CN109508035A - 基于分布式控制的多区域分级式无人机编队路径规划方法 - Google Patents
基于分布式控制的多区域分级式无人机编队路径规划方法 Download PDFInfo
- Publication number
- CN109508035A CN109508035A CN201811578988.4A CN201811578988A CN109508035A CN 109508035 A CN109508035 A CN 109508035A CN 201811578988 A CN201811578988 A CN 201811578988A CN 109508035 A CN109508035 A CN 109508035A
- Authority
- CN
- China
- Prior art keywords
- formation
- region
- unmanned plane
- machine
- control
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
Abstract
本发明公开了一种基于分布式控制的多区域分级式无人机编队路径规划方法,将无人机分为虚拟引领机和成员机建立无人机多区域多级控制编队网络框架;对每一所述区域进行队形编队:设定一约束函数,基于约束函数对每一所述区域内的所有无人机编队形成与约束函数对应的队形;对所有所述区域进行队形编队:设定一区域间距离时变函数,并采用分布式控制策略建立相邻所述区域间的通信机制,实现区域的队形编队控制;利用碰撞锥碰撞检测条件设计障碍物斥力势场判定系数,排除由无关障碍物势场产生的对无人机编队的不利影响,保证无人机在所述控制器的控制进行编队,加快编队路径规划速度;本发明可加快编队规划速度,实现无人机的多区域多级式编队控制。
Description
技术领域
本发明属于无人机编队控制技术领域,具体涉及一种基于分布式控制的多区域分级式无人机编队路径规划方法。
背景技术
无人机(UAV)是一种由动力驱动、无人驾驶、可重复使用航空器的简称。由于其成本低、重量轻、适应性强和灵活机动的特点,在军事和国民经济的各个领域无人机广泛用于地形和公用事业检查,搜索和救援,灾害监测,航空测绘,交通监控以及侦察任务。尽管无人机具备众多的优势,但仍存在很多单机无法解决的问题。针对这些问题,研究学者经过多年的努力,通过对生物群体现象的观察分析,提出了编队飞行方法。相比单个无人机,多无人机具有更高的效率,更好的鲁棒性和更大的服务范围以及功能。具体而言,多无人机协同工作以完成任务,从而降低对性能的需求。这一措施将尽可能的发挥单机的作用,并拓展编队整体的使用范围,达成高效、安全的执行多种任务的目的。多无人机编队飞行控制是无人机控制的重要研究领域。主要目标基于期望编队队形以及无人机之间防碰撞实现无人机编队飞行完成各项任务。
无人机飞控系统是无人机编队保持控制系统中重要的一部分,其性能对无人机的飞行控制具有重大的影响。无人机飞控系统控制器根据控制指令和无人机实时飞行数据,按照预先设计的控制算法进行控制无人机以一定的位置和航迹安全飞行。因此,具有高精度、高效率性能的飞控系统可以使无人机更好的实现队形控制、路径规划以及编队避障。无人机编队控制器是整个编队路径规划的核心,通过编队控制器的作用,实现针对大规模、多任务、复杂环境下无人机编队飞行控制,并且在外部扰动的作用下,仍可以顺利地完成编队飞行任务。
在无人机编队实际应用中有时无人机集群编队执行任务的能力由无人机集群的规模所决定,随着无人机集群规模的增长,如何提高集群编队控制的效率和精度,避免飞行路径冲突、发生碰撞事故,成为无人机集群编队控制研究的重要问题。
发明内容
针对上述现有技术中由于无人机编队规模增大和飞行环境不确定而导致的无人机编队路径的灵活度和精度难以控制的问题,本发明于提出一种基于分布式控制的多区域分级式无人机编队路径规划方法,该方法的具体技术方案如下:
一种基于分布式控制的多区域分级式无人机编队路径规划方法,所述方法包括步骤:
S1、建立无人机多区域多级控制编队网络框架:将无人机编队均匀划分为指定数目的区域,在每一所述区域内设定一架虚拟引领机,并将所述区域剩余全部无人机设定为成员机,组合每一所述区域的所述虚拟引领机构成引领层,组合每一所述区域的成员机构成区域成员机层,由所述引领层和所述区域成员机层构建无人机分级控制编队网络;
S2、对每一所述区域进行队形编队:设定一约束函数,基于所述约束函数对每一所述区域内的所有无人机编队形成与所述约束函数对应的队形;
S3、对所有所述区域进行队形编队:设定一区域间距离时变函数,并采用分布式控制策略建立相邻所述区域间的通信机制,实现所述区域的队形编队控制;
S4、利用碰撞锥碰撞检测条件设计障碍物斥力势场判定系数,排除由无关障碍物势场产生的对无人机编队的不利影响,保证无人机在所述控制器的控制进行编队,加快编队路径规划速度。
进一步的,在步骤S1中还包括步骤:由每一所述区域中由所述虚拟引领机和成员机基于人工势场法构成球形拓扑结构。
进一步的,步骤S2中,所述基于所述约束函数对每一所述区域内的所有无人机编队形成与所述约束函数对应的队形包括:
S21、建立每一所述区域内所有无人机之间的受力模型A;
S22、基于所述受力模型基于人工势场能法建立所述区域内相邻无人机之间的人工势能函数A;
S23、根据所述人工势能函数A计算所述区域内每一无人机的势场能A,基于所述势场能A控制每一所述区域内无人机的编队。
进一步的,其特征在于,步骤S3中还包括:基于反步法设定对应所述虚拟引领机的虚拟控制器,由所述虚拟控制器估算得到得到每一所述区域内所述虚拟引领机的速度,将所述速度与对应所述虚拟引领机的实际速度值比较做差得到速度误差,基于所述速度误差建立对应所述虚拟引领机的控制器,基于所述控制器的反馈数据控制所述虚拟引领机的飞行。
进一步的,步骤S3中,所述设定一区域间距离时变函数,并采用分布式控制策略建立相邻所述区域间的通信机制,实现所述区域的队形编队控制包括:
S31、建立相邻所述区域相互之间的动力学模型;
S32、基于图论建立相邻所述区域相互之间的网络通信拓扑图;
S33、基于所述网络通信拓扑图建立所述区域相互间的人工势能函数B;
S34、根据所述人工势能函数B计算每一所述区域的势场能B,基于所述势场能B控制所述区域的编队控制。
本发明的基于分布式控制的多区域分级式无人机编队路径规划方法,通过将无人机按照设定的数目分区域划分,并在区域内设定一虚拟引领机以及剩下若干的成员机,由所有区域的虚拟引领机构成引领层,由成员机构成成员机层,通过约束函数控制区域内无人机的编队,并基于图论建立区域内无人机的网络通信拓扑;设定区域间距时变函数采用分布式控制策略实现区域间的编队控制;并且,对区域内和区域间的无人机编队均通过人工势场法将编队问题转化成势场能问题,以实现对区域和整体的无人机编队控制;最后利用碰撞锥碰撞检测条件设计障碍物斥力势场判断系数,来排除无关障碍物势场产生对编队可能产生的不良影响;与现有技术相比,本发明的编队灵活性比较高,且提升了编队的精度和效率。
附图说明
图1是本发明实例中期望无人机编队飞行控制拓扑结构示意图示意;
图2是本发明实例中第q个无人机定义区域的剖面图示意;
图3是本发明实例中区域编队渐进拓扑结构变换实施图示意;
图4是本发明实例中第i个区域在水平平面上的碰撞锥结构图示意;
图5是本发明实施例中基于总势能最小的区域成员机层区域内成员机编队控制算法流程图示意;
图6是本发明实施例中基于分布式控制策略的引领层区域间引领机编队路径规划算法流程图示意;
图7是本发明实例中局部无人机的编队队形控制仿真图示意;
图8是本发明实例中基于碰撞锥改进势场法控制无人机飞行编队的拓扑结构示意图示意。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明实施例中,提供了一种基于分布式控制的多区域分级式无人机编队路径规划方法,具体包括步骤:
S1、建立无人机多区域多级控制编队网络框架:具体可参阅图1,本发明通过将无人机编队均匀划分为指定数目的区域,在每一区域内设定一架虚拟引领机,并将区域剩余全部无人机设定为成员机,组合每一区域的虚拟引领机构成引领层,组合每一区域的成员机构成区域成员机层,由引领层和区域成员机层构建无人机分级控制编队网络;由每一所述区域中由所述虚拟引领机和成员机基于人工势场法构成球形拓扑结构;并分别通过控制引领机的编队和成员机的编队,在大规模、多任务无人机编队飞行控制中,可有效降低无人机之间的通信压力满足编队多任务需求,进一步提高无人机编队控制的精度与灵活性,避免无人机在飞行过程中的路径冲突、发生碰撞。
S2、对每一所述区域进行队形编队:设定一约束函数,基于约束函数对每一区域内的所有无人机编队形成与约束函数对应的队形,具体包括:
首先,建立每一区域内所有无人机之间的受力模型其中,p2,q(t)∈R3和v2,q(t)∈R3分别表示在当地水平坐标系中第q个无人机位置和速度,u2,q(t)∈R3表示控制器的控制输入,q=1,2,3,......,M。
随后,基于图论建立相邻无人机之间的网络通信拓扑图,具体的,参阅图2,图示为构建的区域无人机的网络通信拓扑图,其中,G=(V,E)表示无人机无向通信网络矢量集合V={i=1,2,...,n},边集E={kij:i=1,2,...,n:j∈Ni}表示编队无人机间通信连接关系,第i个无人机的邻居集合Ni被定义为:同时,为了防止编队无人机发生碰撞,在这里定义了避撞区域Di、通信区域Ωi,和碰撞区域Ci:其中,dij=||pi-pj||2,pi(t)∈R3和pj(t)∈R3分别表示无人机i和无人机j的实际位置,ra是最大碰撞探测距离,Ni第i个无人机的邻居集合,rn是一个正常数满足rn>ra。
然后,并基于受力模型基于人工势场能法建立区域内相邻无人机之间的人工势能函数A,其中,人工势能函数A定义为:其中;
式中,Δp2,qw=p2,q-p2,w表示无人机q与无人机w之间的距离矢量,w∈N2,q表示第q个无人机区域内邻居集合。rc、rn和ra均为正常数,满足rc<ra<rn。
最后,根据人工势能函数A计算区域内每一无人机的势场能A,基于势场能A控制每一区域内无人机的编队;结合图3,根据区域成员机受力模型,利用人工势场法,将无人机区域编队控制问题转化为势场能问题,按照单个无人机势能最优对应区域系统总势能最优的状态进行区域无人机内部编队控制,每一成员机的势能函数控制矢量为:
并定义矢量为:其中,αq和βqw为自定义矩阵为:αq=αI,βqw=βI;α,β为正常数,I为单位矩阵。
同时令Δωq=αqΔσ2,q+βqwΔρ2,qw,可得到:并定义第q个成员机滑模矢量为:最终设计成员机控制器为:uq=-KsqSq-KpΔωq-ξSign(Sq),其中,为正定矩阵,Kp=kpI,kp为正常数,I为单位矩阵;为第q个无人机期望加速度的上限值;Sign(sq)为符号函数;在实际操作中,为了保证对无人机编队的控制稳定性,本发明优选使用饱和函数作为符号函数,当然,此仅为本发明的较佳实施例,本发明并未对符号函数Sign(sq)进行限制和固定,可根据实际情况进行选择。
S3、对所有区域进行队形编队:设定一区域间距离时变函数,并采用分布式控制策略建立相邻区域间的通信机制,实现区域的队形编队控制;具体包括:
首先,先定义所有待编队区域的动力学模型,在本发明中,由于将所有待编队区域作为一个成员机的方式进行处理,因此,每一区域的动力学模型以及区域间基于图论构成的网络通信拓扑图和步骤S2中得到的受力模型和网络通信拓扑图一致,再基于得到的网络通信拓扑图定义得到区域间的人工势能函数B:其中,fG1(Δp2q,1)=(p1,x-p2,xq)2+(p1,y-p2,yq)2+(p1,z-p2,zq)2-ru 2≤0,p1=(p1,x,p1,y,p1,z)T,p2,q=(p2,xq,p2,yq,p2,zq)T分别为引领机和成员机的实际空间位置坐标,ru为区域自身半径。
然后,再定义得到对应的区域间势能函数B的控制矢量
最后,同样的,根据人工势能函数B计算区域内每一无人机的势场能A,基于势场能B控制每一区域内无人机的编队,具体可参阅上述步骤S2中相对应内容,在此不再进行赘述。
在本发明实施例中,在完成步骤S2和S3中对成员机层的编队控制操作后,还需对引领层的虚拟引领机的编队进行控制,具体的过程为:
首先,将每个区域看作整个编队中的一个网络节点,同时将这些网络节点命名为编队的引领机;
其次,基于分布式控制策略建立区域之间通信机制,定义引领机第i个区域的位置误差为:
其中,j∈N1,i是一个邻居集合表示第i个区域引领机;δi(t)=[δxi(t),δyi(t),δzi(t)]T和pr(t)=[pxr(t),pyr(t),pzr(t)]T分别表示第i个区域引领机与期望位置的距离和期望位置坐标在三维空间坐标中;p1,i(t)=[p1,xi(t),p1,yi(t),p1,zi(t)]T和p1,j(t)=[p1,xj(t),p1,yj(t),p1,zj(t)]T分别是第i个区域引领机和第j个区域引领机的实时坐标位置;bi表示第i个区域引领机与期望路径之间的连接关系,如果第i个区域引领机与期望路径之间存在连接关系,则bi=1,否则bi=0。
然后,基于反步法设计一个无人机的虚拟控制器其中,ki,1为正常数;并定义第i个引领机速度误差为:zi,2=v1,i(t)-αi,1对上式关于时间t求导可得:
最后,设计引领机控制器为:其中,ki,2是正常数,由于引领机的编队通信拓扑结构固定,所以为一正常数。
S4、利用碰撞锥碰撞检测条件设计障碍物斥力势场判定系数,排除由无关障碍物势场产生的对无人机编队的不利影响,保证无人机在控制器的控制进行编队,加快编队路径规划速度。
首先,利用碰撞锥碰撞检测条件设计障碍物斥力势场判定系数,三维碰撞锥可由水平平面和垂直平面上的碰撞锥组合得到;由于两者设计原理相同,因此本发明实施例仅对水平平面上的碰撞锥进行分析,参阅图4,为第u个区域在水平平面上的碰撞锥结构几何图;其中,pu、po分别为区域和障碍物的位置,pou=po-pu为区域和障碍物的相对位置矢量,ro、ru分别为障碍物半径和区域自身半径,dc=ro+ru为障碍物碰撞半径,碰撞区域P是以po为圆心、dc为半径的球体,表示无人机相对障碍物的速度矢量,L、R分别为过区域做碰撞区域P的左切线和右切线,相对位置矢量pou与左切线L的夹角为α+(α+>0),与右切线R的夹角为α-(α->0),β为相对速度矢量和相对位置矢量pou的夹角,μo为无人机与障碍物最接近点间的距离,P碰撞区域。
随后,根据碰撞锥几何关系,若以区域所在位置pu为顶点沿相对速度矢量方向的射线穿过碰撞区域P,则区域与障碍物存在潜在碰撞危险;采用下式作为潜在碰撞检测条件:指仅当相对位置矢量pou与相对速度矢量夹角范围在且区域与最接近点距离小于碰撞半径时,才视障碍物与区域存在潜在碰撞;这样,通过检测条件的使用,一方面可以避免由无关性障碍物带来的不利影响;另一方面可以降低总势场建模复杂度,加快规划速度。
然后,设定如下的障碍物斥力势场判定系数:其中,λim表示第i个区域与第m个障碍物势场判定系数,当λim=1时该障碍物产生斥力势场,否则,将该障碍物势场强度调整为0。
最后,当检测到障碍物时,确定区域避障的安全距离,并判断多区域编队中任意区域与障碍物之间的间距是否符合安全距离的要求,若不符合,则通过调整编队队形并进行避障,其中,区域避障的安全距离如下式所示:式中,ro和ru分别为障碍物半径和区域自身半径,pi、pm分别表示第i个区域与第m个障碍物位置坐标,dc=ro+ru为障碍物碰撞半径,δi表示由信息不确定性所需具备的安全距离,βi表示区域的飞行速度方向与区域中心和障碍物中心的连线之间的夹角kv和kβ分别为调整相对速度和夹角的控制参数,表示无人机与障碍物的相对运动速度,vo(t)和vu(t)分别表示无人机和移动障碍物在t时刻的速度,当障碍物静止时,
本发明实施例中,参阅图5,对成员机进行控制器控制参数的设置过程包括:
假设编队中所有的无人机具有相同的结构和模型参数,仿真参数包括具体输入值包括kl=1,kij=1,kp=10,ξ=2,αi=diag{0.1,0.1,0.1},βij=diag{200,200,200},rc=1,ra=4,rn=5和ru=6;本发明中饱和函数的参数为:k=100和Δ=1/100;编队中无人机的初始位置为p0(0)=[0,0,0]T,p1(0)=[1,1,1]T,p2(0)=[10,10,10]T和p3(0)=[30,30,30]T。
本发明实施例中,参阅图6,对引领机进行控制器控制参数的设置过程包括:
仿真参数包括输入值虚拟引领层编队中引领机的初始位置坐标pr(0)=[0,0,0]T,p1(0)=[6,6,0]T,p2(0)=[33,33,6]T,p3(0)=[-6,-6,6]T,p4(0)=[-23,-23,0]T,p5(0)=[-56,-56,0]T,引领机相邻位置关系无人机编队的期望飞行轨迹xr=t,yr=sin(t),zr=t、δ1=[8,8,8],δ2=[21,21,21],δ3=[-8,-8,-8],δ4=[-21,-21,-21],δ5=[-35,-35,-35]、ro=2和ru=6分别为障碍物半径和区域自身半径;输出值为无人机的控制输入量u(t)和编队中无人机的实时飞行速度和位置信息;具体仿真结果可参阅图7,从中可知,本通过本发明的编队规划控制方法,无人机编队过程中始终处于处于规划的路线上运动,对无人机的编队具有良好的控制效果。
参阅图8,图示为经过本发明的方法对无人机进行多区域多级分布控制后的编队效果,从中可知,通过本发明的方法编队后能够有效提升编队的精度,促使无人机可按照设定的路径进行运行,减少碰撞情况的发生。
本发明的基于分布式控制的多区域分级式无人机编队路径规划方法,通过将无人机按照设定的数目分区域划分,并在区域内设定一虚拟引领机以及剩下若干的成员机,由所有区域的虚拟引领机构成引领层,由成员机构成成员机层,通过约束函数控制区域内无人机的编队,并基于图论建立区域内无人机的网络通信拓扑;设定区域间距时变函数采用分布式控制策略实现区域间的编队控制;并且,对区域内和区域间的无人机编队均通过人工势场法将编队问题转化成势场能问题,以实现对区域和整体的无人机编队控制;最后利用碰撞锥碰撞检测条件设计障碍物斥力势场判断系数,来排除无关障碍物势场产生对编队可能产生的不良影响;与现有技术相比,本发明的编队灵活性比较高,且提升了编队的精度和效率。
以上仅为本发明的较佳实施例,但并不限制本发明的专利范围,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式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效替换。凡是利用本发明说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本发明专利保护范围之内。
Claims (5)
1.基于分布式控制的多区域分级式无人机编队路径规划方法,其特征在于,所述方法包括步骤:
S1、建立无人机多区域多级控制编队网络框架:将无人机编队均匀划分为指定数目的区域,在每一所述区域内设定一架虚拟引领机,并将所述区域剩余全部无人机设定为成员机,组合每一所述区域的所述虚拟引领机构成引领层,组合每一所述区域的成员机构成区域成员机层,由所述引领层和所述区域成员机层构建无人机分级控制编队网络;
S2、对每一所述区域进行队形编队:设定一约束函数,基于所述约束函数对每一所述区域内的所有无人机编队形成与所述约束函数对应的队形;
S3、对所有所述区域进行队形编队:设定一区域间距离时变函数,并采用分布式控制策略建立相邻所述区域间的通信机制,实现所述区域的队形编队控制;
S4、利用碰撞锥碰撞检测条件设计障碍物斥力势场判定系数,排除由无关障碍物势场产生的对无人机编队的不利影响,保证无人机在所述控制器的控制进行编队,加快编队路径规划速度。
2.如权利要求1所述的基于分布式控制的多区域分级式无人机编队路径规划方法,其特征在于,在步骤S1中还包括步骤:由每一所述区域中由所述虚拟引领机和成员机基于人工势场法构成球形拓扑结构。
3.如权利要求1所述的基于分布式控制的多区域分级式无人机编队路径规划方法,其特征在于,步骤S2中,所述基于所述约束函数对每一所述区域内的所有无人机编队形成与所述约束函数对应的队形包括:
S21、建立每一所述区域内所有无人机之间的受力模型A;
S22、基于所述受力模型基于人工势场能法建立所述区域内相邻无人机之间的人工势能函数A;
S23、根据所述人工势能函数A计算所述区域内每一无人机的势场能A,基于所述势场能A控制每一所述区域内无人机的编队。
4.如权利要求1所述的基于分布式控制的多区域分级式无人机编队路径规划方法,其特征在于,步骤S3中还包括:基于反步法设定对应所述虚拟引领机的虚拟控制器,由所述虚拟控制器估算得到得到每一所述区域内所述虚拟引领机的速度,将所述速度与对应所述虚拟引领机的实际速度值比较做差得到速度误差,基于所述速度误差建立对应所述虚拟引领机的控制器,基于所述控制器的反馈数据控制所述虚拟引领机的飞行。
5.如权利要求4所述的基于分布式控制的多区域分级式无人机编队路径规划方法,其特征在于,步骤S3中,所述设定一区域间距离时变函数,并采用分布式控制策略建立相邻所述区域间的通信机制,实现所述区域的队形编队控制包括:
S31、建立相邻所述区域相互之间的动力学模型;
S32、基于图论建立相邻所述区域相互之间的网络通信拓扑图;
S33、基于所述网络通信拓扑图建立所述区域相互间的人工势能函数B;
S34、根据所述人工势能函数B计算每一所述区域的势场能B,基于所述势场能B控制所述区域的编队控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811578988.4A CN109508035B (zh) | 2018-12-24 | 2018-12-24 | 基于分布式控制的多区域分级式无人机编队路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811578988.4A CN109508035B (zh) | 2018-12-24 | 2018-12-24 | 基于分布式控制的多区域分级式无人机编队路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109508035A true CN109508035A (zh) | 2019-03-22 |
CN109508035B CN109508035B (zh) | 2021-11-26 |
Family
ID=65755075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811578988.4A Active CN109508035B (zh) | 2018-12-24 | 2018-12-24 | 基于分布式控制的多区域分级式无人机编队路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109508035B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901620A (zh) * | 2019-04-01 | 2019-06-18 | 西安因诺航空科技有限公司 | 一种多架无人机协同系统及编队方法 |
CN110488840A (zh) * | 2019-08-31 | 2019-11-22 | 武汉理工大学 | 一种无人车编队控制方法 |
CN111259546A (zh) * | 2020-01-15 | 2020-06-09 | 中国科学技术大学 | 一种自驱动交通工具圆周编队控制方法、系统及存储介质 |
CN111290429A (zh) * | 2019-12-16 | 2020-06-16 | 南京信息工程大学 | 一种基于一致性算法和人工势场方法的无人机编队及其避障控制方法 |
CN112000131A (zh) * | 2020-09-09 | 2020-11-27 | 中国人民解放军国防科技大学 | 基于人工势场法的无人机集群路径规划方法及系统 |
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 |
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 |
CN113359708A (zh) * | 2021-05-19 | 2021-09-07 | 北京航空航天大学 | 一种基于相对距离测量的受约束智能体编队控制方法 |
CN113625747A (zh) * | 2021-07-23 | 2021-11-09 | 北京航空航天大学 | 一种集群系统编队避障控制方法 |
CN113639750A (zh) * | 2021-07-20 | 2021-11-12 | 中国地质大学(武汉) | 顾及时变需求的高峰时段无人机监视路径规划方法及装置 |
CN114489136A (zh) * | 2022-01-28 | 2022-05-13 | 苏州集源系统科技有限公司 | 一种无人智能体集群编队控制方法 |
CN114518771A (zh) * | 2022-02-23 | 2022-05-20 | 深圳大漠大智控技术有限公司 | 一种多无人机路径规划方法、装置及相关组件 |
CN114712151A (zh) * | 2022-03-01 | 2022-07-08 | 南京伟思医疗科技股份有限公司 | 一种上肢康复机器人的虚拟避障方法及系统 |
CN115358681A (zh) * | 2022-10-19 | 2022-11-18 | 睿羿科技(山东)有限公司 | 一种静态障碍物下室内多任务点路径规划方法 |
CN116540709A (zh) * | 2023-05-11 | 2023-08-04 | 江苏博发机器人智能装备有限公司 | 一种基于机器人编队的避障路径规划方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955218A (zh) * | 2014-04-28 | 2014-07-30 | 上海大学 | 一种基于非线性控制理论的无人艇轨迹跟踪控制装置及方法 |
CN106647810A (zh) * | 2017-01-10 | 2017-05-10 | 山东科技大学 | 一种基于负比例导引的无人机自动避撞方法 |
CN106774380A (zh) * | 2016-11-14 | 2017-05-31 | 中国人民解放军海军航空工程学院 | 一种动态不确定环境下无人飞行器平面自主避障方法 |
CN106774382A (zh) * | 2016-11-30 | 2017-05-31 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种多无人机实时态势信息共享系统 |
CN107491087A (zh) * | 2017-08-14 | 2017-12-19 | 南京理工大学 | 一种基于碰撞锥的无人机编队避障优先级在线配置方法 |
CN108375907A (zh) * | 2018-03-28 | 2018-08-07 | 北京航空航天大学 | 基于神经网络的高超声速飞行器自适应补偿控制方法 |
CN108594846A (zh) * | 2018-03-23 | 2018-09-28 | 哈尔滨工程大学 | 一种障碍环境下多auv编队队形优化控制方法 |
CN108897339A (zh) * | 2018-07-24 | 2018-11-27 | 西北工业大学 | 一种基于速度规划的受约束多智能体编队方法 |
CN108983817A (zh) * | 2018-08-07 | 2018-12-11 | 西北工业大学 | 一种多区域搜索方法及装置 |
-
2018
- 2018-12-24 CN CN201811578988.4A patent/CN109508035B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955218A (zh) * | 2014-04-28 | 2014-07-30 | 上海大学 | 一种基于非线性控制理论的无人艇轨迹跟踪控制装置及方法 |
CN106774380A (zh) * | 2016-11-14 | 2017-05-31 | 中国人民解放军海军航空工程学院 | 一种动态不确定环境下无人飞行器平面自主避障方法 |
CN106774382A (zh) * | 2016-11-30 | 2017-05-31 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种多无人机实时态势信息共享系统 |
CN106647810A (zh) * | 2017-01-10 | 2017-05-10 | 山东科技大学 | 一种基于负比例导引的无人机自动避撞方法 |
CN107491087A (zh) * | 2017-08-14 | 2017-12-19 | 南京理工大学 | 一种基于碰撞锥的无人机编队避障优先级在线配置方法 |
CN108594846A (zh) * | 2018-03-23 | 2018-09-28 | 哈尔滨工程大学 | 一种障碍环境下多auv编队队形优化控制方法 |
CN108375907A (zh) * | 2018-03-28 | 2018-08-07 | 北京航空航天大学 | 基于神经网络的高超声速飞行器自适应补偿控制方法 |
CN108897339A (zh) * | 2018-07-24 | 2018-11-27 | 西北工业大学 | 一种基于速度规划的受约束多智能体编队方法 |
CN108983817A (zh) * | 2018-08-07 | 2018-12-11 | 西北工业大学 | 一种多区域搜索方法及装置 |
Non-Patent Citations (5)
Title |
---|
FANG LIAO等: "Distributed Formation and Reconfiguration Control of VTOL UAVs", 《IEEE TRANSACTIONS ON CONTROL SYSTEMS TECHNOLOGY》 * |
HU ZHIWEI等: "A Hierarchical Architecture for Formation Control of Multi-UAV", 《PROCEDIA ENGINEERING》 * |
ZHEN JIA等: "Formation Shape Control of Multi-UAV with Collision Avoidance", 《YAC》 * |
武赛: "《随机非线性大系统的分散控制研究》", 31 August 2018, 华南理工大学出版社 * |
熊超等: "基于碰撞锥改进人工势场的无人机避障路径规划", 《计算机工程》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901620A (zh) * | 2019-04-01 | 2019-06-18 | 西安因诺航空科技有限公司 | 一种多架无人机协同系统及编队方法 |
CN110488840A (zh) * | 2019-08-31 | 2019-11-22 | 武汉理工大学 | 一种无人车编队控制方法 |
CN111290429A (zh) * | 2019-12-16 | 2020-06-16 | 南京信息工程大学 | 一种基于一致性算法和人工势场方法的无人机编队及其避障控制方法 |
CN111259546B (zh) * | 2020-01-15 | 2022-05-13 | 中国科学技术大学 | 一种自驱动交通工具圆周编队控制方法、系统及存储介质 |
CN111259546A (zh) * | 2020-01-15 | 2020-06-09 | 中国科学技术大学 | 一种自驱动交通工具圆周编队控制方法、系统及存储介质 |
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 |
CN112000131A (zh) * | 2020-09-09 | 2020-11-27 | 中国人民解放军国防科技大学 | 基于人工势场法的无人机集群路径规划方法及系统 |
CN112000131B (zh) * | 2020-09-09 | 2022-08-02 | 中国人民解放军国防科技大学 | 基于人工势场法的无人机集群路径规划方法及系统 |
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 |
CN113359708A (zh) * | 2021-05-19 | 2021-09-07 | 北京航空航天大学 | 一种基于相对距离测量的受约束智能体编队控制方法 |
CN113359708B (zh) * | 2021-05-19 | 2022-06-17 | 北京航空航天大学 | 一种基于相对距离测量的受约束智能体编队控制方法 |
CN113639750A (zh) * | 2021-07-20 | 2021-11-12 | 中国地质大学(武汉) | 顾及时变需求的高峰时段无人机监视路径规划方法及装置 |
CN113639750B (zh) * | 2021-07-20 | 2023-05-26 | 中国地质大学(武汉) | 顾及时变需求的高峰时段无人机监视路径规划方法及装置 |
CN113625747A (zh) * | 2021-07-23 | 2021-11-09 | 北京航空航天大学 | 一种集群系统编队避障控制方法 |
CN113625747B (zh) * | 2021-07-23 | 2023-11-17 | 北京航空航天大学 | 一种集群系统编队避障控制方法 |
CN114489136A (zh) * | 2022-01-28 | 2022-05-13 | 苏州集源系统科技有限公司 | 一种无人智能体集群编队控制方法 |
CN114518771A (zh) * | 2022-02-23 | 2022-05-20 | 深圳大漠大智控技术有限公司 | 一种多无人机路径规划方法、装置及相关组件 |
CN114712151B (zh) * | 2022-03-01 | 2023-09-19 | 南京伟思医疗科技股份有限公司 | 一种上肢康复机器人的虚拟避障方法及系统 |
CN114712151A (zh) * | 2022-03-01 | 2022-07-08 | 南京伟思医疗科技股份有限公司 | 一种上肢康复机器人的虚拟避障方法及系统 |
CN115358681B (zh) * | 2022-10-19 | 2023-03-24 | 睿羿科技(山东)有限公司 | 一种静态障碍物下室内多任务点路径规划方法 |
CN115358681A (zh) * | 2022-10-19 | 2022-11-18 | 睿羿科技(山东)有限公司 | 一种静态障碍物下室内多任务点路径规划方法 |
CN116540709A (zh) * | 2023-05-11 | 2023-08-04 | 江苏博发机器人智能装备有限公司 | 一种基于机器人编队的避障路径规划方法 |
CN116540709B (zh) * | 2023-05-11 | 2023-11-14 | 江苏博发机器人智能装备有限公司 | 一种基于机器人编队的避障路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109508035B (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508035A (zh) | 基于分布式控制的多区域分级式无人机编队路径规划方法 | |
Luo et al. | Surface optimal path planning using an extended Dijkstra algorithm | |
CN110320930B (zh) | 基于Voronoi图的多无人机编队队形可靠变换方法 | |
CN111240319B (zh) | 室外多机器人协同作业系统及其方法 | |
Pehlivanoglu | A new vibrational genetic algorithm enhanced with a Voronoi diagram for path planning of autonomous UAV | |
Ergezer et al. | 3D path planning for multiple UAVs for maximum information collection | |
CN104407619A (zh) | 不确定环境下的多无人机同时到达多个目标方法 | |
CN110471426A (zh) | 基于量子狼群算法的无人驾驶智能车自动避碰方法 | |
Shanmugavel et al. | Collision avoidance and path planning of multiple UAVs using flyable paths in 3D | |
Ni et al. | An improved real-time path planning method based on dragonfly algorithm for heterogeneous multi-robot system | |
Mansouri et al. | Distributed model predictive control for unmanned aerial vehicles | |
Huang et al. | A novel hybrid discrete grey wolf optimizer algorithm for multi-UAV path planning | |
CN114967744A (zh) | 一种多无人机协同避障的规划方法 | |
Maw et al. | iADA*: Improved anytime path planning and replanning algorithm for autonomous vehicle | |
Wang et al. | On optimal path planning for UAV based patrolling in complex 3D topographies | |
Zhang et al. | Hybrid path planning model for multiple robots considering obstacle avoidance | |
CN115454115A (zh) | 基于混合灰狼-粒子群算法的旋翼无人机路径规划方法 | |
Niu et al. | UAV track planning based on evolution algorithm in embedded system | |
Rao et al. | Path planning for dual UAVs cooperative suspension transport based on artificial potential field-A* algorithm | |
CN114489040A (zh) | 基于改进a*算法与人工势场算法的混合路径规划方法 | |
Li et al. | A warm-started trajectory planner for fixed-wing unmanned aerial vehicle formation | |
Niendorf et al. | Multi-query path planning for an unmanned fixed-wing aircraft | |
Ma et al. | Volcanic ash region path planning based on improved A-star algorithm | |
Zhang et al. | Designing a human-computer cooperation decision planning system for aircraft carrier deck scheduling | |
Deng et al. | Multi-robot dynamic formation path planning with improved polyclonal artificial immune algorithm |
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 |