CN110850891A - 一种基于空间和时间协同的多无人机动态航路规划方法 - Google Patents

一种基于空间和时间协同的多无人机动态航路规划方法 Download PDF

Info

Publication number
CN110850891A
CN110850891A CN201911092482.7A CN201911092482A CN110850891A CN 110850891 A CN110850891 A CN 110850891A CN 201911092482 A CN201911092482 A CN 201911092482A CN 110850891 A CN110850891 A CN 110850891A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
route
planned
cost
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
Application number
CN201911092482.7A
Other languages
English (en)
Other versions
CN110850891B (zh
Inventor
张堃
赵�权
李珂
时昊天
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical 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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201911092482.7A priority Critical patent/CN110850891B/zh
Publication of CN110850891A publication Critical patent/CN110850891A/zh
Application granted granted Critical
Publication of CN110850891B publication Critical patent/CN110850891B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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

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)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供了一种基于空间和时间协同的多无人机动态航路规划方法，在求解协同航路的过程中，相较于单机A*航路规划算法解决了多无人机在空间上的防碰撞以及时间上的协同的问题，包括在规划时考虑防碰撞约束、步调一致的规划过程、时间协同代价和提供建议平均飞行速率；有更简易的计算结构，计算速度满足实际使用需求，通过参数调整，可以使求解速度满足实际需求的同时满足航路代价最优，协调了无人机实际飞行中的风险和飞行时间等因素，同时，在方法中设计了对突然出现需规避区域的应对机制，更面向实际应用场景，从而提高了多无人机协同动态航路规划的可用性。

Description

一种基于空间和时间协同的多无人机动态航路规划方法
技术领域
本发明涉及算法设计和仿真领域，特别涉及一种无人机动态航路规划方法。
背景技术
多个无人机在完成特定任务，例如安全监控和处置、同时投放时，从各架无人机的起点到任务点需要进行满足一定空间约束和时间协同的航路规划，即多无人机互相之间应保持一定安全距离，并且在一定的时间误差范围内到达任务点。在完成任务的过程中，无人机可能会遇到山峰、不良气候区域等，此时，无人机需要绕过这些区域飞到任务点。此外，无人机在完成特定任务的飞行过程中，需要考虑带载能源有限及压低飞行高度以保证安全等因素，这就需要在飞行前求解可行航线，选择最优的航线飞行；同时，当飞行过程中遇到突然出现的需规避区域时，可以实时求解可行航线并切换到新的航线上。
现有技术中，求解多无人机的可行航线的重要途径是采用协同航路规划算法，目前，航路规划算法很多，常用的算法有动态规划法、粒子群算法、A*算法、遗传算法以及蚁群算法等。这些算法的限制条件是不变的从起始点到目标点飞行环境，以及适应于单架无人机而没有考虑多机协同因素，这就使得目前己有的航路规划算法无法使用。
发明人在研究过程中发现，基于稀疏A*算法的无人机航路规划算法不能直接应用于多机情景，因其本身不支持数量扩展，以及缺乏多机航路规划所必须的空间上的防碰撞约束。但是可以借鉴其算法中的部分结构，在添加空间上的防碰撞约束，以及根据应用需求考虑的时间协同因素和优化取直因素的情况下构造多机航路规划算法，并进一步通过对算法参数的选取，减少计算耗时，可以在获知突然出现的需规避区域信息时求解出新的最优的航线。
发明内容
为了克服现有技术的不足，本发明提供一种基于空间和时间协同的多无人机动态航路规划方法，既可以实现在多架无人机起飞前对规划空间最优航线的求解，还可以实现在实际飞行时，对于突然出现需规避区域情况下，实时求解新的可飞航路。本发明能够应用于多架无人机组成的群组或编队上。
本发明解决其技术问题所采用的技术方案包括以下步骤：
步骤M01，设定共有N架无人机参与要求有空间约束和时间协同的多无人机动态航路规划，N架无人机间可以相互或与基地进行实时通讯，N架无人机的起点分别是Pstart,i，任务点分别是Pend,i，Pstart,i、Pend,i均为三维坐标，其中i＝1,2,…,N；
步骤M02，无人机相互通讯或同基地进行通讯，在基地的任务计算机或某架计算能力满足要求的无人机上作集中式计算，计算时需要获知规划环境信息和每架无人机的机动性能信息及当前位置、任务点信息；
步骤M03，在任务计算机中，为每架无人机建立虚拟的数据结构，设置稀疏A*算法代价函数中已规划航路长度代价、时间协同代价、高度代价、沿途威胁代价、任务角度代价以及估计航路长度代价的系数，以及依据无人机性能所建立的性能约束模型中的参数，初始化重规划模式标记为false，设置稀疏A*算法的竖直分划数目为nV，水平分划数目为nH；
步骤M04，设置所有无人机的规划步长均为Lstep，设置无人机的已规划航迹点数目nplanned,i＝1，整个规划系统的协同需规划航迹点数目ncooperation＝2，为每架无人机设置相应的Open表和Closed表结构，设置无人机的可规划标记Wi＝true，各架无人机以各自的起点作为第一个当前扩展节点Pexpanding,i，并填充至各自的Open表当中；
步骤M05，如果存在无人机的可规划标记Wi为true，继续步骤M06，如果所有无人机的可规划标记Wi都为false，跳转至步骤R01；
步骤M06，找出所有无人机中已规划航迹点数目nplanned最小的作为当前进行航路扩展的无人机j，如果存在相同的具有已规划航点数目的无人机，则在这些无人机中随机选择一个作为当前进行航路扩展的无人机j；跳转至步骤S01；
步骤S01，判断无人机j的Open表是否为空，若不为空，继续步骤S02，若为空，转至步骤F01；
步骤S02，从无人机j的Open表中选取代价函数值最小的节点作为当前扩展节点Pexpanding,j，继续步骤S03；
步骤S03，判断当前扩展节点Pexpanding,j是否在无人机j的任务点Pend,j的一个规划步长Lstep范围内，如果在，继续步骤S04，否则转至步骤S05；
步骤S04，设置无人机j的可规划标记Wi＝false，无人机j的航路计算成功，其航路结果数据不再参与除防碰撞约束之外的其他计算，并转至步骤M05；
步骤S05，依据当前扩展节点Pexpanding,j扩展节点，生成待选节点集合S＝{Pchoice,j,k}，其中k＝1,2,…,nVnH+3，将当前扩展节点Pexpanding,j从无人机j的Open表中删除，放入无人机j的Closed表当中；遍历S中的待选节点，删除不满足无人机性能约束及不满足防碰撞约束的待选节点，继续步骤S06；
步骤S06，如果S为空，转至步骤S01；如果S不为空，继续步骤S07；
步骤S07，计算S中元素的代价函数值，并将其放入无人机j的Open表中，无人机j的已规划航迹点数目nplanned,j加1，继续步骤S08；
步骤S08，判断无人机j的已规划航迹点数目nplanned,j是否和规划系统的协同需规划航迹点数目ncooperation相等，如果相等，跳转至步骤S02，否则，转至步骤M07；
步骤M07，判断所有无人机的已规划航迹点数目nplanned,i是否和规划系统的协同需规划航迹点数目ncooperation相等，如果均相等，继续步骤M08，否则，跳转至步骤S02；
步骤M08，ncooperation加1，跳转至步骤S02；
步骤F01，因无人机j的Open表为空，置本次计算为失败，释放本次计算相关的计算资源；
步骤F02，计算失败次数是否超过设定值，如未超过，跳转至步骤M03，设置不为重规划模式，重新设置稀疏A*算法的备用的各项参数后重新计算，如超过设定值，继续步骤F03；
步骤F03，认为航路规划失败，无人机应进行紧急制动躲避障碍，并发出更改任务的需求，算法结束；
步骤R01，判断重规划模式标记为是否true，如果为重规划模式，继续步骤R02，否则，跳转至步骤R05；
步骤R02，航路规划算法成功，从每个无人机的Open表代价值最小节点回溯，输出所有得到成功规划的无人机的航迹点，并发送到各自对应的无人机中，以此时无人机的位置，结合规划出的航迹点序列，判断当前位置对新规划出的航路的可达性，如可达，以当前位置结合规划出的航迹点序列得到新的航路信息，各无人机计算自身建议平均飞行速率，置新航路计算结果为成功，否则置为失败，继续步骤R03；
步骤R03，判断新航路计算是否成功，若成功，跳转至步骤R06，若失败，继续步骤R04；
步骤R04，以此时各无人机的位置为新起点，设置重规划标记为true，转至步骤M04，进行重规划，重规划过程中，各无人机按照原有航路飞行；
步骤R05，航路规划算法成功，从每个无人机的Open表代价值最小节点回溯，输出所有得到成功规划的无人机的航迹点，根据所有得到成功规划的无人机的航迹长度计算建议平均飞行速率vc,i，继续步骤R06；
步骤R06，各架无人机按照规划好的航路和建议平均飞行速率飞向任务点，转至步骤R07；
步骤R07，实时接收环境更新信息，继续步骤R08；
步骤R08，如果出现需规避区域，则跳转至步骤R04，否则继续步骤R09；
步骤R09，判断各无人机是否到达任务点，如均已到达，跳转至步骤M09，否则，跳转至步骤R06；
步骤M09，航路规划任务成功，任务计算机释放相关计算资源，结束计算。
所述的步骤M03中，设某个无人机在当前状态下已规划的航迹点有P1,P2,…,Pr，其中P1＝Pstart，Ps,k为Pr之后需要判断是否满足约束的待选航迹点，Pend为规划目标点，则代价函数的计算方法为：
f(Ps,k)＝C1gplanned_length(Ps,k)+C2gheight(Ps,k)+C3gterrain(Ps,k)+C4gtask_threat(Ps,k)+C5htask_angle(Ps,k)+C6hestimated_length(Ps,k)+C7Rcooperate(Ps,k)
其中，gplanned_length(Ps,k)为已规划航路长度代价，gheight(Ps,k)为高度代价，gterrain(Ps,k)为地形威胁代价，gtask_threat(Ps,k)为沿途威胁代价，htask_angle(Ps,k)为需求姿态角代价，hestimated_length(Ps,k)为估计航路长度代价，Rcooperate(Ps,k)为时间协同代价，C1～C7为各个不同代价的权值系数。
所述的已规划航路长度代价和高度代价为已规划出的航迹连同待选航迹点的函数，地形威胁代价为已规划出的航迹、待选航迹点及沿途地形的函数，沿途威胁代价为已规划出的航迹、待选航迹点及沿途威胁的函数，需求姿态角代价为无人机当前的位姿和在目标点所需位姿的差值的函数，估计航路长度代价为当前位置和规划目标点的差值的函数；
时间协同代价为不同无人机间航迹差异的函数，当有N个无人机，则第i个无人机在待选航迹点Ps,k的时间协同代价
Figure BDA0002267265110000051
其中，预估航路总长度
Figure BDA0002267265110000052
权值系数C1～C7中C1+C6＝1且C1＜C6。
所述的步骤R02中，设从当前点Pnow开始的已有航路点序列为Pnow,Pk,Pk+1,…,Pend，新规划出的航路点为P1',P2',…,Pend，当前无人机飞行速度为Vnow，设置可达性搜索的预计耗时为td，以当前点Pnow、当前无人机飞行速度为Vnow及可达性搜索的预计耗时td在已有航路序列中确定可达性搜索起点Pnow_get_to，以Pnow_get_to为出发点在P1',P2',…,Pend中搜索具有可飞性的节点，可飞性指满足无人机的性能约束和防碰撞条件，设搜索到的节点为Pq'，则新的航路点序列为Pnow_get_to,P'q,P'q+1,…,Pend，根据新航路确定无人机建议平均飞行速率；本步骤重复若干次，若均搜索失败则认为不可达。
所述的步骤R05中，建议平均飞行速率
Figure BDA0002267265110000053
其中，Ltotal_length,i为规划出的第i架无人机的航路长度，vrefer为参考飞行速率。
本发明的有益效果是：为了实现无人机飞行前求解出满足时间和空间约束的最优航线，以及在飞行过程中遇到突然出现需规避区域可以实时进行航路重规划，获得新的满足时间和空间约束的航路，本发明提出了一种基于空间和时间协同的多无人机动态航路规划方法。本发明在求解协同航路的过程中，相较于单机A*航路规划算法解决了多无人机在空间上的防碰撞以及时间上的协同的问题，包括在规划时考虑防碰撞约束、步调一致的规划过程、时间协同代价和提供建议平均飞行速率；相较于动态规划法有更简易的计算结构；相较于粒子群算法、遗传算法以及蚁群算法等，计算速度满足实际使用需求。通过参数调整，可以使求解速度满足实际需求的同时满足航路代价最优，协调了无人机实际飞行中的风险和飞行时间等因素，同时，在方法中设计了对突然出现需规避区域的应对机制，更面向实际应用场景，从而提高了多无人机协同动态航路规划的可用性。
附图说明
图1为本发明方法详细流程图。
图2为任务区域示意图，任务区域为一长方体区域，分布有地形和不良气候区域等类型的需规避区域，图中包含山峰、圆柱形大气威胁建模及半球体威胁区建模图形。
图3需求姿态角代价示意图，图中Pr表示当前规划点，Ps,k为待选航迹点，ωIncluded为Ps,k与Pend连线方向与需求姿态角向量的夹角，即当前的方向偏差，eIncluded为需求姿态角的方向向量。
图4为空间协同中防碰撞约束的实现示意图，图中给出了两个规划中的无人机航路示意图，当前规划的无人机为UAVi，需要遍历UAVj的航路判断其与t3至t4航段是否发生碰撞。
图5为扩展节点过程水平方向分划示意图，图中说明了水平面上对满足最大水平转角约束的角度范围的均分，在均分方向上，生成诸个待选节点。
图6为扩展节点过程竖直方向分划示意图，图中说明了竖直面上对满足最大爬升角和最大俯冲角约束的角度范围的均分，在均分方向上，生成诸个待选节点。
图7为扩展节点过程额外加入分支示意图，图中说明了三种额外分支的添加方式。
图8为可达性搜索示意图，描述了从td位置向新规划出的航迹序列的可达性搜索方式。
具体实施方式
本发明的技术方案包括如下内容：其中，步骤M**表示此类步骤同多机航路规划算法的整体控制相关，步骤S**表示此类步骤主要和某一无人机的航路扩展过程相关，步骤F**表示此类步骤与可容许的规划失败的处理相关，步骤R表示此类步骤主要与对突然出现的需规避区域的处理相关：
步骤M01，设定共有N架无人机参与要求有空间约束和时间协同的多无人机动态航路规划，N架无人机间可以相互或同基地进行实时通讯，N架无人机的起点分别是Pstart,i，任务点分别是Pend,i，Pstart,i、Pend,i均为三维坐标，其中i＝1,2,…,N，继续步骤M02；
步骤M02，通过无人机的相互通讯或同基地进行通讯，在基地的任务计算机或某架计算能力充裕的无人机上作集中式计算，计算时需要获知规划环境信息和每架无人机的机动性能信息及当前位置(以起点作为最初的“当前位置”)、任务点信息，继续步骤M03；
步骤M03，在任务计算机中，为每架无人机建立虚拟的数据结构，设置稀疏A*算法代价函数中已规划航路长度代价、时间协同代价、高度代价、沿途威胁代价、任务角度代价以及估计航路长度代价的系数，以及依据无人机性能所建立的性能约束模型中的参数，初始化重规划模式标记为false，设置稀疏A*算法的竖直分划数目为nV，水平分划数目为nH，继续步骤M04；
代价函数的设计说明如下：
设某个无人机在当前状态下已规划的航迹点有P1,P2,…,Pr，其中P1＝Pstart，Ps,k为Pr之后需要判断是否满足约束的待选航迹点，Pend为规划目标点，则代价函数的计算方法为：
f(Ps,k)＝C1gplanned_length(Ps,k)+C2gheight(Ps,k)+C3gterrain(Ps,k)+C4gtask_threat(Ps,k)+C5htask_angle(Ps,k)+C6hestimated_length(Ps,k)+C7Rcooperate(Ps,k)
其中，gplanned_length(Ps,k)为已规划航路长度代价，gheight(Ps,k)为高度代价，gterrain(Ps,k)为地形威胁代价，gtask_threat(Ps,k)为沿途威胁代价，htask_angle(Ps,k)为需求姿态角代价，hestimated_length(Ps,k)为估计航路长度代价，Rcooperate(Ps,k)为时间协同代价，C1～C7为各个不同代价的权值系数。
一般情况下，已规划航路长度代价和高度代价为已规划出的航迹连同待选航迹点的函数，地形威胁代价为已规划出的航迹、待选航迹点及沿途地形的函数，随不同的地形建模而变化，沿途威胁代价为已规划出的航迹、待选航迹点及沿途威胁的函数，随不同的威胁建模而变化，需求姿态角代价为无人机当前的位姿和在目标点所需位姿的差值的函数，估计航路长度代价为当前位置和规划目标点的差值的函数，上述各代价随不同建模的变化而变化。
时间协同代价为不同无人机间的航迹差异的函数，当有N个无人机，则第i个无人机在待选航迹点Ps,k的时间协同代价为：
Figure BDA0002267265110000071
其中，Lestimated_total_length为预估航路总长度，有：
C1～C7等权值系数选取需要进行平衡，可以参考单机情况下基于稀疏A*算法的无人机航路规划算法，一般情况下，C1+C6＝1且C1＜C6，其余参数选取时可以根据需求有所侧重，当侧重某因素时，适当增大该权值。
步骤M04，设置所有无人机的规划步长均为Lstep，设置无人机的已规划航迹点数目nplanned,i＝1，整个规划系统的协同需规划航迹点数目ncooperation＝2，为每架无人机设置相应的Open表和Closed表结构(参考A*算法中的Open表和Closed表结构)，设置无人机的可规划标记Wi＝true，各架无人机以各自的起点作为第一个当前扩展节点Pexpanding,i，并填充至各自的Open表当中，继续步骤M05；
步骤M05，如果存在无人机的可规划标记Wi为true，继续步骤M06，如果所有无人机的可规划标记Wi都为false，跳转至步骤R01；
步骤M06，找出所有无人机中已规划航迹点数目nplanned最小的作为当前进行航路扩展的无人机j，如果存在相同的具有已规划航点数目的无人机，则在这些无人机中随机选择一个作为当前进行航路扩展的无人机j；跳转至步骤S01；
步骤S01，判断无人机j的Open表是否为空，若不为空，继续步骤S02，若为空，转至步骤F01；
步骤S02，从无人机j的Open表中选取代价函数值最小的节点作为当前扩展节点Pexpanding,j，继续步骤S03；
步骤S03，判断当前扩展节点Pexpanding,j是否在无人机j的任务点Pend,j的一个规划步长Lstep范围内，如果在，继续步骤S04，否则转至步骤S05；
步骤S04，设置无人机j的可规划标记Wi＝false，无人机j的航路计算成功，其航路结果数据不再参与除防碰撞约束之外的其他计算，并转至步骤M05；
步骤S05，依据当前扩展节点Pexpanding,j扩展节点，生成待选节点集合S＝{Pchoice,j,k}，其中k＝1,2,…,nVnH+3，将当前扩展节点Pexpanding,j从无人机j的Open表中删除，放入无人机j的Closed表当中；遍历S中的待选节点，删除不满足无人机性能约束及不满足防碰撞约束的待选节点，继续步骤S06；
步骤S06，如果S为空，转至步骤S01；如果S不为空，继续步骤S07；
步骤S07，计算S中元素的代价函数值，并将其放入无人机j的Open表中，无人机j的已规划航迹点数目nplanned,j加1，继续步骤S08；
步骤S08，判断无人机j的已规划航迹点数目nplanned,j是否和规划系统的协同需规划航迹点数目ncooperation相等，如果相等，跳转至步骤S02，否则，转至步骤M07；
步骤M07，判断所有无人机的已规划航迹点数目nplanned,i是否和规划系统的协同需规划航迹点数目ncooperation相等，如果均相等，继续步骤M08，否则，跳转至步骤S02；
步骤M08，ncooperation加1，跳转至步骤S02；
步骤F01，因无人机j的Open表为空，置本次计算为失败，释放本次计算相关的计算资源；
步骤F02，计算失败次数是否超过设定值，如未超过，跳转至步骤M03，设置不为重规划模式，重新设置稀疏A*算法的备用的各项参数后重新计算，如超过设定值，继续步骤F03；
步骤F03，认为航路规划失败，无人机应进行紧急制动躲避障碍，并发出更改任务的需求，算法结束；
步骤R01，判断重规划模式标记为是否true，如果为重规划模式，继续步骤R02，否则，跳转至步骤R05；
步骤R02，航路规划算法成功，从每个无人机的Open表代价值最小节点回溯，输出所有得到成功规划的无人机的航迹点，并发送到各自对应的无人机中，以此时无人机的位置(由于重规划过程中各无人机仍按照原有航路飞行，故无人机位置一直在变化)，结合规划出的航迹点序列，判断当前位置对新规划出的航路的可达性，如可达，以当前位置结合规划出的航迹点序列得到新的航路信息，各无人机计算自身建议平均飞行速率，置新航路计算结果为成功，否则置为失败，继续步骤R03；
关于可达性的说明(参考附图说明8)：
设从当前点Pnow开始的已有航路点序列为Pnow,Pk,Pk+1,…,Pend，新规划出的航路点为P1',P2',…,Pend，当前无人机飞行速度为Vnow，设置可达性搜索的预计耗时为td，以当前点Pnow、当前无人机飞行速度为Vnow及可达性搜索的预计耗时td在已有航路序列中确定可达性搜索起点Pnow_get_to，以Pnow_get_to为出发点在P1',P2',…,Pend中搜索具有可飞性的节点，可飞性指满足无人机的性能约束和防碰撞条件，搜索方式不局限于逐点搜索，也可根据需求对航段进行分划，但也需满足可飞性条件，设搜索到的节点为Pq'，则新的航路点序列为Pnow_get_to,P'q,P'q+1,…,Pend，根据新航路确定无人机建议平均飞行速率。该过程可重复多次，多次搜索失败则认为不可达；
建议平均飞行速率vc,i计算如下：
Figure BDA0002267265110000101
Ltotal_length,i为规划出的第i架无人机的航路长度，vrefer为参考飞行速率，根据无人机性能设定；
步骤R03，判断新航路计算是否成功，若成功，跳转至步骤R06，若失败，继续步骤R04；
步骤R04，以此时各无人机的位置为新起点，设置重规划标记为true，转至步骤M04，进行重规划，重规划过程中，各无人机按照原有航路飞行；
步骤R05，航路规划算法成功，从每个无人机的Open表代价值最小节点回溯，输出所有得到成功规划的无人机的航迹点，根据所有得到成功规划的无人机的航迹长度计算建议平均飞行速率vc,i，继续步骤R06；
步骤R06，各架无人机按照规划好的航路和建议平均飞行速率飞向任务点，转至步骤R07；
步骤R07，实时接收环境更新信息，继续步骤R08；
步骤R08，如果突然出现需规避区域，则跳转至步骤R04，否则继续步骤R09；
步骤R09，判断各无人机是否到达任务点，如均已到达，跳转至步骤M09，否则，跳转至步骤R06；
步骤M09，航路规划任务成功，任务计算机释放相关计算资源，结束计算。
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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明在规划无人机从起点位置到终点位置之间的航路时，将无人机可能经过的需规避区域简化为半球体或圆柱体区域，根据具体数学模型确定威胁代价的计算方式，根据所提供的地形模型，确定地形在规划中的作用方式，当地形有确定的数学模型时，可以针对地形建立威胁，当只有高度和位置数据时，仅作竖直方向上的最低飞行高度约束和水平方向上的防碰撞约束的处理，并在规划过程中考虑无人机间防碰撞约束和时间协同，求解从起点位置到任务点的可行路径和航路点，在无人机运行过程中，突发的需规避区域类型和上文一致，突发威胁将引发发明内容中所述的重规划和航路更新过程。
本发明实施例提供一种基于空间和时间协同的多无人机动态航路规划方法，参考图1，所述方法包括：
步骤M01，设定共有N架无人机参与要求有空间约束和时间协同的多无人机动态航路规划，N架无人机间可以相互或同基地进行实时通讯，N架无人机的起点分别是Pstart,i，任务点分别是Pend,i，Pstart,i、Pend,i均为三维坐标，包括相对于坐标原点的东方向、北方向距离以及高度，其中i＝1,2,…,N，继续步骤M02；
步骤M02，各无人机均可以同基地进行通讯，在基地的任务计算机上作集中式计算，计算时需要获知规划环境信息和每架无人机的机动性能信息、各架无人机当前位置、各架无人机任务点信息，完成步骤M02后继续步骤M03；本实施例中的规划环境信息为：
地形建模为：Hi为控制山峰的高度的参数，(Ai,Bi)代表第i个山峰的中心点坐标值，Ki代表控制第i个山峰的山坡陡度的参数，Npeak代表山峰个数。Hi，Ai，Bi，Ki为地形的决定参数，根据下式，给出任意一点的水平坐标(x,y)，即可计算得该点在地形中对应的高度h(x,y)，从而模拟得三维地形。
Figure BDA0002267265110000111
山峰i在不同高度的切面均为圆形，设在高度z处的半径为RT,i(z)，则有：
Figure BDA0002267265110000112
若无人机当前的空间坐标(xt,yt,zt)，则第i个山峰在同一高度的切面圆的半径即为RT,i(zt)，令dT,i为无人机距离第i个山峰对称轴的距离，则有：
Figure BDA0002267265110000113
则第i个山峰对于点(xt,yt,zt)地形威胁为：
,当((dT,i＞RT,i(zt)+dT,i,max)或(zt＞Hi))
,当(zt≤Hi且RT,i(zt)+dT,i,min≤dT,i≤RT,i(zt)+dT,i,max)
,当(zt≤Hi且dT,i＜RT,i(zt)+dT,i,min)
dT,i,min和dT,i,max需要人为设定，dT,i,min表示地形所允许的最近距离，当离地形距离小于dT,i,min时，认为毁伤概率为1；dT,i,max表示地形作用的最远距离，当离地形距离大于dT,i,max时，认为毁伤概率为0。
大气威胁建模为：有NClimate个大气威胁，当无人机与某大气威胁中心的水平距离为dClimate，dClimate,max为气候影响区域的最大半径，dClimate,min表示在该区域内，无人机毁伤概率为1。(xt,yt,zt)为无人机当前的空间位置，(xClimate,yClimate)为大气威胁区域的中心位置时，认为该大气威胁对无人机造成的毁伤概率PClimate(xt,yt,zt)如下所示：
Figure BDA0002267265110000122
半球体威胁区建模为：有NHemiS个半球体威胁区，某半球体威胁区中心的坐标为(xHemiS,yHemiS,zHemiS)，dHemiS表示无人机距半球体威胁区的距离，dHemiS,max表示半球体威胁区的最大作用半径，dHemiS,max表示该区域内，无人机毁伤概率为1。若无人机当前的空间坐标为(xt,yt,zt)，则认为该威胁对无人机造成的毁伤概率PHemiS(xt,yt,zt)如下所示：
代价计算过程中，山峰威胁、大气威胁和半球体威胁区域对无人机造成的威胁代价需要进行累加。
步骤M03，在基地的任务计算机中，为每架无人机建立虚拟的数据结构，设置稀疏A*算法的竖直分划数目为nV，水平分划数目为nH，初始化重规划模式标记为false，完成步骤M03后继续步骤M04；稀疏A*算法代价函数中各项参数在本实施例中可以作如下设置：
Figure BDA0002267265110000131
具体实施过程中可根据需求存储多份备用参数，在不需要代价函数中的某些项时，其代价系数可以为零值。各项代价在本实施例中的数学模型如下：
已规划航路长度代价：
高度代价：如下式，(xt,yt,zt)为无人机当前的空间位置，zterrain(xt,yt)为无人机所在位置的地形高度，zmax为无人机最大飞行高度，Δzmin为无人机最小离地高度，使用高度代价可以尽量压低无人机的飞行高度，适用于有此需求的任务场景。gheight(Ps,k)的计算由从起点到Ps,k对Rheight(xt,yt,zt)进行数值积分得到。
Figure BDA0002267265110000133
地形威胁代价：gterrain(Ps,k)的计算由从起点到Ps,k对PT，i(xt,yt,zt)进行数值积分得到。
沿途威胁代价：gtask_threat(Ps,k)的计算由从起点到Ps,k对大气威胁和半球体威胁对单点的函数进行数值积分得到。
需求姿态角代价：需求姿态角意为在到达任务点时无人机需要满足的速度方向，其模型如下：
Figure BDA0002267265110000134
其中，ωIncluded为Ps,k与Pend连线方向与需求姿态角向量的夹角，即当前的方向偏差，Lstart_end为起点至任务点的直线距离，ka与kb为系数，ka相关于需求姿态角代价的作用范围，kb相关于需求姿态角代价的大小。需求姿态角代价示意图可以参考附图说明3；
估计航路长度代价：
hestimated_length(Ps,k)＝||Pend-Ps,k||
时间协同代价：参考上文技术方案中的描述；
无人机性能约束模型包括的内容有最大爬升角和最大俯冲角约束、最大水平转角约束、飞行高度约束以及设定最大航迹长度约束。
最大爬升角和最大俯冲角约束：记最大爬升角为γmin_climb，最大俯冲角为γmin_dive，俯冲角为γdive和爬升角为γclimb，要求航迹点Pi:(xi,yi,zi)到航迹点Pi+1:(xi+1,yi+1,zi+1)间的角度关系满足：
最大水平转角约束：在两个相邻的有限航段间，无人机水平方向的转向能力是有限的，Δψ为两个相邻航段间的水平转角，Δψmax为设定的最大水平转角，则两个相邻航段三个航迹点Pi:(xi,yi,zi)、Pi+1:(xi+1,yi+1,zi+1)以及Pi+2:(xi+2,yi+2,zi+2)间的角度关系满足：
Figure BDA0002267265110000142
飞行高度约束：认为无人机具有一个不能超过的最大的飞行高度及无人机必须保证一定的离地高度，Δzmin为最小离地高度，zterrain(xt,yt)为对应(xt,yt)的地形高度，zmax为最大飞行高度。Pt:(xt,yt,zt)可以取航迹点及航迹段上的点。则有：
Figure BDA0002267265110000143
设定最大航迹长度约束：设最大航迹长度为Lmax_path_length，则对Ps,k需满足：
Figure BDA0002267265110000144
空间协同约束：即为防碰撞约束，多个无人机执行任务的过程中，各无人机之间必须满足一定的安全距离，该安全距离和无人机的性能相关。设无人机i飞行过程中的某一时刻t经过Pt,i:(xt,i,yt,i,zt,i)，无人机j飞行过程中的某一时刻t经过Pt,j:(xt,j,yt,j,zt,j)，则其必须满足如下关系：
||Pt,i-Pt,j||≥ΔLmin_safe
其中，ΔLmin_safe为最小安全距离，为简便计算，以当前规划所产生的可能航迹段同已有其他无人机航迹中新近规划出的航段的线段间距代替||Pt,i-Pt,j||。
步骤M04，设置所有无人机的规划步长均为Lstep，根据规划场景的大小设置规划步长，规划场景在100km左右时，可以设置规划步长为1km～3km，设置无人机的已规划航迹点数目nplanned,i＝1，整个规划系统的协同需规划航迹点数目ncooperation＝2，为每架无人机设置相应的Open表和Closed表结构(参考A*算法中的Open表和Closed表结构，一般情况下为双向链表，链表在插入新节点时自动根据节点代价值进行排序)，设置无人机的可规划标记Wi＝true，各架无人机以各自的起点作为第一个当前扩展节点Pexpanding,i，并填充至各自的Open表当中，继续步骤M05；
步骤M05，如果存在无人机的可规划标记Wi为true，继续步骤M06，如果所有无人机的可规划标记Wi都为false，跳转至步骤R01；
步骤M06，找出所有无人机中已规划航迹点数目nplanned最小的作为当前进行航路扩展的无人机j，如果存在相同的具有已规划航点数目的无人机，则在这些无人机中随机选择一个作为当前进行航路扩展的无人机j；跳转至步骤S01；
步骤S01，判断无人机j的Open表是否为空，若不为空，继续步骤S02，若为空，转至步骤F01；
步骤S02，从无人机j的Open表中选取代价函数值最小的节点作为当前扩展节点Pexpanding,j，继续步骤S03；
步骤S03，判断当前扩展节点Pexpanding,j是否在无人机j的任务点Pend,j的一个规划步长Lstep范围内，如果在，继续步骤S04，否则转至步骤S05；
步骤S04，设置无人机j的可规划标记Wi＝false，无人机j的航路计算成功，其航路结果数据不再参与除防碰撞约束之外的其他计算，并转至步骤M05；
步骤M05，依据当前扩展节点Pexpanding,j扩展节点，生成待选节点集合S＝{Pchoice,j,k}，其中k＝1,2,…,nVnH+3，集合中的待选节点个数nVnH+3表示额外添加从当前位置Pr指向任务点Pend方向的待选节点、起点Pstart指向任务点Pend方向的待选节点以及与上一航迹段Pr-1Pr同速度方向的待选节点，将当前扩展节点Pexpanding,j从无人机j的Open表中删除，放入无人机j的Closed表当中；遍历S中的待选节点，删除不满足无人机性能约束及不满足防碰撞约束的待选节点，继续步骤M06；
步骤S06，如果S为空，转至步骤S01；如果S不为空，继续步骤S07；
步骤S07，计算S中元素的代价函数值，并将其放入无人机j的Open表中，无人机j的已规划航迹点数目nplanned,j加1，继续步骤S08；
步骤S08，判断无人机j的已规划航迹点数目nplanned,j是否和规划系统的协同需规划航迹点数目ncooperation相等，如果相等，跳转至步骤S02，否则，转至步骤M07；
步骤M07，判断所有无人机的已规划航迹点数目nplanned,i是否和规划系统的协同需规划航迹点数目ncooperation相等，如果均相等，继续步骤M08，否则，跳转至步骤S02；
步骤M08，ncooperation加1，跳转至步骤S02；
步骤F01，因无人机j的Open表为空，置本次计算为失败，释放本次计算相关的计算资源；
步骤F02，计算失败次数是否超过设定值，如未超过，跳转至步骤M03，设置不为重规划模式，重新设置稀疏A*算法的备用的各项参数后重新计算，如超过设定值，继续步骤F03；
步骤F03，认为航路规划失败，无人机应进行紧急制动躲避障碍，并发出更改任务的需求，算法结束；
步骤R01，判断重规划模式标记为是否true，如果为重规划模式，继续步骤R02，否则，跳转至步骤R05；
步骤R02，航路规划算法成功，从每个无人机的Open表代价值最小节点回溯，输出所有得到成功规划的无人机的航迹点，并发送到各自对应的无人机中，以此时无人机的位置(由于重规划过程中各无人机仍按照原有航路飞行，故无人机位置一直在变化)，结合规划出的航迹点序列，判断当前位置对新规划出的航路的可达性，如可达，以当前位置结合规划出的航迹点序列得到新的航路信息，各无人机计算自身建议平均飞行速率，置新航路计算结果为成功，否则置为失败，继续步骤R03；
步骤R03，判断新航路计算是否成功，若成功，跳转至步骤R06，若失败，继续步骤R04；
步骤R04，以此时各无人机的位置为新起点，设置重规划标记为true，转至步骤M04，进行重规划，重规划过程中，各无人机按照原有航路飞行；
步骤R05，航路规划算法成功，从每个无人机的Open表代价值最小节点回溯，输出所有得到成功规划的无人机的航迹点，根据所有得到成功规划的无人机的航迹长度计算建议平均飞行速率vc,i，继续步骤R06；
步骤R06，各架无人机按照规划好的航路和建议平均飞行速率飞向任务点，转至步骤R07；
步骤R07，实时接收环境更新信息，继续步骤R08；
步骤R08，如果突然出现需规避区域，则跳转至步骤R04，否则继续步骤R09；
步骤R09，判断各无人机是否到达任务点，如均已到达，跳转至步骤M09，否则，跳转至步骤R06；
步骤M09，航路规划任务成功，任务计算机释放相关计算资源，结束计算。

Claims (5)

1.一种基于空间和时间协同的多无人机动态航路规划方法，其特征在于包括以下步骤：
步骤M01，设定共有N架无人机参与要求有空间约束和时间协同的多无人机动态航路规划，N架无人机间可以相互或与基地进行实时通讯，N架无人机的起点分别是Pstart,i，任务点分别是Pend,i，Pstart,i、Pend,i均为三维坐标，其中i＝1,2,…,N；
步骤M02，无人机相互通讯或同基地进行通讯，在基地的任务计算机或某架计算能力满足要求的无人机上作集中式计算，计算时需要获知规划环境信息和每架无人机的机动性能信息及当前位置、任务点信息；
步骤M03，在任务计算机中，为每架无人机建立虚拟的数据结构，设置稀疏A*算法代价函数中已规划航路长度代价、时间协同代价、高度代价、沿途威胁代价、任务角度代价以及估计航路长度代价的系数，以及依据无人机性能所建立的性能约束模型中的参数，初始化重规划模式标记为false，设置稀疏A*算法的竖直分划数目为nV，水平分划数目为nH；
步骤M04，设置所有无人机的规划步长均为Lstep，设置无人机的已规划航迹点数目nplanned,i＝1，整个规划系统的协同需规划航迹点数目ncooperation＝2，为每架无人机设置相应的Open表和Closed表结构，设置无人机的可规划标记Wi＝true，各架无人机以各自的起点作为第一个当前扩展节点Pexpanding,i，并填充至各自的Open表当中；
步骤M05，如果存在无人机的可规划标记Wi为true，继续步骤M06，如果所有无人机的可规划标记Wi都为false，跳转至步骤R01；
步骤M06，找出所有无人机中已规划航迹点数目nplanned最小的作为当前进行航路扩展的无人机j，如果存在相同的具有已规划航点数目的无人机，则在这些无人机中随机选择一个作为当前进行航路扩展的无人机j；跳转至步骤S01；
步骤S01，判断无人机j的Open表是否为空，若不为空，继续步骤S02，若为空，转至步骤F01；
步骤S02，从无人机j的Open表中选取代价函数值最小的节点作为当前扩展节点Pexpanding,j，继续步骤S03；
步骤S03，判断当前扩展节点Pexpanding,j是否在无人机j的任务点Pend,j的一个规划步长Lstep范围内，如果在，继续步骤S04，否则转至步骤S05；
步骤S04，设置无人机j的可规划标记Wi＝false，无人机j的航路计算成功，其航路结果数据不再参与除防碰撞约束之外的其他计算，并转至步骤M05；
步骤S05，依据当前扩展节点Pexpanding,j扩展节点，生成待选节点集合S＝{Pchoice,j,k}，其中k＝1,2,…,nVnH+3，将当前扩展节点Pexpanding,j从无人机j的Open表中删除，放入无人机j的Closed表当中；遍历S中的待选节点，删除不满足无人机性能约束及不满足防碰撞约束的待选节点，继续步骤S06；
步骤S06，如果S为空，转至步骤S01；如果S不为空，继续步骤S07；
步骤S07，计算S中元素的代价函数值，并将其放入无人机j的Open表中，无人机j的已规划航迹点数目nplanned,j加1，继续步骤S08；
步骤S08，判断无人机j的已规划航迹点数目nplanned,j是否和规划系统的协同需规划航迹点数目ncooperation相等，如果相等，跳转至步骤S02，否则，转至步骤M07；
步骤M07，判断所有无人机的已规划航迹点数目nplanned,i是否和规划系统的协同需规划航迹点数目ncooperation相等，如果均相等，继续步骤M08，否则，跳转至步骤S02；
步骤M08，ncooperation加1，跳转至步骤S02；
步骤F01，因无人机j的Open表为空，置本次计算为失败，释放本次计算相关的计算资源；
步骤F02，计算失败次数是否超过设定值，如未超过，跳转至步骤M03，设置不为重规划模式，重新设置稀疏A*算法的备用的各项参数后重新计算，如超过设定值，继续步骤F03；
步骤F03，认为航路规划失败，无人机应进行紧急制动躲避障碍，并发出更改任务的需求，算法结束；
步骤R01，判断重规划模式标记为是否true，如果为重规划模式，继续步骤R02，否则，跳转至步骤R05；
步骤R02，航路规划算法成功，从每个无人机的Open表代价值最小节点回溯，输出所有得到成功规划的无人机的航迹点，并发送到各自对应的无人机中，以此时无人机的位置，结合规划出的航迹点序列，判断当前位置对新规划出的航路的可达性，如可达，以当前位置结合规划出的航迹点序列得到新的航路信息，各无人机计算自身建议平均飞行速率，置新航路计算结果为成功，否则置为失败，继续步骤R03；
步骤R03，判断新航路计算是否成功，若成功，跳转至步骤R06，若失败，继续步骤R04；
步骤R04，以此时各无人机的位置为新起点，设置重规划标记为true，转至步骤M04，进行重规划，重规划过程中，各无人机按照原有航路飞行；
步骤R05，航路规划算法成功，从每个无人机的Open表代价值最小节点回溯，输出所有得到成功规划的无人机的航迹点，根据所有得到成功规划的无人机的航迹长度计算建议平均飞行速率vc,i，继续步骤R06；
步骤R06，各架无人机按照规划好的航路和建议平均飞行速率飞向任务点，转至步骤R07；
步骤R07，实时接收环境更新信息，继续步骤R08；
步骤R08，如果出现需规避区域，则跳转至步骤R04，否则继续步骤R09；
步骤R09，判断各无人机是否到达任务点，如均已到达，跳转至步骤M09，否则，跳转至步骤R06；
步骤M09，航路规划任务成功，任务计算机释放相关计算资源，结束计算。
2.根据权利要求1所述的基于空间和时间协同的多无人机动态航路规划方法，其特征在于：所述的步骤M03中，设某个无人机在当前状态下已规划的航迹点有P1,P2,…,Pr，其中P1＝Pstart，Ps,k为Pr之后需要判断是否满足约束的待选航迹点，Pend为规划目标点，则代价函数的计算方法为：
f(Ps,k)＝C1gplanned_length(Ps,k)+C2gheight(Ps,k)+C3gterrain(Ps,k)+C4gtask_threat(Ps,k)+C5htask_angle(Ps,k)+C6hestimated_length(Ps,k)+C7Rcooperate(Ps,k)
其中，gplanned_length(Ps,k)为已规划航路长度代价，gheight(Ps,k)为高度代价，gterrain(Ps,k)为地形威胁代价，gtask_threat(Ps,k)为沿途威胁代价，htask_angle(Ps,k)为需求姿态角代价，hestimated_length(Ps,k)为估计航路长度代价，Rcooperate(Ps,k)为时间协同代价，C1～C7为各个不同代价的权值系数。
3.根据权利要求2所述的基于空间和时间协同的多无人机动态航路规划方法，其特征在于：所述的已规划航路长度代价和高度代价为已规划出的航迹连同待选航迹点的函数，地形威胁代价为已规划出的航迹、待选航迹点及沿途地形的函数，沿途威胁代价为已规划出的航迹、待选航迹点及沿途威胁的函数，需求姿态角代价为无人机当前的位姿和在目标点所需位姿的差值的函数，估计航路长度代价为当前位置和规划目标点的差值的函数；时间协同代价为不同无人机间航迹差异的函数，当有N个无人机，则第i个无人机在待选航迹点Ps,k的时间协同代价其中，预估航路总长度权值系数C1～C7中C1+C6＝1且
C1＜C6。
4.根据权利要求1所述的基于空间和时间协同的多无人机动态航路规划方法，其特征在于：所述的步骤R02中，设从当前点Pnow开始的已有航路点序列为Pnow,Pk,Pk+1,…,Pend，新规划出的航路点为P1',P2',…,Pend，当前无人机飞行速度为Vnow，设置可达性搜索的预计耗时为td，以当前点Pnow、当前无人机飞行速度为Vnow及可达性搜索的预计耗时td在已有航路序列中确定可达性搜索起点Pnow_get_to，以Pnow_get_to为出发点在P1',P2',…,Pend中搜索具有可飞性的节点，可飞性指满足无人机的性能约束和防碰撞条件，设搜索到的节点为Pq'，则新的航路点序列为Pnow_get_to,Pq',P’q+1,…,Pend，根据新航路确定无人机建议平均飞行速率；本步骤重复若干次，若均搜索失败则认为不可达。
5.根据权利要求1所述的基于空间和时间协同的多无人机动态航路规划方法，其特征在于：所述的步骤R05中，建议平均飞行速率
Figure FDA0002267265100000043
其中，Ltotal_length,i为规划出的第i架无人机的航路长度，vrefer为参考飞行速率。
CN201911092482.7A 2019-11-11 2019-11-11 一种基于空间和时间协同的多无人机动态航路规划方法 Active CN110850891B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911092482.7A CN110850891B (zh) 2019-11-11 2019-11-11 一种基于空间和时间协同的多无人机动态航路规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911092482.7A CN110850891B (zh) 2019-11-11 2019-11-11 一种基于空间和时间协同的多无人机动态航路规划方法

Publications (2)

Publication Number Publication Date
CN110850891A true CN110850891A (zh) 2020-02-28
CN110850891B CN110850891B (zh) 2023-02-14

Family

ID=69600959

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911092482.7A Active CN110850891B (zh) 2019-11-11 2019-11-11 一种基于空间和时间协同的多无人机动态航路规划方法

Country Status (1)

Country Link
CN (1) CN110850891B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111487995A (zh) * 2020-04-30 2020-08-04 湖南科技大学 基于三维简化虚拟模型的群无人机多目标搜索协作方法
CN111561933A (zh) * 2020-06-17 2020-08-21 西安爱生技术集团公司 双重改进a星最短航路规划方法
CN112802369A (zh) * 2021-04-06 2021-05-14 北京三快在线科技有限公司 获取飞行航线的方法、装置、计算机设备及可读存储介质
CN112817331A (zh) * 2021-01-05 2021-05-18 北京林业大学 一种基于多机协同的林业信息智能监测系统
CN113359848A (zh) * 2021-07-06 2021-09-07 西北工业大学 一种基于航路点的无人机编队生成-切换航迹规划方法
CN114115354A (zh) * 2021-12-13 2022-03-01 北京航空航天大学 一种异质平台协同路径规划方法
CN114355979A (zh) * 2022-01-06 2022-04-15 北京大唐永盛科技发展有限公司 一种无人机航路自动规划的方法
CN114415524A (zh) * 2022-03-31 2022-04-29 中国人民解放军96901部队 一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法
CN115930973A (zh) * 2023-02-08 2023-04-07 中国民航大学 一种无人机航路规划方法及装置
CN117213484A (zh) * 2023-06-21 2023-12-12 深圳大学 一种基于遗传算法的航点连线方法、装置及智能终端

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102759357A (zh) * 2012-05-10 2012-10-31 西北工业大学 通信延迟下多无人机协同实时航路规划方法
CN102880186A (zh) * 2012-08-03 2013-01-16 北京理工大学 基于稀疏a*算法和遗传算法的航迹规划方法
CN103472850A (zh) * 2013-09-29 2013-12-25 合肥工业大学 一种基于高斯分布预测的多无人机协同搜索方法
CN104536454A (zh) * 2014-12-05 2015-04-22 中国运载火箭技术研究院 一种用于双无人机协同的时空同步匹配方法
US20150284010A1 (en) * 2013-09-16 2015-10-08 Disney Enterprises, Inc. Shared control of semi-autonomous vehicles including collision avoidance in multi-agent scenarios
CN107330560A (zh) * 2017-07-04 2017-11-07 北京理工大学 一种考虑时序约束的异构飞行器多任务协同分配方法
CN107677273A (zh) * 2017-09-11 2018-02-09 哈尔滨工程大学 一种基于二维栅格划分的集群无人机多航迹规划方法
US10140875B1 (en) * 2017-05-27 2018-11-27 Hefei University Of Technology Method and apparatus for joint optimization of multi-UAV task assignment and path planning
CN110262548A (zh) * 2019-06-21 2019-09-20 北京理工大学 一种考虑抵达时间约束的无人机航迹规划方法
CN110413005A (zh) * 2019-08-25 2019-11-05 西北工业大学 一种基于逆推法的多无人机协同航迹规划方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102759357A (zh) * 2012-05-10 2012-10-31 西北工业大学 通信延迟下多无人机协同实时航路规划方法
CN102880186A (zh) * 2012-08-03 2013-01-16 北京理工大学 基于稀疏a*算法和遗传算法的航迹规划方法
US20150284010A1 (en) * 2013-09-16 2015-10-08 Disney Enterprises, Inc. Shared control of semi-autonomous vehicles including collision avoidance in multi-agent scenarios
CN103472850A (zh) * 2013-09-29 2013-12-25 合肥工业大学 一种基于高斯分布预测的多无人机协同搜索方法
CN104536454A (zh) * 2014-12-05 2015-04-22 中国运载火箭技术研究院 一种用于双无人机协同的时空同步匹配方法
US10140875B1 (en) * 2017-05-27 2018-11-27 Hefei University Of Technology Method and apparatus for joint optimization of multi-UAV task assignment and path planning
CN107330560A (zh) * 2017-07-04 2017-11-07 北京理工大学 一种考虑时序约束的异构飞行器多任务协同分配方法
CN107677273A (zh) * 2017-09-11 2018-02-09 哈尔滨工程大学 一种基于二维栅格划分的集群无人机多航迹规划方法
CN110262548A (zh) * 2019-06-21 2019-09-20 北京理工大学 一种考虑抵达时间约束的无人机航迹规划方法
CN110413005A (zh) * 2019-08-25 2019-11-05 西北工业大学 一种基于逆推法的多无人机协同航迹规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
QUAN ZHAO，等: "A Multi-UAV Collaborative Real-time Path Planning Method Under Time-space Constraints", 《8TH EUROPEAN CONFERENCE FOR AERONAUTICS AND SPACE SCIENCES (EUCASS)》 *
夏令儒，等: "多无人机协同任务规划", 《电子科技》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111487995A (zh) * 2020-04-30 2020-08-04 湖南科技大学 基于三维简化虚拟模型的群无人机多目标搜索协作方法
CN111561933A (zh) * 2020-06-17 2020-08-21 西安爱生技术集团公司 双重改进a星最短航路规划方法
CN111561933B (zh) * 2020-06-17 2023-03-31 西安爱生技术集团有限公司 双重改进a星最短航路规划方法
CN112817331A (zh) * 2021-01-05 2021-05-18 北京林业大学 一种基于多机协同的林业信息智能监测系统
CN112802369A (zh) * 2021-04-06 2021-05-14 北京三快在线科技有限公司 获取飞行航线的方法、装置、计算机设备及可读存储介质
CN112802369B (zh) * 2021-04-06 2021-07-16 北京三快在线科技有限公司 获取飞行航线的方法、装置、计算机设备及可读存储介质
WO2022213733A1 (zh) * 2021-04-06 2022-10-13 北京三快在线科技有限公司 获取飞行航线的方法、装置、计算机设备及可读存储介质
CN113359848A (zh) * 2021-07-06 2021-09-07 西北工业大学 一种基于航路点的无人机编队生成-切换航迹规划方法
CN114115354A (zh) * 2021-12-13 2022-03-01 北京航空航天大学 一种异质平台协同路径规划方法
CN114115354B (zh) * 2021-12-13 2023-07-28 北京航空航天大学 一种异质平台协同路径规划方法
CN114355979B (zh) * 2022-01-06 2023-04-25 北京大唐永盛科技发展有限公司 一种无人机航路自动规划的方法
CN114355979A (zh) * 2022-01-06 2022-04-15 北京大唐永盛科技发展有限公司 一种无人机航路自动规划的方法
CN114415524A (zh) * 2022-03-31 2022-04-29 中国人民解放军96901部队 一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法
CN114415524B (zh) * 2022-03-31 2022-06-21 中国人民解放军96901部队 一种启发式协同多飞行器的轨迹交叉分析及冲突消解方法
CN115930973A (zh) * 2023-02-08 2023-04-07 中国民航大学 一种无人机航路规划方法及装置
CN115930973B (zh) * 2023-02-08 2023-07-14 中国民航大学 一种无人机航路规划方法及装置
CN117213484A (zh) * 2023-06-21 2023-12-12 深圳大学 一种基于遗传算法的航点连线方法、装置及智能终端

Also Published As

Publication number Publication date
CN110850891B (zh) 2023-02-14

Similar Documents

Publication Publication Date Title
CN110850891B (zh) 一种基于空间和时间协同的多无人机动态航路规划方法
CN108549407B (zh) 一种多无人机协同编队避障的控制算法
CN110320933B (zh) 一种巡航任务下无人机避障运动规划方法
CN109508035B (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
CN112747736B (zh) 一种基于视觉的室内无人机路径规划方法
CN109656264B (zh) 用于为飞行器生成到着陆地点的3d路径的计算机实施的方法和系统
Tordesillas et al. Real-time planning with multi-fidelity models for agile flights in unknown environments
US20220111962A1 (en) Aerial vehicle and method and computer-aided system for controlling an aerial vehicle
Waslander Unmanned aerial and ground vehicle teams: Recent work and open problems
Shanmugavel et al. Collision avoidance and path planning of multiple UAVs using flyable paths in 3D
JP7106417B2 (ja) 飛行計画算出装置及びプログラム
Zammit et al. Comparison of a* and rrt in real–time 3d path planning of uavs
Petrlík et al. Coverage optimization in the cooperative surveillance task using multiple micro aerial vehicles
CN112650306A (zh) 一种基于动力学rrt*的无人机运动规划方法
Zhang Occlusion-aware uav path planning for reconnaissance and surveillance in complex environments
Zhang et al. A method for UAV reconnaissance and surveillance in complex environments
CN115657730A (zh) 一种大规模多旋翼无人机鲁棒分簇编队控制方法
Ramasamy et al. Cooperative route planning of multiple fuel-constrained Unmanned Aerial Vehicles with recharging on an Unmanned Ground Vehicle
CN117170410B (zh) 用于无人机编队飞行的控制方法及相关产品
CN113253760B (zh) 路径规划方法、装置、可移动载具及存储介质
Whitzer et al. In-flight formation control for a team of fixed-wing aerial vehicles
CN117724524A (zh) 一种基于改进球面向量粒子群算法的无人机航线规划方法
CN110706519B (zh) 载机航路实时规划方法、装置和计算机设备
Wu et al. Collision-aware task assignment for multi-robot systems
D’Amato et al. Smooth path planning for fixed-wing aircraft in 3d environment using a layered essential visibility graph

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