | 2014-02-12 | 哈尔滨工程大学 | 一种多无人机协同飞行方法 |
CN104850009A (zh) * | 2015-03-17 | 2015-08-19 | 北京航空航天大学 | 一种基于捕食逃逸鸽群优化的多无人飞行器编队协调控制方法 |
CN105353766A (zh) * | 2015-11-10 | 2016-02-24 | 合肥工业大学 | 一种多无人机编队结构的分布式容错管理方法 |
CN105867415A (zh) * | 2016-04-20 | 2016-08-17 | 沈阳航空航天大学 | 一种基于多无人机安全通信的协同控制策略 |
CN106843269A (zh) * | 2017-01-22 | 2017-06-13 | 北京航空航天大学 | 一种基于小型鸟类集群飞行机制的无人机编队方法 |
-
2017
- 2017-10-13 CN CN201710961249.2A patent/CN107703966B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5521817A (en) * | 1994-08-08 | 1996-05-28 | Honeywell Inc. | Airborne drone formation control system |
CN103576692A (zh) * | 2013-11-07 | 2014-02-12 | 哈尔滨工程大学 | 一种多无人机协同飞行方法 |
CN104850009A (zh) * | 2015-03-17 | 2015-08-19 | 北京航空航天大学 | 一种基于捕食逃逸鸽群优化的多无人飞行器编队协调控制方法 |
CN105353766A (zh) * | 2015-11-10 | 2016-02-24 | 合肥工业大学 | 一种多无人机编队结构的分布式容错管理方法 |
CN105353766B (zh) * | 2015-11-10 | 2016-10-12 | 合肥工业大学 | 一种多无人机编队结构的分布式容错管理方法 |
CN105867415A (zh) * | 2016-04-20 | 2016-08-17 | 沈阳航空航天大学 | 一种基于多无人机安全通信的协同控制策略 |
CN106843269A (zh) * | 2017-01-22 | 2017-06-13 | 北京航空航天大学 | 一种基于小型鸟类集群飞行机制的无人机编队方法 |
Non-Patent Citations (2)
Title |
---|
Distributed UAV formation control using differential game approach;Wei Lin;《Aerospace Science and Technology》;20140313;第53-62页 * |
仿雁群行为机制的多无人机紧密编队;周子为,等;《中国科学:技术科学》;20170103;第47卷(第3期);第230-238页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107703966A (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107703966B (zh) | 一种基于雁群自组织飞行的无人机自主编队控制方法 | |
CN109508035B (zh) | 基于分布式控制的多区域分级式无人机编队路径规划方法 | |
CN111522361B (zh) | 主-从模式的多无人机编队一致性控制方法 | |
CN109613931A (zh) | 基于生物社会力的异构无人机集群目标跟踪系统及方法 | |
CN108196579B (zh) | 基于几何分布的无人机分级编队方法 | |
CN110096073A (zh) | 仿信鸽智能行为的超大规模无人机集群控制系统及方法 | |
CN112068598B (zh) | 一种无人机编队飞行方法及控制系统 | |
CN113625755B (zh) | 一种仿候鸟迁徙行为的无人机集群自主编队控制方法 | |
CN111522258B (zh) | 多无人机协同控制仿真系统及其构建方法、仿真方法 | |
CN105045286B (zh) | 一种基于自驾仪和遗传算法的监测无人机悬停范围的方法 | |
CN110286694B (zh) | 一种多领导者的无人机编队协同控制方法 | |
CN106200678A (zh) | 一种无人机作业自动编队系统及方法 | |
CN111158395B (zh) | 一种基于鸽群优化的多无人机紧密编队控制方法 | |
CN113050677A (zh) | 多无人机队形保持和变换的控制方法、系统、存储介质 | |
CN110162097A (zh) | 基于能耗的无人机分布式编队控制方法 | |
CN106598056B (zh) | 一种提升固定翼飞机隐身性能的舵面优先级调节方法 | |
CN106647264B (zh) | 一种基于控制约束的扩展鲁棒h∞的无人机控制方法 | |
CN111077909A (zh) | 一种基于视觉信息的新型无人机自组群自洽优化控制方法 | |
Li | An improved artificial potential field method based on chaos theory for UAV route planning | |
CN112650299A (zh) | 一种考虑时变编队的分组一致性无人机编队控制方法 | |
Li et al. | UAV-BS formation control method based on loose coupling structure | |
Bai et al. | Research on UAV Formation Simulation and Evaluation Technology | |
CN110716585A (zh) | 基于分布式一致性与自组网的自主协同控制方法及系统 | |
CN116540780A (zh) | 一种基于博弈制导的无人机决策控制方法 | |
Jin et al. | Research on distributed cooperative control of swarm UAVs for persistent coverage |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |