CN107807671B - 无人机集群危险规避方法 - Google Patents
无人机集群危险规避方法 Download PDFInfo
- Publication number
- CN107807671B CN107807671B CN201711204800.5A CN201711204800A CN107807671B CN 107807671 B CN107807671 B CN 107807671B CN 201711204800 A CN201711204800 A CN 201711204800A CN 107807671 B CN107807671 B CN 107807671B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- rotor wing
- wing unmanned
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 100
- 230000006399 behavior Effects 0.000 claims description 58
- 238000001514 detection method Methods 0.000 claims description 53
- 230000035945 sensitivity Effects 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 24
- 230000004888 barrier function Effects 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 14
- 230000009471 action Effects 0.000 claims description 13
- 238000007689 inspection Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 abstract description 11
- 238000004364 calculation method Methods 0.000 abstract description 5
- 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
- 238000004088 simulation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 206010033799 Paralysis Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000010485 coping 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
- 238000012826 global research Methods 0.000 description 1
- 238000012545 processing 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
- G05D1/12—Target-seeking control
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,提供了无人机集群危险规避方法,包括:旋翼无人机个体获取探测区域内的障碍/威胁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,根据障碍/威胁信息建立障碍/威胁的光场模型,根据旋翼无人机探测区域内其它旋翼无人机信息和障碍/威胁的光场模型,基于预设运动控制规则一、预设运动控制规则二和预设运动控制规则三控制旋翼无人机,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直接执行的期望控制指令信号,控制旋翼无人机的运动。上述方法控制简单,可用于对静态/动态障碍物体和危险区域的自动避让,因此适用对象广,且计算量小和灵活度高。
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危险规避方法。
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。其应用环境复杂,首先,由于集群内部成员数多集群内部个体之间既要避免相互碰撞,又要保持群聚飞行;其次还要躲避集群之外的静态、动态障碍的威胁,或由于作战任务的需求,要求无人机集群绕过敌方的探测区域或火力射击区域,以提高无人机的战场生存能力。目前,已有的群智能体的避障方法有几何向量法、人工势场法和模型预测法,这些方法主要针对集群外部的少数静态障碍有效,不能同时应对静态和动态障碍或威胁,因此适用对象单一、灵活性差,且采取数学解析的方法进行计算和处理,因此计算量随着障碍和威胁数量的增多显著增加,且人工势场法还易陷入局部极小点。因此,急需一种适用对象广、计算量小且灵活度高的分布式避障方法指导无人机集群内的个体规避危险。
发明内容
有鉴于此,本发明实施例提供了一种无人机集群危险规避方法,以解决现有技术中指导无人机集群内的个体灵活躲避各种静/动态或单/多个障碍体、威胁体以及危险区域的问题。
本发明实施例提供的无人机集群危险规避方法,包括:
旋翼无人机个体获取探测区域内的障碍/威胁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;所述障碍/威胁信息包括所述障碍/威胁的位置和威胁范围的大小,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内其它旋翼无人机个体的位置信息和航向;
根据所述障碍/威胁信息建立所述障碍/威胁的光场模型;
根据所述旋翼无人机探测区域内其它旋翼无人机信息,基于预设运动控制规则一控制旋翼无人机个体与属于同集群的其它旋翼无人机个体保持群聚飞行,使旋翼无人机个体产生相应的行为动作指令;根据所述障碍/威胁的光场模型,基于预设运动控制规则二,控制旋翼无人机集群内部的旋翼无人机个体对附近的障碍/威胁进行躲避,使旋翼无人机个体产生相应的行为动作指令;基于预设运动控制规则三控制旋翼无人机朝向目的地点飞行,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、预设运动控制规则二和预设运动控制规则三,直至到达目的地。
可选的,旋翼无人机个体通过局部感知方式或通信方式获取探测域内的障碍/威胁以及同集群的其它无人机的位置;
旋翼无人机个体i的探测域为:
设旋翼无人机个体i的最远探测距离或最远通信距离为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,距机头方向左右各偏α/2角度构成的扇形区域;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的探测域内且与旋翼无人机个体i属于同一个集群的其它无人机个体的集合;该探测区域划分为三个区域:排斥域一致域和吸引域其中,排斥域三维空间的点集一致域:三维空间的点集吸引域三维空间的点集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,所述障碍/威胁的光场模型具体为:以探测域内的障碍/威胁所在的位置为中心,光场中心的光强度根据障碍/威胁的大小进行设计,光强度值与障碍/威胁的大小成正比,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,旋翼无人机个体i对探测域内的障碍物、威胁以及同集群的其它旋翼无人机个体进行检测,检测旋翼无人机个体i的探测区域内是否有其它障碍物或威胁;
若旋翼无人机个体i检测到探测区域内存在其他障碍物或威胁,则旋翼无人机个体i检测所在位置的光强度是否小于预设敏感值;在旋翼无人机个体i检测所在位置的光强度小于预设敏感值时,检测旋翼无人机个体i的探测域内是否有属于同集群的其它旋翼无人机个体;若旋翼无人机个体i的探测域内有属于同集群的其它旋翼无人机个体,则执行所述预设运动控制规则一,并检测旋翼无人机个体是否到达目的地;若旋翼无人机个体i的探测域内没有属于同集群的其它旋翼无人机个体,则执行所述预设运动控制规则二,并检测旋翼无人机个体是否到达目的地;在旋翼无人机个体i检测所在位置的光强度大于或等于预设敏感值时,执行所述预设运动控制规则三,并检测旋翼无人机个体是否到达目的地;
若旋翼无人机个体i未检测到探测区域内存在其他障碍物或威胁,则旋翼无人机个体i检测探测域内是否有属于同集群的其它旋翼无人机个体;若旋翼无人机个体i的探测域内有属于同集群的其它旋翼无人机个体,则执行所述预设运动控制规则一,并检测旋翼无人机个体是否到达目的地;若旋翼无人机个体i的探测域内没有属于同集群的其它旋翼无人机个体,则执行所述预设运动控制规则二,并检测旋翼无人机个体是否到达目的地;若检测到旋翼无人机个体未到达目的地,则再次执行所述旋翼无人机个体i对探测域内的障碍物、威胁以及同集群的其它旋翼无人机个体进行检测的步骤,直至检测到旋翼无人机个体到达目的地。
可选的,所述预设运动控制规则一为:
旋翼无人机个体i对探测域内的旋翼无人机进行搜索,寻找离旋翼无人机个体i最近的旋翼无人机个体j,然后旋翼无人机个体i计算它与旋翼无人机个体j之间的距离;
在旋翼无人机个体i与旋翼无人机个体j之间的距离大于预设的上限值时,旋翼无人机个体i转向旋翼无人机个体j所在的方向,按方法一计算新的行进步长,并向前行进1个步长;在旋翼无人机个体i与旋翼无人机个体j之间的距离小于或等于预设的上限值时,检测旋翼无人机个体i与旋翼无人机个体j之间的距离是否小于预设的下限值;若旋翼无人机个体i与旋翼无人机个体j之间的距离小于预设的下限值,则旋翼无人机个体i转向邻居无人机集的平均方向,按方法二计算新的行进步长,并向前行进1个步长;若旋翼无人机个体i与旋翼无人机个体j之间的距离大于或等于预设的下限值,则旋翼无人机个体i转向邻居无人机集的平均方向,按方法三计算新的行进步长,并向前行进1个步长;
其中,所述旋翼无人机个体i转向旋翼无人机个体j所在的方向,按方法一计算新的行进步长,并向前行进1个步长,对应行为标识一;所述旋翼无人机个体i转向邻居无人机集的平均方向,按方法二计算新的行进步长,并向前行进1个步长,对应行为标识二;所述旋翼无人机个体i转向邻居无人机集的平均方向,按方法三计算新的行进步长,也对应所述行为标识二;
方法一为:旋翼无人机个体i的新的行进步长R=旋翼无人机个体i的预设步长值*(1+变化因子);
方法二为:旋翼无人机个体i的新的行进步长R=旋翼无人机个体i的预设步长值*(1-变化因子);
方法三为:旋翼无人机个体i的新的行进步长R=旋翼无人机个体j的行进步长;
其中,变化因子为0至1区间的一个数,具体大小根据旋翼无人机个体的动力装置和机动性能进行选择;
旋翼无人机个体i的邻居无人机集的
可选的,所述预设运动控制规则三的一次行为过程为:旋翼无人机个体i将飞行方向朝向目的地点所在的方向,并向前行进1个步长;若无人机i的探测域内无其它己方无人机和其他障碍或威胁,或有其它障碍或威胁但无人机i所在位置光强度小于预设敏感值,则重复执行上述行为过程,直至达到目的地点;
其中,所述旋翼无人机个体i将飞行方向朝向目的地点所在的方向,并向前行进1个步长,对应行为标识三。
可选的,所述预设运动控制规则二为:
旋翼无人机个体i检测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是否大于预设敏感值与1之和;
若比值大于预设敏感值与1之和,则旋翼无人机个体i搜索旋翼无人机个体i周围光强度最大值所在的位置,并判断最大光强度所在的位置是否位于旋翼无人机个体i机头方向的左侧;若最大光强度所在的位置位于旋翼无人机个体i机头方向的左侧,则旋翼无人机个体i向右转预设角度,并向前前进1个步长;若最大光强度所在的位置位于旋翼无人机个体i机头方向的右侧,则旋翼无人机个体i向左转预设角度,并向前前进1个步长,然后继续执行所述旋翼无人机个体i检测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是否大于预设敏感值与1之和的步骤;
若比值小于或等于预设敏感值与1之和,则旋翼无人机个体i按当前行进方向向前前进1个步长,一次规避过程结束;
其中,所述旋翼无人机个体i周围对应的区域为:以旋翼无人机个体i所在位置为中心,以旋翼无人机个体i的身长为直径构成的圆形区域;
其中,所述旋翼无人机个体i向左转/右转预设角度,并向前前进1个步长,对应行为标识四。
可选的,所述行为标识一和行为标识二对应的行为在旋翼无人机个体上通过控制航向运动和前后运动实现,具体通过控制期望航迹点的位置Pi d(xd、yd、zd)和航向角ψd同时实现航向运动和前后运动;设旋翼无人机个体i的当前位置为Pi=(xi,yi,zi),其中,(xi,yi,zi)为位置点Pi在三维坐标轴上的三个分量,航向为ψi,可通过增加的状态反馈回路从旋翼无人机i获取;在旋翼无人机个体i的探测区域内与旋翼无人机个体i属于同集群的其它无人机的集合为旋翼无人机个体i的邻居无人机集,用Ni(t)表示;旋翼无人机个体i的邻居无人机集的内部个体数量为M,设旋翼无人机个体k为旋翼无人机个体i的邻居无人机集内部的个体,即k∈Ni(t),k=1…M,旋翼无人机个体k的位置和航向分别为Pk=(xk,yk,zk)和ψk;
所述根据行为动作指令,结合旋翼无人机个体的状态信息生成旋翼无人机可直接执行的期望控制指令信号具体为:根据所述行为动作指令,并结合旋翼无人机个体i和其邻居无人机集内部的旋翼无人机个体的状态信息生成可直接驱动旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd,其中,xd、yd、zd旋翼无人机个体i的期望位置在三位坐标上的三个分量,ψd为旋翼无人机个体i的期望航向角;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,且位置采用统一的坐标系描述;
对于所述行为标识一,记旋翼无人机个体j为旋翼无人机个体i的探测域内离旋翼无人机个体i距离最近的个体,旋翼无人机个体j的位置由旋翼无人机个体i通过机载传感器或局部通信获得,记旋翼无人机个体j的当前位置为Pj=(xj,yj,zj),(xj,yj,zj)为位置点Pj在三维坐标轴上的三个分量,并记Δx=xj-xi,Δy=yj-yi,则:
xd=xi+R·sinψd
yd=yi+R·cosψd
zd=zi
其中,R为行进步长;
行为标识二的期望指令生成方法为:
xd=xi+R·sinψd
yd=yi+R·cosψd
zd=zi
其中,R为行进步长。
可选的,所述行为标识三对应的期望指令生成方法为:
记旋翼无人机个体i的当前位置为Pi=(xi,yi,zi),其中,(xi,yi,zi)为位置点Pi在三维坐标轴上的三个分量,目的地的位置为Pg=(xg,yg,zg),(xg,yg,zg)为目的地的位置Pg在三维坐标轴上的三个分量,记Δx=xi-xg,Δy=yi-yg,则:
xd=xi+R·sinψd
yd=yi+R·cosψd
zd=zi
其中,R为行进步长。
可选的,所述行为标识四对应的期望指令生成方法为:
xd=xi+R·sinψd
yd=yi+R·cosψd
zd=zi
其中,r的选择方法为:若最大光强度所在位置位于旋翼无人机个体i机身左侧,则r为1,反之,r为-1,θturn为预设的规避角度值。
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,适用于对外部静/动态或单/多个障碍体、威胁体的躲避和对危险区域的绕行,提高旋翼无人机的战场生存能力。
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危险规避方法的流程图;
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旋翼无人机个体的探测区示意图;
图5是本发明实施例提供的无人机集群危险规避方法的程序总体流程图;
图6是本发明实施例提供的预设运动控制规则一的一次控制流程图;
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流程图;
图8是本发明实施例提供的预设运动控制规则三的一次控制流程图;
图9是本发明实施例提供的躲避分散型静态威胁场景中智能体危险规避示意图;
图10是本发明实施例提供的躲避密集型静态威胁场景中智能体危险规避示意图;
图11是本发明实施例提供的躲避动态威胁场景仿真实验中初始时刻的智能体位置分布图;
图12是本发明实施例提供的躲避动态威胁场景仿真实验中150个仿真步长时的智能体位置分布图;
图13是本发明实施例提供的躲避动态威胁场景仿真实验中220个仿真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。
以旋翼无人机个体i为对象,通过它与附近同集群的其它无人机和集群外的障碍和威胁的交互对避障规则进行介绍,过程如图1所示。
图1中的①表示旋翼无人机个体获取集群外部障碍和威胁信息的方式,包括:(1)集群外部障碍和威胁信息由其它武器系统探明,然后将该信息发送给集群内部的每个旋翼无人机个体;(2)由集群内部个体通过机载传感器在线感知的方法获取集群外部的障碍和威胁信息。其中,障碍为空间环境中对无人机运动有影响的静态物体和运动的物体(如编队之外的其它飞行器),威胁为战场中对无人机构成探测威胁或打击威胁的敌方警戒区域或火力区域。由此可知,可被无人机个体视为障碍和威胁的对象包括:运动环境中的静态物体、其它飞行器(非本集群内的无人机个体)或运动物体以及敌方阵地中的危险区域。
图1中的②表示无人机个体获取集群内部其它无人机个体信息的方式,包括:通过机载传感器在线感知方式获取附近其它个体信息,或通过局部通信获取附近同集群的其它个体信息。
本发明内容基于以下前提:集群内部的每个无人机个体均知道目的地的位置,在开始时均朝着目的地飞行。
仿生行为规则部分:由预设运动控制规则一(集群飞行)、预设运动控制规则二(避让)和预设运动控制规则三(奔向目的地)构成。其中,预设运动控制规则一用于指导无人机个体与属于同集群的其它无人机个体保持群聚飞行,产生维持群集运动的具体行为动作指令;预设运动控制规则二用于指导集群内部的无人机个体对附近的障碍、威胁进行躲避,产生具体的避让行为动作指令;预设运动控制规则三用于指导无人机个体朝向目的地点飞行,产生使无人机趋向目的运动的行为动作指令。
期望指令生成部分: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,一个给仿生行为规则部分,一个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危险规避方法的实现流程图,详述如下:
步骤S101,旋翼无人机个体获取探测区域内的障碍/威胁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,所述障碍/威胁信息包括所述障碍/威胁的位置和威胁范围的大小,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内其它旋翼无人机个体的位置信息和航向。
本实施例中,障碍为空间环境中对无人机运动有影响的静态物体和运动的物体(如编队之外的其它飞行器);威胁为战场中对无人机构成探测威胁或打击威胁的敌方警戒区域或火力区域。
步骤S102,根据所述障碍/威胁信息建立所述障碍/威胁的光场模型。
参见图3,所述障碍/威胁的光场模型具体为:以探测域内的障碍/威胁所在的位置为中心,光场中心的光强度根据障碍/威胁的大小进行设计,光强度值与障碍/威胁的大小成正比,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,根据所述旋翼无人机探测区域内其它旋翼无人机信息,基于预设运动控制规则一控制旋翼无人机个体与属于同集群的其它旋翼无人机个体保持群聚飞行,使旋翼无人机个体产生相应的行为动作指令;根据所述障碍/威胁的光场模型,基于预设运动控制规则二,控制旋翼无人机集群内部的旋翼无人机个体对附近的障碍/威胁进行躲避,使旋翼无人机个体产生相应的行为动作指令;基于预设运动控制规则三控制旋翼无人机朝向目的地点飞行,使旋翼无人机个体产生相应的行为动作指令。
其中,旋翼无人机个体通过局部感知方式或通信方式获取探测域内的障碍/威胁以及同集群的其它无人机的位置。
参见图4,旋翼无人机个体i的探测域为:
设旋翼无人机个体i的最远探测距离或最远通信距离为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,距机头方向左右各偏α/2角度构成的扇形区域;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的探测域内且与旋翼无人机个体i属于同一个集群的其它无人机个体的集合;该探测区域划分为三个区域:排斥域一致域和吸引域其中,排斥域三维空间的点集一致域:三维空间的点集吸引域三维空间的点集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。
作为一种可实施方式,步骤S103可以通过以下过程实现:
旋翼无人机个体i对探测域内的障碍物、威胁以及同集群的其它旋翼无人机个体进行检测,检测旋翼无人机个体i的探测区域内是否有其它障碍物或威胁;
若旋翼无人机个体i检测到探测区域内存在其他障碍物或威胁,则旋翼无人机个体i检测所在位置的光强度是否小于预设敏感值;在旋翼无人机个体i检测所在位置的光强度小于预设敏感值时,检测旋翼无人机个体i的探测域内是否有属于同集群的其它旋翼无人机个体;若旋翼无人机个体i的探测域内有属于同集群的其它旋翼无人机个体,则执行所述预设运动控制规则一,并检测旋翼无人机个体是否到达目的地;若旋翼无人机个体i的探测域内没有属于同集群的其它旋翼无人机个体,则执行所述预设运动控制规则二,并检测旋翼无人机个体是否到达目的地;在旋翼无人机个体i检测所在位置的光强度大于或等于预设敏感值时,执行所述预设运动控制规则三,并检测旋翼无人机个体是否到达目的地;
若旋翼无人机个体i未检测到探测区域内存在其他障碍物或威胁,则旋翼无人机个体i检测探测域内是否有属于同集群的其它旋翼无人机个体;若旋翼无人机个体i的探测域内有属于同集群的其它旋翼无人机个体,则执行所述预设运动控制规则一,并检测旋翼无人机个体是否到达目的地;若旋翼无人机个体i的探测域内没有属于同集群的其它旋翼无人机个体,则执行所述预设运动控制规则二,并检测旋翼无人机个体是否到达目的地;若检测到旋翼无人机个体未到达目的地,则再次执行所述旋翼无人机个体i对探测域内的障碍物、威胁以及同集群的其它旋翼无人机个体进行检测的步骤,直至检测到旋翼无人机个体到达目的地。
参见图5,具体的,集群内部无人机个体i的行为过程描述如下:
(a)行为过程开始:无人机i对探测域内的障碍物、威胁以及同集群的其它无人机个体进行检测;
(b)判断无人机i的探测区域内是否有其它障碍物或威胁,若“是”则转到步骤(d);若“否”,则转入步骤(c);
(c)检测无人机i的探测域内是否有属于同集群的其它无人机,若“是”,则执行“集群飞行”控制规则,然后转到步骤(f);若“否”,则执行“奔向目的地点”控制规则,并转到步骤(f);
(d)无人机i检测所在位置的光强度,然后进入步骤(e);
(e)判断无人机i所在位置光强度小于预设敏感值,若“是”则转到步骤(c);若“否”,则执行“避让”控制规则,然后转到步骤(f);
(f)检测无人机个体i到达目的地点,若“是”,则行为过程结束;若“否”,则返回步骤(a)并重复执行上述过程。
其中,所述预设运动控制规则一具体为:
旋翼无人机个体i对探测域内的旋翼无人机进行搜索,寻找离旋翼无人机个体i最近的旋翼无人机个体j,然后旋翼无人机个体i计算它与旋翼无人机个体j之间的距离;
在旋翼无人机个体i与旋翼无人机个体j之间的距离大于预设的上限值时,旋翼无人机个体i转向旋翼无人机个体j所在的方向,按方法一计算新的行进步长,并向前行进1个步长;在旋翼无人机个体i与旋翼无人机个体j之间的距离小于或等于预设的上限值时,检测旋翼无人机个体i与旋翼无人机个体j之间的距离是否小于预设的下限值;若旋翼无人机个体i与旋翼无人机个体j之间的距离小于预设的下限值,则旋翼无人机个体i转向邻居无人机集的平均方向,按方法二计算新的行进步长,并向前行进1个步长;若旋翼无人机个体i与旋翼无人机个体j之间的距离大于或等于预设的下限值,则旋翼无人机个体i转向邻居无人机集的平均方向,按方法三计算新的行进步长,并向前行进1个步长;
其中,所述旋翼无人机个体i转向旋翼无人机个体j所在的方向,按方法一计算新的行进步长,并向前行进1个步长,对应行为标识一;所述旋翼无人机个体i转向邻居无人机集的平均方向,按方法二计算新的行进步长,并向前行进1个步长,对应行为标识二;所述旋翼无人机个体i转向邻居无人机集的平均方向,按方法三计算新的行进步长,也对应所述行为标识二;
方法一为:旋翼无人机个体i的新的行进步长R=旋翼无人机个体i的预设步长值*(1+变化因子);
方法二为:旋翼无人机个体i的新的行进步长R=旋翼无人机个体i的预设步长值*(1-变化因子);
方法三为:旋翼无人机个体i的新的行进步长R=旋翼无人机个体j的行进步长;
其中,变化因子为0至1区间的一个数,具体大小根据旋翼无人机个体的动力装置和机动性能进行选择;
旋翼无人机个体i的邻居无人机集的
具体的,参见图6,预设运动控制规则一的一次控制流程如下:
(a)无人机个体i对探测域内的无人机进行搜索,寻找离无人机i最近的无人机个体j,然后转入步骤(b);
(b)无人机个体i计算它与无人机个体j之间的距离,转入步骤(c);
(c)检测无人机个体i与无人机个体j之间的距离是否大于预设的上限值,若“是”,无人机个体i则转向无人机个体j所在的方向,按方法一计算新的行进步长,并向前行进1个步幅长度(简称“步长”);若“否”则转入步骤(d);
(d)判断无人机个体i与无人机个体j之间的距离是否小于预设的下限值,若“是”,无人机个体i则转向邻居无人机集的平均方向,按方法二计算新的行进步长,并向前行进1个步长;若“否”,则转入步骤(e);
(e)无人机个体i转向邻居无人机集的平均方向,按方法三计算新的行进步长,并向前行进1个步长。
所述预设运动控制规则二具体为:
旋翼无人机个体i检测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是否大于预设敏感值与1之和;
若比值大于预设敏感值与1之和,则旋翼无人机个体i搜索旋翼无人机个体i周围光强度最大值所在的位置,并判断最大光强度所在的位置是否位于旋翼无人机个体i机头方向的左侧;若最大光强度所在的位置位于旋翼无人机个体i机头方向的左侧,则旋翼无人机个体i向右转预设角度,并向前前进1个步长;若最大光强度所在的位置位于旋翼无人机个体i机头方向的右侧,则旋翼无人机个体i向左转预设角度,并向前前进1个步长,然后继续执行所述旋翼无人机个体i检测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是否大于预设敏感值与1之和的步骤;
若比值小于或等于预设敏感值与1之和,则旋翼无人机个体i按当前行进方向向前前进1个步长,一次规避过程结束;
其中,所述旋翼无人机个体i周围对应的区域为:以旋翼无人机个体i所在位置为中心,以旋翼无人机个体i的身长为直径构成的圆形区域;
其中,所述旋翼无人机个体i向左转/右转预设角度,并向前前进1个步长,对应行为标识四。
具体的,参见图7,预设运动控制规则二的一次控制流程如下:
(a)开始:判断无人机i机头前方位置的光强度/无人机i所在位置的光强度是否大于(1+预设敏感值),若“是”,则执行步骤(b);若“否”,则转到步骤(g);
(b)无人机i搜索周围光强度最大值所在的位置,然后转入步骤(c);
(c)判断最大光强度所在的位置是否位于无人机i机头方向的左侧或前侧,若“是”,则转到步骤(d);若“否”,则转到步骤(e);
(d)无人机i向右转预设角度,执行完毕转入步骤(f);
(e)无人机i向左转预设角度,执行完毕转入步骤(f);
(f)无人机i向前前进1个步长,执行完毕转到步骤(a),继续重复执行上述过程;
(g)无人机i向前前进1个步长,一次规避过程结束。
其中,步骤(b)中所述的周围对应的区域为:以无人机i所在位置为中心,以无人机i的身长为直径构成的圆形区域。
所述预设运动控制规则三的一次行为过程为:
旋翼无人机个体i将飞行方向朝向目的地点所在的方向,并向前行进1个步长;若无人机i的探测域内无其它己方无人机和其他障碍或威胁,或有其它障碍或威胁但无人机i所在位置光强度小于预设敏感值,则重复执行上述行为过程,直至达到目的地点;
其中,所述旋翼无人机个体i将飞行方向朝向目的地点所在的方向,并向前行进1个步长,对应行为标识三。
具体的,参见图8,预设运动控制规则三的一次控制流程如下:
(a)一次行为过程开始:无人机i将飞行方向朝向目的地点所在的方向;
(b)向前行进1个步长,一次行为过程结束;
经过多次执行上述步骤(a)和步骤(b),可使无人机个体抵达目的地点。
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。
具体的,所述行为标识一和行为标识二对应的行为在旋翼无人机个体上通过控制航向运动和前后运动实现,具体通过控制期望航迹点的位置Pi d(xd、yd、zd)和期望航向角ψd同时实现航向运动和前后运动;设旋翼无人机个体i的当前位置为Pi=(xi,yi,zi),其中,(xi,yi,zi)为位置点Pi在三维坐标轴上的三个分量,航向为ψi,可通过增加的状态反馈回路从旋翼无人机i获取;在旋翼无人机个体i的探测区域内与旋翼无人机个体i属于同集群的其它无人机的集合为旋翼无人机个体i的邻居无人机集,用Ni(t)表示;旋翼无人机个体i的邻居无人机集的内部个体数量为M,设旋翼无人机个体k为旋翼无人机个体i的邻居无人机集内部的个体,即k∈Ni(t),k=1…M,旋翼无人机个体k的位置和航向分别为Pk=(xk,yk,zk)和ψk;
所述根据行为动作指令,结合旋翼无人机个体的状态信息生成旋翼无人机可直接执行的期望控制指令信号具体为:根据所述行为动作指令,并结合旋翼无人机个体i和其邻居无人机集内部的旋翼无人机个体的状态信息生成可直接驱动旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd,其中,xd、yd、zd为旋翼无人机个体i的期望位置在三位坐标上的三个分量,ψd为旋翼无人机个体i的期望航向角;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,且位置采用统一的坐标系描述;
对于所述行为标识一,记旋翼无人机个体j为旋翼无人机个体i的探测域内离旋翼无人机个体i距离最近的个体,旋翼无人机个体j的位置由旋翼无人机个体i通过机载传感器或局部通信获得,记旋翼无人机个体j的当前位置为Pj=(xj,yj,zj),(xj,yj,zj)为位置点Pj在三维坐标轴上的三个分量,并记Δx=xj-xi,Δy=yj-yi,则:
xd=xi+R·sinψd
yd=yi+R·cosψd
zd=zi
其中,R为行进步长;
行为标识二的期望指令生成方法为:
xd=xi+R·sinψd
yd=yi+R·cosψd
zd=zi
其中,R为行进步长。
所述行为标识三对应的期望指令生成方法为:
记旋翼无人机个体i的当前位置为Pi=(xi,yi,zi),其中,(xi,yi,zi)为位置点Pi在三维坐标轴上的三个分量,目的地的位置为Pg=(xg,yg,zg),(xg,yg,zg)为目的地的位置Pg在三维坐标轴上的三个分量,记Δx=xi-xg,Δy=yi-yg,则:
xd=xi+R·sinψd
yd=yi+R·cosψd
zd=zi
其中,R为行进步长。
所述行为标识四对应的期望指令生成方法为:
xd=xi+R·sinψd
yd=yi+R·cosψd
zd=zi
其中,r的选择方法为:若最大光强度所在位置位于旋翼无人机个体i机身左侧,则r为1,反之,r为-1,θturn为预设的规避角度值。
步骤S105,重复执行预设运动控制规则一、预设运动控制规则二和预设运动控制规则三,直至到达目的地。
以下通过仿真实验,对本发明实施例进行进一步说明,其中,根据威胁是否运动可分为躲避静态威胁和躲避动态威胁两种。
对于躲避静态威胁:无人机群在复杂的战场环境经常遇到雷达、火炮群等敌方武器的威胁(固定布置在某一区域),及时灵活地躲避其威胁是提高战场生存能力的关键。图9和图10显示的是一无人机群成员朝向目标航点飞行时自主避开静态威胁的场景,图9中的静态威胁源分布较为分散,无人机集群从威胁较小的中间路径穿过;图10中的静态威胁源分布较为密集,无人机集群则自主绕过密集威胁区飞向目标。
对于躲避动态威胁:图11至图13为无人机集群躲避动态威胁源场景,无人机群从A地点出发飞往B目标点,途中遇到一群移动目标朝向它行进,群成员主动对其进行避让,有效地避开了敌方的威胁。
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。
上述无人机集群危险规避方法具有以下有点:
(1)该方法适用对象广、灵活性好和计算量小,可指导无人机集群内的个体灵活躲避各种静/动态或单/多个障碍体、威胁体以及灵活自主的避开敌方的警戒和火力射击等危险区域,计算量不会随着障碍和威胁数量的增多而增加;
(2)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,避免了复杂的数学计算,因此控制方法简单,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;
(3)该方法对通信的依赖较少,由于集群内的旋翼无人机是在自身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,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。
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 (10)
1.一种无人机集群危险规避方法,其特征在于,包括:
旋翼无人机个体获取探测区域内的障碍/威胁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;所述障碍/威胁信息包括所述障碍/威胁的位置和威胁范围的大小,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内其它旋翼无人机个体的位置信息和航向;
根据所述障碍/威胁信息建立所述障碍/威胁的光场模型;
根据所述旋翼无人机探测区域内其它旋翼无人机个体信息,基于预设运动控制规则一控制旋翼无人机个体与属于同集群的其它旋翼无人机个体保持群聚飞行,使旋翼无人机个体产生相应的行为动作指令;根据所述障碍/威胁的光场模型,基于预设运动控制规则二,控制旋翼无人机集群内部的旋翼无人机个体对附近的障碍/威胁进行躲避,使旋翼无人机个体产生相应的行为动作指令;基于预设运动控制规则三控制旋翼无人机朝向目的地点飞行,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、预设运动控制规则二和预设运动控制规则三,直至到达目的地。
2.如权利要求1所述的无人机集群危险规避方法,其特征在于,旋翼无人机个体通过局部感知方式或通信方式获取探测区域内的障碍/威胁以及同集群的其它无人机的位置;
旋翼无人机个体i的探测区域为:
设旋翼无人机个体i的最远探测距离或最远通信距离为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,距机头方向左右各偏α/2角度构成的扇形区域;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的探测区域内且与旋翼无人机个体i属于同一个集群的其它无人机个体的集合;该探测区域划分为三个区域:排斥域一致域和吸引域其中,排斥域三维空间的点集一致域:三维空间的点集吸引域三维空间的点集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。
3.如权利要求1所述的无人机集群危险规避方法,其特征在于,所述障碍/威胁的光场模型具体为:以探测区域内的障碍/威胁所在的位置为中心,光场中心的光强度根据障碍/威胁的大小进行设计,光强度值与障碍/威胁的大小成正比,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。
4.如权利要求1所述的无人机集群危险规避方法,其特征在于,旋翼无人机个体i对探测区域内的障碍物、威胁以及同集群的其它旋翼无人机个体进行检测,检测旋翼无人机个体i的探测区域内是否有其它障碍物或威胁;
若旋翼无人机个体i检测到探测区域内存在其他障碍物或威胁,则旋翼无人机个体i检测所在位置的光强度是否小于预设敏感值;在旋翼无人机个体i检测所在位置的光强度小于预设敏感值时,检测旋翼无人机个体i的探测区域内是否有属于同集群的其它旋翼无人机个体;若旋翼无人机个体i的探测区域内有属于同集群的其它旋翼无人机个体,则执行所述预设运动控制规则一,并检测旋翼无人机个体是否到达目的地;若旋翼无人机个体i的探测区域内没有属于同集群的其它旋翼无人机个体,则执行所述预设运动控制规则二,并检测旋翼无人机个体是否到达目的地;在旋翼无人机个体i检测所在位置的光强度大于或等于预设敏感值时,执行所述预设运动控制规则三,并检测旋翼无人机个体是否到达目的地;
若旋翼无人机个体i未检测到探测区域内存在其他障碍物或威胁,则旋翼无人机个体i检测探测区域内是否有属于同集群的其它旋翼无人机个体;若旋翼无人机个体i的探测区域内有属于同集群的其它旋翼无人机个体,则执行所述预设运动控制规则一,并检测旋翼无人机个体是否到达目的地;若旋翼无人机个体i的探测区域内没有属于同集群的其它旋翼无人机个体,则执行所述预设运动控制规则二,并检测旋翼无人机个体是否到达目的地;若检测到旋翼无人机个体未到达目的地,则再次执行所述旋翼无人机个体i对探测区域内的障碍物、威胁以及同集群的其它旋翼无人机个体进行检测的步骤,直至检测到旋翼无人机个体到达目的地。
5.如权利要求1所述的无人机集群危险规避方法,其特征在于,所述预设运动控制规则一为:
旋翼无人机个体i对探测区域内的旋翼无人机进行搜索,寻找离旋翼无人机个体i最近的旋翼无人机个体j,然后旋翼无人机个体i计算它与旋翼无人机个体j之间的距离;
在旋翼无人机个体i与旋翼无人机个体j之间的距离大于预设的上限值时,旋翼无人机个体i转向旋翼无人机个体j所在的方向,按方法一计算新的行进步长,并向前行进1个步长;在旋翼无人机个体i与旋翼无人机个体j之间的距离小于或等于预设的上限值时,检测旋翼无人机个体i与旋翼无人机个体j之间的距离是否小于预设的下限值;若旋翼无人机个体i与旋翼无人机个体j之间的距离小于预设的下限值,则旋翼无人机个体i转向邻居无人机集的平均方向,按方法二计算新的行进步长,并向前行进1个步长;若旋翼无人机个体i与旋翼无人机个体j之间的距离大于或等于预设的下限值,则旋翼无人机个体i转向邻居无人机集的平均方向,按方法三计算新的行进步长,并向前行进1个步长;
其中,所述旋翼无人机个体i转向旋翼无人机个体j所在的方向,按方法一计算新的行进步长,并向前行进1个步长,对应行为标识一;所述旋翼无人机个体i转向邻居无人机集的平均方向,按方法二计算新的行进步长,并向前行进1个步长,对应行为标识二;所述旋翼无人机个体i转向邻居无人机集的平均方向,按方法三计算新的行进步长,也对应所述行为标识二;
方法一为:旋翼无人机个体i的新的行进步长R=旋翼无人机个体i的预设步长值*(1+变化因子);
方法二为:旋翼无人机个体i的新的行进步长R=旋翼无人机个体i的预设步长值*(1-变化因子);
方法三为:旋翼无人机个体i的新的行进步长R=旋翼无人机个体j的行进步长;
其中,变化因子为0至1区间的一个数,具体大小根据旋翼无人机个体的动力装置和机动性能进行选择;
6.如权利要求1所述的无人机集群危险规避方法,其特征在于,所述预设运动控制规则三的一次行为过程为:旋翼无人机个体i将飞行方向朝向目的地点所在的方向,并向前行进1个步长;若无人机i的探测区域内无其它己方无人机和其他障碍或威胁,或有其它障碍或威胁但无人机i所在位置光强度小于预设敏感值,则重复执行上述行为过程,直至达到目的地点;
其中,所述旋翼无人机个体i将飞行方向朝向目的地点所在的方向,并向前行进1个步长,对应行为标识三。
7.如权利要求1所述的无人机集群危险规避方法,其特征在于,所述预设运动控制规则二为:
旋翼无人机个体i检测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是否大于预设敏感值与1之和;
若比值大于预设敏感值与1之和,则旋翼无人机个体i搜索旋翼无人机个体i周围光强度最大值所在的位置,并判断最大光强度所在的位置是否位于旋翼无人机个体i机头方向的左侧;若最大光强度所在的位置位于旋翼无人机个体i机头方向的左侧,则旋翼无人机个体i向右转预设角度,并向前前进1个步长;若最大光强度所在的位置位于旋翼无人机个体i机头方向的右侧,则旋翼无人机个体i向左转预设角度,并向前前进1个步长,然后继续执行所述旋翼无人机个体i检测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是否大于预设敏感值与1之和的步骤;
若比值小于或等于预设敏感值与1之和,则旋翼无人机个体i按当前行进方向向前前进1个步长,一次规避过程结束;
其中,所述旋翼无人机个体i周围对应的区域为:以旋翼无人机个体i所在位置为中心,以旋翼无人机个体i的身长为直径构成的圆形区域;
其中,所述旋翼无人机个体i向左转/右转预设角度,并向前前进1个步长,对应行为标识四。
8.如权利要求5所述的无人机集群危险规避方法,其特征在于,所述行为标识一和行为标识二对应的行为在旋翼无人机个体上通过控制航向运动和前后运动实现,具体通过控制期望航迹点的位置Pi d(xd、yd、zd)和期望航向角ψd同时实现航向运动和前后运动;设旋翼无人机个体i的当前位置为Pi=(xi,yi,zi),其中,(xi,yi,zi)为位置点Pi在三维坐标轴上的三个分量,当前航向为ψi,可通过增加的状态反馈回路从旋翼无人机i获取;在旋翼无人机个体i的探测区域内与旋翼无人机个体i属于同集群的其它无人机的集合为旋翼无人机个体i的邻居无人机集,用Ni(t)表示;旋翼无人机个体i的邻居无人机集Ni(t)的内部个体数量为M,设旋翼无人机个体k为旋翼无人机个体i的邻居无人机集Ni(t)内部的个体,即k∈Ni(t),k=1…M,旋翼无人机个体k的当前位置和航向分别为Pk=(xk,yk,zk)和ψk;
所述根据行为动作指令,结合旋翼无人机个体的状态信息生成旋翼无人机可直接执行的期望控制指令信号具体为:根据所述行为动作指令,并结合旋翼无人机个体i和其邻居无人机集Ni(t)内部的旋翼无人机个体的状态信息生成可直接驱动旋翼无人机个体i的期望控制指令信号xd、yd、zd和ψd,其中,xd、yd、zd旋翼无人机个体i的期望位置在三维坐标上的三个分量,ψd为旋翼无人机个体i的期望航向角;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,且位置采用统一的坐标系描述;
对于所述行为标识一,记旋翼无人机个体j为旋翼无人机个体i的探测区域内离旋翼无人机个体i距离最近的个体,旋翼无人机个体j的位置由旋翼无人机个体i通过机载传感器或局部通信获得,记旋翼无人机个体j的当前位置为Pj=(xj,yj,zj),(xj,yj,zj)为位置点Pj在三维坐标轴上的三个分量,并记Δx=xj-xi,Δy=yj-yi,则:
xd=xi+R·sinψd
yd=yi+R·cosψd
zd=zi
其中,R为行进步长;
行为标识二的期望指令生成方法为:
xd=xi+R·sinψd
yd=yi+R·cosψd
zd=zi
其中,R为行进步长。
9.如权利要求6所述的无人机集群危险规避方法,其特征在于,所述行为标识三对应的期望指令生成方法为:
记旋翼无人机个体i的当前位置为Pi=(xi,yi,zi),其中,(xi,yi,zi)为当前位置点Pi在三维坐标轴上的三个分量,目的地的位置为Pg=(xg,yg,zg),(xg,yg,zg)为目的地的位置Pg在三维坐标轴上的三个分量,记Δx=xi-xg,Δy=yi-yg,则:
xd=xi+R·sinψd
yd=yi+R·cosψd
zd=zi
其中,ψd为旋翼无人机个体i的期望航向角,xd、yd、zd为旋翼无人机个体i的期望位置在三维坐标上的三个分量,R为行进步长。
10.如权利要求7所述的无人机集群危险规避方法,其特征在于,所述行为标识四对应的期望指令生成方法为:
xd=xi+R·sinψd
yd=yi+R·cosψd
zd=zi
其中,r的选择方法为:若最大光强度所在位置位于旋翼无人机个体i机身左侧,则r为1,反之,r为-1,θturn为预设的规避角度值;ψd为旋翼无人机个体i的期望航向角,xd、yd、zd为旋翼无人机个体i的期望位置在三维坐标上的三个分量,(xi,yi,zi)为旋翼无人机个体i的位置点Pi在三维坐标轴上的三个分量,ψi为旋翼无人机个体i的当前航向角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711204800.5A CN107807671B (zh) | 2017-11-27 | 2017-11-27 | 无人机集群危险规避方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711204800.5A CN107807671B (zh) | 2017-11-27 | 2017-11-27 | 无人机集群危险规避方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107807671A CN107807671A (zh) | 2018-03-16 |
CN107807671B true CN107807671B (zh) | 2018-08-14 |
Family
ID=61581808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711204800.5A Expired - Fee Related CN107807671B (zh) | 2017-11-27 | 2017-11-27 | 无人机集群危险规避方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107807671B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109557936B (zh) * | 2018-12-03 | 2020-07-07 | 北京航空航天大学 | 基于人工势场法的可垂起无人机机间防碰撞控制方法 |
CN110162035B (zh) * | 2019-03-21 | 2020-09-18 | 中山大学 | 一种集群机器人在有障碍物场景中的协同运动方法 |
CN110162086A (zh) * | 2019-03-21 | 2019-08-23 | 中山大学 | 一种基于模型预测控制框架的集群无人机编队方法 |
CN110069071B (zh) * | 2019-05-15 | 2022-06-14 | 深圳铂石空间科技有限公司 | 无人机导航方法与装置、存储介质、电子设备 |
CN115150784B (zh) * | 2022-09-02 | 2022-12-06 | 汕头大学 | 基于基因调控网络的无人机集群区域覆盖方法及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103869822A (zh) * | 2014-04-01 | 2014-06-18 | 西北工业大学 | 多旋翼无人机感知与规避系统及其规避方法 |
CN106873628A (zh) * | 2017-04-12 | 2017-06-20 | 北京理工大学 | 一种多无人机跟踪多机动目标的协同路径规划方法 |
CN107029374A (zh) * | 2017-04-28 | 2017-08-11 | 成都谍翼科技有限公司 | 集群控制消防方法及装置 |
CN107340784A (zh) * | 2017-08-21 | 2017-11-10 | 中国人民解放军军械工程学院 | 无人机集群控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9493235B2 (en) * | 2002-10-01 | 2016-11-15 | Dylan T X Zhou | Amphibious vertical takeoff and landing unmanned device |
-
2017
- 2017-11-27 CN CN201711204800.5A patent/CN107807671B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103869822A (zh) * | 2014-04-01 | 2014-06-18 | 西北工业大学 | 多旋翼无人机感知与规避系统及其规避方法 |
CN106873628A (zh) * | 2017-04-12 | 2017-06-20 | 北京理工大学 | 一种多无人机跟踪多机动目标的协同路径规划方法 |
CN107029374A (zh) * | 2017-04-28 | 2017-08-11 | 成都谍翼科技有限公司 | 集群控制消防方法及装置 |
CN107340784A (zh) * | 2017-08-21 | 2017-11-10 | 中国人民解放军军械工程学院 | 无人机集群控制方法 |
Non-Patent Citations (1)
Title |
---|
无人机集群作战概念及关键技术分析;牛轶峰 等;《国防科技》;20131031(第5期);第37-43页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107807671A (zh) | 2018-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107807671B (zh) | 无人机集群危险规避方法 | |
Lin et al. | A Novel Improved Bat Algorithm in UAV Path Planning. | |
Khan et al. | Mobile target coverage and tracking on drone-be-gone UAV cyber-physical testbed | |
CN106705970B (zh) | 一种基于蚁群算法的多无人机协同路径规划方法 | |
Goel et al. | Three dimensional path planning for UAVs in dynamic environment using glow-worm swarm optimization | |
CN110488867B (zh) | 一种基于改进虚拟力场的无人机集群护航行为生成方法 | |
CN108897312B (zh) | 多无人飞行器对大规模环境的持续监控路径规划方法 | |
CN109521794A (zh) | 一种多无人机航路规划及动态避障方法 | |
CN110109477B (zh) | 基于鸽群智能反向学习的无人机集群多目标控制优化方法 | |
Khan et al. | Aspects of unmanned aerial vehicles path planning: Overview and applications | |
CN107703970B (zh) | 无人机集群环绕追踪方法 | |
Cakir | 2D path planning of UAVs with genetic algorithm in a constrained environment | |
Zhiyang et al. | Route planning based on improved artificial potential field method | |
CN110823223A (zh) | 一种无人机群的路径规划方法及装置 | |
JP2010188893A (ja) | 移動体の三次元群制御方法 | |
CN115113651A (zh) | 一种基于椭圆拟合的无人机长僚协同覆盖寻优方法 | |
Qiming et al. | A review of intelligent optimization algorithm applied to unmanned aerial vehicle swarm search task | |
Zhicai et al. | A cooperative search algorithm based on improved particle swarm optimization decision for UAV swarm | |
Bai et al. | Cooperative trajectory optimization for unmanned aerial vehicles in a combat environment | |
Qu et al. | A UAV solution of regional surveillance based on pheromones and artificial potential field theory | |
Liang et al. | Collaborative Pursuit‐Evasion Strategy of UAV/UGV Heterogeneous System in Complex Three‐Dimensional Polygonal Environment | |
CN113359831A (zh) | 基于任务逻辑调度的集群四旋翼无人机路径生成方法 | |
Yehoshua et al. | Multi-robot adversarial coverage | |
Pozniak et al. | Counter UAS solutions through UAV swarm environments | |
Ulam et al. | Mission specification and control for unmanned aerial and ground vehicles for indoor target discovery and tracking |
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: 20180814 Termination date: 20211127 |