CN110320929B - 一种自主式无人机群目标跟随避障方法 - Google Patents

一种自主式无人机群目标跟随避障方法 Download PDF

Info

Publication number
CN110320929B
CN110320929B CN201910481770.5A CN201910481770A CN110320929B CN 110320929 B CN110320929 B CN 110320929B CN 201910481770 A CN201910481770 A CN 201910481770A CN 110320929 B CN110320929 B CN 110320929B
Authority
CN
China
Prior art keywords
unmanned aerial
speed
aerial vehicle
following
cluster
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.)
Expired - Fee Related
Application number
CN201910481770.5A
Other languages
English (en)
Other versions
CN110320929A (zh
Inventor
余厉阳
胡心怡
吴义
邵仁杰
屠佳炜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201910481770.5A priority Critical patent/CN110320929B/zh
Publication of CN110320929A publication Critical patent/CN110320929A/zh
Application granted granted Critical
Publication of CN110320929B publication Critical patent/CN110320929B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10Simultaneous control of position or course in three dimensions
    • G05D1/101Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/104Simultaneous 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

本发明公开了一种自主式无人机群目标跟随避障方法。本发明步骤:1:通过计算每个对象无人机到终点的坐标差值来设置对象无人机的目标牵引方向;2:对通信范围内所有其余无人机与对象无人机的斥力进行合力计算;3:对通信范围内所有满足速度跟随条件的无人机进行速度跟随运算,获取所有跟随作用的复合作用作为当前无人机所受的跟随力作用;4:在障碍物上设置虚拟无人机,并赋予其虚拟速度,通过无人机之间的速度跟随力,改变无人机群靠近障碍物时的速度方向;5:将所有作用的矢量和作为每个对象无人机所需的速度;将无人机速度固定为集群速度,叠加之前所有作用力,得到所需目标速度。本发明能够为无人机群规划出良好的自主协同避障路线。

Description

一种自主式无人机群目标跟随避障方法
技术领域
本发明属于无人机群编队控制技术领域,尤其是涉及一种自主式无人机群目标跟随避障方法,旨在使得无人机群飞行过程中实现目标自主锁定,以及在保持无人机队形的情况下,顺滑的避障。
背景技术
随着新型材料、机械电子、惯性导航系统及控制技术的发展进步,加上四轴飞行器具有价格低廉、操作灵活、控制性能稳定、适应环境能力强及可避免人员伤亡的特点,近些年其在军事、民用领域得到了广泛应用。然而单架飞行器存在功能局限、负载有限及面对复杂环境时效率低下等问题,影响了多类任务的可执行性以及完成度。近年来,国内外许多专家学者研究发现,借鉴自然界中生物群体的协调机制可以较好地解决上述问题。
群体智能以及由此发展而来的机器人学均诞生于对动物的研究,许多动物群体所使用的协调机制已被证明可以用来解决多种复杂问题,如:蚁群算法、粒子算法等智能工程的设计灵感均来源于生物。而自然界中的鱼群、鸟群、蜂群的集群行为对于无人机群的飞行控制极具启发性。
相互作用的动物,昆虫以及活性粒子等,在个体自发的限制下形成集群,在具有一定稳定性的同时能够完成集群共同的任务。那么可以认为在复数无人机形成集群时,利用每个无人机有限的感知可以侦测复杂的环境,可以通过局部信息进行个体决策以达成群体任务。根据早期基于生物媒介的模型,建立维持无碰撞稳定模型只需要设置排斥区、跟随区和吸引区,来限定无人机间距离,维持稳定的集群队形。但是通过限制集群间个体距离的方式,在集群避障时会存在局部最小点,无人机会因为周围受力平衡受困在一个区域内。
现有针对于无人机编队控制中已提出了基于速度跟随的自主式无人机群的运动模型,通过遗传算法匹配模型参数实现了有较强适应性的在有限空间内部规避障碍的稳定的无人机群模型。这种速度跟随的方式类似于粘性摩擦,使无人机群的运动类似于流体运动。
有鉴于此,本发明提出利用短程排斥力,避免无人机间碰撞;采用长程的速度跟随方式来保持无人机队形,并在障碍物处以设置速度反向虚拟无人机的方式,来实现避障。
发明内容
本发明的目的在于提供一种自主式无人机群目标跟随避障方法,本发明研究了在同一集群速度下短程斥力与长程速度跟随作用下的无人机集群的避障情况及运行状态,有益效果是无人机集群在飞行过程中在更远距离做出反应以更小的速度变化避开障碍。
在无人机群的路径规划中,为达到上述目标,本发明提供了如下五个步骤的技术方案:
步骤1:按照以集群所要到达的目标点为牵引,设置集群速度方向,其中将集群牵引定以恒定的大小;通过计算每个对象无人机到终点的坐标差值来设置对象无人机的目标牵引方向;
步骤2:对于每个对象无人机,需要在每个时间帧中,对通信范围内所有其余无人机与对象无人机的斥力进行合力计算,计算结果则是对象无人机当前所受斥力总和;
步骤3:利用无人机之间的速度跟随力,来保持集群速度大小和方向的一致性;对通信范围内所有满足速度跟随条件的无人机进行速度跟随运算,获取所有跟随作用的复合作用作为此对象的当前所受的跟随力作用;
所述的满足速度跟随条件是指在通信范围内的任意两个无人机之间的速度差,保持在缓冲范围内,就能够维持集群的稳定;
所述的通信范围是指根据需要设定的范围;
步骤4:在障碍物上设置虚拟无人机,并赋予该虚拟无人机一定的虚拟速度,通过利用步骤3中的无人机之间的速度跟随力,来改变无人机群靠近障碍物时的速度方向,从而达成较好的避障效果;
步骤5:为了计算每个对象无人机所需的速度,求取步骤1~4所有作用的矢量和;将无人机速度固定为集群速度,叠加之前所有作用力,得到所需的目标速度;
所述的所有作用包括无人机的目标牵引力、无人机短距斥力、无人机之间的速度跟随力、无人机与障碍物之间的速度跟随力。
步骤1按照以集群所要到达的目标点为牵引,设置集群速度方向,具体公式如下
Figure RE-GDA0002181000990000031
公式(1)中vatti为恒定大小的集群牵引速度;将对象无人机标记为i,ri表示对象无人机的中心坐标,ra表示目标点的中心坐标,ria表示无人机i到目标点的坐标差值,获取了无人机向终点的运动方向;
Figure RE-GDA0002181000990000032
表示对象无人机i的目标牵引速度。
步骤2具体实现如下:
无人机间的相互排斥为短距斥力作用,只在一定范围内有效,其作用方程如下:
Figure RE-GDA0002181000990000033
Figure RE-GDA0002181000990000034
公式(2)中,
Figure RE-GDA0002181000990000035
表示两无人机短距斥力作用后的速度,prep是机间排斥大小的线性系数,
Figure RE-GDA0002181000990000036
是斥力的截止距离,将两无人机标记为i、j,ri表示无人机i的中心坐标,rj表示无人机j的中心坐标,rij表示无人机i与无人机j之间的坐标差值,获取了无人机连线反方向作为斥力作用方向,斥力大小与无人机间距离大小相关,并以单位为时间倒数的系数prep调整大小倍率;
公式(3)表示在每个时间帧中,无人机需要对斥力截止范围内所有无人机单位进行斥力计算,并取其合力为当前对象无人机所受集群其它无人机的总斥力作用,
Figure RE-GDA0002181000990000037
为此作用力后的速度。
步骤3具体实现如下:
设定在一定距离的无人机间速度差只要保持在缓冲范围内就能够维持集群的稳定,速度一致性要求由制动函数D(r,a,p)决定:
Figure RE-GDA0002181000990000038
公式(4)中r是目标点与跟随的对象无人机之间的距离,p是线性增益,a是制动加速度;D(r,a,p)是以距离变化改变速度缓冲上限的
Figure RE-GDA0002181000990000041
分段函数,速度缓冲上限
Figure RE-GDA0002181000990000042
的表达式如下:
Figure RE-GDA0002181000990000043
公式(5)中,
Figure RE-GDA0002181000990000044
是速度缓冲项,将两无人机标记为i、j,vij表示无人机i与无人机j之间的速度差值,
Figure RE-GDA0002181000990000045
是无人机i与无人机j理想相对静止点的距离,africt和pfrict是跟随加速度参数以及跟随线性增益,在短程设置的速度缓冲上限内,将无人机的当前速度向参考对象无人机的速度变化,仅当超出速度缓冲上限后,无人机跟随作用使无人机速度向目标速度调整,具体调整公式如下:
Figure RE-GDA0002181000990000046
Figure RE-GDA0002181000990000047
公式(6)中Cfrict为速度跟随作用强度的线性系数,越大表现为更强的阻尼作用以及更小的震荡,但是会使运动缓慢;
Figure RE-GDA0002181000990000048
是速度缓冲项,vi表示无人机i的当前速度,vj表示无人机j的当前速度,vij表示无人机i与无人机j之间的速度差值,
Figure RE-GDA0002181000990000049
为速度缓冲上限;
公式(7)表示在每个时间帧中,无人机需要对通信范围范围内所有无人机单位进行速度跟随计算,并取其合力为当前对象无人机所受集群其它无人机的总速度跟随作用力,
Figure RE-GDA00021810009900000410
为此作用力后的速度。
步骤4具体实现如下:
通过在障碍物上设置虚拟无人机单位,并赋予其一定的虚拟速度,通过利用无人机间速度跟随力,来实时改变无人机群靠近障碍物时的速度方向:
Figure RE-GDA0002181000990000051
Figure RE-GDA0002181000990000052
首先获取距离无人机最近的障碍物点,并在该位置设置虚拟 shill单位,对多边障碍物或是多个障碍物的的每一边都要进行虚拟 shill单位的设置;
Figure RE-GDA0002181000990000053
为无人机与障碍间的跟随速度缓冲上限, ris=|ri-rs|,其中rs是多边形障碍物上获取的距离最近的点,即是获取最近点到无人机的距离,
Figure RE-GDA0002181000990000054
是无人机与障碍物之间理想相对静止点的距离;ashill是制动加速度,pshill是跟随线性增益;
由于跟随作用由对象无人机间的速度差产生,相对于其他牵引力,斥力等较弱,为了使其确实能在强作用产生效果,取消了由虚拟shill 单位速度产生的跟随作用的速度缓冲,并将对齐强度系数Cshill保持在 1以获取最强的对齐作用;
将对象无人机标记为i,障碍物离无人机距离最近的一点标记为 s,vi表示无人机i的当前速度,vs是为虚拟shill单位设定的虚拟速度,其方向为垂直于障碍物墙体或是沿无人机至障碍物方向向障碍物外部延伸;速度vis=|vi-vs|,表示无人机i与障碍物之间的速度差值,
Figure RE-GDA0002181000990000055
为对象无人机与障碍物之间的跟随作用力后的速度。
步骤5具体实现如下:
为了得到每个对象的所有作用力之合力,对步骤1~4所有速度的矢量求和:
Figure RE-GDA0002181000990000056
假定无人机以集群速度vflock运动,vi为对象无人机的原始速度,通过
Figure RE-GDA0002181000990000061
运算保留其自身的运动方向,将其速度固定为集群速度,叠加之前所有作用力,得到
Figure RE-GDA0002181000990000062
为所需的每个对象的目标速度;
Figure RE-GDA0002181000990000063
在期望集群中所有无人机按固定集群速度运动,且无人机本身有速度极限,故将所得目标速度方向保留,大小限制为最大集群速度截止值vmax
本发明有益效果如下:
本发明将无人机群的运动分为一个个时间帧叠加的形式,在每个时刻每个无人机单位对当前环境进行分析,并通过步骤5将各个作用力以产生作用后的合力所得速度表示,最终获得当前时刻所需的加速度,已达到为无人机群规划出良好的自主协同避障路线。
附图说明
图1为本发明的实现总体框图;
图2为目标牵引力作用示意图;
图3为无人机间斥力作用示意图;
图4为无人机间跟随作用示意图;
图5为障碍物虚拟无人机与无人机间跟随作用避障示意图;
图6为每个无人机对象最终速度矢量图。
具体实施方式
以下结合附图对本发明作进一步详细描述。
本发明提出一种新的自主式无人机群目标跟随避障算法,其实现总体框图如图1所示,具体包括如下5个步骤:
步骤1:按照以集群所要到达的目标点为牵引,设置集群速度方向:
Figure RE-GDA0002181000990000064
公式(1)中vatti为恒定大小的集群牵引速度;将对象无人机标记为i,ri表示对象无人机的中心坐标,ra表示目标点的中心坐标,ria表示无人机i到目标点的坐标差值,获取了无人机向终点的运动方向;
Figure RE-GDA0002181000990000071
表示对象无人机i的目标牵引速度。
图2中坐标单位为m,表示无人机无论在何处都受到相同大小且方向指向终点的牵引力。按上述牵引力,设置集群速度方向,即每个无人机的目标牵引方向。
步骤2:本发明将每两个对象无人机间的短距排斥力用来避免每两个无人机间相碰撞。
无人机间的相互排斥为短距斥力作用,只在一定范围内有效。其作用方程如下:
Figure RE-GDA0002181000990000072
Figure RE-GDA0002181000990000073
公式(2)中,
Figure RE-GDA0002181000990000074
表示两无人机短距斥力作用后的速度,prep是机间排斥大小的线性系数,
Figure RE-GDA0002181000990000075
是斥力的截止距离,将两无人机标记为i、j,ri表示无人机i的中心坐标,rj表示无人机j的中心坐标,rij表示无人机i与无人机j之间的坐标差值,获取了无人机连线反方向作为斥力作用方向,斥力大小与无人机间距离大小相关,并以单位为时间倒数的系数prep调整大小倍率;
公式(3)表示在每个时间帧中,无人机需要对斥力截止范围内所有无人机单位进行斥力计算,并取其合力为当前对象无人机所受集群其它无人机的总斥力作用,
Figure RE-GDA0002181000990000076
为此作用力后的速度。
图3表示无人机间斥力方向永远是两个无人机连线相反的方向。
步骤3:本发明利用无人机之间的跟随力,来保持集群速度大小和方向的一致性,以及集群的队形不会因为步骤4中的避障而散掉。考虑到复杂的环境因素,设定在一定距离的无人机间速度差只要保持在缓冲范围内就能够维持集群的稳定,速度一致性要求由制动函数 D(r,a,p)决定:
Figure RE-GDA0002181000990000077
公式(4)中r是目标点与跟随的对象无人机之间的距离,p是线性增益,a是制动加速度;D(r,a,p)是以距离变化改变速度缓冲上限的
Figure RE-GDA0002181000990000081
分段函数,速度缓冲上限
Figure RE-GDA0002181000990000082
的表达式如下:
Figure RE-GDA0002181000990000083
公式(5)中,
Figure RE-GDA0002181000990000084
是速度缓冲项,将两无人机标记为i、j,vij表示无人机i与无人机j之间的速度差值,
Figure RE-GDA0002181000990000085
是无人机i与无人机j理想相对静止点的距离,africt和pfrict是跟随加速度参数以及跟随线性增益,在短程设置的速度缓冲上限内,将无人机的当前速度向参考对象无人机的速度变化,仅当超出速度缓冲上限后,无人机跟随作用使无人机速度向目标速度调整,具体调整公式如下:
Figure RE-GDA0002181000990000086
Figure RE-GDA0002181000990000087
公式(6)中Cfrict为速度跟随作用强度的线性系数,越大表现为更强的阻尼作用以及更小的震荡,但是会使运动缓慢;
Figure RE-GDA0002181000990000088
是速度缓冲项,vi表示无人机i的当前速度,vj表示无人机j的当前速度,vij表示无人机i与无人机j之间的速度差值,
Figure RE-GDA0002181000990000089
为速度缓冲上限;
公式(7)表示在每个时间帧中,无人机需要对通信范围范围内所有无人机单位进行速度跟随计算,并取其合力为当前对象无人机所受集群其它无人机的总速度跟随作用力,
Figure RE-GDA00021810009900000810
为此作用力后的速度。图4表示无人机速度跟随作用于无人机间速度差,使无人机在一定的速度缓冲范围内达成速度的一致性。
步骤4:本发明通过在障碍物上设置虚拟无人机单位,并赋予其一定的虚拟速度,通过利用无人机间速度跟随力,来实时改变无人机群靠近障碍物时的速度方向,从而达成避障的效果。
Figure RE-GDA0002181000990000091
Figure RE-GDA0002181000990000092
首先获取距离无人机最近的障碍物点,并在该位置设置虚拟 shill单位,对多边障碍物或是多个障碍物的的每一边都要进行虚拟 shill单位的设置;
Figure RE-GDA0002181000990000093
为无人机与障碍间的跟随速度缓冲上限, ris=|ri-rs|,其中rs是多边形障碍物上获取的距离最近的点,即是获取最近点到无人机的距离,
Figure RE-GDA0002181000990000094
是无人机与障碍物之间理想相对静止点的距离;ashill是制动加速度,pshill是跟随线性增益;
将对象无人机标记为i,障碍物离无人机距离最近的一点标记为 s,vi表示无人机i的当前速度,vs是为虚拟shill单位设定的虚拟速度,其方向为垂直于障碍物墙体或是沿无人机至障碍物方向向障碍物外部延伸;速度vis=|vi-vs|,表示无人机i与障碍物之间的速度差值,
Figure RE-GDA0002181000990000095
为对象无人机与障碍物之间的跟随作用力后的速度。
由于跟随作用由对象无人机间的速度差产生,相对于其他牵引力,斥力等较弱,为了使其确实能在强作用产生效果,取消了由虚拟shill 单位速度产生的跟随作用的速度缓冲,并将对齐强度系数Cshill保持在 1以获取最强的对齐作用。
图5表示利用设置障碍物虚拟无人机单位,达到无人机对于障碍物较好的跟随避障效果。
步骤5:本发明为了得到每个对象的所有作用力之合力,我们取用上述步骤1~4所有速度的矢量和:
Figure RE-GDA0002181000990000096
假定无人机以集群速度vflock运动,vi为对象无人机的原始速度,通过
Figure RE-GDA0002181000990000101
运算保留其自身的运动方向,将其速度固定为集群速度,叠加之前所有作用力,得到
Figure RE-GDA0002181000990000102
为所需的每个对象的目标速度;
Figure RE-GDA0002181000990000103
图6为每个对象无人机在所定范围内,合成所有作用力后,最终的速度矢量关系。
在期望集群中所有无人机按固定集群速度运动,且无人机本身有速度极限,故将所得目标速度方向保留,大小限制为最大集群速度截止值vmax。基于上述速度计算方法,得出在单位时间ΔT内每个无人机对象的运动速度与方向,从而达到集群自主协同且以以更小的速度变化避开障碍。

Claims (6)

1.一种自主式无人机群目标跟随避障方法,其特征在于包括如下步骤:
步骤1:按照以集群所要到达的目标点为牵引,设置集群速度方向,其中将集群牵引定以恒定的大小;通过计算每个对象无人机到终点的坐标差值来设置对象无人机的目标牵引方向;
步骤2:对于每个对象无人机,需要在每个时间帧中,对通信范围内所有其余无人机与对象无人机的斥力进行合力计算,计算结果则是对象无人机当前所受斥力总和;
步骤3:利用无人机之间的速度跟随力,来保持集群速度大小和方向的一致性;对通信范围内所有满足速度跟随条件的无人机进行速度跟随运算,获取所有跟随作用的复合作用作为此对象的当前所受的跟随力作用;
所述的满足速度跟随条件是指在通信范围内的任意两个无人机之间的速度差,保持在缓冲范围内,就能够维持集群的稳定;
所述的通信范围是指根据需要设定的范围;
步骤4:在障碍物上设置虚拟无人机,并赋予该虚拟无人机一定的虚拟速度,通过利用步骤3中的无人机之间的速度跟随力,来改变无人机群靠近障碍物时的速度方向,从而达成较好的避障效果;
步骤5:为了计算每个对象无人机所需的速度,求取步骤1~4所有作用的矢量和;将无人机速度固定为集群速度,叠加之前所有作用力,得到所需的目标速度;
所述的所有作用包括无人机的目标牵引力、无人机短距斥力、无人机之间的速度跟随力、无人机与障碍物之间的速度跟随力。
2.根据权利要求1所述的一种自主式无人机群目标跟随避障方法,其特征在于步骤1按照以集群所要到达的目标点为牵引,设置集群速度方向,具体公式如下
Figure FDA0003390966220000011
公式(1)中vatti为恒定大小的集群牵引速度;将对象无人机标记为i,ri表示对象无人机的中心坐标,ra表示目标点的中心坐标,ria表示无人机i到目标点的坐标差值,获取了无人机向终点的运动方向;
Figure FDA0003390966220000021
表示对象无人机i的目标牵引速度。
3.根据权利要求2所述的一种自主式无人机群目标跟随避障方法,其特征在于步骤2具体实现如下:
无人机间的相互排斥为短距斥力作用,只在一定范围内有效,其作用方程如下:
Figure FDA0003390966220000022
Figure FDA0003390966220000023
公式(2)中,
Figure FDA0003390966220000024
表示两无人机短距斥力作用后的速度,prep是机间排斥大小的线性系数,
Figure FDA0003390966220000025
是斥力的截止距离,将两无人机标记为i、j,ri表示无人机i的中心坐标,rj表示无人机j的中心坐标,rij表示无人机i与无人机j之间的坐标差值,获取了无人机连线反方向作为斥力作用方向,斥力大小与无人机间距离大小相关,并以单位为时间倒数的系数prep调整大小倍率;
公式(3)表示在每个时间帧中,无人机需要对斥力截止范围内所有无人机单位进行斥力计算,并取其合力为当前对象无人机所受集群其它无人机的总斥力作用,
Figure FDA0003390966220000026
为此作用力后的速度。
4.根据权利要求3所述的一种自主式无人机群目标跟随避障方法,其特征在于步骤3具体实现如下:
设定在一定距离的无人机间速度差只要保持在缓冲范围内就能够维持集群的稳定,速度一致性要求由制动函数D(r,a,p)决定:
Figure FDA0003390966220000027
公式(4)中r是目标点与跟随的对象无人机之间的距离,p是线性增益,a是制动加速度;D(r,a,p)是以距离变化改变速度缓冲上限的
Figure FDA0003390966220000031
分段函数,速度缓冲上限
Figure FDA0003390966220000032
的表达式如下:
Figure FDA0003390966220000033
公式(5)中,
Figure FDA0003390966220000034
是速度缓冲项,将两无人机标记为i、j,vij表示无人机i与无人机j之间的速度差值,
Figure FDA0003390966220000035
是无人机i与无人机j理想相对静止点的距离,africt和pfrict是跟随加速度参数以及跟随线性增益,在短程设置的速度缓冲上限内,将无人机的当前速度向参考对象无人机的速度变化,仅当超出速度缓冲上限后,无人机跟随作用使无人机速度向目标速度调整,具体调整公式如下:
Figure FDA0003390966220000036
Figure FDA0003390966220000037
公式(6)中Cfrict为速度跟随作用强度的线性系数,越大表现为更强的阻尼作用以及更小的震荡,但是会使运动缓慢;
Figure FDA0003390966220000038
是速度缓冲项,vi表示无人机i的当前速度,vj表示无人机j的当前速度,vij表示无人机i与无人机j之间的速度差值,
Figure FDA0003390966220000039
为速度缓冲上限;
公式(7)表示在每个时间帧中,无人机需要对通信范围范围内所有无人机单位进行速度跟随计算,并取其合力为当前对象无人机所受集群其它无人机的总速度跟随作用力,
Figure FDA00033909662200000310
为此作用力后的速度。
5.根据权利要求4所述的一种自主式无人机群目标跟随避障方法,其特征在于步骤4具体实现如下:
通过在障碍物上设置虚拟无人机单位,并赋予其一定的虚拟速度,通过利用无人机间速度跟随力,来实时改变无人机群靠近障碍物时的速度方向:
Figure FDA0003390966220000041
Figure FDA0003390966220000042
首先获取距离无人机最近的障碍物点,并在该位置设置虚拟shill单位,对多边障碍物或是多个障碍物的的每一边都要进行虚拟shill单位的设置;
Figure FDA0003390966220000043
为无人机与障碍间的跟随速度缓冲上限,ris=|ri-rs|,其中rs是多边形障碍物上获取的距离最近的点,即是获取最近点到无人机的距离,
Figure FDA0003390966220000044
是无人机与障碍物之间理想相对静止点的距离;ashill是制动加速度,pshill是跟随线性增益;
取消由虚拟shill单位速度产生的跟随作用的速度缓冲,并将对齐强度系数Cshill保持在1以获取最强的对齐作用;
将对象无人机标记为i,障碍物离无人机距离最近的一点标记为s,vi表示无人机i的当前速度,vs是为虚拟shill单位设定的虚拟速度,其方向为垂直于障碍物墙体或是沿无人机至障碍物方向向障碍物外部延伸;速度vis=|vi-vs|,表示无人机i与障碍物之间的速度差值,
Figure FDA0003390966220000045
为对象无人机与障碍物之间的跟随作用力后的速度。
6.根据权利要求5所述的一种自主式无人机群目标跟随避障方法,其特征在于步骤5具体实现如下:
为了得到每个对象的所有作用力之合力,对步骤1~4所有速度的矢量求和:
Figure FDA0003390966220000046
假定无人机以集群速度vflock运动,vi为对象无人机的原始速度,通过
Figure FDA0003390966220000051
运算保留其自身的运动方向,将其速度固定为集群速度,叠加之前所有作用力,得到
Figure FDA0003390966220000052
为所需的每个对象的目标速度;
Figure FDA0003390966220000053
在期望集群中所有无人机按固定集群速度运动,且无人机本身有速度极限,故将所得目标速度方向保留,大小限制为最大集群速度截止值vmax
CN201910481770.5A 2019-06-04 2019-06-04 一种自主式无人机群目标跟随避障方法 Expired - Fee Related CN110320929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910481770.5A CN110320929B (zh) 2019-06-04 2019-06-04 一种自主式无人机群目标跟随避障方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910481770.5A CN110320929B (zh) 2019-06-04 2019-06-04 一种自主式无人机群目标跟随避障方法

Publications (2)

Publication Number Publication Date
CN110320929A CN110320929A (zh) 2019-10-11
CN110320929B true CN110320929B (zh) 2022-03-29

Family

ID=68119391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910481770.5A Expired - Fee Related CN110320929B (zh) 2019-06-04 2019-06-04 一种自主式无人机群目标跟随避障方法

Country Status (1)

Country Link
CN (1) CN110320929B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110554709A (zh) * 2019-09-06 2019-12-10 哈尔滨工业大学(深圳) 一种分布式的仿生的多智能体自主集群控制方法
CN112306090B (zh) * 2020-10-26 2024-08-20 中国人民解放军军事科学院国防科技创新研究院 基于相对位移和速度矢量合成的无人机即时快速避障方法
CN112907709B (zh) * 2021-03-31 2023-07-25 福建天晴在线互动科技有限公司 一种虚拟人物抓握目标物体动作的实现方法及系统
CN114020011A (zh) * 2021-10-21 2022-02-08 深圳潜行创新科技有限公司 一种无人机定距的方法和系统
CN116545489B (zh) * 2023-07-04 2023-12-12 南京邮电大学 一种无人机的震荡鲁棒性提升方法、系统、存储介质及计算设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105974939A (zh) * 2016-07-25 2016-09-28 零度智控(北京)智能科技有限公司 无人机编队阵型自动生成方法及装置
CN107102650A (zh) * 2017-05-27 2017-08-29 河南科技大学 一种适用于高速环境的无人机动态路径规划方法
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
CN107992065A (zh) * 2017-09-14 2018-05-04 北京航空航天大学 一种固定翼无人机群移动目标跟踪与避障防碰撞方法
CN108459612A (zh) * 2017-02-21 2018-08-28 北京航空航天大学 基于人工势场法的无人机编队控制方法及装置
CN108983818A (zh) * 2018-08-10 2018-12-11 电子科技大学 基于虚拟结构的无人机队形变换方法
CN108983825A (zh) * 2018-09-30 2018-12-11 北京航空航天大学 一种无人机时变编队的跟踪方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105974939A (zh) * 2016-07-25 2016-09-28 零度智控(北京)智能科技有限公司 无人机编队阵型自动生成方法及装置
CN108459612A (zh) * 2017-02-21 2018-08-28 北京航空航天大学 基于人工势场法的无人机编队控制方法及装置
CN107102650A (zh) * 2017-05-27 2017-08-29 河南科技大学 一种适用于高速环境的无人机动态路径规划方法
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
CN107992065A (zh) * 2017-09-14 2018-05-04 北京航空航天大学 一种固定翼无人机群移动目标跟踪与避障防碰撞方法
CN108983818A (zh) * 2018-08-10 2018-12-11 电子科技大学 基于虚拟结构的无人机队形变换方法
CN108983825A (zh) * 2018-09-30 2018-12-11 北京航空航天大学 一种无人机时变编队的跟踪方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Self-organized UAV Traffic in Realistic Environments;Csaba Virágh 等;《IEEE》;20161231;第1645-1652页 *
基于改进人工势场的无人机编队防碰撞控制方法;朱旭 等;《哈尔滨工程大学学报》;20170630;第38卷(第6期);第961-968页 *
基于邻域跟随与辨识的无人机集群控制与规避策略;毛琼 等;《系统工程与电子技术》;20180930;第40卷(第9期);第2-71-2078页 *

Also Published As

Publication number Publication date
CN110320929A (zh) 2019-10-11

Similar Documents

Publication Publication Date Title
CN110320929B (zh) 一种自主式无人机群目标跟随避障方法
CN110488867B (zh) 一种基于改进虚拟力场的无人机集群护航行为生成方法
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
CN113157000B (zh) 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
CN111290429B (zh) 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
CN102215260B (zh) 一种具有连通性保持的多智能体系统协同控制方法
CN108549407A (zh) 一种多无人机协同编队避障的控制算法
CN108459612A (zh) 基于人工势场法的无人机编队控制方法及装置
CN107367944A (zh) 一种面向多智能体系统的集群控制方法
CN111077909B (zh) 一种基于视觉信息的新型无人机自组群自洽优化控制方法
Abeywickrama et al. Algorithm for energy efficient inter-UAV collision avoidance
CN109732591B (zh) 一种有障碍物环境下多机器人群集控制方法
CN112947571A (zh) 一种人工势场和虚拟领航者的无人机编队形成和保持方法
Gallardo et al. Formation control implementation using kobuki turtlebots and parrot bebop drone
Kumar et al. Emergent formations of a Lagrangian swarm of unmanned ground vehicles
CN113406971A (zh) 分布式无人机队列与动态避障控制方法
CN108279704B (zh) 一种增加通信链路的多无人机的协同控制策略
CN107807671A (zh) 无人机集群危险规避方法
CN116301051A (zh) 一种无人机集群控制与避障方法和装置
CN115712308A (zh) 基于分布式模型预测控制及队形控制的多机编队防撞方法
Dongcheng et al. Research on multi-uav path planning and obstacle avoidance based on improved artificial potential field method
Dmytruk et al. Safe tightly-constrained uav swarming in gnss-denied environments
Kyzyrkanov et al. Coordination of movement of multiagent robotic systems
CN108983818B (zh) 基于虚拟结构的无人机队形变换方法
CN114661066A (zh) 一种基于强化学习的无人机集群智能避障方法

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220329