CN108279704A - 一种增加通信链路的多无人机的协同控制策略 - Google Patents

Abstract

一种增加通信链路的多无人机的协同控制策略，包括步骤：在多无人机的飞行过程中，将无人机群组的速度进行分段控制，引入飞行控制因子的概念，提出了群聚算法；使多无人机在群聚的过程中，不同阶段有不同的收敛速度，从而增加无人机群组在飞行过程中的通信链路数目，使群组能够更加快速、稳定的达到蜂拥状态。本发明通过改变无人机在不同阶段的飞行速度，从而增加无人机在飞行过程中的通信链路，具有操控简单，无人机群组收敛速度快、平滑及稳定等特点，能够使多无人机群组形成蜂拥状态。在战场环境中多无人机协同作战具有广泛的应用前景。

Description

一种增加通信链路的多无人机的协同控制策略

技术领域:

本发明涉及一种多无人机协同控制的方法，属于多无人机协同控制的技术领域。

背景技术:

所谓协同控制，是指通过控制无人机的飞行速度，使无人机群组快速收敛的研究。在多无人机飞行过程中，部分结点初始与群体距离较远，迭代较慢。而多无人机协同作战的优势在于无人机的数量多，彼此间能够进行交互，相互配合，从而快速的完成任务。如果群组间收敛慢，无人机间彼此不能满足通信距离，则多无人机的优势将大大减弱。因此，本发明针对与群组无通信链路节点，加入飞行控制因子，改变这些节点的飞行速度，从而使其快速收敛。根据领导者当前的状态，使其向群组中心靠拢，最终达到与群组中其他节点通信的目的，从而增加无人机整体的通信链路数目。

无人机起源于军事领域，经过几十年的发展，目前已经进入了快速发展期，种类越来越多，应用领域不断拓展，任务类型越来越广泛。近年来，无人机在军事、民用、救援和城市管理等多个领域广泛应用。在战场中，无人机被用来执行各种搜索工作和战场上的监视任务，由于无人机不需要人工驾驶，因此更具安全性。随着战场环境的日益复杂化，需要多无人机协同进行作战任务，因此，提出了多无人机系统。在多无人机的研究中，美国国防高级研究计划局(DARPA)开展的“小精灵”项目与美国海军研究局 (ONR)推出的低成本无人机蜂群技术(LOCUST)使得许多国家对多无人机的研究进入了白热化的阶段。许多军方机构正在努力提升利用无人机向敌人开展蜂群式进攻的能力。这些研究将使军用无人机蜂群研究步入更有深度、更重要的研究领域。

为保证无人机群组发挥协同作战的优势，需要建立一种高效的群组管理和控制体系，从而应对复杂、动态、不确定的战场环境。然而，生物群集行为中所体现的分布、自适应、鲁棒性等特点，与实现无人机群组协调自主控制的要求相符合。熟悉生物群集的原理，并将其应用到无人机群组协同控制中，可以大大提高无人机在复杂条件下的智能性，同时可以增加无人机的决策能力。

在协同控制方向，新加坡国立大学的学者提出了一种基于有限状态自动机模型的控制逻辑设计，针对固定翼无人机在起飞之后如何集群的问题，集成了起飞模式，操作模式，搜索模式和跟踪模式四种模式，开发了有限状态自动机(FSA)模型，基于无人机当前的状态引导无人机形成集群。该方法对固定翼无人机起飞时的协同控制进行了研究，但针对四旋翼无人机未做阐述。西澳大利亚大学学者将无人机的协同控制分为集中式控制和分布式控制两种，集中式控制为所有无人机共同受控于一个控制器，而分布式控制为无人机各自拥有自己的控制器。并指出集中式方法太过依赖于控制器，控制器需要较高的运算能力，缺乏鲁棒性。分布式控制器在避障过程中要控制关键的点进行移动十分困难。提出了一种边界协同控制方法，通过构造了一个新的势能函数并引入p次微分的碰撞函数，通过该势能函数设计控制器，使多个代理渐进收敛到期望的位置。该方法通过边界控制的方法对无人机进行协同控制，未考虑到多无人群组通信的问题。学者 Olfati-Saber提出了群集策略，使多代理在飞行过程中能够躲避障碍，最终收敛到聚集状态，保持彼此之间存在通信链路。在该策略中，无人机群组间通信链路开始时较少，限制了多无人机协同作战的优势。

发明内容：

本发明针对现有技术存在的不足之处，提出了一种适用于多无人机协同飞行中，通过使无人机在不同阶段有不同的飞行速度，从而更快收敛的新型方法；

本发明的目的是通过以下技术方案实现的：

一种增加通信链路的多无人机的协同控制策略，在多无人机的飞行过程中，将无人机群组的速度进行分段控制，引入飞行控制因子的概念，提出了群聚算法；包括如下步骤：

步骤1、设置参数；设置无人机群组数量N，循环迭代参数i，无人机间距离r₁，r₂；

步骤2、初始化无人机群组；数量N，使N个无人机初始位置和速度服从正态分布；

步骤3、判断无人机i与其它无人机的距离r，如果r>r₁，则执行步骤4；否则，执行步骤5；

步骤4、飞行控制因子作用无人机节点，执行步骤8；

步骤5、如果r>r₂，则执行步骤6；否则，执行步骤7；

步骤6、使无人机i向虚拟领导者方向运动，执行步骤8；

步骤7、蜂拥算法作用于无人机i；

步骤8、判断是否还有无人机节点没有执行算法；如果是，i+1，执行步骤3；如果否，执行步骤9；

步骤9、无人机群组达到蜂拥状态，如果是，算法结束；如果否，i＝1，执行步骤3。

所述群聚算法描述如下：

其中，为飞行控制因子，定义为d₁＞d₂,d₁,d₂,κ为常数；

飞行控制因子对集群过程中的排斥势能做了新的定义，规定排斥力与节点间的距离成反比关系；

当节点间距离越远，排斥力越小，使得节点收敛速度变快；因此，在无人机群组聚集过程中，当发现某节点与群组其它节点距离大于d₁时，飞行控制因子对其作用，使其收敛速度快，这里d₁远远大于节点间通信距离，因此不用考虑在飞行过程中的碰撞问题；

当该节点与群组其他节点距离在d₁和d₂之间时，导航反馈作用于该节点，使其向虚拟领导者移动；而当该距离小于d₂时，减小节点移动速度，利用蜂拥算法对其精准作用，使所有节点在无碰撞的情况下最终达到蜂拥状态。

本发明的有益效果：

本发明针对性的对群组不同无人机进行控制，使无人机群组拥有不同的收敛速度，进而能够产生更多的通信链路，从而能够更加快速、稳定的收敛到群集状态；通过改变无人机在不同阶段的飞行速度，从而增加无人机在飞行过程中的通信链路，具有操控简单，无人机群组收敛速度快、平滑及稳定等特点，能够使多无人机群组形成蜂拥状态。在战场环境中多无人机协同作战具有广泛的应用前景。

附图说明：

图1为无人机群聚算法图示；

图2为本发明所述方法的总体步骤流程图。

具体实施方式：

本发明结合多无人机协同飞行时的特点(群集的所有点都是跟随领导者进行移动的)，提出策略：如果群集中的某个点与其它的点之间没有通信链路，根据领导者当前的状态，让其向虚拟领导者靠拢，因此，这个点与群集中的其它点的距离就会减小，直到它能与群组中其它的点进行通信。图1为群聚算法图示；

图中的点代表无人机，S代表搜索起点，T代表搜索终点，S到T的连线表示虚拟领导者的路径，方框代表虚拟领导者的位置。在多无人机飞行的过程中，所有的无人机都是围绕这条路径进行飞行的，其中A点和B点与图中其他的点之间没有通信链路，所以在算法中初始时，A点与B点将会沿着箭头方向快速移动，当A和B能够与群组有效通信后，使其满足速度一致性与群组协同飞行。本文将多无人机的收敛过程进行分段控制，对不同阶段的无人机规定不同的速度。初始时无人机间相距较远，通过加入飞行控制因子，使多无人机收敛速度快。当无人机与群组节点距离小于一定值时，减小收敛速度，增加收敛精度；算法描述如下：

其中，为飞行控制因子，定义为d₁＞d₂,d₁,d₂,κ为常数。

飞行控制因子对集群过程中的排斥势能做了新的定义，本文规定排斥力与节点间的距离成反比关系，当节点间距离越远，排斥力越小，使得节点收敛速度变快。因此，在无人机群组聚集过程中，当发现某节点与群组其它节点距离大于d₁时，飞行控制因子对其作用，使其收敛速度快，这里d₁远远大于节点间通信距离，因此不用考虑在飞行过程中的碰撞问题。当该节点与群组其他节点距离在d₁和d₂之间时，导航反馈作用于该节点，使其向虚拟领导者移动。而当该距离小于d₂时，减小节点移动速度，利用蜂拥算法对其精准作用，使所有节点在无碰撞的情况下最终状态达到蜂拥状态。

一种增加通信链路的多无人机的协同控制策略，包括如下步骤：

步骤1、设置参数；设置无人机群组数量N，循环迭代参数i，无人机间距离r₁，r₂；

步骤2、初始化无人机群组；数量N，使N个无人机初始位置和速度服从正态分布；

步骤3、判断无人机i与其它无人机的距离r，如果r>r₁，则执行步骤4；否则，执行步骤5；

步骤4、飞行控制因子作用无人机节点，执行步骤8；

步骤5、如果r>r₂，则执行步骤6；否则，执行步骤7；

步骤6、使无人机i向虚拟领导者方向运动，执行步骤8；

步骤7、蜂拥算法作用于无人机i；

步骤8、判断是否还有无人机节点没有执行算法；如果是，i+1，执行步骤3；如果否，执行步骤9；

步骤9、无人机群组达到蜂拥状态，如果是，算法结束；如果否，i＝1，执行步骤3。

Claims (2)

1.一种增加通信链路的多无人机的协同控制策略，其特征在于，在多无人机的飞行过程中，将无人机群组的速度进行分段控制，引入飞行控制因子的概念，提出了群聚算法；包括如下步骤：

步骤1、设置参数；设置无人机群组数量N，循环迭代参数i，无人机间距离r₁，r₂；

步骤2、初始化无人机群组数量N，使N个无人机初始位置和速度服从正态分布；

步骤3、判断无人机i与其它无人机的距离r，如果r>r₁，则执行步骤4；否则，执行步骤5；

步骤4、飞行控制因子作用无人机节点，执行步骤8；

步骤5、如果r>r₂，则执行步骤6；否则，执行步骤7；

步骤6、使无人机i向虚拟领导者方向运动，执行步骤8；

步骤7、蜂拥算法作用于无人机i；

步骤8、判断是否还有无人机节点没有执行算法；如果是，i+1，执行步骤3；如果否，执行步骤9；

步骤9、无人机群组达到蜂拥状态，如果是，算法结束；如果否，i＝1，执行步骤3。

2.一种增加通信链路的多无人机的协同控制策略，其特征在于，所述群聚算法描述如下：

其中，f_i ^c为飞行控制因子，定义为d₁＞d₂,d₁,d₂,κ为常数；

飞行控制因子对集群过程中的排斥势能做了新的定义，规定排斥力与节点间的距离成反比关系；

当节点间距离越远，排斥力越小，使得节点收敛速度变快；因此，在无人机群组聚集过程中，当发现某节点与群组其它节点距离大于d₁时，飞行控制因子对其作用，使其收敛速度快，这里d₁远远大于节点间通信距离，因此不用考虑在飞行过程中的碰撞问题；

当该节点与群组其他节点距离在d₁和d₂之间时，导航反馈作用于该节点，使其向虚拟领导者移动；而当该距离小于d₂时，减小节点移动速度，利用蜂拥算法对其精准作用，使所有节点在无碰撞的情况下最终达到蜂拥状态。