CN107703970A - 无人机集群环绕追踪方法 - Google Patents
无人机集群环绕追踪方法 Download PDFInfo
- Publication number
- CN107703970A CN107703970A CN201711071148.4A CN201711071148A CN107703970A CN 107703970 A CN107703970 A CN 107703970A CN 201711071148 A CN201711071148 A CN 201711071148A CN 107703970 A CN107703970 A CN 107703970A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- wing unmanned
- rotor wing
- individual
- 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
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 230000002093 peripheral effect Effects 0.000 claims description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 abstract 1
- 230000003068 static effect Effects 0.000 abstract 1
- 230000006399 behavior Effects 0.000 description 65
- 238000002474 experimental method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 206010033799 Paralysis Diseases 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
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
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明适用于飞行控制领域,提供了无人机集群环绕追踪方法。该方法包括:旋翼无人机个体获取跟踪目标信息和旋翼无人机个体探测范围内其它旋翼无人机个体信息;根据追踪目标的光场模型,基于预设运动控制规则一和预设运动控制规则二控制旋翼无人机执行追踪目标的运动和调整间距的运动,并使旋翼无人机个体产生相应的行为动作指令;根据行为动作指令,结合旋翼无人机个体的状态信息生成旋翼无人机可执行的期望控制指令信号,控制旋翼无人机的运动;重复执行预设运动控制规则一和预设运动控制规则二,直至追踪过程结束。该方法控制简单灵活,适用于对单个或多个静态/动态目标的自动分配与环绕追踪,且集群内部成员数量的增减不会增加控制的复杂性。
Description
技术领域
本发明属于无人机控制技术领域,尤其涉及无人机集群环绕追踪方法。
背景技术
无人机集群是近些年来全世界的研究热点之一,因在军事侦察、目标打击、通信中继、电子对抗、战场评估以及诱敌干扰等许多方面具有较高的任务执行效率逐渐获得广泛应用。基于作战任务的需求,目前已有技术在控制无人机集群对目标进行环绕追踪时控制复杂、灵活性差。无人机集群执行目标环绕追踪任务需要一种简单、灵活的分布式控制方法。
发明内容
有鉴于此,本发明实施例提供了一种基于仿生规则的无人机集群环绕追踪方法,以解决现有技术中因计算和通信量大引起的控制效果不佳以及不能对多动态目标任务自动分配和实施跟踪的问题。
本发明实施例提供的无人机集群环绕追踪方法,包括:
旋翼无人机个体获取跟踪目标信息和旋翼无人机个体预设范围内其它旋翼无人机个体信息;所述跟踪目标信息包括所述跟踪目标的位置和任务规模的大小,所述旋翼无人机预设范围内其它旋翼无人机个体信息包括探测区域和观察区域内其它旋翼无人机个体的位置信息;
根据所述跟踪目标信息建立所述追踪目标的光场模型;
根据所述追踪目标的光场模型,基于预设运动控制规则一控制旋翼无人机执行追踪目标的运动,使旋翼无人机个体产生相应的行为动作指令;根据所述旋翼无人机探测区域和观察区域内的其它旋翼无人机信息,基于预设运动控制规则二,控制旋翼无人机执行调整间距的运动,使旋翼无人机个体产生相应的行为动作指令;
根据所述行为动作指令,结合旋翼无人机个体的状态信息生成旋翼无人机可直接执行的期望控制指令信号,控制旋翼无人机的运动;
重复执行预设运动控制规则一和预设运动控制规则二,直至追踪过程结束。可选的,所述跟踪目标的光场模型具体为:以所述跟踪目标所在位置为光场的中心,光场中心的光强度根据任务的规模进行设计,光强度值与任务规模的大小成正比,光场周围位置的光强度值为光场中心位置的光强度值的千分之一与该位置到光场中心距离的平方的倒数值的乘积。
可选的,所述预设运动控制规则一具体为:
旋翼无人机个体i检测所在位置的光强度;
当旋翼无人机个体i所在位置的光强度小于第一门限值且大于第二门限时,搜索以旋翼无人机个体i所在位置为圆心和设定值R为半径围成的圆周区域中光强度最大值所在的位置,并将旋翼无人机个体i的运动方向调整为朝向所述光强度最大的位置所在的方向;当旋翼无人机个体i机头前方位置的光强度与旋翼无人机个体i所在位置的光强度的比值大于第二门限值与1之和时,控制所述旋翼无人机个体i向左或向右随机旋转预设角度以进行规避,并控制所述旋翼无人机个体i按照调整后的方向向前运动;当旋翼无人机个体i机头前方位置的光强度与旋翼无人机个体i所在位置的光强度的比值小于或等于所述第二门限值与1之和时,对所述旋翼无人机个体i的运动方向进行预设范围的随机调整,并控制所述旋翼无人机个体i按照调整后的方向向前运动;所述第二门限值小于所述第一门限值;
在旋翼无人机个体i所在位置的光强度大于或等于第一门限值时,搜索以旋翼无人机个体i所在位置为圆心和设定值R为半径围成的圆周区域中光强度最小值所在的位置,并将所述旋翼无人机个体i的运动方向调整为朝向所述光强度最小的区域;在旋翼无人机个体i机头前方的光强度与旋翼无人机个体i所在位置光强度的比值大于所述第一门限值与1之和时,控制所述旋翼无人机个体i向左或向右随机旋转预设角度以进行规避,并控制所述旋翼无人机个体i按照调整后的方向运动;在旋翼无人机个体i机头前方的光强度与当前位置光强度的比值小于或等于所述第一门限值与1之和时,对所述旋翼无人机个体i的运动方向进行预设范围的随机调整,并控制所述旋翼无人机个体i按照调整后的方向向前运动;
在旋翼无人机个体i所在位置的光强度小于第二门限值时,对所述旋翼无人机个体i的运动方向进行预设范围的随机调整,并控制所述旋翼无人机个体i按照调整后的方向向前运动;
其中,所述将旋翼无人机个体i的运动方向调整为朝向所述光强度最大的区域所在的方向对应第一行为标识,所述将旋翼无人机个体i的运动方向调整为朝向所述光强度最小的位置对应第二行为标识,所述控制旋翼无人机个体i向左或向右随机旋转预设角度以进行规避对应第三行为标识,所述对旋翼无人机个体i的运动方向进行预设范围的随机调整对应第四行为标识,所述控制旋翼无人机个体i按照调整后的方向前进运动对应第五行为标识。
可选的,所述根据旋翼无人机预设范围内其它旋翼无人机信息,基于预设运动控制规则二,控制旋翼无人机执行调整间距的运动具体为:
根据旋翼无人机个体的探测区域和观察区域内的情况,基于所述预设运动控制规则二,控制旋翼无人机个体与邻近旋翼无人机个体之间进行距离调整。
可选的,所述预设运动控制规则二为:
旋翼无人机j为旋翼无人机个体i在探测区域内检测到的距离自己最近的旋翼无人机,若旋翼无人机j在旋翼无人机个体i的排斥域内,则执行子规则一;若旋翼无人机个体j在旋翼无人机个体i的一致域内,则执行子规则二;若旋翼无人机个体j在旋翼无人机个体i的吸引域内,则朝向旋翼无人机个体j前进1个步长;
其中,所述子规则一具体为:
计算旋翼无人机个体i的第一方向和第二方向,并确定观察区;
检测旋翼无人机个体i的观察区内与旋翼无人机个体i距离最近的旋翼无人机个体k,并计算旋翼无人机个体i和旋翼无人机个体k之间的距离;若旋翼无人机个体k在旋翼无人机个体i的吸引域内,则朝旋翼无人机个体k前进1.5个步长;若旋翼无人机个体k在旋翼无人机个体i的一致域内,则朝旋翼无人机个体k前进0.5个步长;
若旋翼无人机个体i的观察区内无旋翼无人机个体k,则朝向第二方向前进1.5个步长;
所述子规则二具体为:
计算旋翼无人机个体i的第一方向和第二方向,并确定观察区;
检测旋翼无人机个体i的观察区内与旋翼无人机个体i距离最近的旋翼无人机个体k,并计算旋翼无人机个体i和旋翼无人机个体k之间的距离;若旋翼无人机个体k在旋翼无人机个体i的吸引域内,则朝向旋翼无人机个体k前进1.5个步长;若旋翼无人机个体k在旋翼无人机个体i的排斥域内,则朝向旋翼无人机个体j前进0.5个步长;
若旋翼无人机个体i的观察区内无旋翼无人机个体k,则朝向第二方向前进1.5个步长;
其中,所述朝向旋翼无人机个体j运动1个步长对应第六行为标识;所述朝向第二方向前进1.5个步长对应第七行为标识;所述朝向旋翼无人机个体k前进1.5个步长对应第八行为标识;所述朝向旋翼无人机个体k前进0.5个步长对应第九行为标识;所述朝向旋翼无人机个体j前进0.5个步长对应第十行为标识。
可选的,所述探测区域为:
设旋翼无人机个体i的最远探测距离为r3,探测角度为α,探测区域为以旋翼无人机个体i所在的位置为中心,以r3为半径,以机头方向为中心线向左向右各偏α/2角度构成的扇形区域;V为旋翼无人机i的运动速度,表示旋翼无人机个体i和旋翼无人机个体j之间的距离;邻域无人机集为t时刻落在旋翼无人机个体i的探测区域内的其它旋翼无人机的集合;所述探测区域划分为排斥域一致域和吸引域其中,排斥域对应三维空间的点集一致域对应三维空间的点集吸引域对应三维空间的点集其中,r1为排斥域与一致域的分界距离,r2为一致域与吸引域的分界距离,0<r1<r2<r3,R3表示3维实数集。
可选的,所述观察区域为:
设旋翼无人机个体i正朝着旋翼无人机j运动,旋翼无人机个体i当前运动方向称为第一方向,第二方向为第一方向的反方向;以旋翼无人机个体i所在的位置为中心,沿第二方向向左向右各偏离90°,且与中心距离小于等于r3所围成的半圆形区域称为旋翼无人机i的观察区。
可选的,所述根据所述行为动作指令,结合旋翼无人机个体的状态信息生成旋翼无人机可直接执行的期望控制指令信号,具体为:
对于所述预设运动控制规则一对应的五种行为标识,设旋翼无人机个体i的当前位置Pi=(x,y,z),其中x、y和z为旋翼无人机个体i的当前位置Pi在三维坐标轴上的三个分量,航向为ψ,速度为V;旋翼无人机个体i的期望控制指令信号包括期望的位置PD=(xd,yd,zd)和期望的航向角ψd、俯仰角θd和滚转角φd,其中,xd,yd和zd为旋翼无人机个体i的期望位置PD在三维空间坐标轴上的三个分量;旋翼无人机个体i的期望俯仰角θd和滚转角φd由旋翼无人机个体i根据自身状态信息、期望位置指令xd、yd、zd和期望的航向角指令ψd自动解算生成;旋翼无人机个体i运动时,第一行为标识至第四行为标识对应的运动之后均紧跟着第五行为标识对应的运动,因此在旋翼无人机个体i动作时将第一行为标识至第四行为标识分别和第五行为标识结合起来;为简化规则描述过程,各个旋翼无人机个体的飞行高度相同,且各个旋翼无人机个体采用统一坐标系描述位置;对于所述第一行为标识和第五行为标识,记旋翼无人机个体i在以旋翼无人机个体i所在位置为圆心和设定值R为半径围成的圆周区域中搜索到的最大光强度所在位置为Pmax-L=(xLmax,yLmax,z),旋翼无人机个体i的位置为Pi=(x,y,z),记Δx=xLmax-x,Δy=yLmax-y,则旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
对于所述第二行为标识和第五行为标识,记旋翼无人机个体i搜索到以旋翼无人机个体i所在位置为圆心和设定值R为半径围成的圆周区域中最小光强所在的位置为Pmin-L=(xLmin,yLmin,z),旋翼无人机个体i的位置为Pi=(x,y,z),记Δx=xLmin-x,Δy=yLmin-y,则旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
对于第三行为标识和第五行为标识,设转向规避角度值为θturn,其中θturn>0,则旋翼无人机个体i可直接执行的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
其中,r为随机数,只能为1或-1且概率各为50%;
对于所述第四行为标识和第五行为标识,设θH为设定的随机调整的角度值上限,且θH<<θturn,旋翼无人机个体i需要调整的航向角度值θ为由程序生成的(-θH,θH)之间的随机数,则旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
可选的,所述根据所述行为动作指令,结合旋翼无人机个体的状态信息生成旋翼无人机可直接执行的期望控制指令信号,具体为:
对于所述预设运动控制规则二对应的五种行为标识,设旋翼无人机个体i的当前位置Pi=(x,y,z),(x,y,z)为位置点Pi在坐标轴上的三个分量,航向为ψ,速度为V,旋翼无人机个体j的位置Pj=(xj,yj,zj),旋翼无人机个体k的位置Pk=(xk,yk,zk);为简化规则描述过程,旋翼无人机个体i、旋翼无人机个体j和旋翼无人机个体k的飞行高度相同,且各个旋翼无人机个体采用统一坐标系描述位置;
对于第六行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
其中,Δx=xj-x,Δy=yj-y;
对于第七行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+1.5R·sinψd
yd=y+1.5R·cosψd
zd=z
其中,Δx=xj-x,Δy=yj-y;
对于第八行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+1.5R·sinψd
yd=y+1.5R·cosψd
zd=z
其中,Δx=xk-x,Δy=yk-y;
对于第九行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+0.5R·sinψd
yd=y+0.5R·cosψd
zd=z
其中,Δx=xk-x,Δy=yk-y;
对于第十行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+0.5R·sinψd
yd=y+0.5R·cosψd
zd=z
其中,Δx=xj-x,Δy=yj-y。
本发明实施例相对于现有技术包括以下有益效果:本发明实施例,把运动解算和行为决策与控制交由集群内的旋翼无人机个体自身完成,因此不需要中心集中式控制器对各机进行运动解算和集中指派与协调,每个旋翼无人机都采用同样的行为规则与局部环境交互,控制规则简单,且局部环境可通过机载设备在线获取,大幅度降低了对通信的依赖程度,旋翼无人机数量的迅速增减不会增加控制的复杂性,旋翼无人机个体故障也不会导致整个系统的瘫痪,本发明还能对多静/动态目标进行自组织分配与追踪。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的旋翼无人机个体之间的交互图;
图2是本发明实施例提供的无人机集群环绕追踪方法的流程图
图3是本发明实施例提供的数字光场模型示意图;
图4是本发明实施例提供的预设运动控制规则一的一次控制过程示意图;
图5是本发明实施例提供的旋翼无人机个体的探测区示意图;
图6是本发明实施例提供的旋翼无人机个体的观察区示意图
图7是本发明实施例提供的预设运动控制规则二的一次控制过程示意图
图8是本发明实施例提供的子规则一的流程图;
图9是本发明实施例提供的子规则二的流程图;
图10是本发明实施例提供的对单个运动目标的环绕跟踪仿真实验中初始时刻的智能体位置分布图;
图11是本发明实施例提供的对单个运动目标的环绕跟踪仿真实验中仿真进行到100步长时的智能体位置分布图;
图12是本发明实施例提供的对单个运动目标的环绕跟踪仿真实验中仿真进行到300步长时的智能体位置分布图;
图13是本发明实施例提供的对单个运动目标的环绕跟踪仿真实验中仿真进行到500步长时的智能体位置分布图;
图14是本发明实施例提供的对多目标的自组织分配与跟踪仿真实验中初始时刻的智能体位置分布图;
图15是本发明实施例提供的对多目标的自组织分配与跟踪仿真实验中仿真进行到500步长时的智能体位置分布图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
环绕追踪过程:以无人机个体i为中心,无人机个体i与无人机个体j和无人机个体k之间的交互过程如图1所示。图1中的①表示地面控制站通过通信链路发送待追踪目标的位置和任务规模的大小给各架无人机,②表示无人机个体通过机载设备主动探测或局部无线通信间接获取附近无人机的位置信息。
仿生行为规则部分:利用预设运动控制规则一和预设运动控制规则二指导无人机个体与目标以及邻近无人机个体之间的局部交互行为,使个体产生相应的行为动作指令。
期望指令生成部分:该部分为仿生行为规则部分和旋翼无人机个体部分之间的衔接部分,它根据仿生行为规则部分产生的行为动作指令,结合无人机状态信息生成旋翼无人机可直接执行的期望控制指令信号。
旋翼无人机个体部分:根据期望控制指令信号执行动作,实现期望的行为。本部分为现有部分,为了进一步与仿生行为规则部分结合,在旋翼无人机原有控制结构的基础上增加了两个状态反馈回路,一个反馈回路将当前旋翼无人机个体的状态信息送给仿生行为规则部分,另一个反馈回路将当前旋翼无人机个体的状态信息送给期望指令生成部分。
图2示出了本发明实施例提供的无人机集群环绕追踪方法,详述如下:
步骤S101,旋翼无人机个体获取跟踪目标信息和旋翼无人机个体预设范围内其它旋翼无人机个体信息。
其中,所述跟踪目标信息包括所述跟踪目标的位置和任务规模的大小,所述旋翼无人机预设范围内其它旋翼无人机个体信息包括旋翼无人机i探测区域和观察区域内的其它旋翼无人机个体的位置信息。
步骤S102,根据所述跟踪目标信息建立所述追踪目标的光场模型。参照图3,所述跟踪目标的光场模型具体为:以所述跟踪目标所在位置为光场的中心,光场中心的光强度根据任务的规模进行设计,光强度值与任务规模的大小成正比,光场周围位置的光强度值为光场中心位置的光强度值的千分之一与该位置到光场中心距离的平方的倒数值的乘积。
步骤S103,根据所述追踪目标的光场模型,基于预设运动控制规则一控制旋翼无人机执行追踪目标的运动,使旋翼无人机个体产生相应的行为动作指令;根据所述旋翼无人机探测区域和观察区域内的其它旋翼无人机信息,基于预设运动控制规则二,控制旋翼无人机执行调整间距的运动,使旋翼无人机个体产生相应的行为动作指令。
本实施例中,所述预设运动控制规则一具体为:
旋翼无人机个体i检测所在位置的光强度;
当旋翼无人机个体i所在位置的光强度小于第一门限值且大于第二门限时,搜索以旋翼无人机个体i所在位置为圆心和设定值R为半径围成的圆周区域中光强度最大值所在的位置,并将旋翼无人机个体i的运动方向调整为朝向所述光强度最大的位置所在的方向;当旋翼无人机个体i机头前方位置的光强度与旋翼无人机个体i所在位置的光强度的比值大于第二门限值与1之和时,控制所述旋翼无人机个体i向左或向右随机旋转预设角度以进行规避,并控制所述旋翼无人机个体i按照调整后的方向向前运动;当旋翼无人机个体i机头前方位置的光强度与旋翼无人机个体i所在位置的光强度的比值小于或等于所述第二门限值与1之和时,对所述旋翼无人机个体i的运动方向进行预设范围的随机调整,并控制所述旋翼无人机个体i按照调整后的方向向前运动;所述第二门限值小于所述第一门限值;
在旋翼无人机个体i所在位置的光强度大于或等于第一门限值时,搜索以旋翼无人机个体i所在位置为圆心和设定值R为半径围成的圆周区域中光强度最小值所在的位置,并将所述旋翼无人机个体i的运动方向调整为朝向所述光强度最小的区域;在旋翼无人机个体i机头前方的光强度与旋翼无人机个体i所在位置光强度的比值大于所述第一门限值与1之和时,控制所述旋翼无人机个体i向左或向右随机旋转预设角度以进行规避,并控制所述旋翼无人机个体i按照调整后的方向运动;在旋翼无人机个体i机头前方的光强度与当前位置光强度的比值小于或等于所述第一门限值与1之和时,对所述旋翼无人机个体i的运动方向进行预设范围的随机调整,并控制所述旋翼无人机个体i按照调整后的方向向前运动;
在旋翼无人机个体i所在位置的光强度小于第二门限值时,对所述旋翼无人机个体i的运动方向进行预设范围的随机调整,并控制所述旋翼无人机个体i按照调整后的方向向前运动;
其中,所述将旋翼无人机个体i的运动方向调整为朝向所述光强度最大的区域所在的方向对应第一行为标识,所述将旋翼无人机个体i的运动方向调整为朝向所述光强度最小的位置对应第二行为标识,所述控制旋翼无人机个体i向左或向右随机旋转预设角度以进行规避对应第三行为标识,所述对旋翼无人机个体i的运动方向进行预设范围的随机调整对应第四行为标识,所述控制旋翼无人机个体i按照调整后的方向前进运动对应第五行为标识。
具体的,参见图4,预设运动控制规则一的一次控制流程如下:
(a)开始:旋翼无人机i检测所在位置的光强度;
(b)所在位置光强度是否小于门限值1,若“是”进行下一步,否则转到(i1);
(c)所在位置光强度是否小于门限值2,若“否”进行下一步,若“是”转到(h);
(d)搜索旋翼无人机i周围光强度最大的位置并将机头转至该位置所在方向(对应第一行为标识),执行下一步;
(e)检测机头前方位置的光强度和所在无人机所在位置的光强度的比值是否大于(1+门限值2),若“是”转入下一步,若“否”转到(h);
(f)根据所在位置随机向左或向右旋转θturn(设定的旋翼无人机的转向规避角度值)进行规避(对应第三行为标识),并进行下一步;
(g)向前运动(对应第五行为标识),一次行为过程结束。
(h)对旋翼无人机i的运动方向进行小范围随机调整(对应第四行为标识),执行完转到(g);
(i1)搜索周围光强度最小位置并将机头朝向该位置所在的方向(对应第二行为标识),接着执行(i2);
(i2)旋翼无人机i机头前方位置的光强度/当前所在位置的光强度大于(1+门限值1),若“是”转到(f),若“否”则转到(h)。
进一步的,步骤S103中的根据旋翼无人机预设区域内的其它旋翼无人机信息,基于预设运动控制规则二,控制旋翼无人机执行调整间距的运动具体为:
根据旋翼无人机个体探测区域和观察区域内的情况,基于所述预设运动控制规则二,控制旋翼无人机个体与邻近旋翼无人机个体之间进行距离调整。
参见图5,所述探测区域为:
设旋翼无人机个体i的最远探测距离为r3,探测角度为α,探测区域为以旋翼无人机个体i所在的位置为中心,以r3为半径,以机头方向为中心线向左向右各偏α/2角度构成的扇形区域;V为旋翼无人机i的运动速度,表示旋翼无人机个体i和旋翼无人机个体j之间的距离;邻域无人机集为t时刻落在旋翼无人机个体i的探测区域内的其它旋翼无人机的集合;所述探测区域划分为排斥域一致域和吸引域其中,排斥域对应三维空间的点集一致域对应三维空间的点集吸引域对应三维空间的点集其中,r1为排斥域与一致域的分界距离,r2为一致域与吸引域的分界距离,0<r1<r2<r3,R3表示3维实数集。
参见图6,所述观察区域为:
设旋翼无人机个体i正朝着旋翼无人机j运动,旋翼无人机个体i当前运动方向称为第一方向,第二方向为第一方向的反方向;以旋翼无人机个体i所在的位置为中心,沿第二方向向左向右各偏离90°,且与中心距离小于等于r3所围成的半圆形区域称为旋翼无人机i的观察区。
本实施例中,所述预设运动控制规则二为:
旋翼无人机j为旋翼无人机个体i在探测区域内检测到的距离自己最近的旋翼无人机,若旋翼无人机j在旋翼无人机个体i的排斥域内,则执行子规则一;若旋翼无人机个体j在旋翼无人机个体i的一致域内,则执行子规则二;若旋翼无人机个体j在旋翼无人机个体i的吸引域内,则朝向旋翼无人机个体j前进1个步长。
其中,所述子规则一具体为:
计算旋翼无人机个体i的第一方向和第二方向,并确定观察区;
检测旋翼无人机个体i的观察区内与旋翼无人机个体i距离最近的旋翼无人机个体k,并计算旋翼无人机个体i和旋翼无人机个体k之间的距离;若旋翼无人机个体k在旋翼无人机个体i的吸引域内,则朝旋翼无人机个体k前进1.5个步长;若旋翼无人机个体k在旋翼无人机个体i的一致域内,则朝旋翼无人机个体k前进0.5个步长;
若旋翼无人机个体i的观察区内无旋翼无人机个体k,则朝向第二方向前进1.5个步长。
所述子规则二具体为:
计算旋翼无人机个体i的第一方向和第二方向,并确定观察区;
检测旋翼无人机个体i的观察区内与旋翼无人机个体i距离最近的旋翼无人机个体k,并计算旋翼无人机个体i和旋翼无人机个体k之间的距离;若旋翼无人机个体k在旋翼无人机个体i的吸引域内,则朝向旋翼无人机个体k前进1.5个步长;若旋翼无人机个体k在旋翼无人机个体i的排斥域内,则朝向旋翼无人机个体j前进0.5个步长;
若旋翼无人机个体i的观察区内无旋翼无人机个体k,则朝向第二方向前进1.5个步长。
其中,所述朝向旋翼无人机个体j运动1个步长对应第六行为标识;所述朝向第二方向前进1.5个步长对应第七行为标识;所述朝向旋翼无人机个体k前进1.5个步长对应第八行为标识;所述朝向旋翼无人机个体k前进0.5个步长对应第九行为标识;所述朝向旋翼无人机个体j前进0.5个步长对应第十行为标识。
参见图7,预设运动控制规则二的一次控制过程为:
(a)开始:无人机个体i在探测区域内检测距离自己最近的无人机个体j;
(b)无人机个体j是否在无人机个体i的排斥域,若“是”,执行子规则一,若“否”,进行下一步;
(c)无人机个体j是否在无人机个体i的一致域,若“是”,执行子程序2,若“否”,进行下一步;
(d)无人机个体j在无人机个体i的吸引域,若“是”,进行下一步,若“否”,转到(f);
(e)朝无人机个体j前进1步(对应第六行为标识),然后转入下一步;
(f)一次行为过程结束。
参见图8,子规则一的流程具体为:
(a)计算方向一和方向二,并确定观察区域;
(b)无人机个体i的观察区内是否有离无人机个体i最近的无人机个体k,若“是”,转入下一步;若“否”,朝方向二前进1.5个步长(对应第七行为标识),无人机个体i的一次观察过程结束;
(c)计算无人机个体i和无人机个体k之间的距离,转入下一步;
(d)无人机个体k是否在无人机个体i的吸引域,若“否”,转入下一步,若“是”,则朝无人机个体k前进1.5个步长(对应第八行为标识),无人机个体i的一次观察过程结束;
(e)无人机个体k是否在无人机个体i的一致域,若“否”,一次观察过程结束;若“是”,则朝无人机个体k前进0.5个步长(对应第九行为标识),一次观察过程结束,返回上级主程序。
参见图9,子规则二的流程具体为:
(a)计算方向一和方向二,并确定观察区域;
(b)观察区域内是否有离无人机个体i最近的无人机个体k,若有,转入下一步;若无,朝方向二前进1.5个步长(对应第七行为标识),一次观察过程结束,返回上级主程序;
(c)计算无人机个体i和无人机个体k之间的距离,转入下一步;
(d)无人机个体k是否在无人机个体i的吸引域,若“否”,转入下一步;若“是”,朝无人机个体k前进1.5个步长(对应第八行为标识),一次观察过程结束;
(e)无人机个体k是否在无人机个体i的排斥域,若“否”,一次观察过程结束,返回上级主程序;若“是”,朝无人机个体j前进0.5个步长(对应第十行为标识),一次观察过程结束,返回上级主程序。
步骤S104,根据所述行为动作指令,结合旋翼无人机个体的状态信息生成旋翼无人机可直接执行的期望控制指令信号,控制旋翼无人机的运动。
本步骤中,对于所述预设运动控制规则一对应的五种行为标识,设旋翼无人机个体i的当前位置Pi=(x,y,z),其中x、y和z为旋翼无人机个体i的当前位置Pi在三维坐标轴上的三个分量,航向为ψ,速度为V;旋翼无人机个体i的期望控制指令信号包括期望的位置PD=(xd,yd,zd)和期望的航向角ψd、俯仰角θd和滚转角φd,其中,xd,yd和zd为期望的位置PD在三维空间坐标轴上的三个分量;旋翼无人机个体i的期望俯仰角θd和滚转角φd由旋翼无人机个体i根据自身状态信息、期望位置指令xd、yd、zd和期望的航向角指令ψd自动解算生成;旋翼无人机个体i运动时,第一行为标识至第四行为标识对应的运动之后均紧跟着第五行为标识对应的运动,因此在旋翼无人机个体i动作时将第一行为标识至第四行为标识分别和第五行为标识结合起来;为简化规则描述过程,各个旋翼无人机个体的飞行高度相同,且各个旋翼无人机个体采用统一坐标系描述位置。
对于所述第一行为标识和第五行为标识,记旋翼无人机个体i在以旋翼无人机个体i所在位置为圆心和设定值R为半径围成的圆周区域中搜索到的最大光强度所在位置为Pmax-L=(xLmax,yLmax,z),旋翼无人机个体i的位置为Pi=(x,y,z),记Δx=xLmax-x,Δy=yLmax-y,则旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
对于所述第二行为标识和第五行为标识,记旋翼无人机个体i搜索到以旋翼无人机个体i所在位置为圆心和设定值R为半径围成的圆周区域中最小光强所在的位置为Pmin-L=(xLmin,yLmin,z),旋翼无人机个体i的位置为Pi=(x,y,z),记Δx=xLmin-x,Δy=yLmin-y,则旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
对于第三行为标识和第五行为标识,设转向规避角度值为θturn,其中θturn>0,则旋翼无人机个体i可直接执行的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
其中,r为随机数,只能为1或-1且概率各为50%;
对于所述第四行为标识和第五行为标识,设θH为设定的随机调整的角度值上限,且θH<<θturn,旋翼无人机个体i需要调整的航向角度值θ为由程序生成的(-θH,θH)之间的随机数,则旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
对于所述预设运动控制规则二对应的五种行为标识,设旋翼无人机个体i的当前位置Pi=(x,y,z),(x,y,z)为位置点Pi在坐标轴上的三个分量,航向为ψ,速度为V,旋翼无人机个体j的位置Pj=(xj,yj,zj),旋翼无人机个体k的位置Pk=(xk,yk,zk);为简化规则描述过程,旋翼无人机个体i、旋翼无人机个体j和旋翼无人机个体k的飞行高度相同,且各个旋翼无人机个体采用统一坐标系描述位置。
对于第六行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
其中,Δx=xj-x,Δy=yj-y;
对于第七行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+1.5R·sinψd
yd=y+1.5R·cosψd
zd=z
其中,Δx=xj-x,Δy=yj-y;
对于第八行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+1.5R·sinψd
yd=y+1.5R·cosψd
zd=z
其中,Δx=xk-x,Δy=yk-y;
对于第九行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+0.5R·sinψd
yd=y+0.5R·cosψd
zd=z
其中,Δx=xk-x,Δy=yk-y;
对于第十行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+0.5R·sinψd
yd=y+0.5R·cosψd
zd=z
其中,Δx=xj-x,Δy=yj-y。
旋翼无人机的控制器部分可在期望控制指令xd、yd、zd和ψd的作用下控制旋翼无人机机体到达期望的位置点(xd、yd、zd)和航向角ψd上。
步骤S105,重复执行预设运动控制规则一和预设运动控制规则二,直至追踪过程结束。
以下通过仿真实验对本发明实施例进行进一步说明,本仿真实验中包括对运动目标的环绕跟踪和对多目标的自组织分配与跟踪二部分。
(1)对单个运动目标的环绕跟踪
一群旋翼无人机开始处于随机位置(如图10所示),旋翼无人机在接收到追踪目标的信息和探测到附近无人机的位置信息后,生成局部运动环境,并在上述仿生行为运动规则和行为控制方法下自组织朝着目标运动(如图11所示),在300个仿真步长逐渐呈现对运动目标的包围态势(如图12所示),在此后的过程中一直保持对跟踪目标的环绕追踪状态(如图13所示)。
(2)多目标的自组织分配与跟踪
当智能体跟踪的目标增多时,群成员能够在追踪算法引导下对跟踪目标进行自动分配与跟踪,其中图14为追踪的初始状态,图15为350个仿真步长时的环绕跟踪状态。此外,根据任务规模的不同还可自动产生与之匹配的环绕跟踪,即大规模任务多个体跟踪、小规模任务少个体跟踪。
本发明实施例中,群内旋翼无人机个体在获得目标信息和附近其它无人机个体的信息后,能够对上述信息进行快速融合和处理,提炼所需的信息并生成其运动环境;智能体能够向独立于自身当前方向的任意方向移动,有一个合理的速度范围(包括零速度悬停),满足这一标准的飞行器有四旋翼无人机、六旋翼无人机和八旋翼无人机等多旋翼无人机系统。为简化问题分析过程,设定智能体在同一高度运动,从而将研究问题简化为二维平面的运动。
上述无人机集群环绕追踪方法具有以下有点:
(1)该方法简单,把运动解算和行为决策与控制交由集群内的旋翼无人机自己完成,因此不需要中心集中式控制器对各机进行运动解算和集中指派与协调;每个旋翼无人机都采用同样的行为规则与局部环境交互,控制方法简单,旋翼无人机数量的迅速增减不会增加控制的复杂性,某架旋翼无人机故障也不会导致整个系统的瘫痪;
(2)该方法对通信的依赖较少,由于集群内的每个旋翼无人机都是在自己所处的局部环境中与周围个体进行行为交互,因此只需要少量的局部环境信息(周围个体的位置),甚至这些局部信息可通过视觉、雷达等机载传感器的方法直接获取,大大的减少了对通信的依赖性;
(3)该方法用途广泛:可用于对静态或动态目标、单个或多个目标以及已知或突发目标进行自组织跟踪;另外还可用于实体目标或虚拟目标,用于实体目标时可对多目标进行自组织分配与跟踪,用于虚拟目标时可对集群实行主动分群控制。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (9)
1.一种无人机集群环绕追踪方法,其特征在于,包括:
旋翼无人机个体获取跟踪目标信息和旋翼无人机个体预设范围内其它旋翼无人机个体信息;所述跟踪目标信息包括所述跟踪目标的位置和任务规模的大小,所述旋翼无人机预设范围内其它旋翼无人机个体信息包括探测区域和观察区域内其它旋翼无人机个体的位置信息;
根据所述跟踪目标信息建立所述追踪目标的光场模型;
根据所述追踪目标的光场模型,基于预设运动控制规则一控制旋翼无人机执行追踪目标的运动,使旋翼无人机个体产生相应的行为动作指令;根据所述旋翼无人机探测区域和观察区域内其它旋翼无人机信息,基于预设运动控制规则二,控制旋翼无人机执行调整间距的运动,使旋翼无人机个体产生相应的行为动作指令;
根据所述行为动作指令,结合旋翼无人机个体的状态信息生成旋翼无人机可直接执行的期望控制指令信号,控制旋翼无人机的运动;
重复执行预设运动控制规则一和预设运动控制规则二,直至追踪过程结束。
2.如权利要求1所述的无人机集群环绕追踪方法,其特征在于,所述跟踪目标的光场模型具体为:以所述跟踪目标所在位置为光场的中心,光场中心的光强度根据任务的规模进行设计,光强度值与任务规模的大小成正比,光场周围位置的光强度值为光场中心位置的光强度值的千分之一与该位置到光场中心距离的平方的倒数值的乘积。
3.如权利要求1所述的无人机集群环绕追踪方法,其特征在于,所述预设运动控制规则一具体为:
旋翼无人机个体i检测所在位置的光强度;
当旋翼无人机个体i所在位置的光强度小于第一门限值且大于第二门限时,搜索以旋翼无人机个体i所在位置为圆心和设定值R为半径围成的圆周区域中光强度最大值所在的位置,并将旋翼无人机个体i的运动方向调整为朝向所述光强度最大的位置所在的方向;当旋翼无人机个体i机头前方位置的光强度与旋翼无人机个体i所在位置的光强度的比值大于第二门限值与1之和时,控制所述旋翼无人机个体i向左或向右随机旋转预设角度以进行规避,并控制所述旋翼无人机个体i按照调整后的方向向前运动;当旋翼无人机个体i机头前方位置的光强度与旋翼无人机个体i所在位置的光强度的比值小于或等于所述第二门限值与1之和时,对所述旋翼无人机个体i的运动方向进行预设范围的随机调整,并控制所述旋翼无人机个体i按照调整后的方向向前运动;所述第二门限值小于所述第一门限值;
在旋翼无人机个体i所在位置的光强度大于或等于第一门限值时,搜索以旋翼无人机个体i所在位置为圆心和设定值R为半径围成的圆周区域中光强度最小值所在的位置,并将所述旋翼无人机个体i的运动方向调整为朝向所述光强度最小的区域;在旋翼无人机个体i机头前方的光强度与旋翼无人机个体i所在位置光强度的比值大于所述第一门限值与1之和时,控制所述旋翼无人机个体i向左或向右随机旋转预设角度以进行规避,并控制所述旋翼无人机个体i按照调整后的方向运动;在旋翼无人机个体i机头前方的光强度与当前位置光强度的比值小于或等于所述第一门限值与1之和时,对所述旋翼无人机个体i的运动方向进行预设范围的随机调整,并控制所述旋翼无人机个体i按照调整后的方向向前运动;
在旋翼无人机个体i所在位置的光强度小于第二门限值时,对所述旋翼无人机个体i的运动方向进行预设范围的随机调整,并控制所述旋翼无人机个体i按照调整后的方向向前运动;
其中,所述将旋翼无人机个体i的运动方向调整为朝向所述光强度最大的区域所在的方向对应第一行为标识,所述将旋翼无人机个体i的运动方向调整为朝向所述光强度最小的位置对应第二行为标识,所述控制旋翼无人机个体i向左或向右随机旋转预设角度以进行规避对应第三行为标识,所述对旋翼无人机个体i的运动方向进行预设范围的随机调整对应第四行为标识,所述控制旋翼无人机个体i按照调整后的方向前进运动对应第五行为标识。
4.如权利要求1所述的无人机集群环绕追踪方法,其特征在于,所述根据旋翼无人机预设范围内其它旋翼无人机信息,基于预设运动控制规则二,控制旋翼无人机执行调整间距的运动具体为:
根据旋翼无人机个体的探测区域和观察区域内的情况,基于所述预设运动控制规则二,控制旋翼无人机个体与邻近旋翼无人机个体之间进行距离调整。
5.如权利要求4所述的无人机集群环绕追踪方法,其特征在于,所述预设运动控制规则二为:
旋翼无人机j为旋翼无人机个体i在探测区域内检测到的距离自己最近的旋翼无人机,若旋翼无人机j在旋翼无人机个体i的排斥域内,则执行子规则一;若旋翼无人机个体j在旋翼无人机个体i的一致域内,则执行子规则二;若旋翼无人机个体j在旋翼无人机个体i的吸引域内,则朝向旋翼无人机个体j前进1个步长;
其中,所述子规则一具体为:
计算旋翼无人机个体i的第一方向和第二方向,并确定观察区;
检测旋翼无人机个体i的观察区内与旋翼无人机个体i距离最近的旋翼无人机个体k,并计算旋翼无人机个体i和旋翼无人机个体k之间的距离;若旋翼无人机个体k在旋翼无人机个体i的吸引域内,则朝旋翼无人机个体k前进1.5个步长;若旋翼无人机个体k在旋翼无人机个体i的一致域内,则朝旋翼无人机个体k前进0.5个步长;
若旋翼无人机个体i的观察区内无旋翼无人机个体k,则朝向第二方向前进1.5个步长;
所述子规则二具体为:
计算旋翼无人机个体i的第一方向和第二方向,并确定观察区;
检测旋翼无人机个体i的观察区内与旋翼无人机个体i距离最近的旋翼无人机个体k,并计算旋翼无人机个体i和旋翼无人机个体k之间的距离;若旋翼无人机个体k在旋翼无人机个体i的吸引域内,则朝向旋翼无人机个体k前进1.5个步长;若旋翼无人机个体k在旋翼无人机个体i的排斥域内,则朝向旋翼无人机个体j前进0.5个步长;
若旋翼无人机个体i的观察区内无旋翼无人机个体k,则朝向第二方向前进1.5个步长;
其中,所述朝向旋翼无人机个体j运动1个步长对应第六行为标识;所述朝向第二方向前进1.5个步长对应第七行为标识;所述朝向旋翼无人机个体k前进1.5个步长对应第八行为标识;所述朝向旋翼无人机个体k前进0.5个步长对应第九行为标识;所述朝向旋翼无人机个体j前进0.5个步长对应第十行为标识。
6.如权利要求4所述的无人机集群环绕追踪方法,其特征在于,所述探测区域为:
设旋翼无人机个体i的最远探测距离为r3,探测角度为α,探测区域为以旋翼无人机个体i所在的位置为中心,以r3为半径,以机头方向为中心线向左向右各偏α/2角度构成的扇形区域;V为旋翼无人机i的运动速度,表示旋翼无人机个体i和旋翼无人机个体j之间的距离;邻域无人机集为t时刻落在旋翼无人机个体i的探测区域内的其它旋翼无人机的集合;所述探测区域划分为排斥域一致域和吸引域其中,排斥域对应三维空间的点集一致域对应三维空间的点集吸引域对应三维空间的点集其中,r1为排斥域与一致域的分界距离,r2为一致域与吸引域的分界距离,0<r1<r2<r3,R3表示3维实数集。
7.如权利要求4所述的无人机集群环绕追踪方法,其特征在于,所述观察区域为:
设旋翼无人机个体i正朝着旋翼无人机j运动,旋翼无人机个体i当前运动方向称为第一方向,第二方向为第一方向的反方向;以旋翼无人机个体i所在的位置为中心,沿第二方向向左向右各偏离90°,且与中心距离小于等于r3所围成的半圆形区域称为旋翼无人机i的观察区。
8.如权利要求3所述的无人机集群环绕追踪方法,其特征在于,所述根据所述行为动作指令,结合旋翼无人机个体的状态信息生成旋翼无人机可直接执行的期望控制指令信号,具体为:
对于所述预设运动控制规则一对应的五种行为标识,设旋翼无人机个体i的当前位置Pi=(x,y,z),其中x、y和z为旋翼无人机个体i的当前位置Pi在三维空间坐标轴上的三个分量,航向角为ψ,速度为V;旋翼无人机个体i的期望控制指令信号包括期望的位置PD=(xd,yd,zd)和期望的航向角ψd、俯仰角θd和滚转角φd,其中,xd,yd和zd为期望的位置PD在三维空间坐标轴上的三个分量。旋翼无人机个体i的俯仰角θd和滚转角φd由旋翼无人机个体i根据自身状态信息、期望位置指令xd、yd、zd和期望的航向角指令ψd自动解算生成;旋翼无人机个体i运动时,第一行为标识至第四行为标识对应的运动之后均紧跟着第五行为标识对应的运动,因此在旋翼无人机个体i动作时将第一行为标识至第四行为标识分别和第五行为标识结合起来;为简化规则描述过程,设各个旋翼无人机个体的飞行高度相同,且各个旋翼无人机个体采用统一坐标系描述位置;
对于所述第一行为标识和第五行为标识,记旋翼无人机个体i在以旋翼无人机个体i所在位置为圆心和设定值R为半径围成的圆周区域中搜索到的最大光强度所在位置为Pmax-L=(xLmax,yLmax,z),记Δx=xLmax-x,Δy=yLmax-y,则旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
对于所述第二行为标识和第五行为标识,记旋翼无人机个体i搜索到以旋翼无人机个体i所在位置为圆心和设定值R为半径围成的圆周区域中最小光强所在的位置为Pmin-L=(xLmin,yLmin,z),旋翼无人机个体i的位置为Pi=(x,y,z),记Δx=xLmin-x,Δy=yLmin-y,则旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
对于第三行为标识和第五行为标识,设转向规避角度值为θturn,其中θturn>0,则旋翼无人机个体i可直接执行的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
其中,r为随机数,只能为1或-1且概率各为50%;
对于所述第四行为标识和第五行为标识,设θH为设定的随机调整的角度值上限,且θH<<θturn,旋翼无人机个体i需要调整的航向角度值θ为由程序生成的(-θH,θH)之间的随机数,则旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
9.如权利要求5所述的无人机集群环绕追踪方法,其特征在于,所述根据所述行为动作指令,结合旋翼无人机个体的状态信息生成旋翼无人机可直接执行的期望控制指令信号,具体为:
对于所述预设运动控制规则二对应的五种行为标识,设旋翼无人机个体i的当前位置Pi=(x,y,z),(x,y,z)为位置点Pi在坐标轴上的三个分量,航向为ψ,速度为V,旋翼无人机个体j的位置Pj=(xj,yj,zj),旋翼无人机个体k的位置Pk=(xk,yk,zk);为简化规则描述过程,旋翼无人机个体i、旋翼无人机个体j和旋翼无人机个体k的飞行高度相同,且各个旋翼无人机个体采用统一坐标系描述位置;
对于第六行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+R·sinψd
yd=y+R·cosψd
zd=z
其中,Δx=xj-x,Δy=yj-y;
对于第七行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+1.5R·sinψd
yd=y+1.5R·cosψd
zd=z
其中,Δx=xj-x,Δy=yj-y;
对于第八行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+1.5R·sinψd
yd=y+1.5R·cosψd
zd=z
其中,Δx=xk-x,Δy=yk-y;
对于第九行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+0.5R·sinψd
yd=y+0.5R·cosψd
zd=z
其中,Δx=xk-x,Δy=yk-y;
对于第十行为标识,旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd的生成方法为:
xd=x+0.5R·sinψd
yd=y+0.5R·cosψd
zd=z
其中,Δx=xj-x,Δy=yj-y。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711071148.4A CN107703970B (zh) | 2017-11-03 | 2017-11-03 | 无人机集群环绕追踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711071148.4A CN107703970B (zh) | 2017-11-03 | 2017-11-03 | 无人机集群环绕追踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107703970A true CN107703970A (zh) | 2018-02-16 |
CN107703970B CN107703970B (zh) | 2018-08-21 |
Family
ID=61177861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711071148.4A Expired - Fee Related CN107703970B (zh) | 2017-11-03 | 2017-11-03 | 无人机集群环绕追踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107703970B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110892714A (zh) * | 2018-07-20 | 2020-03-17 | 深圳市大疆创新科技有限公司 | 移动机器人的控制方法、装置、设备及存储介质 |
CN111207748A (zh) * | 2018-11-22 | 2020-05-29 | 中国科学院沈阳自动化研究所 | 基于感知信息的水面/水下无人航行器目标环绕跟踪方法 |
CN112558637A (zh) * | 2020-12-11 | 2021-03-26 | 西安航光卫星测控技术有限公司 | 无人机群中无人机对空中运动目标的规避方法 |
CN113433828A (zh) * | 2021-08-25 | 2021-09-24 | 南京航空航天大学 | 一种多机器人动态目标跟踪协同控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694587A (zh) * | 2009-10-13 | 2010-04-14 | 清华大学 | 一种应用于微小型飞行器的集群控制系统 |
CN102393747A (zh) * | 2011-08-17 | 2012-03-28 | 清华大学 | 无人机集群的协作交互方法及无人机的可视导航系统 |
CN103197684A (zh) * | 2013-04-25 | 2013-07-10 | 清华大学 | 无人机群协同跟踪目标的方法及系统 |
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 |
-
2017
- 2017-11-03 CN CN201711071148.4A patent/CN107703970B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694587A (zh) * | 2009-10-13 | 2010-04-14 | 清华大学 | 一种应用于微小型飞行器的集群控制系统 |
CN102393747A (zh) * | 2011-08-17 | 2012-03-28 | 清华大学 | 无人机集群的协作交互方法及无人机的可视导航系统 |
CN103197684A (zh) * | 2013-04-25 | 2013-07-10 | 清华大学 | 无人机群协同跟踪目标的方法及系统 |
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 |
Non-Patent Citations (3)
Title |
---|
MACIEJ ZURAD,等: "Target Tracking Optimization of UAV Swarms based on Dual-Pheromone Clustering", 《 IEEE INTERNATIONAL CONFERENCE ON CYBERNETICS. IEEE》 * |
景晓年,等: "基于规则的无人机集群运动控制", 《计算机仿真》 * |
梁晓龙,等: "大规模无人系统集群智能控制方法综述", 《计算机应用研究》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110892714A (zh) * | 2018-07-20 | 2020-03-17 | 深圳市大疆创新科技有限公司 | 移动机器人的控制方法、装置、设备及存储介质 |
US11789464B2 (en) | 2018-07-20 | 2023-10-17 | SZ DJI Technology Co., Ltd. | Mobile robot orbiting photography path control methods and apparatuses |
CN111207748A (zh) * | 2018-11-22 | 2020-05-29 | 中国科学院沈阳自动化研究所 | 基于感知信息的水面/水下无人航行器目标环绕跟踪方法 |
CN111207748B (zh) * | 2018-11-22 | 2021-09-21 | 中国科学院沈阳自动化研究所 | 基于感知信息的水面/水下无人航行器目标环绕跟踪方法 |
CN112558637A (zh) * | 2020-12-11 | 2021-03-26 | 西安航光卫星测控技术有限公司 | 无人机群中无人机对空中运动目标的规避方法 |
CN113433828A (zh) * | 2021-08-25 | 2021-09-24 | 南京航空航天大学 | 一种多机器人动态目标跟踪协同控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107703970B (zh) | 2018-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | A Novel Improved Bat Algorithm in UAV Path Planning. | |
CN107703970B (zh) | 无人机集群环绕追踪方法 | |
CN108594853B (zh) | 无人机队形控制方法 | |
US10459437B2 (en) | Air-ground heterogeneous robot system path planning method based on neighborhood constraint | |
CN102591358B (zh) | 一种多无人机的动态编队控制方法 | |
CN109521794A (zh) | 一种多无人机航路规划及动态避障方法 | |
CN110162086A (zh) | 一种基于模型预测控制框架的集群无人机编队方法 | |
CN112684807A (zh) | 无人机集群三维编队方法 | |
CN107807671B (zh) | 无人机集群危险规避方法 | |
CN102759357A (zh) | 通信延迟下多无人机协同实时航路规划方法 | |
Sun et al. | Path planning for dense drone formation based on modified artificial potential fields | |
CN112947594B (zh) | 一种面向无人机的航迹规划方法 | |
Waslander | Unmanned aerial and ground vehicle teams: Recent work and open problems | |
CN113759935B (zh) | 基于模糊逻辑的智能群体编队移动控制方法 | |
CN115202349A (zh) | 基于通信干扰的多移动机器人协同编队控制方法、装置、设备及存储介质 | |
CN116301051A (zh) | 一种无人机集群控制与避障方法和装置 | |
CN114138011B (zh) | 一种基于飞蛾信息素机制的无人机集群目标搜索方法 | |
CN115113651A (zh) | 一种基于椭圆拟合的无人机长僚协同覆盖寻优方法 | |
CN113189992B (zh) | 一种基于局部定向的群体智能避障方法 | |
Liao et al. | UAV swarm formation reconfiguration control based on variable-stepsize MPC-APCMPIO algorithm | |
CN108446497A (zh) | 一种舰载机集群运动建模仿真方法 | |
Sinha et al. | Three-dimensional autonomous guidance for enclosing a stationary target within arbitrary smooth geometrical shapes | |
Song et al. | A cooperative aerial interception model based on multi-agent system for uavs | |
Ma et al. | Path planning and task assignment of the multi-AUVs system based on the hybrid bio-inspired SOM algorithm with neural wave structure | |
Zhou et al. | Research on obstacle avoidance algorithm of fixed-wing UAV swarms based on improved artificial potential field |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180821 |