CN108279704B - 一种增加通信链路的多无人机的协同控制策略 - Google Patents
一种增加通信链路的多无人机的协同控制策略 Download PDFInfo
- Publication number
- CN108279704B CN108279704B CN201810132540.3A CN201810132540A CN108279704B CN 108279704 B CN108279704 B CN 108279704B CN 201810132540 A CN201810132540 A CN 201810132540A CN 108279704 B CN108279704 B CN 108279704B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- nodes
- aerial vehicles
- flight
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 23
- 238000011217 control strategy Methods 0.000 title claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 31
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000011160 research Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000005381 potential energy Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001105 regulatory 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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
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
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:
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:
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,无人机的循环迭代参数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.根据权利要求1所述的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:
j表示以由序数1,2,…,j,…,n对无人机进行编号时的第j架无人机的序号;Ni表示第i个无人机的邻居无人机集合;
fi g表示吸引力;fi γ表示的是航行反馈,其中r表示无人机r作为代理;fi d是速度一致部分,保证速度最后相同;fi g是吸引力,也是算法的梯度部分;fi c为飞行控制因子,即排斥力因子,其中i表示群体中的无人机i;ui表示无人机i的某个时刻的输入;qj表示无人机j的位置坐标;d1表示吸引力范围,也是通信范围,在d1—d2之间表示无人机可以通信,d2表示排斥力范围;
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810132540.3A CN108279704B (zh) | 2018-02-09 | 2018-02-09 | 一种增加通信链路的多无人机的协同控制策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810132540.3A CN108279704B (zh) | 2018-02-09 | 2018-02-09 | 一种增加通信链路的多无人机的协同控制策略 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108279704A CN108279704A (zh) | 2018-07-13 |
CN108279704B true CN108279704B (zh) | 2021-05-04 |
Family
ID=62808169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810132540.3A Active CN108279704B (zh) | 2018-02-09 | 2018-02-09 | 一种增加通信链路的多无人机的协同控制策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108279704B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110493792B (zh) * | 2019-09-29 | 2021-02-26 | 北京航空航天大学 | 一种无人机蜂群系统的构建方法及系统 |
CN111309052A (zh) * | 2020-03-27 | 2020-06-19 | 西安爱生无人机技术有限公司 | 一种蜂群无人机组群方法 |
CN112698637B (zh) * | 2021-01-13 | 2023-03-07 | 广东轻工职业技术学院 | 一种多任务蜂群的协同资源调度方法 |
CN113759976B (zh) * | 2021-09-16 | 2023-08-18 | 中国人民解放军陆军工程大学 | 无人机仿生配对控制方法及无人机集群蜂拥飞行控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007047953A2 (en) * | 2005-10-20 | 2007-04-26 | Prioria, Inc. | System and method for onboard vision processing |
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 |
WO2017079623A1 (en) * | 2015-11-06 | 2017-05-11 | Massachusetts Institute Of Technology | Dynamic task allocation in an autonomous multi-uav mission |
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 |
---|---|---|---|---|
US20040068416A1 (en) * | 2002-04-22 | 2004-04-08 | Neal Solomon | System, method and apparatus for implementing a mobile sensor network |
-
2018
- 2018-02-09 CN CN201810132540.3A patent/CN108279704B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007047953A2 (en) * | 2005-10-20 | 2007-04-26 | Prioria, Inc. | System and method for onboard vision processing |
WO2017079623A1 (en) * | 2015-11-06 | 2017-05-11 | Massachusetts Institute Of Technology | Dynamic task allocation in an autonomous multi-uav mission |
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 |
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 (7)
Title |
---|
Collision avoidance for multiple agent systems;Chang, D.E.etal;《42nd IEEE Conference on Decision and Control》;20031031;第539-543页 * |
Distributed cooperative control of multiple vehicle formations using structural potential functions;Reza Olfati-Saber.etal;《15th World Congress of the International Federation of Automatic Control》;20021231 * |
Flocking for Multi-Agent Dynamic Systems:Algorithms and Theory;R. Olfati-Saber;《IEEE Transactions on Automatic Control》;20060331;第51卷(第3期);第401-420页 * |
Flocking of Multi-Agent Systems with Non-smooth Control;Jichen Yang.etal;《2009 Fifth International Conference on Natural Computation (ICNC 2009)》;20090816;第5卷;第556-560页 * |
Flocking of Multi-Agents with a Virtual Leader Part I: with a Minority of Informed Agents;Housheng Su.etal;《2007 46th IEEE Conference on Decision and Control》;20071014;第2937-2943页 * |
Flocking of Multi-Agents with a Virtual Leader Part II: with a Virtual Leader of Varying Velocity;Housheng Su.etal;《2007 46th IEEE Conference on Decision and Control》;20071014;第1429-1434页 * |
多无人机安全通信距离的协同控制策略研究;曹玉琪;《中国优秀硕士学位论文全文数据库(电子期刊)》;20170311(第3期);C031-795 * |
Also Published As
Publication number | Publication date |
---|---|
CN108279704A (zh) | 2018-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108279704B (zh) | 一种增加通信链路的多无人机的协同控制策略 | |
Chen et al. | Path planning for multi-UAV formation | |
CN110286694B (zh) | 一种多领导者的无人机编队协同控制方法 | |
CN109062252B (zh) | 基于人工势场法的四旋翼无人机集群控制方法及其装置 | |
CN110347181B (zh) | 基于能耗的无人机分布式编队控制方法 | |
CN110058607B (zh) | 一种仿欧椋鸟智能的无人机大规模集群超机动转弯方法 | |
CN112631335A (zh) | 一种基于事件触发的多四旋翼无人机固定事件编队方法 | |
CN113759935B (zh) | 基于模糊逻辑的智能群体编队移动控制方法 | |
CN114661066A (zh) | 一种基于强化学习的无人机集群智能避障方法 | |
Jang et al. | Cooperative control for a flight array of UAVs and an application in radar jamming | |
CN114578851A (zh) | 一种基于差分加速度的无人机集群快速转向方法 | |
Halder et al. | Biomimetic algorithms for coordinated motion: Theory and implementation | |
Chen et al. | Swarm splitting and multiple targets seeking in multi-agent dynamic systems | |
McIntosh et al. | Optimal trajectory generation for a quadrotor biplane tailsitter | |
Chen et al. | Flocking control algorithms based on the diffusion model for unmanned aerial vehicle systems | |
CN113985927B (zh) | 一种四旋翼无人机栖停机动轨迹优化方法 | |
CN114564044B (zh) | 一种输入限幅事件触发的无人机有限时间编队控制方法 | |
Lv et al. | Formation control of UAVs based on artificial potential field | |
CN114610060A (zh) | 无人机集群分层加速度同步方法 | |
CN115237150A (zh) | 一种固定翼编队避障方法 | |
Oyekan et al. | Towards autonomous patrol behaviours for UAVs | |
Zhang et al. | Mission planning of multi base UAV Based on improved artificial bee colony algorithm | |
Li et al. | Distributed Circle Formation Control for Quadrotors Based on Multi-agent Deep Reinforcement Learning | |
Di et al. | A Cooperative-Competitive Strategy for Autonomous Multidrone Racing | |
Xu et al. | Research of Intelligence control for flying altitude of four rotors flyer |
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 |