CN108388270A - 面向安全域的集群无人机轨迹姿态协同控制方法 - Google Patents
面向安全域的集群无人机轨迹姿态协同控制方法 Download PDFInfo
- Publication number
- CN108388270A CN108388270A CN201810235734.6A CN201810235734A CN108388270A CN 108388270 A CN108388270 A CN 108388270A CN 201810235734 A CN201810235734 A CN 201810235734A CN 108388270 A CN108388270 A CN 108388270A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- constraint
- cluster
- formation
- 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 77
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 61
- 238000005457 optimization Methods 0.000 claims abstract description 31
- 238000013461 design Methods 0.000 claims abstract description 17
- 238000005516 engineering process Methods 0.000 claims abstract description 8
- 238000013178 mathematical model Methods 0.000 claims abstract description 7
- 238000005755 formation reaction Methods 0.000 claims description 69
- 239000011159 matrix material Substances 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 16
- 206010048669 Terminal state Diseases 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 10
- 238000005381 potential energy Methods 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000003416 augmentation Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 229920006395 saturated elastomer Polymers 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 abstract 1
- 238000004611 spectroscopical analysis Methods 0.000 abstract 1
- 230000006399 behavior Effects 0.000 description 9
- 238000011217 control strategy Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000024703 flight behavior Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 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
- 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
本发明涉及无人机飞行器控制技术,为提出无人机轨迹姿态协同控制方法,实现有效避免传统集群无人机为每架无人机规划轨迹的不足,能够有效弱化对无人机定位精度的要求,为此,本发明面向安全域的集群无人机轨迹姿态协同控制方法,步骤如下:第一部分,面向控制的四旋翼无人机轨迹姿态模型建立:充分考虑四旋翼无人机的固有特性及飞行中的动力学因素,建立四旋翼无人机的轨迹姿态数学模型;第二部分,集群中心轨迹规划:实现基于伪谱法的集群无人机中心点的避障航路规划;第三部分,安全飞行区域优化:完成集群无人机安全飞行包线及集群无人机最优编队构型的优化;第四部分,分布式协同控制器设计。本发明主要应用于无人机飞行器控制场合。
Description
技术领域
本发明涉及无人机飞行器控制技术领域,尤其涉及集群无人机轨迹姿态协同控制领域。
背景技术
无人机(Unmanned Aerial Vehicle,UAV)是指无需驾驶员直接操纵,可通过自主或远程控制完成飞行行为的空中机器人系统。早期无人机主要用于军事用途,近年来逐渐推广至农林业植保、电力巡检、货物递送、地质勘探、环境监测、及森林防火救火等越来越多的民用领域。无人机与有人机相比,主要优势在于以下两点:由于机上没有驾驶员,因此可以省去驾驶舱及相关设备,降低无人机的重量和制造成本;无人机不受驾驶员的心理和生理极限等约束,可最大限度地飞到适合其性能特点及任务需求的速度、高度、航程等,也可通过超加速升降、急转弯飞行等方式提高生存能力。因此,无人机可在超出人类所能承受的危险和恶劣环境中使用。在过去的几十年中,无人机技术取得了极大进展,各种类型的无人机纷纷研制成功,性能逐步提高并已经成功地应用于部分军用及民用领域。无人机自主化是无人机的发展趋势,势必推动无人机更广泛、更深层次的应用。
多无人机协同编队的灵感来源于自然界中鱼群及鸟群的集群行为,其显著特点是自组织、自协调、并行性、强鲁棒及智能涌现。多无人机在执行任务时,每架无人机搭载不同的传感器,无人机之间共享信息、互相配合并各司其职,整个编队具备很强的鲁棒自愈能力和故障冗余度,即使失去一部分个体也不会对整体造成致命影响。相比单个无人机,多无人机的主要优势主要体现在以下几个方面。(1)功能分布:将单个完备平台所具备的各项功能如侦察监视、电子干扰、打击与评估等能力化整为零,分散到大量低成本、功能单一的无人系统,通过大量异构、异型的个体来实现原本复杂的系统功能,系统的倍增效益将使无人机编队具备远超单一平台的作战能力;(2)去中心化:目前无人机的通信模式仍然以单机与地面站通信方式为主,信息传输仍是集中式的,去中心化的多无人机利用自组网技术可以实现无人机之间信息的高速共享,同时提高多无人机的抗故障能力及高效信息共享能力;(3)分布式探测:广泛分布传感器的能力对于主动与被动探测以及定位精度有显著优势,多无人机可以相互协作实现目标的高精度定位,当需要主动探测时,无人机间还可采取频率、波段不同的雷达进行全频谱探测,将极大提高探测能力。
目前,国内外相关学者提出的集群无人机轨迹姿态协同控制方法主要有Leader-Follower方法、基于行为法和虚拟结构法。1)Leader-Follower法:Leader-Follower方法是目前多无人机协同控制中最常用的方法之一。Leader跟踪一个预先给定的轨迹,Follower和Leader轨迹保持一定构型,并要求速度达到一致,Leader可以看成是目标追踪的对象。该方法将协同问题转化为了经典控制中的误差跟踪问题,具有较强的扩展性,但在一些特定情况下,这种依赖于单个目标体状态的协同方法很难达到预期效果。2)基于行为法:基于行为的多无人机协同方法,事先定义无人机的几种基本控制行为,如跟随、避障和队形构成等,对定义的几种行为进行加权得到协同控制方法。这使系统中的每个单体都具备依据自身决策,协同其他单体完成目标或任务的能力。在传感器数据错误或缺乏的情况下,基于行为法的多无人机能够综合考虑多无人机协同飞行中的多个行为,有效整合各种行为,从而使整个集群无人机仍然可以保持一定的构型。该方法根据预设信息和触发条件来形成控制指令,在一定程度上降低了集群无人机的适应性和灵活性。3)虚拟结构法:虚拟结构法是一种集中式控制方法,由美国加利福尼亚大学学者在1997年首次提出。该方法,将集群无人机作为一个虚拟刚体,在集群无人机中设定一个虚拟长机或虚拟几何中心,集群中所有无人机都参照虚拟长机或虚拟几何中心运动。虚拟结构法避免了领航跟随方法中领航无人机出现故障或毁机时,集群无法保持的缺点。而且该方法通过把集群误差反馈到控制器,得到了较高的协同控制精度。然而,合成虚拟长机和获取邻机位置,需要较高的通信质量和强计算能力,这使得集群可靠性较差。
综上所述,集中式控制思想的局限性是每架无人机都需要知道其它所有无人机的起始位置和目标位置,以此来规划自身轨迹。因此,计算复杂度随障碍物数量和无人机数量急剧增加。然而,使每架无人机在没有全局信息的情况下只依赖邻机信息实现集群协同尤为重要,因为只有这样才能使协同控制不受集群规模影响。
发明内容
为克服现有技术的不足,本发明旨在提出不同于以往传统集群无人机编队协同的面向安全域的集群无人机轨迹姿态协同控制方法,该方法只对集群无人机中心点的轨迹进行规划设计,可有效避免传统集群无人机为每架无人机规划轨迹的不足,集群无人机的避障通过无人机安全飞行区域的实时优化得到;在集群无人机的编队控制上,采用基于分布式的协同控制策略,基于该策略构建的协同控制器只依赖于无人机间的相对位置信息,能够有效弱化对无人机定位精度的要求。为此,本发明采用的技术方案是,面向安全域的集群无人机轨迹姿态协同控制方法,步骤如下:
第一部分,面向控制的四旋翼无人机轨迹姿态模型建立:充分考虑四旋翼无人机的固有特性及飞行中的动力学因素,建立四旋翼无人机的轨迹姿态数学模型;
第二部分,集群中心轨迹规划:实现基于伪谱法的集群无人机中心点的避障航路规划;
第三部分,安全飞行区域优化:完成集群无人机安全飞行包线及集群无人机最优编队构型的优化;
第四部分,分布式协同控制器设计:设计分布式协同控制器,使得集群无人机按照上述设计的期望构型飞行,相关技术包括外环分布式位置控制器、姿态解算及内环的姿态控制器设计。
一个实例中的具体步骤如下:
以第i架无人机为例,其余无人机以此类推:
第一步、建立四旋翼无人机的轨迹姿态数学模型如下
其中,pi=[xi,yi,zi]∈R3表示惯性坐标系下三个坐标轴方向的位置,表示惯性坐标系下x,y,z三个方向的线速度,Θi=[φi,θi,ψi]∈R3表示惯性坐标系下的滚转角、俯仰角及偏航角,表示机体坐标系下的滚转角速率、俯仰角速率及偏航角速率,g=9.8m/s2表示地球重力加速度,ez=[0,0,1]表示常值向量,m表示四旋翼无人机质量,τF表示无人机的总升力,表示无人机三个方向的控制力矩,I=diag{Ix,Iy,Iz}表示无人机惯性常值矩阵,△1和△2分别表示位置子系统和速度子系统收到的模型参数不确定及外界干扰的总和,旋转矩阵Ri和变换矩阵Wi定义如下
控制量与电机转速之间的关系如下:
其中,d表示旋翼转动中心到无人机中心的距离,kF,kM分别表示旋翼的升力系数和扭矩系数;
第二步,集群中心轨迹规划,具体实现过程如下:
将集群无人机的中心点,考虑成质点,对公式(8)和(9)所描述的质点运动模型,以飞行时间最短为优化目标,将飞行过程中的避障约束考虑为路径约束,利用伪谱法进行航路规划设计,为阐述算法的实现过程,将集群无人机中心点的航路规划问题,归纳为如下形式的最优控制问题求解:
Ψ(x(τ0),x(τf);t0,tf)=0 (12)
C(x(τ),u(τ),τ;t0,tf))≤0 (13)
其中(14)~(15)分别为无人机中心点航路规划的目标函数、微分方程约束、包括起始点、路径点及终点约束的边值约束及包括飞行过程中的障碍物约束及状态约束的路径约束,x和u分别表示集群无人机质点的状态量和虚拟控制量,t0和tf分别表示航路规划的起始时间和终止时间,基于伪谱法对问题进行离散处理时,选取的离散点个数为(N+2),记为τ0,τ1,…,τN,τf,其中τ0=-1,τf=1,τk(1≤k≤N)为如下N阶Legendre多项式PN(τ)的零点,
基于上述定义,状态变量和控制变量通过下式进行逼近:
式中,Li(τ)和分别表示以τi(0≤i≤N)和τk(1≤k≤N)为节点的拉格朗日插值基函数,定义如下:
由式(19)~(15)不难发现,基于拉格朗日插值多项式逼近的状态和控制在插值节点处与实际的状态和控制是相等的,即:x(τi)=X(τi),u(τk)=U(τk)。注意到式(20),并没有包含终端状态约束,而对于无人飞行器的航迹规划问题,其终端状态约束是必须要满足的,利用伪谱法对问题进行离散时,终端状态束通过下式求得:
式中,ωk表示高斯型求积公式的权系数,计算公式如下:
其中,表示N阶Legendre多项式的微分。进一步,对式(21)进行求导,获得下式:
式中拉格朗日多项式在零点处的微分,通过微分矩阵D∈RN×(N+1)求得,当插值节点个数给定时,该矩阵为一常值,矩阵D的计算公式如下:
经过上述变换,最优控制问题的微分约束(22)可转化为如下形式的代数约束:
终端状态的微分约束通过式(16)近似,集群无人机中心点边值约束(23),路径约束(24)可利用插值节点处的约束进行逼近,得到下式:
Ψ(X0,t0,Xf,tf)=0 (21)
C[(Xk,Uk,τk;t0,tf)]≤0 (22)
进一步,利用高斯求积公式,对航路规划问题的目标函数进行逼近,获得下式:
经过上述转化,集群无人机中心点航路规划问题(25)~(26)的求解可转化为对下述非线性规划问题的求解:求插值节点处的状态变量X(τk)(k=0,...,N)、X(τf),控制变量U(τk)(k=1,...,N)及初始时刻t0和终端时刻tf,使得系统轨迹在满足终端状态约束(16),动力学方程约束(20),边值约束(21)和路径约束(22)的条件下,性能指标(23)最优。最后,利用SNOPT求解器可对上述构建的航路规划问题进行优化求解,获得满足所有约束的可行飞行航路;
第三步,安全飞行区域优化,实现步骤具体如下:
步骤1:基于获得的路径点,使用半正定规划进行迭代的区域扩张,以初始路径点为当前无人机编队中心位置,以下一个路径点为当前目标点g,在自由空间中找到包含所有无人机位置和目标点的最大安全飞行区域包含所有无人机位置的中心和目标点的另一个安全飞行区域Po→g,取两个安全飞行区域的交集即为无人机队形变换的安全区域;
步骤2:找到安全区域后,即可以将安全区域P表示为等价的线性约束集合
其中A表示线性约束矩阵,b表示线性约束向量,nl表示多面体P的面数,进而使用序列凸优化进行队形规划,为此我们首先定义f∈R个默认队形,如正方形,一字形或三角形,将其中任意一个默认队形表示为编队包括一个无人机位置的集合和一个相对于编队中心的顶点集合则任意队形Fi中的无人机位置和顶点可以表示为
其中t∈R3表示无人机编队中心的位置,s∈R+表示队形扩张的大小,q表示一个单位四元数,其共轭表示为rot表示旋转函数,具体表达式如下
将所有优化变量表示为一个向量xi=[t,s,q]∈R8,定义目标函数为当前编队参数到目标点g,到期望编队大小及到旋转四元数这三个误差的加权求和
其中wt,ws,wq为权重,ci为队形i的指定代价,定义编队顶点的安全区域边界约束总的安全区域边界约束单位四元数q约束C2={||q||2=1}。则非线性优化问题可以表示为
为使目标函数C(xi)取得最小值的最优解,则最优队形的指标i*可以表示为
使用稀疏非线性优化器SNOPT求解上述优化问题,求得最优队形之后返回步骤1,将目标点更新为下一个路径点,将无人机位置更新为优化求得的新位置,重新计算安全飞行区域并在新安全飞行区域中规划新队形。循环执行上述步骤直到优化出最后一个目标队形;
第四步,分布式协同控制器设计具体地:
A)分布式位置控制器
考虑n架集群无人机系统,点集V={1,2,…,n}表示无人机编号的集合,G(V,ε,W)表示无向通信拓扑,ε是无人机之间通信关系边的集合,W=[wij]是权重邻接矩阵,邻接矩阵定义为wii=0且wij≥0(i≠j),当且仅当无人机i可以从无人机j接收信息时wij>0,利用自身和邻机相对状态及无人机之间的拓扑链接关系,定义如下的相对增广位置跟踪误差:
其中pi和pj表示第i架无人机和第j架无人机的位置矢量信息,和表示第i架无人机和第j架无人机期望的位置矢量信息,其值可通过上述集群无人机的优化构型获得。基于上述定义,设计第i架无人机的分布式控制器:
其中,表示用于形成期望无人机构型的虚拟控制输入,Kp,KI,Kd为常值向量,表示控制器增益,和分别为势函数控制器产生的避碰与避障控制量,具体实现过程如下:
首先定义无人机i的避碰集合为
Di={j∈V:dij≤Ra,i≠j} (26)
其中dij=||pi-pj‖表示第i架无人机和第j架无人机的相对距离,Ra表示最大碰撞探测距离,定义无人机i和j之间的势函数为
其中∈a∈R为任意小的正数,0<ρa<Ra且ηj>0。则无人机i的避碰控制量为
其中
当无人机与邻机发生冲突时,判断目标方向和冲突方向之间的夹角α,当夹角α小于30°时,将势能函数项产生的控制指令方向扭转30°,以此避免了无人机之间冲突与运动方向的矛盾;
则避障控制量的形式变为
其中
表示势能函数方向的扭转。类似地,编队队形规划中的安全区域约束表示为
定义第i架无人机指向障碍物平面的向量为:
则第i架无人机的避障控制量为
其中dmin为防止避障势函数饱和而引入的无人机到障碍物平面的最小距离,基于以上步骤,完成了外环分布式位置控制器的设计;
B)姿态解算算法
由于四旋翼无人机无法通过控制力矩直接对飞行轨迹进行控制,因此需要将外环获得的虚拟控制指令转化为期望的飞行姿态,具体解算公式为
其中表示向量的第j个元素;
C)基于干扰补偿的有限时间姿态控制器
为了实现对第i架无人机期望姿态的有效跟踪,定义第i架无人机的期望姿态跟踪误差ei1=Θi-Θiref,姿态角速率跟踪误差则第i架无人机姿态跟踪误差动态方程满足如下形式
基于上述定义,后续控制任务可归纳为:设计虚拟控制力矩使得(37)中的姿态跟踪误差ei1收敛到零,为了实现该目的,设计如下控制律
其中λ1,λ2为任意正常值,ρ1,ρ2为介于0到1之间的正常值,滑模面si1定义如下:
式(38)中的k1,k2满足如下条件:
其中L是公式(27)中不确定△2的上界,即满足条件‖△2‖≤L。基于(37),(38)中的虚拟控制力矩可获得实际控制力矩
根据(28),升力实际控制力矩可获得无人机四个旋翼的旋转角速度,计算公式如下
本发明的特点及有益效果是:
本发明通过设计集群无人机中心点轨迹、安全飞行区域及分布式协同控制策略,确保集群无人机由指定的起点,能够安全、无碰撞地绕过障碍物朝着各自目标区域飞行,每架无人机在没有全局信息的情况下只依赖邻机信息实现协同。
在集群无人机的编队控制上,本发明采用了基于分布式的协同控制策略,基于该策略构建的协同控制器只依赖于无人机间的相对位置信息,有效弱化了对无人机定位精度的要求。随后通过设置飞行场景,对本发明提出策略的有效性进行验证。
附图说明:
附图1集群无人机飞行场景示意图。
附图2集群无人机中心点航路规划。
附图3集群无人机安全飞行区域迭代优化求解示意图。
附图4 20架无人机编队飞行示意图。
附图5期望构型跟踪误差与姿态跟踪误差。
附图6无人机总升力与实际控制力矩曲线。
附图7集群无人机轨迹姿态协同控制结构框图。
附图8基于势能函数的集群无人机避碰策略示意图。
附图9基于势能函数的集群无人机避障策略示意图。
具体实施方式
针对现有控制策略的不足,本发明使用分布式思想,首次提出了面向安全域的集群无人机轨迹姿态协同控制方法。该方法通过设计集群无人机中心点轨迹、安全飞行区域及分布式协同控制策略,确保集群无人机由指定的起点,能够安全、无碰撞地绕过障碍物朝着各自目标区域飞行,每架无人机在没有全局信息的情况下只依赖邻机信息实现协同。
本发明涉及四旋翼无人机飞行控制技术领域。具体来说,首先提出了不同于以往传统集群无人机编队协同的面向安全域的集群无人机轨迹姿态协同控制方法,该方法只对集群无人机中心点的轨迹进行规划设计,可有效避免传统集群无人机为每架无人机规划轨迹的不足,集群无人机的避障通过无人机安全飞行区域的实时优化得到;在集群无人机的编队控制上,本发明采用了基于分布式的协同控制策略,基于该策略构建的协同控制器只依赖于无人机间的相对位置信息,有效弱化了对无人机定位精度的要求。随后通过设置飞行场景,对本发明提出策略的有效性进行验证。
备注:由于目前尚无关于集群无人机安全域的标准定义,课题在深入分析国内外相关资料的基础上,给出如下定义。安全域:满足集群无人机所有约束条件的安全飞行走廊与无避碰区域的集合。
本发明的目的在于提出一种面向安全域的集群无人机轨迹姿态协同控制方法,推动集群无人机在协同防御、协同侦查、协同打击、通信窃听及应急救援等重要军事领域的创新应用,建立集群无人机自主协同控制优化理论与应用方法,为突破集群无人机智能自主协同控制发展的瓶颈、促进无人机集群化与智能化发展水平,提供科学理论支撑。该方法可以在多约束的空间内,生成满足所有约束的安全飞行走廊及最优编队构型,确保集群无人机由指定的起点,能够安全、无碰撞地绕过障碍物朝着各自目标区域飞行。同时,该方法具有良好的抗干扰能力,可以在模型参数不确定及外界干扰存在的情况下实现集群无人机轨迹姿态的高精度协同控制。本发明提出的策略,通过设计集群无人机中心点轨迹、安全飞行区域及分布式协同控制策略,实现集群无人机从初始位置到目标区域的安全飞行。
本发明以理论推导和虚拟仿真技术相结合为主要研究手段,提出一种面向安全域的集群无人机轨迹姿态协同控制方法,该方法能够确保集群无人机由指定的起点,无碰撞地绕过障碍物朝着各自目标区域飞行。
本发明提出的面向安全域的集群无人机轨迹姿态协同控制方法,主要包括以下四部分:
第一部分,面向控制的四旋翼无人机轨迹姿态模型建立:充分考虑四旋翼无人机的固有特性及飞行中的动力学因素,建立四旋翼无人机的轨迹姿态数学模型。
第二部分,集群中心轨迹规划:该部分主要实现基于伪谱法的集群无人机中心点的避障航路规划。
第三部分,安全飞行区域优化:该部分主要完成集群无人机安全飞行包线及集群无人机最优编队构型的优化。
第四部分,分布式协同控制器设计:该部分主要目的是设计分布式协同控制器,使得集群无人机按照上述设计的期望构型飞行,相关技术包括外环分布式位置控制器、姿态解算及内环的姿态控制器设计。
最后,为了验证本发明提出的面向安全域的集群无人机轨迹姿态协同控制方法的有效性,在MATLAB\Simulink仿真平台上搭建集群无人机轨迹姿态协同控制系统,通过设置飞行场景,对本发明提出策略的有效性进行验证。
本发明提出的面向安全域的集群无人机轨迹姿态协同控制方法,在MATLAB/Simulink环境下完成了集成设计及验证,具体过程如下:
(1)参数设置
1)四旋翼无人机物理参数:质量m=1.1kg,惯性参数Ix=1.431×10-2kgm2,Iy=1.431×10-3kgm2,Iz=2.721×10-3kgm2,旋翼转动中心到无人机中心的距离d=0.45m,旋翼的升力系数kF=9.832×10-6Nms2/rad2,旋翼的扭矩系数kM=1.32×10-7Ns2/rad2。
2)控制器参数:分布式位置控制器Kp=[0.09;0.09;0.02],Ki=[0.02;0.02;0.02],Kd=[0.01;0.01;0],ρa=0.3,Ra=0.6,ηj=1,∈a=0.25,dmin=0.1m。基于干扰补偿的有限时间姿态控制器k1=9,k2=18,λ1=5,λ2=4,ρ1=0.6,ρ2=0.8。
3)其它参数设置:仿真测试验证过程中,采样时间设置为定步长20毫秒,不确定干扰通过时变函数△1=△2=0.5[1+sin(t),1+cos(t),1+0.5(sin(t)+cos(t))]T模拟。
(2)仿真结果及性能分析
以20架四旋翼无人机为例,对上述提出的集群无人机中心点轨迹规划算法、安全飞行区域优化算法及分布式协同控制器的有效性进行数值仿真验证。基于本发明提出的策略,通过设定飞行场景(如图1),在MATLAB环境中,利用本发明提出的算法对飞行场景所示的集群无人机航路规划问题进行求解,获得中心点的避障航路规划如图2所示,中心点航路规划求解时间约为0.5秒,能够很好的满足无人机航路规划实时性要求。基于本发明给出的算法,优化求解得到的集群无人机安全飞行区域如图3所示,仿真结果表明,集群无人机可在事先规划的路径点上,快速获得满足避障要求的安全飞行区域及最优构型。用于20架四旋翼无人机集群飞行的飞行示意图如图4所示,从中可以看出基于本发明给出的策略,能确保集群无人机在进入狭窄飞行区域时,实现多无人机的自主避碰与避障飞行。进一步,以第1架无人机和第2架无人机的期望构型为例,图5给出了x,y,z三个方向,集群无人机飞行过程中能够实现的轨迹跟踪精度(稳态误差)优于10-2,以第1架无人机为例,滚转、俯仰及偏航通道的姿态跟踪精度优于0.1度,以第一架无人机为例,飞行过程中的总升力与实际控制力矩如图6所示。
下面结合附图对本发明作进一步详述。
面向安全域的集群无人机轨迹姿态协同控制策略总体结构图如图8所示。具体实现步骤如下:
第一步,面向控制的四旋翼无人机姿态模型建立。四旋翼无人机对称分布在机体的前后、左右四个方向,四个旋翼处于同一高度平面,四旋翼飞行器通过调节四个电机转速来改变旋翼转速,实现升力的变化,从而控制飞行器的姿态和位置。充分考虑四旋翼无人机的固有特性,无人机在飞行过程中的动力学因素及受力平衡关系,以第i架无人机为例,建立四旋翼无人机的轨迹姿态数学模型如下
其中,pi=[xi,yi,zi]∈R3表示惯性坐标系下三个坐标轴方向的位置,表示惯性坐标系下x,y,z三个方向的线速度,Θi=[φi,θi,ψi]∈R3表示惯性坐标系下的滚转角、俯仰角及偏航角,表示机体坐标系下的滚转角速率、俯仰角速率及偏航角速率。g=9.8m/s2表示地球重力加速度,ez=[0,0,1]表示常值向量,m表示四旋翼无人机质量,τF表示无人机的总升力,表示无人机三个方向的控制力矩,I=diag{Ix,Iy,Iz}表示无人机惯性常值矩阵,△1和△2分别表示位置子系统和速度子系统收到的模型参数不确定及外界干扰的总和,旋转矩阵Ri和变换矩阵Wi定义如下
控制量与电机转速之间的关系如下:
其中,d表示旋翼转动中心到无人机中心的距离,kF,kM分别表示旋翼的升力系数和扭矩系数。
第二步,集群中心轨迹规划。该部分主要包括集群无人机中心点的避障航路规划,具体实现过程如下:
将集群无人机的中心点,考虑成质点,对公式(36)和(37)所描述的质点运动模型,以飞行时间最短为优化目标,将飞行过程中的避障约束考虑为路径约束,利用伪谱法进行航路规划设计。为阐述算法的实现过程,将集群无人机中心点的航路规划问题,可归纳为如下形式的最优控制问题求解:
Ψ(x(τ0),x(τf);t0,tf)=0 (40)
C(x(τ),u(τ),τ;t0,tf))≤0 (41)
其中(42)~(43)分别为无人机中心点航路规划的目标函数、微分方程约束、边值约束(起始点、路径点及终点约束)及路径约束(飞行过程中的障碍物约束及状态约束等),x和u分别表示集群无人机质点的状态量和虚拟控制量,t0和tf分别表示航路规划的起始时间和终止时间。基于伪谱法对问题进行离散处理时,选取的离散点个数为(N+2),记为τ0,τ1,…,τN,τf。其中τ0=-1,τf=1,τk(1≤k≤N)为如下N阶Legendre多项式PN(τ)的零点。
基于上述定义,状态变量和控制变量可通过下式进行逼近:
式中,Li(τ)和分别表示以τi(0≤i≤N)和τk(1≤k≤N)为节点的拉格朗日插值基函数,定义如下:
由式(47)~(15)不难发现,基于拉格朗日插值多项式逼近的状态和控制在插值节点处与实际的状态和控制是相等的,即:x(τi)=X(τi),u(τk)=U(τk)。注意到式(48),并没有包含终端状态约束,而对于无人飞行器的航迹规划问题,其终端状态约束是必须要满足的,利用伪谱法对问题进行离散时,终端状态束可通过下式求得:
式中,ωk表示高斯型求积公式的权系数,计算公式如下:
其中,表示N阶Legendre多项式的微分。进一步,对式(49)进行求导,可获得下式:
式中拉格朗日多项式在零点处的微分,可通过微分矩阵D∈RN×(N+1)求得,当插值节点个数给定时,该矩阵为一常值,矩阵D的计算公式如下:
经过上述变换,最优控制问题的微分约束(50)可转化为如下形式的代数约束:
终端状态的微分约束通过式(16)近似,集群无人机中心点边值约束(51),路径约束(52)可利用插值节点处的约束进行逼近,得到下式:
Ψ(X0,t0,Xf,tf)=0 (21)
C[(Xk,Uk,τk;t0,tf)]≤0 (22)
进一步,利用高斯求积公式,对航路规划问题的目标函数进行逼近,可获得下式:
经过上述转化,集群无人机中心点航路规划问题(53)~(54)的求解可转化为对下述非线性规划问题的求解:求插值节点处的状态变量X(τk)(k=0,...,N)、X(τf),控制变量U(τk)(k=1,...,N)及初始时刻t0和终端时刻tf,使得系统轨迹在满足终端状态约束(16),动力学方程约束(20),边值约束(21)和路径约束(22)的条件下,性能指标(23)最优。最后,利用SNOPT求解器可对上述构建的航路规划问题进行优化求解,获得满足所有约束的可行飞行航路。
第三步,安全飞行区域优化。该部分主要任务是在上述设计的可行航路上,搜索可供集群无人机飞行的安全飞行区域,并依据飞行区域,对集群无人机的队形进行优化设计,确保提供无人机可行飞行区域和最优飞行构型,主要实现步骤如下:
步骤1:基于获得的路径点,使用半正定规划进行迭代的区域扩张,以初始路径点为当前无人机编队中心位置,以下一个路径点为当前目标点g,在自由空间中找到包含所有无人机位置和目标点的最大安全飞行区域包含所有无人机位置的中心和目标点的另一个安全飞行区域Po→g,取两个安全飞行区域的交集即为无人机队形变换的安全区域。
步骤2:找到安全区域后,即可以将安全区域P表示为等价的线性约束集合
其中A表示线性约束矩阵,b表示线性约束向量,nl表示多面体P的面数,进而使用序列凸优化进行队形规划。为此我们首先定义f∈R个默认队形,如正方形,一字形或三角形,将其中任意一个默认队形表示为编队包括一个无人机位置的集合和一个相对于编队中心的顶点集合则任意队形Fi中的无人机位置和顶点可以表示为
其中t∈R3表示无人机编队中心的位置,s∈R+表示队形扩张的大小,q表示一个单位四元数,其共轭表示为rot表示旋转函数,具体表达式如下
将所有优化变量表示为一个向量xi=[t,s,q]∈R8,定义目标函数为当前编队参数到目标点g,到期望编队大小及到旋转四元数这三个误差的加权求和
其中wt,ws,wq为权重,ci为队形i的指定代价。定义编队顶点的安全区域边界约束总的安全区域边界约束单位四元数q约束C2={||q||2=1}。则非线性优化问题可以表示为
为使目标函数C(xi)取得最小值的最优解,则最优队形的指标i*可以表示为
使用稀疏非线性优化器SNOPT求解上述优化问题,求得最优队形之后返回步骤1,将目标点更新为下一个路径点,将无人机位置更新为优化求得的新位置。重新计算安全飞行区域并在新安全飞行区域中规划新队形。循环执行上述步骤直到优化出最后一个目标队形。在下一部分,我们将设计控制器,使得无人机能够安全、无碰撞地朝着各自目标点飞行。
第四步,分布式协同控制器设计。该部分主要目的是设计分布式协同控制器,使得集群无人机按照上述设计的期望构型飞行,相关技术包括外环分布式位置控制器、姿态解算及内环的姿态控制器设计。
D)分布式位置控制器
考虑n架集群无人机系统,点集V={1,2,…,n}表示无人机编号的集合,G(V,ε,W)表示无向通信拓扑,ε是无人机之间通信关系边的集合,W=[wij]是权重邻接矩阵。邻接矩阵定义为wii=0且wij≥0(i≠j),当且仅当无人机i可以从无人机j接收信息时wij>0,本发明中假设拓扑是固定的。为了实现无人机安全、无碰撞的朝着各自目标点飞行,本发明对每架无人机设计了相同结构的带有势能函数的分布式位置控制器。以第i架无人机为例,利用自身和邻机相对状态及无人机之间的拓扑链接关系,定义如下的相对增广位置跟踪误差:
其中pi和pj表示第i架无人机和第j架无人机的位置矢量信息,和表示第i架无人机和第j架无人机期望的位置矢量信息,其值可通过上述集群无人机的优化构型获得。基于上述定义,设计第i架无人机的分布式控制器:
其中,表示用于形成期望无人机构型的虚拟控制输入,Kp,KI,Kd为常值向量,表示控制器增益,和分别为势函数控制器产生的避碰与避障控制量,具体实现过程如下。
首先定义无人机i的避碰集合为
Di={j∈V:dij≤Ra,i≠j}(26)
其中dij=‖pi-pj‖表示第i架无人机和第j架无人机的相对距离,Ra表示最大碰撞探测距离,定义无人机i和j之间的势函数为
其中∈a∈R为任意小的正数,0<ρa<Ra且ηj>0。则无人机i的避碰控制量为
其中
上面势能函数容易产生局部极小,导致无人机之间发生来回排斥,延长到达目标的时间。本发明采取以下方案进行改进,如图8所示,当无人机与邻机发生冲突时,判断目标方向和冲突方向之间的夹角α,当夹角α小于30°时,将势能函数项产生的控制指令方向扭转30°,以此避免了无人机之间冲突与运动方向的矛盾。
则避障控制量的形式变为
其中
表示势能函数方向的扭转。类似地,编队队形规划中的安全区域约束可表示为
定义第i架无人机指向障碍物平面的向量为(如图9所示):
则第i架无人机的避障控制量为
其中dmin为防止避障势函数饱和而引入的无人机到障碍物平面的最小距离。基于以上步骤,完成了外环分布式位置控制器的设计。
E)姿态解算算法
由于四旋翼无人机无法通过控制力矩直接对飞行轨迹进行控制,因此需要将外环获得的虚拟控制指令转化为期望的飞行姿态,具体解算公式为
其中表示向量的第j个元素。
F)基于干扰补偿的有限时间姿态控制器
为了实现对第i架无人机期望姿态的有效跟踪,定义第i架无人机的期望姿态跟踪误差ei1=Θi-Θiref,姿态角速率跟踪误差则第i架无人机姿态跟踪误差动态方程满足如下形式
基于上述定义,后续控制任务可归纳为:设计虚拟控制力矩使得(37)中的姿态跟踪误差ei1收敛到零,为了实现该目的,设计如下控制律
其中λ1,λ2为任意正常值,ρ1,ρ2为介于0到1之间的正常值,滑模面si1定义如下:
式(38)中的k1,k2满足如下条件:
其中L是公式(55)中不确定△2的上界,即满足条件||△2||≤L。基于(37),(38)中的虚拟控制力矩可获得实际控制力矩
根据(56),升力实际控制力矩可获得无人机四个旋翼的旋转角速度,计算公式如下
基于以上四步,完成了面向安全域的集群无人机轨迹姿态协同控制方法的全部设计流程,在执行具体任务时,可根据实际需要调整集群无人机数量和队形库中队形,实现灵活控制。
Claims (2)
1.一种面向安全域的集群无人机轨迹姿态协同控制方法,其特征是,步骤如下:
第一部分,面向控制的四旋翼无人机轨迹姿态模型建立:充分考虑四旋翼无人机的固有特性及飞行中的动力学因素,建立四旋翼无人机的轨迹姿态数学模型;
第二部分,集群中心轨迹规划:实现基于伪谱法的集群无人机中心点的避障航路规划;
第三部分,安全飞行区域优化:完成集群无人机安全飞行包线及集群无人机最优编队构型的优化;
第四部分,分布式协同控制器设计:设计分布式协同控制器,使得集群无人机按照上述设计的期望构型飞行,相关技术包括外环分布式位置控制器、姿态解算及内环的姿态控制器设计。
2.如权利要求1所述的面向安全域的集群无人机轨迹姿态协同控制方法,其特征是,一个实例中的具体步骤如下:
以第i架无人机为例,其余无人机以此类推:
第一步、建立四旋翼无人机的轨迹姿态数学模型如下
其中,pi=[xi,yi,zi]∈R3表示惯性坐标系下三个坐标轴方向的位置,表示惯性坐标系下x,y,z三个方向的线速度,Θi=[φi,θi,ψi]∈R3表示惯性坐标系下的滚转角、俯仰角及偏航角,表示机体坐标系下的滚转角速率、俯仰角速率及偏航角速率,g=9.8m/s2表示地球重力加速度,ez=[0,0,1]表示常值向量,m表示四旋翼无人机质量,τF表示无人机的总升力,表示无人机三个方向的控制力矩,I=diag{Ix,Iy,Iz}表示无人机惯性常值矩阵,△1和△2分别表示位置子系统和速度子系统收到的模型参数不确定及外界干扰的总和,旋转矩阵Ri和变换矩阵Wi定义如下
控制量与电机转速之间的关系如下:
其中,d表示旋翼转动中心到无人机中心的距离,kF,kM分别表示旋翼的升力系数和扭矩系数;
第二步,集群中心轨迹规划,具体实现过程如下:
将集群无人机的中心点,考虑成质点,对公式(8)和(9)所描述的质点运动模型,以飞行时间最短为优化目标,将飞行过程中的避障约束考虑为路径约束,利用伪谱法进行航路规划设计,为阐述算法的实现过程,将集群无人机中心点的航路规划问题,归纳为如下形式的最优控制问题求解:
Ψ(x(τ0),x(τf);t0,tf)=0 (12)
C(x(τ),u(τ),τ;t0,tf))≤0 (13)
其中(14)~(15)分别为无人机中心点航路规划的目标函数、微分方程约束、包括起始点、路径点及终点约束的边值约束及包括飞行过程中的障碍物约束及状态约束的路径约束,x和u分别表示集群无人机质点的状态量和虚拟控制量,t0和tf分别表示航路规划的起始时间和终止时间,基于伪谱法对问题进行离散处理时,选取的离散点个数为(N+2),记为τ0,τ1,…,τN,τf,其中τ0=-1,τf=1,τk(1≤k≤N)为如下N阶Legendre多项式PN(τ)的零点,
基于上述定义,状态变量和控制变量通过下式进行逼近:
式中,Li(τ)和分别表示以τi(0≤i≤N)和τk(1≤k≤N)为节点的拉格朗日插值基函数,定义如下:
由式(19)~(15)不难发现,基于拉格朗日插值多项式逼近的状态和控制在插值节点处与实际的状态和控制是相等的,即:x(τi)=X(τi),u(τk)=U(τk),注意到式(20),并没有包含终端状态约束,而对于无人飞行器的航迹规划问题,其终端状态约束是必须要满足的,利用伪谱法对问题进行离散时,终端状态束通过下式求得:
式中,ωk表示高斯型求积公式的权系数,计算公式如下:
其中,表示N阶Legendre多项式的微分,进一步,对式(21)进行求导,获得下式:
式中拉格朗日多项式在零点处的微分,通过微分矩阵D∈RN×(N+1)求得,当插值节点个数给定时,该矩阵为一常值,矩阵D的计算公式如下:
经过上述变换,最优控制问题的微分约束(22)可转化为如下形式的代数约束:
终端状态的微分约束通过式(16)近似,集群无人机中心点边值约束(23),路径约束(24)可利用插值节点处的约束进行逼近,得到下式:
Ψ(X0,t0,Xf,tf)=0 (21)
C[(Xk,Uk,τk;t0,tf)]≤0 (22)
进一步,利用高斯求积公式,对航路规划问题的目标函数进行逼近,获得下式:
经过上述转化,集群无人机中心点航路规划问题(25)~(26)的求解可转化为对下述非线性规划问题的求解:求插值节点处的状态变量X(τk)(k=0,...,N)、X(τf),控制变量U(τk)(k=1,...,N)及初始时刻t0和终端时刻tf,使得系统轨迹在满足终端状态约束(16),动力学方程约束(20),边值约束(21)和路径约束(22)的条件下,性能指标(23)最优,最后,利用SNOPT求解器可对上述构建的航路规划问题进行优化求解,获得满足所有约束的可行飞行航路;
第三步,安全飞行区域优化,实现步骤具体如下:
步骤1:基于获得的路径点,使用半正定规划进行迭代的区域扩张,以初始路径点为当前无人机编队中心位置,以下一个路径点为当前目标点g,在自由空间中找到包含所有无人机位置和目标点的最大安全飞行区域包含所有无人机位置的中心和目标点的另一个安全飞行区域Po→g,取两个安全飞行区域的交集即为无人机队形变换的安全区域;
步骤2:找到安全区域后,即可以将安全区域P表示为等价的线性约束集合
其中A表示线性约束矩阵,b表示线性约束向量,nl表示多面体P的面数,进而使用序列凸优化进行队形规划,为此我们首先定义f∈R个默认队形,如正方形,一字形或三角形,将其中任意一个默认队形表示为编队包括一个无人机位置的集合和一个相对于编队中心的顶点集合则任意队形Fi中的无人机位置和顶点可以表示为
其中t∈R3表示无人机编队中心的位置,s∈R+表示队形扩张的大小,q表示一个单位四元数,其共轭表示为rot表示旋转函数,具体表达式如下
将所有优化变量表示为一个向量xi=[t,s,q]∈R8,定义目标函数为当前编队参数到目标点g,到期望编队大小及到旋转四元数这三个误差的加权求和
其中wt,ws,wq为权重,ci为队形i的指定代价,定义编队顶点的安全区域边界约束总的安全区域边界约束单位四元数q约束C2={||q||2=1},则非线性优化问题可以表示为
为使目标函数C(xi)取得最小值的最优解,则最优队形的指标i*可以表示为
使用稀疏非线性优化器SNOPT求解上述优化问题,求得最优队形之后返回步骤1,将目标点更新为下一个路径点,将无人机位置更新为优化求得的新位置,重新计算安全飞行区域并在新安全飞行区域中规划新队形,循环执行上述步骤直到优化出最后一个目标队形;第四步,分布式协同控制器设计具体地:
A)分布式位置控制器
考虑n架集群无人机系统,点集V={1,2,…,n}表示无人机编号的集合,G(V,ε,W)表示无向通信拓扑,ε是无人机之间通信关系边的集合,W=[wij]是权重邻接矩阵,邻接矩阵定义为wii=0且wij≥0(i≠j),当且仅当无人机i可以从无人机j接收信息时wij>0,利用自身和邻机相对状态及无人机之间的拓扑链接关系,定义如下的相对增广位置跟踪误差:
其中pi和pj表示第i架无人机和第j架无人机的位置矢量信息,和表示第i架无人机和第j架无人机期望的位置矢量信息,其值可通过上述集群无人机的优化构型获得,基于上述定义,设计第i架无人机的分布式控制器:
其中,表示用于形成期望无人机构型的虚拟控制输入,Kp,KI,Kd为常值向量,表示控制器增益,和分别为势函数控制器产生的避碰与避障控制量,具体实现过程如下:
首先定义无人机i的避碰集合为
Di={j∈V:dij≤Ra,i≠j} (26)
其中dij=||pi-pj||表示第i架无人机和第j架无人机的相对距离,Ra表示最大碰撞探测距离,定义无人机i和j之间的势函数为
其中∈a∈R为任意小的正数,0<ρa<Ra且ηj>0,则无人机i的避碰控制量为
其中
当无人机与邻机发生冲突时,判断目标方向和冲突方向之间的夹角α,当夹角α小于30°时,将势能函数项产生的控制指令方向扭转30°,以此避免了无人机之间冲突与运动方向的矛盾;
则避障控制量的形式变为
其中
表示势能函数方向的扭转,类似地,编队队形规划中的安全区域约束表示为
定义第i架无人机指向障碍物平面的向量为:
则第i架无人机的避障控制量为
其中dmin为防止避障势函数饱和而引入的无人机到障碍物平面的最小距离,基于以上步骤,完成了外环分布式位置控制器的设计;
B)姿态解算算法
由于四旋翼无人机无法通过控制力矩直接对飞行轨迹进行控制,因此需要将外环获得的虚拟控制指令转化为期望的飞行姿态,具体解算公式为
其中表示向量的第j个元素;
C)基于干扰补偿的有限时间姿态控制器
为了实现对第i架无人机期望姿态的有效跟踪,定义第i架无人机的期望姿态跟踪误差ei1=Θi-Θiref,姿态角速率跟踪误差则第i架无人机姿态跟踪误差动态方程满足如下形式
基于上述定义,后续控制任务可归纳为:设计虚拟控制力矩使得(37)中的姿态跟踪误差ei1收敛到零,为了实现该目的,设计如下控制律
其中λ1,λ2为任意正常值,ρ1,ρ2为介于0到1之间的正常值,滑模面si1定义如下:
式(38)中的k1,k2满足如下条件:
其中L是公式(27)中不确定△2的上界,即满足条件||△2||≤L,基于(37),(38)中的虚拟控制力矩可获得实际控制力矩
根据(28),升力实际控制力矩可获得无人机四个旋翼的旋转角速度,计算公式如下
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810235734.6A CN108388270B (zh) | 2018-03-21 | 2018-03-21 | 面向安全域的集群无人机轨迹姿态协同控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810235734.6A CN108388270B (zh) | 2018-03-21 | 2018-03-21 | 面向安全域的集群无人机轨迹姿态协同控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108388270A true CN108388270A (zh) | 2018-08-10 |
CN108388270B CN108388270B (zh) | 2021-08-31 |
Family
ID=63068358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810235734.6A Active CN108388270B (zh) | 2018-03-21 | 2018-03-21 | 面向安全域的集群无人机轨迹姿态协同控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108388270B (zh) |
Cited By (67)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108958292A (zh) * | 2018-08-23 | 2018-12-07 | 北京理工大学 | 一种基于rrt*算法的飞行器突防轨迹规划方法 |
CN108958289A (zh) * | 2018-07-28 | 2018-12-07 | 天津大学 | 基于相对速度障碍的集群无人机避碰方法 |
CN109445456A (zh) * | 2018-10-15 | 2019-03-08 | 清华大学 | 一种多无人机集群导航方法 |
CN109933086A (zh) * | 2019-03-14 | 2019-06-25 | 天津大学 | 基于深度q学习的无人机环境感知与自主避障方法 |
CN110084491A (zh) * | 2019-04-08 | 2019-08-02 | 中电莱斯信息系统有限公司 | 对流天气条件下基于最优穿越路径的航路阻塞度评估方法 |
CN110262557A (zh) * | 2019-07-16 | 2019-09-20 | 南京航空航天大学 | 基于滑模控制技术的四旋翼编队有限时间容错控制方法 |
CN110262543A (zh) * | 2019-05-23 | 2019-09-20 | 北京航空航天大学 | 多目标点同时到达约束下的集群四维轨迹规划设计方法 |
CN110412877A (zh) * | 2019-08-30 | 2019-11-05 | 中国人民解放军海军航空大学 | 一种基于nsp算法的舰载机甲板路径规划最优控制方法 |
CN110554607A (zh) * | 2019-09-17 | 2019-12-10 | 山东大学 | 多欧拉-拉格朗日系统带有避障护航任务的协同控制方法及系统 |
CN110632941A (zh) * | 2019-09-25 | 2019-12-31 | 北京理工大学 | 一种复杂环境下无人机目标跟踪的轨迹生成方法 |
CN110687917A (zh) * | 2019-09-06 | 2020-01-14 | 哈尔滨工程大学 | 多无人艇分布式队形重构编队控制方法 |
CN110879611A (zh) * | 2019-11-01 | 2020-03-13 | 中国电子科技集团公司电子科学研究院 | 无人机集群三维曲线路径跟踪方法及装置 |
CN111007848A (zh) * | 2019-12-03 | 2020-04-14 | 中国电子科技集团公司第二十八研究所 | 一种基于有界空间的多智能体协同作业控制方法 |
CN111198576A (zh) * | 2020-01-09 | 2020-05-26 | 哈尔滨工程大学 | 人工智能大数据下粒子化无人机组控制方法、介质及机组 |
CN111368971A (zh) * | 2020-02-19 | 2020-07-03 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无人机集群协同降落排序方法及系统 |
CN111650956A (zh) * | 2020-08-04 | 2020-09-11 | 北京机电工程研究所 | 一种用于目标持续观测的无人机控制方法 |
CN111665855A (zh) * | 2020-08-03 | 2020-09-15 | 陕西理工大学 | 一种机器人预设性编队控制方法 |
CN111736627A (zh) * | 2020-06-23 | 2020-10-02 | 古韵兴 | 一种柔性软管连接的系留式飞行器队列飞行策略计算方法 |
CN111813117A (zh) * | 2020-07-09 | 2020-10-23 | 北京布科思科技有限公司 | 一种机器人巡线优先导航方法、装置和设备 |
CN111935638A (zh) * | 2020-06-22 | 2020-11-13 | 西安理工大学 | 基于无线紫外光虚拟围栏的蜂群无人机机间避让预警方法 |
CN111949047A (zh) * | 2020-08-27 | 2020-11-17 | 四川航天系统工程研究所 | 一种无人机集中式任务规划的中心无人机选择方法 |
CN112068598A (zh) * | 2020-09-28 | 2020-12-11 | 西北工业大学 | 一种无人机编队飞行方法及控制系统 |
CN112099525A (zh) * | 2020-08-31 | 2020-12-18 | 北京航空航天大学 | 一种航天器编队飞行低通讯连通保持协同控制方法 |
CN112148024A (zh) * | 2020-08-20 | 2020-12-29 | 中国人民解放军海军航空大学 | 基于自适应伪谱法的无人机实时在线航迹规划方法 |
CN112179370A (zh) * | 2020-11-06 | 2021-01-05 | 思创数码科技股份有限公司 | 一种基于动态路网的持续最优路线规划方法 |
CN112214036A (zh) * | 2020-10-14 | 2021-01-12 | 吉林化工学院 | 一种主从机编队飞行控制方法 |
CN112327917A (zh) * | 2020-11-12 | 2021-02-05 | 哈尔滨工业大学(深圳) | 基于群体智能的无人机集群协同覆盖方法 |
CN112596549A (zh) * | 2020-12-29 | 2021-04-02 | 中山大学 | 基于连续凸规则的多无人机编队控制方法、装置及介质 |
CN112650299A (zh) * | 2021-01-06 | 2021-04-13 | 西安爱生技术集团公司 | 一种考虑时变编队的分组一致性无人机编队控制方法 |
CN112859913A (zh) * | 2021-01-13 | 2021-05-28 | 广东工业大学 | 考虑输出约束的多四旋翼无人机姿态一致最优控制方法 |
CN112904868A (zh) * | 2021-01-29 | 2021-06-04 | 中国人民解放军军事科学院战争研究院 | 一种基于同构化-跟踪的多舰载异构体舰面协同轨迹规划与控制方法 |
CN112947074A (zh) * | 2021-01-29 | 2021-06-11 | 中国人民解放军军事科学院战争研究院 | 一种基于抽取虚拟飞机策略的有杆牵引飞机系统轨迹规划方法 |
CN112947293A (zh) * | 2021-02-22 | 2021-06-11 | 中国矿业大学 | 基于滑模的机械臂安全轨迹跟踪控制方法 |
CN112985407A (zh) * | 2021-02-23 | 2021-06-18 | 北京理工大学 | 基于动态优先级解耦的无人机集群轨迹序列凸规划方法 |
CN113110590A (zh) * | 2021-04-30 | 2021-07-13 | 北京天航创联科技发展有限责任公司 | 一种多机分布式协同仿真控制平台及控制方法 |
CN113157000A (zh) * | 2021-05-06 | 2021-07-23 | 西北工业大学 | 基于虚拟结构和人工势场的飞行编队协同避障自适应控制方法 |
CN113220032A (zh) * | 2021-05-17 | 2021-08-06 | 浙江安防职业技术学院 | 无人机集群控制方法、装置、无人机及存储介质 |
CN113359831A (zh) * | 2021-06-16 | 2021-09-07 | 天津大学 | 基于任务逻辑调度的集群四旋翼无人机路径生成方法 |
CN113536564A (zh) * | 2021-07-13 | 2021-10-22 | 中国科学院软件研究所 | 基于虚拟仿真的无人蜂群自主协同评估方法及系统 |
CN113627445A (zh) * | 2021-08-05 | 2021-11-09 | 福州大学 | 一种多无人机空中媒体的编队规划系统及方法 |
CN113741549A (zh) * | 2021-11-04 | 2021-12-03 | 普宙科技(深圳)有限公司 | 一种多旋翼无人机控制量分配方法 |
CN113885562A (zh) * | 2021-10-08 | 2022-01-04 | 北京理工大学 | 一种基于速度障碍的感知约束下多无人机协同避碰方法 |
CN113900449A (zh) * | 2021-10-26 | 2022-01-07 | 鹏城实验室 | 多无人机轨迹规划方法、装置、无人机及存储介质 |
CN114115358A (zh) * | 2021-10-19 | 2022-03-01 | 杭州电子科技大学 | 一种基于高斯强化学习的信号源遍历方法 |
CN114138010A (zh) * | 2021-11-22 | 2022-03-04 | 浙江理工大学 | 一种基于加权偏差的多智能体高阶滑模编队控制方法 |
CN114355985A (zh) * | 2022-03-18 | 2022-04-15 | 北京卓翼智能科技有限公司 | 无人机集群的路径规划方法、装置、控制器及存储介质 |
CN114355958A (zh) * | 2021-09-09 | 2022-04-15 | 南京航空航天大学 | 多无人机智能协同系统的交互任务部署方法 |
CN114384929A (zh) * | 2021-12-02 | 2022-04-22 | 上海航天控制技术研究所 | 一种基于偏差优化启发式算法的无人集群编队控制方法 |
CN114454157A (zh) * | 2021-12-21 | 2022-05-10 | 上海交通大学深圳研究院 | 适用于机器人的局部轨迹调整与人机共享控制方法和系统 |
CN114545976A (zh) * | 2022-03-08 | 2022-05-27 | 中山大学 | 一种飞行器的避障飞行控制方法、装置及系统 |
CN114545968A (zh) * | 2022-02-18 | 2022-05-27 | 南京理工大学 | 基于纯方位定位的无人机集群多目标跟踪轨迹规划方法 |
CN114578842A (zh) * | 2020-11-30 | 2022-06-03 | 南京理工大学 | 一种无人车载旋翼无人机集群侦察的协同路径规划方法 |
CN114594785A (zh) * | 2022-01-17 | 2022-06-07 | 北京理工大学 | 基于混合整数二阶锥优化的无人机避障实时轨迹规划方法 |
CN114610066A (zh) * | 2022-03-15 | 2022-06-10 | 浙江大学湖州研究院 | 复杂未知环境下分布式集群无人机编队飞行轨迹生成方法 |
CN114610065A (zh) * | 2022-03-15 | 2022-06-10 | 浙江大学湖州研究院 | 一种基于图论的集群无人机编队飞行轨迹优化方法 |
CN114637323A (zh) * | 2022-03-01 | 2022-06-17 | 浙江大学 | 面向无人机编队保持的航路规划方法 |
CN114721423A (zh) * | 2022-03-15 | 2022-07-08 | 北京理工大学 | 考虑避碰约束的多无人机协同到达预置目标的分配方法 |
CN115047764A (zh) * | 2022-06-10 | 2022-09-13 | 南京航空航天大学 | 基于非线性规划和可达性分析的无人机飞行安全包线的计算方法 |
CN115237157A (zh) * | 2022-08-08 | 2022-10-25 | 南京理工大学 | 一种路网约束下的空地无人集群多任务点路径规划方法 |
CN115277770A (zh) * | 2022-07-20 | 2022-11-01 | 华北电力大学(保定) | 一种节点接入和飞行策略联合优化的无人机信息收集方法 |
CN115407798A (zh) * | 2022-09-05 | 2022-11-29 | 天津大学 | 基于误差函数积分的多无人机集群轨迹跟踪方法 |
CN115562342A (zh) * | 2022-10-24 | 2023-01-03 | 南京航空航天大学 | 多飞行器任务分配、航迹规划和编队控制一体化博弈方法 |
CN116466746A (zh) * | 2023-04-24 | 2023-07-21 | 浙江大学 | 四旋翼集群高速通过动态航路点的规划控制方法及装置 |
US11809193B2 (en) | 2020-07-21 | 2023-11-07 | Tusimple, Inc. | Data-driven control for autonomous driving |
CN117170230A (zh) * | 2023-08-11 | 2023-12-05 | 中国电子科技集团公司第七研究所 | 一种垂直起降无人机群多模态轨迹生成方法 |
CN117348392A (zh) * | 2023-09-27 | 2024-01-05 | 四川大学 | 一种多机近距空战机动决策分布式优化方法 |
CN117706910A (zh) * | 2023-12-27 | 2024-03-15 | 哈尔滨工业大学 | 基于滑模控制的不同最大速度的机器人集群覆盖方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246204A (zh) * | 2013-05-02 | 2013-08-14 | 天津大学 | 多无人机系统仿真与验证方法与装置 |
CN106406345A (zh) * | 2016-10-20 | 2017-02-15 | 天津大学 | 基于Qt的室内多无人机编队控制系统 |
CN106444423A (zh) * | 2016-09-30 | 2017-02-22 | 天津大学 | 室内多无人机编队飞行仿真验证平台及其实现方法 |
CN106708090A (zh) * | 2016-12-23 | 2017-05-24 | 四川九洲电器集团有限责任公司 | 一种无人机机群系统 |
CN106780729A (zh) * | 2016-11-10 | 2017-05-31 | 中国人民解放军理工大学 | 一种无人机序列影像批处理三维重建方法 |
WO2017160736A2 (en) * | 2016-03-16 | 2017-09-21 | Bryan Sydnor | Controlling an unmanned aerial system |
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 |
CN107608367A (zh) * | 2017-09-06 | 2018-01-19 | 天津大学 | 多变量干扰补偿四旋翼无人机轨迹与姿态协同控制方法 |
CN107807661A (zh) * | 2017-11-24 | 2018-03-16 | 天津大学 | 轨迹控制室内四旋翼无人机编队演示验证平台及方法 |
-
2018
- 2018-03-21 CN CN201810235734.6A patent/CN108388270B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246204A (zh) * | 2013-05-02 | 2013-08-14 | 天津大学 | 多无人机系统仿真与验证方法与装置 |
WO2017160736A2 (en) * | 2016-03-16 | 2017-09-21 | Bryan Sydnor | Controlling an unmanned aerial system |
CN106444423A (zh) * | 2016-09-30 | 2017-02-22 | 天津大学 | 室内多无人机编队飞行仿真验证平台及其实现方法 |
CN106406345A (zh) * | 2016-10-20 | 2017-02-15 | 天津大学 | 基于Qt的室内多无人机编队控制系统 |
CN106780729A (zh) * | 2016-11-10 | 2017-05-31 | 中国人民解放军理工大学 | 一种无人机序列影像批处理三维重建方法 |
CN106708090A (zh) * | 2016-12-23 | 2017-05-24 | 四川九洲电器集团有限责任公司 | 一种无人机机群系统 |
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 |
CN107608367A (zh) * | 2017-09-06 | 2018-01-19 | 天津大学 | 多变量干扰补偿四旋翼无人机轨迹与姿态协同控制方法 |
CN107807661A (zh) * | 2017-11-24 | 2018-03-16 | 天津大学 | 轨迹控制室内四旋翼无人机编队演示验证平台及方法 |
Non-Patent Citations (3)
Title |
---|
YI WEI,等: "An Operation-time Simulation Framework for UAV Swarm Configuration and Mission Planning", 《PROCEDIA COMPUTER SCIENCE》 * |
张博渊,等: "基于hp自适应伪谱法的四旋翼无人机编队轨迹优化", 《科技导报》 * |
许晓伟,等: "多无人机协同导航技术研究现状及进展", 《导航定位与授时》 * |
Cited By (107)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108958289A (zh) * | 2018-07-28 | 2018-12-07 | 天津大学 | 基于相对速度障碍的集群无人机避碰方法 |
CN108958289B (zh) * | 2018-07-28 | 2021-08-13 | 天津大学 | 基于相对速度障碍的集群无人机避碰方法 |
CN108958292B (zh) * | 2018-08-23 | 2020-07-07 | 北京理工大学 | 一种基于rrt*算法的飞行器突防轨迹规划方法 |
CN108958292A (zh) * | 2018-08-23 | 2018-12-07 | 北京理工大学 | 一种基于rrt*算法的飞行器突防轨迹规划方法 |
CN109445456A (zh) * | 2018-10-15 | 2019-03-08 | 清华大学 | 一种多无人机集群导航方法 |
CN109933086B (zh) * | 2019-03-14 | 2022-08-30 | 天津大学 | 基于深度q学习的无人机环境感知与自主避障方法 |
CN109933086A (zh) * | 2019-03-14 | 2019-06-25 | 天津大学 | 基于深度q学习的无人机环境感知与自主避障方法 |
CN110084491A (zh) * | 2019-04-08 | 2019-08-02 | 中电莱斯信息系统有限公司 | 对流天气条件下基于最优穿越路径的航路阻塞度评估方法 |
CN110084491B (zh) * | 2019-04-08 | 2020-04-21 | 中电莱斯信息系统有限公司 | 对流天气条件下基于最优穿越路径的航路阻塞度评估方法 |
CN110262543A (zh) * | 2019-05-23 | 2019-09-20 | 北京航空航天大学 | 多目标点同时到达约束下的集群四维轨迹规划设计方法 |
CN110262543B (zh) * | 2019-05-23 | 2020-07-21 | 北京航空航天大学 | 多目标点同时到达约束下的集群四维轨迹规划设计方法 |
CN110262557A (zh) * | 2019-07-16 | 2019-09-20 | 南京航空航天大学 | 基于滑模控制技术的四旋翼编队有限时间容错控制方法 |
CN110412877A (zh) * | 2019-08-30 | 2019-11-05 | 中国人民解放军海军航空大学 | 一种基于nsp算法的舰载机甲板路径规划最优控制方法 |
CN110412877B (zh) * | 2019-08-30 | 2023-03-28 | 中国人民解放军海军航空大学 | 一种基于nsp算法的舰载机甲板路径规划最优控制方法 |
CN110687917A (zh) * | 2019-09-06 | 2020-01-14 | 哈尔滨工程大学 | 多无人艇分布式队形重构编队控制方法 |
CN110554607A (zh) * | 2019-09-17 | 2019-12-10 | 山东大学 | 多欧拉-拉格朗日系统带有避障护航任务的协同控制方法及系统 |
CN110632941A (zh) * | 2019-09-25 | 2019-12-31 | 北京理工大学 | 一种复杂环境下无人机目标跟踪的轨迹生成方法 |
CN110879611A (zh) * | 2019-11-01 | 2020-03-13 | 中国电子科技集团公司电子科学研究院 | 无人机集群三维曲线路径跟踪方法及装置 |
CN111007848A (zh) * | 2019-12-03 | 2020-04-14 | 中国电子科技集团公司第二十八研究所 | 一种基于有界空间的多智能体协同作业控制方法 |
CN111007848B (zh) * | 2019-12-03 | 2022-08-16 | 中国电子科技集团公司第二十八研究所 | 一种基于有界空间的多智能体协同作业控制方法 |
CN111198576A (zh) * | 2020-01-09 | 2020-05-26 | 哈尔滨工程大学 | 人工智能大数据下粒子化无人机组控制方法、介质及机组 |
CN111368971A (zh) * | 2020-02-19 | 2020-07-03 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无人机集群协同降落排序方法及系统 |
CN111935638A (zh) * | 2020-06-22 | 2020-11-13 | 西安理工大学 | 基于无线紫外光虚拟围栏的蜂群无人机机间避让预警方法 |
CN111736627A (zh) * | 2020-06-23 | 2020-10-02 | 古韵兴 | 一种柔性软管连接的系留式飞行器队列飞行策略计算方法 |
CN111813117A (zh) * | 2020-07-09 | 2020-10-23 | 北京布科思科技有限公司 | 一种机器人巡线优先导航方法、装置和设备 |
CN111813117B (zh) * | 2020-07-09 | 2023-09-01 | 北京布科思科技有限公司 | 一种机器人巡线优先导航方法、装置和设备 |
US11809193B2 (en) | 2020-07-21 | 2023-11-07 | Tusimple, Inc. | Data-driven control for autonomous driving |
CN111665855B (zh) * | 2020-08-03 | 2022-08-30 | 陕西理工大学 | 一种机器人预设性编队控制方法 |
CN111665855A (zh) * | 2020-08-03 | 2020-09-15 | 陕西理工大学 | 一种机器人预设性编队控制方法 |
CN111650956A (zh) * | 2020-08-04 | 2020-09-11 | 北京机电工程研究所 | 一种用于目标持续观测的无人机控制方法 |
CN111650956B (zh) * | 2020-08-04 | 2020-12-08 | 北京机电工程研究所 | 一种用于目标持续观测的无人机控制方法 |
CN112148024A (zh) * | 2020-08-20 | 2020-12-29 | 中国人民解放军海军航空大学 | 基于自适应伪谱法的无人机实时在线航迹规划方法 |
CN111949047B (zh) * | 2020-08-27 | 2023-03-03 | 四川航天系统工程研究所 | 一种无人机集中式任务规划的中心无人机选择方法 |
CN111949047A (zh) * | 2020-08-27 | 2020-11-17 | 四川航天系统工程研究所 | 一种无人机集中式任务规划的中心无人机选择方法 |
CN112099525A (zh) * | 2020-08-31 | 2020-12-18 | 北京航空航天大学 | 一种航天器编队飞行低通讯连通保持协同控制方法 |
CN112068598A (zh) * | 2020-09-28 | 2020-12-11 | 西北工业大学 | 一种无人机编队飞行方法及控制系统 |
CN112214036A (zh) * | 2020-10-14 | 2021-01-12 | 吉林化工学院 | 一种主从机编队飞行控制方法 |
CN112214036B (zh) * | 2020-10-14 | 2024-04-12 | 吉林化工学院 | 一种实用型主从机编队飞行控制方法 |
CN112179370B (zh) * | 2020-11-06 | 2022-10-14 | 思创数码科技股份有限公司 | 一种基于动态路网的持续最优路线规划方法 |
CN112179370A (zh) * | 2020-11-06 | 2021-01-05 | 思创数码科技股份有限公司 | 一种基于动态路网的持续最优路线规划方法 |
CN112327917B (zh) * | 2020-11-12 | 2022-12-27 | 哈尔滨工业大学(深圳) | 基于群体智能的无人机集群协同覆盖方法 |
CN112327917A (zh) * | 2020-11-12 | 2021-02-05 | 哈尔滨工业大学(深圳) | 基于群体智能的无人机集群协同覆盖方法 |
CN114578842A (zh) * | 2020-11-30 | 2022-06-03 | 南京理工大学 | 一种无人车载旋翼无人机集群侦察的协同路径规划方法 |
CN114578842B (zh) * | 2020-11-30 | 2023-04-21 | 南京理工大学 | 一种无人车载旋翼无人机集群侦察的协同路径规划方法 |
CN112596549B (zh) * | 2020-12-29 | 2021-12-21 | 中山大学 | 基于连续凸规则的多无人机编队控制方法、装置及介质 |
CN112596549A (zh) * | 2020-12-29 | 2021-04-02 | 中山大学 | 基于连续凸规则的多无人机编队控制方法、装置及介质 |
CN112650299A (zh) * | 2021-01-06 | 2021-04-13 | 西安爱生技术集团公司 | 一种考虑时变编队的分组一致性无人机编队控制方法 |
CN112650299B (zh) * | 2021-01-06 | 2024-06-07 | 西安爱生技术集团公司 | 一种考虑时变编队的分组一致性无人机编队控制方法 |
CN112859913A (zh) * | 2021-01-13 | 2021-05-28 | 广东工业大学 | 考虑输出约束的多四旋翼无人机姿态一致最优控制方法 |
CN112859913B (zh) * | 2021-01-13 | 2023-06-06 | 广东工业大学 | 考虑输出约束的多四旋翼无人机姿态一致最优控制方法 |
CN112904868A (zh) * | 2021-01-29 | 2021-06-04 | 中国人民解放军军事科学院战争研究院 | 一种基于同构化-跟踪的多舰载异构体舰面协同轨迹规划与控制方法 |
CN112947074A (zh) * | 2021-01-29 | 2021-06-11 | 中国人民解放军军事科学院战争研究院 | 一种基于抽取虚拟飞机策略的有杆牵引飞机系统轨迹规划方法 |
CN112947074B (zh) * | 2021-01-29 | 2022-11-29 | 中国人民解放军军事科学院战争研究院 | 一种基于抽取虚拟飞机策略的有杆牵引飞机系统轨迹规划方法 |
CN112947293A (zh) * | 2021-02-22 | 2021-06-11 | 中国矿业大学 | 基于滑模的机械臂安全轨迹跟踪控制方法 |
CN112985407B (zh) * | 2021-02-23 | 2022-10-11 | 北京理工大学 | 基于动态优先级解耦的无人机集群轨迹序列凸规划方法 |
CN112985407A (zh) * | 2021-02-23 | 2021-06-18 | 北京理工大学 | 基于动态优先级解耦的无人机集群轨迹序列凸规划方法 |
CN113110590B (zh) * | 2021-04-30 | 2023-10-10 | 北京天航创联科技发展有限责任公司 | 一种多机分布式协同仿真控制平台及控制方法 |
CN113110590A (zh) * | 2021-04-30 | 2021-07-13 | 北京天航创联科技发展有限责任公司 | 一种多机分布式协同仿真控制平台及控制方法 |
CN113157000A (zh) * | 2021-05-06 | 2021-07-23 | 西北工业大学 | 基于虚拟结构和人工势场的飞行编队协同避障自适应控制方法 |
CN113157000B (zh) * | 2021-05-06 | 2022-08-09 | 西北工业大学 | 基于虚拟结构和人工势场的飞行编队协同避障自适应控制方法 |
CN113220032A (zh) * | 2021-05-17 | 2021-08-06 | 浙江安防职业技术学院 | 无人机集群控制方法、装置、无人机及存储介质 |
CN113359831A (zh) * | 2021-06-16 | 2021-09-07 | 天津大学 | 基于任务逻辑调度的集群四旋翼无人机路径生成方法 |
CN113536564A (zh) * | 2021-07-13 | 2021-10-22 | 中国科学院软件研究所 | 基于虚拟仿真的无人蜂群自主协同评估方法及系统 |
CN113536564B (zh) * | 2021-07-13 | 2023-11-28 | 中国科学院软件研究所 | 基于虚拟仿真的无人蜂群自主协同评估方法及系统 |
CN113627445A (zh) * | 2021-08-05 | 2021-11-09 | 福州大学 | 一种多无人机空中媒体的编队规划系统及方法 |
CN113627445B (zh) * | 2021-08-05 | 2023-08-15 | 福州大学 | 一种多无人机空中媒体的编队规划系统及方法 |
CN114355958B (zh) * | 2021-09-09 | 2022-06-21 | 南京航空航天大学 | 多无人机智能协同系统的交互任务部署方法 |
CN114355958A (zh) * | 2021-09-09 | 2022-04-15 | 南京航空航天大学 | 多无人机智能协同系统的交互任务部署方法 |
CN113885562B (zh) * | 2021-10-08 | 2023-01-10 | 北京理工大学 | 一种基于速度障碍的感知约束下多无人机协同避碰方法 |
CN113885562A (zh) * | 2021-10-08 | 2022-01-04 | 北京理工大学 | 一种基于速度障碍的感知约束下多无人机协同避碰方法 |
CN114115358A (zh) * | 2021-10-19 | 2022-03-01 | 杭州电子科技大学 | 一种基于高斯强化学习的信号源遍历方法 |
CN114115358B (zh) * | 2021-10-19 | 2024-03-29 | 杭州电子科技大学 | 一种基于高斯强化学习的信号源遍历方法 |
CN113900449A (zh) * | 2021-10-26 | 2022-01-07 | 鹏城实验室 | 多无人机轨迹规划方法、装置、无人机及存储介质 |
CN113900449B (zh) * | 2021-10-26 | 2023-12-22 | 鹏城实验室 | 多无人机轨迹规划方法、装置、无人机及存储介质 |
CN113741549A (zh) * | 2021-11-04 | 2021-12-03 | 普宙科技(深圳)有限公司 | 一种多旋翼无人机控制量分配方法 |
CN114138010A (zh) * | 2021-11-22 | 2022-03-04 | 浙江理工大学 | 一种基于加权偏差的多智能体高阶滑模编队控制方法 |
CN114138010B (zh) * | 2021-11-22 | 2024-04-26 | 浙江理工大学 | 一种基于加权偏差的多智能体高阶滑模编队控制方法 |
CN114384929B (zh) * | 2021-12-02 | 2023-09-12 | 上海航天控制技术研究所 | 一种基于偏差优化启发式算法的无人集群编队控制方法 |
CN114384929A (zh) * | 2021-12-02 | 2022-04-22 | 上海航天控制技术研究所 | 一种基于偏差优化启发式算法的无人集群编队控制方法 |
CN114454157B (zh) * | 2021-12-21 | 2024-05-14 | 上海交通大学深圳研究院 | 适用于机器人的局部轨迹调整与人机共享控制方法和系统 |
CN114454157A (zh) * | 2021-12-21 | 2022-05-10 | 上海交通大学深圳研究院 | 适用于机器人的局部轨迹调整与人机共享控制方法和系统 |
CN114594785A (zh) * | 2022-01-17 | 2022-06-07 | 北京理工大学 | 基于混合整数二阶锥优化的无人机避障实时轨迹规划方法 |
CN114545968A (zh) * | 2022-02-18 | 2022-05-27 | 南京理工大学 | 基于纯方位定位的无人机集群多目标跟踪轨迹规划方法 |
CN114545968B (zh) * | 2022-02-18 | 2023-09-26 | 南京理工大学 | 基于纯方位定位的无人机集群多目标跟踪轨迹规划方法 |
CN114637323A (zh) * | 2022-03-01 | 2022-06-17 | 浙江大学 | 面向无人机编队保持的航路规划方法 |
CN114545976A (zh) * | 2022-03-08 | 2022-05-27 | 中山大学 | 一种飞行器的避障飞行控制方法、装置及系统 |
CN114610066A (zh) * | 2022-03-15 | 2022-06-10 | 浙江大学湖州研究院 | 复杂未知环境下分布式集群无人机编队飞行轨迹生成方法 |
CN114610065A (zh) * | 2022-03-15 | 2022-06-10 | 浙江大学湖州研究院 | 一种基于图论的集群无人机编队飞行轨迹优化方法 |
CN114721423A (zh) * | 2022-03-15 | 2022-07-08 | 北京理工大学 | 考虑避碰约束的多无人机协同到达预置目标的分配方法 |
CN114355985A (zh) * | 2022-03-18 | 2022-04-15 | 北京卓翼智能科技有限公司 | 无人机集群的路径规划方法、装置、控制器及存储介质 |
CN114355985B (zh) * | 2022-03-18 | 2022-07-08 | 北京卓翼智能科技有限公司 | 无人机集群的路径规划方法、装置、控制器及存储介质 |
CN115047764A (zh) * | 2022-06-10 | 2022-09-13 | 南京航空航天大学 | 基于非线性规划和可达性分析的无人机飞行安全包线的计算方法 |
CN115277770A (zh) * | 2022-07-20 | 2022-11-01 | 华北电力大学(保定) | 一种节点接入和飞行策略联合优化的无人机信息收集方法 |
CN115277770B (zh) * | 2022-07-20 | 2023-04-25 | 华北电力大学(保定) | 一种节点接入和飞行策略联合优化的无人机信息收集方法 |
CN115237157B (zh) * | 2022-08-08 | 2024-01-23 | 南京理工大学 | 一种路网约束下的空地无人集群多任务点路径规划方法 |
CN115237157A (zh) * | 2022-08-08 | 2022-10-25 | 南京理工大学 | 一种路网约束下的空地无人集群多任务点路径规划方法 |
CN115407798B (zh) * | 2022-09-05 | 2024-08-27 | 天津大学 | 基于误差函数积分的多无人机集群轨迹跟踪方法 |
CN115407798A (zh) * | 2022-09-05 | 2022-11-29 | 天津大学 | 基于误差函数积分的多无人机集群轨迹跟踪方法 |
CN115562342A (zh) * | 2022-10-24 | 2023-01-03 | 南京航空航天大学 | 多飞行器任务分配、航迹规划和编队控制一体化博弈方法 |
CN116466746B (zh) * | 2023-04-24 | 2023-09-29 | 浙江大学 | 四旋翼集群高速通过动态航路点的规划控制方法及装置 |
CN116466746A (zh) * | 2023-04-24 | 2023-07-21 | 浙江大学 | 四旋翼集群高速通过动态航路点的规划控制方法及装置 |
CN117170230B (zh) * | 2023-08-11 | 2024-05-17 | 中国电子科技集团公司第七研究所 | 一种垂直起降无人机群多模态轨迹生成方法 |
CN117170230A (zh) * | 2023-08-11 | 2023-12-05 | 中国电子科技集团公司第七研究所 | 一种垂直起降无人机群多模态轨迹生成方法 |
CN117348392A (zh) * | 2023-09-27 | 2024-01-05 | 四川大学 | 一种多机近距空战机动决策分布式优化方法 |
CN117348392B (zh) * | 2023-09-27 | 2024-06-28 | 四川大学 | 一种多机近距空战机动决策分布式优化方法 |
CN117706910A (zh) * | 2023-12-27 | 2024-03-15 | 哈尔滨工业大学 | 基于滑模控制的不同最大速度的机器人集群覆盖方法及系统 |
CN117706910B (zh) * | 2023-12-27 | 2024-06-07 | 哈尔滨工业大学 | 基于滑模控制的不同最大速度的机器人集群覆盖方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108388270B (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388270B (zh) | 面向安全域的集群无人机轨迹姿态协同控制方法 | |
Kayacan et al. | Type-2 fuzzy logic trajectory tracking control of quadrotor VTOL aircraft with elliptic membership functions | |
Dong et al. | Time-varying formation control for unmanned aerial vehicles: Theories and applications | |
CN108459612B (zh) | 基于人工势场法的无人机编队控制方法及装置 | |
Santoso et al. | Hybrid PD-fuzzy and PD controllers for trajectory tracking of a quadrotor unmanned aerial vehicle: Autopilot designs and real-time flight tests | |
CN108549407A (zh) | 一种多无人机协同编队避障的控制算法 | |
CN108958289A (zh) | 基于相对速度障碍的集群无人机避碰方法 | |
Johnson et al. | A comparison of automatic nap‐of‐the‐earth guidance strategies for helicopters | |
Rosaldo-Serrano et al. | Observer-based time-varying backstepping control for a quadrotor multi-agent system | |
CN112684705B (zh) | 一种四旋翼飞行器编队追踪控制方法 | |
Patel et al. | An intelligent hybrid artificial neural network-based approach for control of aerial robots | |
Lin et al. | Cooperative formation and obstacle avoidance algorithm for multi-uav system in 3d environment | |
CN115657730B (zh) | 一种大规模多旋翼无人机鲁棒分簇编队控制方法 | |
CN112859913A (zh) | 考虑输出约束的多四旋翼无人机姿态一致最优控制方法 | |
Tan et al. | Tracking of ground mobile targets by quadrotor unmanned aerial vehicles | |
Wang et al. | UAV swarm autonomous control based on Internet of Things and artificial intelligence algorithms | |
Paing et al. | New designing approaches for quadcopter using 2d model modelling a cascaded pid controller | |
Wang et al. | Structure keeping control for heterogeneous formations based on consistency theory and graph theory | |
CN114415734B (zh) | 基于adp和避障机制的四旋翼无人机编队重构控制系统 | |
Nemes | Synopsis of soft computing techniques used in quadrotor UAV modelling and control | |
CN113885549B (zh) | 基于维度裁剪的ppo算法的四旋翼姿态轨迹控制方法 | |
Yeh et al. | Adaptive fuzzy sliding-mode control for a mini-UAV with propellers | |
Yeh et al. | Fuzzy sliding-mode control for a Mini-UAV | |
Liu et al. | Completely distributed time-varying formation target tracking for quadrotor team via image-based visual servoing | |
Yuan et al. | Distributed model predictive formation control for a group of uavs with newton-euler dynamics |
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 |