CN109557939A - 一种基于伪分布式无人机集群的快速队形控制方法 - Google Patents
一种基于伪分布式无人机集群的快速队形控制方法 Download PDFInfo
- Publication number
- CN109557939A CN109557939A CN201910011907.0A CN201910011907A CN109557939A CN 109557939 A CN109557939 A CN 109557939A CN 201910011907 A CN201910011907 A CN 201910011907A CN 109557939 A CN109557939 A CN 109557939A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- pseudo
- cluster
- distributed
- formation 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.)
- Pending
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
-
- 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
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
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
本发明公开了一种基于伪分布式无人机集群的快速队形控制方法,涉及无人机控制技术领域,所述方法包括以下步骤:步骤1:地面站获得每架无人机的当前位姿;步骤2:地面站解算每架无人机的目标位姿;步骤3:地面站将目标位姿广播发送到每架无人机;步骤4:每架无人机根据收到目标位姿控制飞行轨迹。本发明以基于伪分布式无人机集群的队形控制策略为核心来实现无人机集群队形控制,能够实时飞行规划并能快速收敛,控制方法简单且具有可操作性。
Description
技术领域
本发明涉及无人机控制技术领域,尤其涉及一种基于伪分布式无人机集群的快速队形控制方法。
背景技术
在无人机集群自主飞行的过程中,合理的飞行规划策略是保障无人机集群飞行性能的关键技术之一。与单架无人机不同,无人机集群飞行规划不仅要求集群整体需要按照一定轨迹运动,一些特定的任务还需要集群内部保存一定的有序性。为了解决这一问题,许多无人机集群的控制方案采用在无人机起飞前一次性上传规划信息的方式。然而,这类方案存在鲁棒性较差的问题。因为在面对存在未知因素的环境时,一是预先规划的轨迹难以处理未知问题,再者即使采用动态规划算法为每架无人机先后实时规划出轨迹的方法也不适合个体数量大的无人机集群。因此,目前学术界多采用集群的队形控制算法来保证无人机集群的有序性要求。
针对不同无人机集群的架构形式,许多不同的队形控制方案被提出。在通信能力强的集群中,集中式的架构形式被广泛运用。然而,无人机集群有机载通信设备通信范围有限和执行任务区域广阔的特点,因此分布式的集群架构相较集中式的架构而言更适合无人机群。在能够运用于分布式架构的队形控制算法当中,队形一致性原理的队形控制算法受到广泛关注。队形一致性原理是目前采用比较多的一种集群队形控制策略。它的主要思想在于将集群的局部队形收敛经过有限时间变换后能够达成整体队形的一致收敛。队形一致性原理的优点在于能够在分布式架构的集群中实现。
然而,仅仅使用队形一致性原理来控制无人机集群存在一些问题。虽然队形一致性原理保证集群队形能在有限时间内收敛,但是当无人机集群包含的个体很多的时候,收敛所用时间会比较长。针对队形控制的收敛成本问题,基于线性规划理论的角色分配算法被广泛加入到集群的队形控制策略当中。然而,以往的角色分配算法着重考虑的是机器人集群在队形控制的过程中的位移成本的优化,这并不是无人机集群最关心的优化目标。这是因为即使一架无人机没有产生位移,它依然需要消耗能量来维持悬停状态。
因此,本领域的技术人员致力于设计一种基于伪分布式无人机集群的快速队形控制方法,以实现无人机集群队形控制,使得该方法不仅能够实时飞行规划,而且能快速收敛。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是提供一种基于伪分布式无人机集群的快速队形控制方法,实现根据目标队形进行实时飞行规划并能快速收敛的伪分布式无人机集群的队形控制策略。
为实现上述目的,本发明提供了一种基于伪分布式无人机集群的快速队形控制方法,所述方法包括以下步骤:
步骤1:地面站获得每架无人机的当前位姿;
步骤2:地面站解算每架无人机的目标位姿;
步骤3:地面站将目标位姿广播发送到每架无人机;
步骤4:每架无人机根据收到目标位姿控制飞行轨迹。
进一步地,所述步骤1包括:
步骤1.1:每架无人机上安装标记球;
步骤1.2:每架无人机上标记球生成点云;
步骤1.3:光学动作捕捉系统采集标记球生成的点云而产生点云数据;
步骤1.4:地面站从光学动作捕捉系统读取点云数据,经就近点迭代搜索算法解算后获得每架无人机的当前位姿。
进一步地,所述地面站根据每架无人机的当前位姿和飞行规划通过位置控制器控制器解算每架无人机的目标位姿。
进一步地,所述地面站用数传电台将目标位姿广播发送到每架无人机。
进一步地,所述无人机每一驾上安装标记球数量为4个、6个或8个。
进一步地,所述地面站从光学动作捕捉系统读取点云数据的频率是80-100Hz。
进一步地,所述数传电台有1-20台。
进一步地,所述步骤4包括:
步骤4.1:无人机通过惯性测量单元获得姿态数据;
步骤4.2:基于所述步骤4.1获得的姿态数据,通过扩展卡尔曼滤波器算法估计无人机自身的当前位姿;
步骤4.3:将步骤4.2获得的所述当前位姿输入姿态控制器,结合所述步骤4获得的目标位姿,姿态控制器输出控制量以控制无人机实现轨迹追踪以达到目标位姿。
进一步地,所述位置控制器中采用角色分配算法计算每架无人机的目标位姿,所述角色分配算法采用如式(1)的最优化目标函数:
xij∈{0,1}(i,j=1,2,...,n)
式(1)中,目标函数使无人机集群当中收敛速度最慢的无人机移动距离最短;其中,矩阵C=(cij)代表编号为i的无人机移动到目标位置j的成本,矩阵X=(xij)代表一种一一对应的组合方案,约束条件为:当将行i分配给列j时,xij等于1;其余情况下xij等于零。
进一步地,所述最优化目标函数采用逐步缩小组合可行域的方法求解,分为以下四步:
步骤10.1:使用匈牙利算法找到位移最优目标函数的角色分配方案的最优解组合;
步骤10.2:在步骤10.1得到的所述最优解组合中,找到最大的成本元素,并记为cm,在成本矩阵中,标记所有大于等于成本元素cm的元素;
步骤10.3:使用步骤10.1匈牙利算法,在没有被标记的成本矩阵当中,找到可行的局部最优解;
步骤10.4:重复步骤10.2和步骤10.3,直到在步骤10.2中所找到的最大值已经被标记了,算法结束并记录上一步的cm;
cm(t),t=1,…,k,表示每一次在步骤10.2中找到的最大成本元素,k代表步骤10.2重复的次数且k不大于n,且每一步可以保证以下式子始终成立:
cm(1)>cm(2)>…>cm(k)。
与现有技术相比,本发明的有益技术效果是:
以基于伪分布式无人机集群的队形控制策略为核心来解决无人机集群队形控制,能够实时飞行规划并能快速收敛,控制方法简单且具有可操作性,能提高运行效率并节省无人机电池能量,具体还体现在如下几点:
1、采用广播通信机制的无人机集群控制架构;
2、无人机群的每个个体拥有独立的分布式快速队形控制器,并且每个无人机可以仅依赖局部的位置信息实现集群系统的队形收敛;
3、集中式的角色分配方案。与其他角色分配方案不同,本发明采用的角色分配目标函数是时间最优的。同时,角色分配方案设置了动态触发条件,从而保证了尽可能小的伪分布式架构通信负担。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的基于伪分布式无人机集群的快速队形控制方法和伪分布式控制构架示意图;
图2是图1所示较佳实施例的无人机标记球布局示意图;
图3是本发明另一个较佳实施例的快速队形控制器示意图。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
在附图中,结构相同的部件以相同数字标号表示,各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的,本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰,附图中有些地方适当夸大了部件的厚度。
实施例一:
如图1所示,本实施例提供了一种基于伪分布式无人机集群的快速队形控制方法,这种方法包括如下步骤:
步骤1:地面站获得每架无人机的当前位姿;
步骤2:地面站解算每架无人机的目标位姿;
步骤3:地面站将目标位姿广播发送到每架无人机;
步骤4:每架无人机根据收到目标位姿控制飞行轨迹。
为采集每一架无人机的典型位置、降低采集量偏差,优选地,标记球1在无人机上对称分布,且数量为4个、6个或者8个。
本实施例中,标记球1的数量为4个,分布如图2所示。
图1所示还体现了采用本发明方法的一个较佳实施例的伪分布式控制构架示意图,伪分布式控制构架中包括地面站控制模块和无人机控制模块。
地面站控制模块工作过程如下:
光学动作捕捉系统(Vicon)采集标记球1生成的点云而产生点云数据,每架无人机上安装的标记球1布局如图1所示,该布局具有重量轻、对称性的特点,适合本发明采用的位姿估计方法。地面站从光学动作捕捉系统处以100Hz读取标记球1点云数据,经就近点迭代搜索算法解算后获得每架无人机的当前位姿,根据飞行规划信息,通过快速队形控制器解算每架无人机的目标位姿,并使用数传电台将这些消息广播发送到每架无人机。
无人机控制模块工作过程如下:
每一架无人机从广播中获取自身的目标位姿,并通过惯性测量单元(IMU)获得姿态数据,通过扩展卡尔曼滤波器算法(EKF)算法估计无人机自身的当前位姿,将当前位姿输入姿态控制器,最后通过姿态控制器输出控制量以控制无人机实现轨迹追踪以达到目标位姿。
本发明设计的广播机制使用多个不同数传电台,优选地,可选用15个数传电台,每个电台都会与一组无人机通信。这样的设计可以有效解决通信带宽有限的问题,增加集群无人机数量上限。
实施例二:
如图3中所示,是本发明另一较佳实施例的快速队形控制器的示意图。快速队形控制器包括地面站的位置控制器和每一架无人机的姿态控制器;其中,位置控制器用于解算出每一架无人机的目标位姿。具体地将,位置控制器基于角色分配算法计算每一架无人机的目标姿态,姿态控制器通过队形一致性算法计算每一架无人机的电机控制量。为进一步优化无人机的队形控制,防止行进过程中无人机发生碰撞,优选地,快速队形控制器还包括了避撞算法。
角色分配算法的设计目标是建立一个无人机集群的每一个个体到目标队形每一个位置的一一对应关系,使得理想状况下的队形收敛的时间最优。根据无人机集群个体的位置和目标队形中各目标点的位置,可以求出每个无人机选择不同目标位置的成本。根据成本矩阵,选择一个分配方案使得该方案中的最大成本在所有可选方案中最小。这样可以保证所有无人机的队形变换成本有最小的上界,从而实现理想状态下收敛时间最优。由此构建出最优化目标函数,对应表达式如式(1):
其约束条件为:
xij∈{0,1}(i,j=1,2,...,n)
其中,矩阵C=(cij)代表编号为i的无人机移动到目标位置j的成本,矩阵X=(xij)代表一种一一对应的组合方案,约束条件为:当将行i分配给列j时,xij等于1;其余情况下xij等于零。
解决这个形式的最优化目标函数,就可以使集群当中收敛速度最慢的无人机移动距离最短。从而满足该问题的最优解能够保证集群队形的收敛时间最短。为了求解这一个最优化目标函数,本发明提出了一种逐步缩小组合可行域的方法,所述逐步缩小组合可行域的包括以下四步:
步骤10.1:使用匈牙利算法找到位移最优目标函数的角色分配方案的最优解组合;
步骤10.2:在步骤10.1得到的所述最优解组合中,找到最大的成本元素,并记为cm,在成本矩阵中,标记所有大于等于成本元素cm的元素;
步骤10.3:使用步骤10.1匈牙利算法,在没有被标记的成本矩阵当中,找到可行的局部最优解;
步骤10.4:重复步骤10.2和步骤10.3,直到在步骤10.2中所找到的最大值已经被标记了,算法结束并记录上一步的cm;
cm(t),t=1,…,k,表示每一次在步骤10.2中找到的最大成本元素,k代表步骤10.2重复的次数且k不大于n,且每一步可以保证以下式子始终成立:
cm(1)>cm(2)>…>cm(k)。
由于没有一种组合方式的最大成本元素的值能小于cm(k),因此认为时间最优的组合集合有如式(2)特征:
其中,cm(k)指的是第k次步骤10.2得到的成本矩阵中的元素,(p,q)分别代表该元素的行列序数,cpq指的是成本矩阵中该行数和列数对应的元素,arg函数代表cm(k)在原始成本矩阵中所对应的行列序号。公式(2)的目的是得到优化函数的最优解。由于cm(k)是所有可行解中最大元素集的最小元素,因此,第k次步骤10.2得到的组合就是该优化问题的最优解。
根据角色分配算法得到的对应关系,采用队形一致性算法来进行队形控制,如公式(3):
u(t)=-L(pi(t)-Pφ(i)(t)) (3)
其中,u是无人机姿态控制器输出500Hz的电机转速控制量,L是集群的拉普拉斯矩阵,pi是第i个无人机的位置,P是目标位姿。φ(i)是第i个无人机的目标,由角色分配方案给出;使用改进后的队形一致性算法允许无人机集群在队形变换的过程中,以收敛时间最优的对应次序来动态收敛到目标队形。
本实施例中,数传电台采用2.4GHz频段传输数据,具有场强、温度、电压等指示,还具有误码统计、状态警告、网络管理功能。具体地,无人机的姿态控制是通过姿态控制器控制无人机上的伺服电机实现的。估计无人机自身的当前位姿时,在采用的扩展卡尔曼滤波器算法中,使用在线线性化技术,即安装估计轨道进行线性化处理,优选地使用泰勒级数展开,然后再进行线性的卡尔曼滤波。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种基于伪分布式无人机集群的快速队形控制方法,其特征在于,所述方法包括以下步骤:
步骤1:地面站获得每架无人机的当前位姿;
步骤2:地面站解算每架无人机的目标位姿;
步骤3:地面站将目标位姿广播发送到每架无人机;
步骤4:每架无人机根据收到目标位姿控制飞行轨迹。
2.如权利要求1所述的基于伪分布式无人机集群的快速队形控制方法,其特征在于,所述步骤1包括:
步骤1.1:每架无人机上安装标记球;
步骤1.2:每架无人机上标记球生成点云;
步骤1.3:光学动作捕捉系统采集标记球生成的点云而产生点云数据;
步骤1.4:地面站从光学动作捕捉系统读取点云数据,经就近点迭代搜索算法解算后获得每架无人机的当前位姿。
3.如权利要求1所述的基于伪分布式无人机集群的快速队形控制方法,其特征在于,所述地面站根据每架无人机的当前位姿和飞行规划,通过位置控制器解算每架无人机的目标位姿。
4.如权利要求1所述的基于伪分布式无人机集群的快速队形控制方法,其特征在于,所述地面站用数传电台将目标位姿广播发送到每架无人机。
5.如权利要求2所述的基于伪分布式无人机集群的快速队形控制方法,其特征在于,所述无人机每一驾上安装标记球数量为4个、6个或8个。
6.如权利要求2所述的基于伪分布式无人机集群的快速队形控制方法,其特征在于,所述地面站从光学动作捕捉系统读取点云数据的频率是80-100Hz。
7.如权利要求4所述的基于伪分布式无人机集群的快速队形控制方法,其特征在于,所述数传电台有1-20台。
8.如权利要求1所述的基于伪分布式无人机集群的快速队形控制方法,其特征在于,所述步骤4包括:
步骤4.1:无人机通过惯性测量单元获得姿态数据;
步骤4.2:基于所述步骤4.1获得的姿态数据,通过扩展卡尔曼滤波器算法估计无人机自身的当前位姿;
步骤4.3:将步骤4.2获得的所述当前位姿输入姿态控制器,结合所述步骤4获得的目标位姿,姿态控制器输出控制量以控制无人机实现轨迹追踪以达到目标位姿。
9.如权利要求3所述的基于伪分布式无人机集群的快速队形控制方法,其特征在于,所述位置控制器中采用角色分配算法计算每架无人机的目标位姿,所述角色分配算法采用如式(1)的最优化目标函数:
xij∈{0,1}(i,j=1,2,...,n)
式(1)中,目标函数使无人机集群当中收敛速度最慢的无人机移动距离最短;其中,矩阵C=(cij)代表编号为i的无人机移动到目标位置j的成本,矩阵X=(xij)代表一种一一对应的组合方案,约束条件为:当将行i分配给列j时,xij等于1;其余情况下xij等于零。
10.如权利要求9所述的基于伪分布式无人机集群的快速队形控制方法,其特征在于,所述最优化目标函数采用逐步缩小组合可行域的方法求解,分为以下四步:
步骤10.1:使用匈牙利算法找到位移最优目标函数的角色分配方案的最优解组合;
步骤10.2:在步骤10.1得到的所述最优解组合中,找到最大的成本元素,并记为cm,在成本矩阵中,标记所有大于等于成本元素cm的元素;
步骤10.3:使用步骤10.1匈牙利算法,在没有被标记的成本矩阵当中,找到可行的局部最优解;
步骤10.4:重复步骤10.2和步骤10.3,直到在步骤10.2中所找到的最大值已经被标记了,算法结束并记录上一步的cm;
cm(t),t=1,…,k,表示每一次在步骤10.2中找到的最大成本元素,k代表步骤10.2重复的次数且k不大于n,且每一步可以保证以下式子始终成立:
cm(1)>cm(2)>…>cm(k)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910011907.0A CN109557939A (zh) | 2019-01-07 | 2019-01-07 | 一种基于伪分布式无人机集群的快速队形控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910011907.0A CN109557939A (zh) | 2019-01-07 | 2019-01-07 | 一种基于伪分布式无人机集群的快速队形控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109557939A true CN109557939A (zh) | 2019-04-02 |
Family
ID=65872512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910011907.0A Pending CN109557939A (zh) | 2019-01-07 | 2019-01-07 | 一种基于伪分布式无人机集群的快速队形控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109557939A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162098A (zh) * | 2019-07-03 | 2019-08-23 | 安徽理工大学 | 一种矿用无人机 |
CN110316376A (zh) * | 2019-07-03 | 2019-10-11 | 安徽理工大学 | 一种用于探测矿井火灾的无人机 |
CN110780308A (zh) * | 2019-10-28 | 2020-02-11 | 西南科技大学 | 浑浊水体环境下三维点云数据采集系统及方法 |
CN110865653A (zh) * | 2019-12-02 | 2020-03-06 | 西北工业大学 | 一种分布式集群无人机队形变换方法 |
CN111207741A (zh) * | 2020-01-16 | 2020-05-29 | 西安因诺航空科技有限公司 | 一种基于室内视觉vicon系统的无人机导航定位方法 |
CN111474953A (zh) * | 2020-03-30 | 2020-07-31 | 清华大学 | 多动态视角协同的空中目标识别方法及系统 |
CN112001309A (zh) * | 2020-08-21 | 2020-11-27 | 上海特金无线技术有限公司 | 基于无人机集群的目标搜索方法、装置、设备及存储介质 |
CN112817323A (zh) * | 2020-08-13 | 2021-05-18 | 上海交通大学 | 面向陆基巡航过程的动态飞行模式控制方法 |
CN113485426A (zh) * | 2021-07-23 | 2021-10-08 | 中国科学院地理科学与资源研究所 | 一种无人机集群重构方法、系统、存储介质和电子设备 |
CN113759978A (zh) * | 2021-09-22 | 2021-12-07 | 一飞智控(天津)科技有限公司 | 无人机编队指派及直线路径规划方法、系统、终端及介质 |
CN114637305A (zh) * | 2022-02-15 | 2022-06-17 | 山东省计算中心(国家超级计算济南中心) | 一种无人机最短路径规划方法及装置 |
CN116088585A (zh) * | 2023-04-07 | 2023-05-09 | 中国民用航空飞行学院 | 基于匈牙利算法的多无人机起降次序规划系统和方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820431A (zh) * | 2015-05-08 | 2015-08-05 | 西北工业大学 | 多无人机集群对地观测系统及其编队控制方法 |
CN107450577A (zh) * | 2017-07-25 | 2017-12-08 | 天津大学 | 基于多传感器的无人机智能感知系统和方法 |
CN108733074A (zh) * | 2018-05-23 | 2018-11-02 | 南京航空航天大学 | 一种基于匈牙利算法的多无人机编队航迹规划方法 |
-
2019
- 2019-01-07 CN CN201910011907.0A patent/CN109557939A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820431A (zh) * | 2015-05-08 | 2015-08-05 | 西北工业大学 | 多无人机集群对地观测系统及其编队控制方法 |
CN107450577A (zh) * | 2017-07-25 | 2017-12-08 | 天津大学 | 基于多传感器的无人机智能感知系统和方法 |
CN108733074A (zh) * | 2018-05-23 | 2018-11-02 | 南京航空航天大学 | 一种基于匈牙利算法的多无人机编队航迹规划方法 |
Non-Patent Citations (2)
Title |
---|
ZHENGGUANG MA 等: "Distributed formation control for a multi-agent system with dynamic role assignment", 《2015 34TH CHINESE CONTROL CONFERENCE (CCC)》 * |
谷稳: "基于进化匈牙利算法的目标分配问题研究及应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110316376A (zh) * | 2019-07-03 | 2019-10-11 | 安徽理工大学 | 一种用于探测矿井火灾的无人机 |
CN110162098A (zh) * | 2019-07-03 | 2019-08-23 | 安徽理工大学 | 一种矿用无人机 |
CN110780308A (zh) * | 2019-10-28 | 2020-02-11 | 西南科技大学 | 浑浊水体环境下三维点云数据采集系统及方法 |
CN110780308B (zh) * | 2019-10-28 | 2020-11-24 | 西南科技大学 | 浑浊水体环境下三维点云数据采集系统及方法 |
CN110865653A (zh) * | 2019-12-02 | 2020-03-06 | 西北工业大学 | 一种分布式集群无人机队形变换方法 |
CN110865653B (zh) * | 2019-12-02 | 2022-09-13 | 西北工业大学 | 一种分布式集群无人机队形变换方法 |
CN111207741A (zh) * | 2020-01-16 | 2020-05-29 | 西安因诺航空科技有限公司 | 一种基于室内视觉vicon系统的无人机导航定位方法 |
CN111474953B (zh) * | 2020-03-30 | 2021-09-17 | 清华大学 | 多动态视角协同的空中目标识别方法及系统 |
CN111474953A (zh) * | 2020-03-30 | 2020-07-31 | 清华大学 | 多动态视角协同的空中目标识别方法及系统 |
CN112817323A (zh) * | 2020-08-13 | 2021-05-18 | 上海交通大学 | 面向陆基巡航过程的动态飞行模式控制方法 |
CN112001309A (zh) * | 2020-08-21 | 2020-11-27 | 上海特金无线技术有限公司 | 基于无人机集群的目标搜索方法、装置、设备及存储介质 |
CN113485426A (zh) * | 2021-07-23 | 2021-10-08 | 中国科学院地理科学与资源研究所 | 一种无人机集群重构方法、系统、存储介质和电子设备 |
CN113759978A (zh) * | 2021-09-22 | 2021-12-07 | 一飞智控(天津)科技有限公司 | 无人机编队指派及直线路径规划方法、系统、终端及介质 |
CN114637305A (zh) * | 2022-02-15 | 2022-06-17 | 山东省计算中心(国家超级计算济南中心) | 一种无人机最短路径规划方法及装置 |
CN114637305B (zh) * | 2022-02-15 | 2023-08-15 | 山东省计算中心(国家超级计算济南中心) | 一种无人机最短路径规划方法及装置 |
CN116088585A (zh) * | 2023-04-07 | 2023-05-09 | 中国民用航空飞行学院 | 基于匈牙利算法的多无人机起降次序规划系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109557939A (zh) | 一种基于伪分布式无人机集群的快速队形控制方法 | |
CN111352417B (zh) | 异构多无人机协同路径的快速生成方法 | |
CN110308740B (zh) | 一种面向移动目标追踪的无人机群动态任务分配方法 | |
CN110286694B (zh) | 一种多领导者的无人机编队协同控制方法 | |
CN111609864B (zh) | 路网约束下多警员协作围捕任务分配及路径规划方法 | |
CN111024080B (zh) | 一种无人机群对多移动时敏目标侦察路径规划方法 | |
CN105841702A (zh) | 一种基于粒子群优化算法的多无人机航路规划方法 | |
CN107314772A (zh) | 一种无人机自学习航点轨迹飞行方法及其系统 | |
Huo et al. | Pigeon-inspired circular formation control for multi-UAV system with limited target information | |
Ma et al. | Improved ant colony algorithm for global optimal trajectory planning of UAV under complex environment. | |
CN104407619A (zh) | 不确定环境下的多无人机同时到达多个目标方法 | |
CN112527010B (zh) | 基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法 | |
CN108846522A (zh) | 无人机系统联合充电站部署及路由选择方法 | |
CN108897222A (zh) | 多无人机策略攻击下输出反馈安全协同控制器及控制方法 | |
CN113268087A (zh) | 多约束复杂环境下基于改进蚁群算法的多无人机协同工作的航迹规划方法 | |
Yan et al. | Single-input single-output system with multiple time delay PID control methods for UAV cluster multiagent systems | |
CN115185303A (zh) | 用于国家公园及自然保护地的无人机巡护路径规划方法 | |
Hu et al. | Multi-UAV coverage path planning: a distributed online cooperation method | |
Yu et al. | 3D deployment of Multi-UAV for energy-saving: A game-based learning approach | |
Chen et al. | Cooperative networking strategy of UAV cluster for large-scale WSNs | |
Yang et al. | A survey of key issues in UAV data collection in the Internet of Things | |
CN114442664A (zh) | 一种计及空域冲突的输电线路无人机编队协同巡检任务分配方法 | |
CN111024081B (zh) | 一种无人机群对单移动时敏目标侦察路径规划方法 | |
CN115574826B (zh) | 基于强化学习的国家公园无人机巡护路径优化方法 | |
CN110662272A (zh) | 一种基于蜂群无人机的最少数量领航者选取方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190402 |
|
RJ01 | Rejection of invention patent application after publication |