CN110737281B - 一种面向集群无人机的分布式控制方法 - Google Patents

Abstract

本发明属于多无人机协同控制技术领域，具体涉及一种面向集群无人机的分布式控制方法。该方法包括无人机编队内中心群聚和最优点群聚两个过程。无人机编队内中心群聚完成各无人机基于各自所处空间位置向中心点集结；最优点群聚完成向距离各独立的侦察区域距离和最小的最优点集结。两个过程不互相独立，在整个无人机运动过程中相互校正，最终实现误差允许范围内的最优点集结。

Description

一种面向集群无人机的分布式控制方法

技术领域

本发明属于多无人机协同控制技术领域，具体涉及一种面向集群无人机的分布式控制方法。

背景技术

由于单架无人机执行任务的局限性，空战对抗中其生存能力受到的挑战也越来越大，面对复杂的侦察任务，“去中心化”的无人机集群具有自主化程度、鲁棒性、抗毁性更高的优点，该模式对于通信资源要求程度较低，利于体系化作战中任务的有效开展。在动态变化的复杂战场态势中，向最优点群聚是实现多机协同作战的基础。当集群中的无人机执行针对各自独立区域的侦察任务时，现有的群聚控制方法主要以是否能实现群聚为指标，很少关注如何向基于各任务区域的最优点进行群聚。

发明内容

发明目的：提供一种能够控制全域内无人机在某架或多架无人机受到敌方电子对抗干扰丧失与其他无人机的通信能力的情况下，同时到达距离各侦察区域最近的“最优点”的控制方法。

本发明的技术方案：

第一方面，提供了一种面向集群无人机的分布式控制方法，应用于无人机，包括：

接收作战任务信息并根据作战任务信息执行作战任务；

实时解算当前无人机的空间位置以及当前无人机与其他无人机之间的通信状态；

在当前无人机遭遇外部对抗的情况下，根据当前无人机的空间位置以及当前无人机与其他无人机之间的通信状态，判断当前无人机与其他无人机的通信是否满足旋转树要求，

如果当前无人机与其他无人机的通信满足旋转树要求，则计算当前无人机向最优点群聚的飞行控制律，根据飞行控制律指导各无人机向最优点群聚，最优点为各无人机到对应侦查区域的距离的平方和最小的点，否则，向主机发送调整指令；

接收放弃指令，在接收到放弃指令的情况下，放弃与主机的通信。

可选地，计算当前无人机向最优点群聚的飞行控制律，具体包括：

依据当前空间位置解算各个时刻的飞行控制单次位移偏差u_i(t)，其中，

θ_i(t)为t时刻群聚点与任务区域X_i的距离值，x_i(t)代表无人机i的位置，

将单次位移偏差转换为速度和航向角控制指令，对无人机进行控制直到各无人机到对应侦查区域的距离的平方和小于预定阈值。

可选地，还包括：依据当前空间位置解算初始状态下的飞行控制单次位移偏差u_i(0)，将单次位移偏差转换为速度和航向角控制指令。

可选地，依据当前空间位置解算各个时刻的飞行控制单次位移偏差u_i(t)，具体包括：

计算t时刻群聚点与任务区域X_i距离值θ_i(t)，其中，

引入符号函数sgn将t时刻计算的群聚点与当前任务区域X_i的距离和与其他任务区域X_j(j∈N_i(t))距离进行符号函数求和，作为群聚点向最优点靠近的变化率，

通过模运算对该变量大小进行控制，得出：

其中，

为t时刻计算的群聚点向最优点靠近的变化率；

为t时刻群聚点向最优点靠近时的变化距离，

为无人机x_i到其对应侦察区域x_i的投影点位置状态。

可选地，还包括：依据当前空间位置解算距离侦察区域的位置

可选地，还包括：将初始时刻群聚点向最优点靠近时的变化距离设置为0，即

可选地，还包括：将初始时刻群聚点与任务区域X_i距离值设置为

第二方面，提供了一种面向集群无人机的分布式控制方法，应用于主机，包括：

根据战场环境及作战任务生成和加载任务规划文件；

根据任务规划文件建立无人机集群网络并向无人机集群网络内的无人机发送作战任务信息，

接收调整指令，在接收到调整指令的情况下，调整机间的通信拓扑结构或者向相应的无人机发送放弃指令。

本发明的有益效果：能够控制全域内无人机在某架或多架无人机受到敌方电子对抗干扰丧失与其他无人机的通信能力的情况下，同时到达距离各侦察区域最近的“最优点”，有利于节约燃油消耗，以便通信正常后，继续执行后续任务，在整个过程中，指挥员和飞行员只需进行监视和必要时的干预。与传统的基于最优点的无人机分布式群聚算法相比，当各无人机分配的各侦察区域互相独立且无重叠区域情况下，仍然可以实现各无人机向最优点的群聚；在整个无人机集合的各个阶段，当无人机之间失去通信连接，只要剩余通信拓扑仍然满足“旋转树”要求，依然可以实现群聚；或者由于临时飞行计划改变，本方法可以基于各无人机实时进行信息交互，实现机间相对位置的快速调整，重新收敛一致，在相同时间到达指定最优点；本方法的控制策略采用分布式控制架构，每个无人机在拥有有限的资源池的基础上，无需进行高维运算，只需解算自身位置状态信息，并保持与自己邻居的信息交互，具有通信量小、计算量小、可靠性高等优点。

附图说明

图1为根据本发明实施例的方法的流程图；

图2为根据本发明实施例的满足群聚条件的通信拓扑图。

具体实施方式

本专利提出了一种在分布式通信条件下，多无人机向最优点群聚的分布式控制方法。该方法分为无人机编队内中心群聚和最优点群聚两个过程。无人机编队内中心群聚完成各无人机基于各自所处空间位置向中心点集结；最优点群聚完成向距离各独立的侦察区域距离和最小的最优点集结。两个过程不互相独立，在整个无人机运动过程中相互校正，最终实现误差允许范围内的最优点集结。

本发明的技术要点包括：

1.基于单向/双向通信的满足群聚要求的通信拓扑结构设计方法。为了提高无人机集群的安全性和可靠性，分布式通信网络是实现无人机集群作战的基础，但是并非所有的分布式通信方式都可以满足集群无人机向最优点群聚的要求。无论无人机间的通信方式为单向还是双向通信，其拓扑结构均需满足“旋转树”的要求。

2.基于符号函数变量的控制率收敛策略。在无人机编队内中心群聚和最优点群聚两个过程中，当无人机处于任务执行阶段末期，各无人机距离最优点距离越来越近，使得传统算法速度控制量逐渐趋近于0，导致在有限时间内无人机飞行控制单元输出变量越来越小，但当前无人机位置距离最优点的距离未达到误差允许范围内，无法实现收敛。该控制策略通过对符号函数变量的引入，对无人机相对其他无人机和最优点的相对位置进行判断，然后对相对位置变化趋势进行积分，在末期提供足够的控制输入，从而在有限时间内到达最优点。

下面结合附图详细描述。

本发明提出了一种在分布式通信条件下，多无人机向最优点群聚的分布式控制方法。具体方法流程如图1所示，包括：根据战场环境生成和加载任务规划文件，建立无人机集群网络，根据侦察任务不同分布式执行侦察任务，在任务执行阶段遭遇外部对抗后调整通信拓扑结构，判断是否满足“旋转树要求”、如果不满足需要进行机间的通信拓扑调整或结束任务，如果满足进入群聚算法循环，自动生成无人机飞行控制指令引导无人机向最优点集合，如图1所示。

1.判断遭遇外部对抗后机间通信拓扑是否满足群聚条件

无人机在执行任务过程中假如遭受敌方电子对抗干扰，将会丧失与其他部分无人机间的通信能力，所以在执行向最优点群聚之前，需要判断当前的通信条件是否满足群聚的条件，这里对判断方法做简单介绍：

假设有n个无人机，分别表示为：x₁(t)，...，x_n(t)，x_i(t)和x_j(t)为第i个无人机和第j各无人机在t时刻的状态信息。这里，多无人机实现群聚的定义为：∑||x_i(t)-x_j(t)||→0，当t→∞，且i≠j。

这里的n个无人机，每个无人机具有独立的运算能力，可以与通信拓扑结构内的其他无人机通信，并获知互相的位置信息，且两个无人机间的通信为双向通信。本节主要讨论在没有主机控制的基础上，满足群聚的最低拓扑结构要求为：如果存在以一个节点为起点，形成连接其它节点的有向通路，即这些节点组成的拓扑图为“旋转树”，如图2所示。

拓扑图表示为：(v，e)，由节点v和e组成；

v＝{1,...,n}为节点，即图2中：{1，2，3，4，5，6}，每个节点表示一个独立的无人机；

e＝{(i，j)}为边，如果(i，j)∈e，则称i为j的邻居，这里i∈v，j∈v；

图2中的有向拓扑图可以表示为{(1，2)，(2，1)，(1，3)，(2，4)，(3，5)， (5，3)，(5，6)，(4，6)，(4,5)}。

如果存在以一个节点为起点，形成连接其它节点的有向通路，则称这些节点组成的拓扑图为“旋转树”，如图2中的：(2，1)→(1，3)→(3，5)→(5，6)→(6， 4)，我们称则该拓扑结构下的无人机可以满足群聚条件。

根据此判断条件，如果无人机集群在遭受外部干扰后，通信拓扑结构无法形成“旋转树”，需要判断是否放弃部分失控无人机或者重新调整通信方式。

2.计算无人机向最优点群聚的飞行控制率

假设存在：n个待侦察区域{X₁，...，X_n}，n个无人机{x₁，...，x_n}，且区域X_i仅对无人机x_i已知，要求所有无人机在有限时间内群聚到一点P_min，且该点满足距离所有n个侦察区域距离的平方和最小，该点称为“最优点P_min”，最优点满足目标函数：

这里，x_i代表无人机i的位置状态；

为无人机x_i到其对应侦察区域X_i的投 影点位置状态，目前已有算法为：

这里，u_i(t)为t时刻的无人机飞行控制变量。从该算法可以看出，无人机向 最优点群聚过程中，x_j(t)、x_i(t)逐渐接近，其差值逐渐趋向于0，

逐渐趋向于 0，因此u_i(t)也逐渐趋向于0，从而出现无法在有限时间内实现群聚的问题。为 了解决这一问题，我们通过引入符号函数sgn对无人机分布式最短路径群聚算法 进行优化得到本方法，本方法推导思路为：

(1)定义t时刻计算的群聚点向最优点靠近的变化率为：

(2)定义t时刻群聚点向最优点靠近时的变化距离为：

(3)因此，t时刻群聚点与任务区域X_i距离值θ_i(t)为：

(4)引入符号函数sgn将t时刻计算的群聚点与当前任务区域X_i的距离和与其他任务区域X_j(j∈N₁(t))距离进行符合求和，作为群聚点向最优点靠近的变化率：

(这里，符号函数sgn的引入使的每次循环中的控制变量够大，从而避免出现后期趋近无穷小的情况)

(5)因此无人机控制变量为：θ_i(t)-x_i(t)，通过模运算对该变量大小进行控制，得出：

综上所述，得出有限时间内的分布式最短路径群聚算法为：

基于以上公式，无人机向最优点群聚的飞行控制计算步骤可以分为如下：

(1)各无人机依据当前空间位置解算距离侦察区域的位置

(2)各无人机依据当前空间位置解算初始状态下的内部动量差值：这里默 认

(3)各无人机依据当前空间位置解算初始状态下的飞行控制单次位移偏差u_i(0)，转换为速度和航向角控制指令，对无人机进行控制：

(4)各无人机依据当前空间位置解算各个时刻的飞行控制单次位移偏差u_i(t)，转换为速度和航向角控制指令，对无人机进行控制：

根据每个时刻无人机所处的不同空间位置按照“最优点”应满足目标函数是否小于可接受阈值，判断无人机已经聚集到指定集合位置，重复步骤(4)对无人机进行控制。

Claims (3)

1.一种面向集群无人机的分布式控制方法，其特征在于，应用于无人机，包括：

接收作战任务信息并根据作战任务信息执行作战任务；

实时解算当前无人机的空间位置以及当前无人机与其他无人机之间的通信状态；

在当前无人机遭遇外部对抗的情况下，根据当前无人机的空间位置以及当前无人机与其他无人机之间的通信状态，判断当前无人机与其他无人机的通信是否满足旋转树要求，

如果当前无人机与其他无人机的通信满足旋转树要求，则计算当前无人机向最优点群聚的飞行控制律，根据飞行控制律指导各无人机向最优点群聚，最优点为各无人机到对应侦查区域的距离的平方和最小的点，否则，向主机发送调整指令，主机在接收到调整指令的情况下，调整机间的通信拓扑结构或者向相应的无人机发送放弃指令；

接收放弃指令，在接收到放弃指令的情况下，放弃与主机的通信；

计算当前无人机向最优点群聚的飞行控制律，具体包括：依据当前空间位置解算初始状态下的飞行控制单次位移偏差u_i(0)，将单次位移偏差转换为速度和航向角控制指令；依据当前空间位置解算各个时刻的飞行控制单次位移偏差u_i(t)，其中，

θ_i(t)为t时刻群聚点与当前对应侦查区域X_i的距离值，x_i(t)代表无人机i的位置，将单次位移偏差转换为速度和航向角控制指令，对无人机进行控制直到各无人机到对应侦查区域的距离的平方和小于预定阈值，

依据当前空间位置解算各个时刻的飞行控制单次位移偏差u_i(t)，具体包括：依据当前空间位置解算

计算t时刻群聚点与当前对应侦查区域X_i距离值θ_i(t)，其中，

引入符号函数sgn将t时刻计算的群聚点与当前对应侦查区域X_i的距离和与其他侦查区域X_j的距离进行符号函数求和，作为群聚点向最优点靠近的变化率，

其中，(j∈N_i(t)；通过模运算对θ_i(t)-x_i(t)的大小进行控制，得出：

其中，

为t时刻计算的群聚点向最优点靠近的变化率；

为t时刻群聚点向最优点靠近时的变化距离，

为无人机x_i到当前对应侦察区域X_i的投影点位置。

2.根据权利要求1所述的方法，其特征在于，还包括：将初始时刻群聚点向最优点靠近时的变化距离设置为0，即

3.根据权利要求1所述的方法，其特征在于，还包括：将初始时刻群聚点与当前对应侦查区域X_i距离值设置为

Images