CN109782798B - 一种基于Boid模型的无人机群编队方法 - Google Patents
一种基于Boid模型的无人机群编队方法 Download PDFInfo
- Publication number
- CN109782798B CN109782798B CN201910059213.4A CN201910059213A CN109782798B CN 109782798 B CN109782798 B CN 109782798B CN 201910059213 A CN201910059213 A CN 201910059213A CN 109782798 B CN109782798 B CN 109782798B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- area
- conflict
- vehicles
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于Boid模型的无人机群编队方法,属于无人机技术领域。将无人机群中的每个四旋翼无人机分别组装配置,通过信息获取模块感知探测半径范围内的其它无人机的状态信息。划分无人机I探测半径范围内的空间区域,并判断探测半径范围内的其它无人机处于哪个区域。无人机I未与其它无人机发生冲突,当冲突区域内没有其它无人机后,无人机I根据一致区域和吸引区域里的无人机状态来调整下一个时间步的飞行速度和方向。利用每个无人机当前时间步的飞行速度和方向计算机群的同步性Va,当Va小于阈值,则完成自主集群调控。本发明保证了无人机群在编队状态下控制的连续和稳定,确保飞行安全,降低飞行成本,提高空中交通系统的运行效率。
Description
技术领域
本发明属于无人机技术领域,涉及一种集群编队方法,具体是指一种基于Boid模型的无人机群编队方法。
背景技术
无人机英文缩写为“UAV”,是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机,或者由车载计算机完全地或间歇地自主操作。与有人驾驶飞机相比,无人机具有高机动、低成本和“无人员伤亡”等一系列特点,在某些危险环境下相比于有人机可以体现出更大的优势。目前无人机在航拍、农业、植保、快递运输、灾难救援、观察野生动物、测绘、新闻报道、电力巡检以及影视拍摄等领域均有应用,并且在其中发挥了重大的作用。
无人机编队飞行,就是将多架无人机按照一定的队形进行排列,且实现队形的动态调整、信息互换以及飞行控制等功能。无人机编队飞行有很多好处。多架无人机编队飞行,协同侦查和作战的模式,可以在一定程度上提高单机单次作战任务的成功概率。在军事侦查、目标打击、通信中继、电子对抗、战场评估和骚扰诱惑等方面,无人机编队飞行可以提高单次完成任务的效率。无人机编队控制由于问题复杂,历来是无人机控制研究中的难点。对于一般的控制方法,需要事先调整数量巨大的控制参数,并且在控制过程中频繁地切换参数,控制器设计任务十分繁重。
在自然界中,大量集结成群进行移动或者觅食的例子并不少见,这种现象在食草动物、鸟、鱼和昆虫中都存在。这些动物群在运动过程中具有很明显的特征:群体中的个体聚集性很强,运动方向、速度具有一致性。通过数学模型来模拟动物群的集群运动行为以及探索动物群中的信息传递机制一直是仿生学领域的一项重要内容。
发明内容
本发明针对空中交通高密度、高复杂度的状况,提供了一种仿照动物集群行为的无人机群编队控制方法,设计简单并且控制精度较高,也可移植于其它复杂的编队控制设计问题。具体是一种基于Boid模型的无人机群编队方法。
具体的,所述的基于Boid模型的无人机群编队方法,包括如下步骤:
步骤一、将无人机群中的每个四旋翼无人机分别组装配置,并调试飞行。
四旋翼无人机包括机身,动力装置,信息获取模块,冲突探测模块,冲突解脱模块以及速度更新模块。
信息获取模块用于感知探测无人机自身半径范围内的其它无人机的状态信息;冲突探测模块用于判定自身与其它无人机是否发生冲突;冲突解脱模块是当本无人机与其它无人机发生冲突时进行冲突解脱;速度更新模块用来调整自身在下一个时间步的飞行策略。
步骤二、针对机群中每个无人机,通过信息获取模块感知探测半径范围内的其它无人机的状态信息;
状态信息包括位置信息、速度信息以及飞行角度信息等。
步骤三、针对无人机I,将该无人机探测半径范围内的空间区域进行划分,并判断探测半径范围内的其它无人机处于哪个区域。
该无人机I按照离自身的距离远近分为吸引区域、一致区域和冲突区域;
首先计算无人机I与探测半径范围内的其它无人机的距离d,如果距离0<d<RC,则其它无人机处于无人机I的冲突区域范围内;如果距离RC<d<RA,则其它无人机处于无人机I的一致区域范围内;如果距离RA<d<RD,则其它无人机处于无人机I的吸引区域范围内。
RD为无人机I的探测半径;RC为无人机的冲突半径;RA为无人机的一致半径;
步骤四、冲突探测模块判断该无人机I是否与其它无人机发生冲突;如果是,则调整该无人机I的速度方向使其与其它无人机保持最小距离;否则,进入步骤五;
具体步骤为:
步骤401、设定以无人机I为圆心,半径为RC组成的圆形区域为冲突区域;
步骤402、统计冲突区域内与无人机I产生冲突的其他无人机的个数为nC;
步骤403、冲突解脱模块将无人机I的预期飞行方向按照远离冲突区域内所有其它无人机的方向飞行,进行冲突解脱;
无人机I为无人机群中个体为i的无人机;
调整预期飞行速度和方向的公式如下:
步骤404、通过速度更新模块对无人机I的速度更新,直至无人机I与其它无人机达到最小距离,从而进行冲突解脱。
当无人机I进行冲突解脱后,nC=0。
步骤五、当该无人机I的冲突区域内没有其它无人机后,则无人机I根据一致区域和吸引区域里面的无人机状态来调整自身下一个时间步的飞行速度和方向。
无人机I的不同状态,得到下一个时间步的飞行速度和方向不同,具有公式如下:
步骤六、利用无人机群中每个无人机当前时间步的飞行速度和方向计算机群的同步性Va,并判断同步性Va是否小于阈值;如果是,则完成自主集群调控,否则,重复步骤二。
同步性通过Va来表示:
本发明的优点在于:
1)、一种基于Boid模型的无人机群编队方法,充分利用了动物集群机制在编队控制设计中的简洁性、普适性,实现了无人机群在复杂环境下的自主编队飞行,保证了无人机群在编队状态下控制的连续和稳定。
2)、一种基于Boid模型的无人机群编队方法,围绕着无人机群的编队控制,从确保无人机群在空中飞行的安全性和高效性两个方面出发,开展了无人机群编队研究。
3)、一种基于Boid模型的无人机群编队方法,对于增加空域容量,确保飞行安全,降低飞行成本,提高空中交通系统的运行效率具有重要的意义。
附图说明
图1为本发明基于Boid模型的无人机群编队方法流程图;
图2为本发明探测范围划分为吸引区域、一致区域和冲突区域的示意图;
图3为本发明局部无人机初始时刻的位置、速度方向示意图;
图4为本发明无人机处于冲突区域速度变化示意图
图5为本发明无人机处于一致区域速度变化示意图
图6为本发明无人机处于吸引区域速度变化示意图
图7为本发明基于Boid模型的无人机群编队方法效果图。
具体实施方案
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明提供一种基于Boid模型的无人机群编队方法,无人机通过信息获取模块得到探测范围内其它无人机的飞行数据,进而基于Boid模型来调整该无人机在下一个时间步内的飞行策略,从而实现集群编队的效果。
Boid模型的简单规则是:无人机计算与探测范围内其它无人机的距离,如果与其它无人机距离较远,则倾向于聚集,即尽量与其它无人机靠的近一些,以避免被孤立;如果与其它无人机距离很近,则倾向于排斥,即防止与其它无人机发生冲突;如果与其它无人机距离适中,则倾向于速度匹配,即努力与其它无人机的速度保持一致。无人机群通过Boid模型最终实现整体的集群编队。
本发明能够处理空域内大量无人机的集群编队问题,算法复杂度低,计算精度高。
所述的基于Boid模型的无人机群编队方法,如图1所示,包括如下步骤:
步骤一、将无人机群中的每个四旋翼无人机分别组装配置,并检验各飞行参数调试飞行。
四旋翼无人机包括机身,动力装置,信息获取模块,冲突探测模块,冲突解脱模块以及速度更新模块。
信息获取模块用于感知探测无人机自身半径范围内的其它无人机的状态信息;冲突探测模块用于判定自身与其它无人机是否发生冲突;冲突解脱模块是当本无人机与其它无人机发生冲突时进行冲突解脱;速度更新模块用来调整自身在下一个时间步的飞行策略。
步骤二、针对机群中每个无人机,通过信息获取模块感知探测半径范围RD内的其它无人机的状态信息;
状态信息包括位置信息、速度信息以及飞行角度信息等。
步骤三、针对无人机I,将该无人机探测半径范围内的空间区域进行划分,并判断探测半径范围内的其它无人机处于哪个区域。
该无人机I按照离自身的距离远近分为吸引区域、一致区域和冲突区域,如图2所示;
首先计算无人机I与探测半径范围内的其它无人机的距离d,如果距离0<d<RC,则其它无人机处于无人机I的冲突区域范围内;如果距离RC<d<RA,则其它无人机处于无人机I的一致区域范围内;如果距离RA<d<RD,则其它无人机处于无人机I的吸引区域范围内。
RD为无人机I的探测半径;RC为无人机的冲突半径;RA为无人机的一致半径;
步骤四、冲突探测模块判断该无人机I是否与其它无人机发生冲突;如果是,则调整该无人机I的速度方向使其与其它无人机保持最小距离;否则,进入步骤五;
假设平面空域内无人机的架数为N架,无人机个体i的位置矢量是ci,速度矢量是每个个体在三维空间中的速度大小都为v。为无人机个体i在t+1时刻的预期运动方向。在初始时刻t=0,N架无人机随机地散布在特定的区域内,如图3所示。无人机个体i首先考虑与冲突区域(以该无人机为圆心,半径为RC组成的圆形区域)中的其它无人机保持最小距离,并通过冲突探测模块计算产生冲突的无人机的个数为nC,此时冲突解脱模块发挥作用。
具体步骤为:
步骤401、设定以无人机I为圆心,半径为RC组成的圆形区域为冲突区域;
步骤402、统计冲突区域内与无人机I产生冲突的其他无人机的个数为nC;
步骤403、冲突解脱模块将无人机I的预期飞行方向按照远离冲突区域内所有其它无人机的方向飞行,进行冲突解脱;
无人机I为无人机群中个体为i的无人机;
无人机i的预期飞行方向按如下公式进行调整:
即无人机个体i向着远离冲突区域内所有其它无人机的方向飞行,如图4所示。
步骤404、通过速度更新模块对无人机I的速度更新,直至无人机I与其它无人机达到最小距离,从而进行冲突解脱。
当无人机I进行冲突解脱后,nC=0。
步骤五、当该无人机I的冲突区域内没有其它无人机后,则无人机I根据一致区域和吸引区域里面的其它无人机状态来调整自身下一个时间步的飞行速度和方向。
如果nD=0,则
如图5所示。同样地,如果nA=0,则
如图6所示。如果两者都不为0,则定义
综合起来,无人机在下一个时间步的位置计算公式为:
无人机I的不同状态,得到下一个时间步的飞行速度和方向不同,具有公式如下:
步骤六、利用无人机群中每个无人机当前时间步的飞行速度和方向计算机群的同步性,并判断同步性是否小于阈值;如果是,则完成自主集群调控,否则,重复步骤二。
地面观测模块检测所有无人机的当前位置、飞行速度、航向角度。
同步性计算公式如下:
本发明在复杂的空域环境下,每个无人机可以获取以自己为中心的探测半径范围内的其他无人机的状态信息,并根据自己与其它无人机的距离来决定自身下一个时间步的飞行方向和速度大小,从而实现无人机群的自主编队。无人机在确定下一个时间步的飞行状态时还需考虑是否存在冲突,当无人机检测出与任意一个其它的无人机之间的距离小于或者等于无人机的冲突阈值时,则该无人机进入冲突状态。当无人机进入冲突状态后,选择远离其它无人机的方向飞行。最终目标是使得所有的无人机可以按照统一的速度方向进行飞行,从而实现编队的效果;本发明无人机在飞行过程中保持队形,减小能源消耗,提高飞行效率,并且为无人机的后续操作提供便利,具有积极的意义。
Claims (3)
1.一种基于Boid模型的无人机群编队方法,其特征在于,包括如下步骤:
步骤一、将无人机群中的每个四旋翼无人机分别组装配置,并调试飞行;
四旋翼无人机包括机身,动力装置,信息获取模块,冲突探测模块,冲突解脱模块以及速度更新模块;
信息获取模块用于感知探测无人机探测半径范围内的其它无人机的状态信息;冲突探测模块用于判定自身与其它无人机是否发生冲突;冲突解脱模块是当本无人机与其它无人机发生冲突时进行冲突解脱;速度更新模块用来调整自身在下一个时间步的飞行策略;
步骤二、针对机群中每个无人机,通过信息获取模块感知探测半径范围内的其它无人机的状态信息;
步骤三、针对无人机I,将该无人机探测半径范围内的空间区域进行划分,并判断探测半径范围内的其它无人机处于哪个区域;
该无人机I按照离自身的距离远近分为吸引区域、一致区域和冲突区域;
首先计算无人机I与探测半径范围内的其它无人机的距离d,如果距离0<d<RC,则其它无人机处于无人机I的冲突区域范围内;如果距离RC<d<RA,则其它无人机处于无人机I的一致区域范围内;如果距离RA<d<RD,则其它无人机处于无人机I的吸引区域范围内;
RD为无人机I的探测半径;RC为无人机的冲突半径;RA为无人机的一致半径;
步骤四、冲突探测模块判断该无人机I是否与其它无人机发生冲突;如果是,则调整该无人机I的速度方向使其与其它无人机保持最小距离;否则,进入步骤五;
步骤五、当该无人机I的冲突区域内没有其它无人机后,则无人机I根据一致区域和吸引区域里面的无人机状态来调整自身下一个时间步的飞行速度和方向;
无人机I的不同状态,得到下一个时间步的飞行速度和方向不同,具有公式如下:
为无人机个体i的速度矢量;nA为无人机I的一致区域中无人机的个体数,nD为无人机I的吸引区域中无人机的个体数; 为无人机个体i的位置矢量;N为无人机群中的无人机的个体数;冲突区域内与无人机I产生冲突的其他无人机的个数为nC;
步骤六、利用无人机群中每个无人机当前时间步的飞行速度和方向计算机群的同步性Va,并判断同步性Va是否小于阈值;如果是,则完成自主集群调控,否则,重复步骤二;
同步性通过Va来表示:
2.如权利要求1所述的一种基于Boid模型的无人机群编队方法,其特征在于,步骤二中所述的状态信息包括位置信息、速度信息以及飞行角度信息。
3.如权利要求1所述的一种基于Boid模型的无人机群编队方法,其特征在于,所述的步骤四,具体步骤为:
步骤401、设定以无人机I为圆心,半径为RC组成的圆形区域为冲突区域;
步骤402、统计冲突区域内与无人机I产生冲突的其他无人机的个数为nC;
步骤403、冲突解脱模块将无人机I的预期飞行方向按照远离冲突区域内所有其它无人机的方向飞行,进行冲突解脱;
无人机I为无人机群中个体为i的无人机;
调整预期飞行速度和方向的公式如下:
步骤404、通过速度更新模块对无人机I的速度更新,直至无人机I与其它无人机达到最小距离,从而进行冲突解脱;
当无人机I进行冲突解脱后,nC=0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910059213.4A CN109782798B (zh) | 2019-01-22 | 2019-01-22 | 一种基于Boid模型的无人机群编队方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910059213.4A CN109782798B (zh) | 2019-01-22 | 2019-01-22 | 一种基于Boid模型的无人机群编队方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109782798A CN109782798A (zh) | 2019-05-21 |
CN109782798B true CN109782798B (zh) | 2020-03-27 |
Family
ID=66502052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910059213.4A Active CN109782798B (zh) | 2019-01-22 | 2019-01-22 | 一种基于Boid模型的无人机群编队方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109782798B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111258332B (zh) * | 2020-05-07 | 2020-08-07 | 北京航空航天大学 | 一种无人机群编队方法 |
CN113495574B (zh) * | 2021-08-18 | 2023-05-23 | 北京邮电大学 | 一种无人机群飞行的控制方法、装置 |
CN113868780B (zh) * | 2021-12-06 | 2022-02-08 | 北京航空航天大学 | 一种无人机密集编队安全包络构建方法 |
CN117724530B (zh) * | 2023-12-14 | 2024-07-12 | 成都信息工程大学 | 一种目标无人机空中冲突解脱方法、介质和电子设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103913172B (zh) * | 2013-12-06 | 2016-09-21 | 北京航空航天大学 | 一种适用于复杂低空下飞行器的路径规划方法 |
CN103631141B (zh) * | 2013-12-11 | 2016-08-17 | 北京航空航天大学 | 一种基于透光性假说的飞行器密集自主编队控制方法 |
JP6390022B2 (ja) * | 2014-08-08 | 2018-09-19 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドSz Dji Technology Co.,Ltd | エネルギー提供ステーション |
CN104408975B (zh) * | 2014-10-28 | 2017-05-24 | 北京航空航天大学 | 飞行器冲突解脱方法及装置 |
CN105843255B (zh) * | 2016-05-12 | 2019-03-05 | 深圳市艾博航空模型技术有限公司 | 无人机集群自主飞行的防撞装置及防撞方法 |
CN108082473B (zh) * | 2017-12-14 | 2023-05-12 | 山东大学 | 一种可实现协同运动的扑翼结构及飞行器 |
CN108829136B (zh) * | 2018-08-29 | 2019-06-25 | 北京航空航天大学 | 无人机群大范围协同监测方法 |
-
2019
- 2019-01-22 CN CN201910059213.4A patent/CN109782798B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109782798A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109782798B (zh) | 一种基于Boid模型的无人机群编队方法 | |
Yang et al. | Maneuver decision of UAV in short-range air combat based on deep reinforcement learning | |
CN112880688B (zh) | 基于混沌自适应麻雀搜索算法的无人机三维航迹规划方法 | |
CN110608743B (zh) | 基于多种群混沌灰狼算法的多无人机协同航路规划方法 | |
CN110825113B (zh) | 一种适用于四旋翼无人机集群飞行的队形保持方法 | |
Tijmons et al. | Obstacle avoidance strategy using onboard stereo vision on a flapping wing MAV | |
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 | |
Mirzaeinia et al. | Energy conservation of V-shaped swarming fixed-wing drones through position reconfiguration | |
CN112130581A (zh) | 一种面向空中机动作战的无人机集群协同任务规划方法 | |
CN105549617B (zh) | 一种仿鸟群行为和虚拟结构的无人机编队控制方法 | |
CN109669475A (zh) | 基于人工蜂群算法的多无人机三维编队重构方法 | |
CN103713641A (zh) | 一种飞行器密集自主编队的队形拆分方法 | |
Zhang et al. | Review of modeling and control in UAV autonomous maneuvering flight | |
Sonkar et al. | Low-cost smart surveillance and reconnaissance using VTOL fixed wing UAV | |
Kellogg et al. | The NLR MITE Air Vehicle | |
EP3430487B1 (en) | Systems, methods, and apparatus for airflow sensing and close formation flight | |
CN111258332B (zh) | 一种无人机群编队方法 | |
CN112925340A (zh) | 无人机群飞行姿态修正平台及方法 | |
Kucherov et al. | Model of UAV as agent of multiagent system | |
Ettinger | Design and implementation of autonomous vision-guided micro air vehicles | |
CN112925345B (zh) | 一种仿狼群狩猎行为的无人作战飞机集群合围控制方法 | |
CN110162084A (zh) | 基于一致性理论的飞航导弹集群系统编队控制方法 | |
Martın-Lammerding et al. | A multi-UAS simulator for high density air traffic scenarios | |
Gowtham et al. | Simulation of multi UAV flight formation | |
Cooper et al. | Link!: Potential Field Guidance Algorithm for In-Flight Linking of Multi-Rotor Aircraft |
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 |