CN110865653A - 一种分布式集群无人机队形变换方法 - Google Patents

Abstract

本发明提供了一种分布式的集群无人机队形变换方法。首先对集群无人机的位置和速度进行初始化并设计集群的飞行队形；然后，建立无人机协同任务分配模型，各架无人机独立地进行任务选择，进行任务包的构建与更新；任务包更新完成后，各架无人机同时向通信邻域内的其他无人机共享自己的已知信息并进行一致性协商，采用CBBA完成从初始随机位置到集群目标队形的位置分配，确保算法最终收敛到一个无冲突的任务分配方案；最后，通过设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律，实现集群队形的形成与保持。同时，本发明可以通过目标队形位置的再分配实现集群无人机快速高效的队形变换。

Description

一种分布式集群无人机队形变换方法

技术领域

本发明属于集群无人机协同控制领域，具体涉及一种集群无人机队形变换方法。

背景技术

随着无人机技术的发展，多无人机协同执行任务比单架无人机更具优势，能提高作战效率并缩短任务完成时间，成为现代战场中至关重要的组成部分，其中，无人机集群队形控制是保证无人机集群更好地执行各项任务的前提，因此受到广泛的关注。无人机集群队形控制是指多架具有自主功能的无人机根据不同的任务需求或外部环境进行相应的队形生成、保持、变换与重构，其中，队形变换更是关键的一环。不同的集群队形往往有着不同的用途，常见的集群队形有V字形、一字形、圆形等。V字形可以借助上洗气流减少燃油消耗，增加飞行航程；一字形常用于穿越狭窄山谷等障碍；圆形多用于集中攻击目标。

关于集群无人机队形控制的研究策略主要聚焦在分布式方法，更加注重集群中无人机之间的相互自主协调。目前，有关队形控制的方法主要有：领导跟随法、虚拟结构法和基于行为的方法。领导跟随法通过给定长机的运动轨迹，僚机跟随长机并与长机维持相应的几何距离来实现各种队形的保持，一旦领导者失效，队形可能失效。虚拟结构法通过指定某一虚拟点为参考点，无人机的位置由该虚拟参考点确定，但队形变换缺乏灵活性。基于行为的方法可根据相邻无人机的位置反馈进行调节实现分布式控制，但群体行为没有明确定义，不便于分析。除此之外，大部分基于一致性理论的控制方法都需要提前指定各无人机由初始集群到目标集群的目标位置，并没有考虑集群变换时的全局优化，不能满足实时性要求。

无人机集群队形保持要求各无人机在空间里保持特定的几何位置关系。以往的队形变换中，无人机相对于集群几何参考点的位置都是预先分配好的。这样的缺点是算法的灵活性差，不能根据实际情况获得一个最优的分配方案，从而增加飞行航程。

发明内容

为了克服现有技术的不足，本发明提供了一种分布式集群无人机队形变换方法。首先对集群无人机的位置和速度进行初始化并设计集群的飞行队形；然后，建立无人机协同任务分配模型，各架无人机独立地进行任务选择，进行任务包的构建与更新；任务包更新完成后，各架无人机同时向通信邻域内的其他无人机共享自己的已知信息并进行一致性协商，采用一致性包算法(CBBA)完成从初始随机位置到集群目标队形的位置分配，确保算法最终收敛到一个无冲突的任务分配方案；最后，通过设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律，实现集群队形的形成与保持。同时，当集群无人机队形因外部环境或任务需求改变需要变换其他队形时，本发明可以通过目标队形位置的再分配实现集群无人机快速高效的队形变换。

为达到上述目的，本发明提供的一种分布式集群无人机队形变换方法，包括以下步骤：

步骤1：定义无人机集群，其中有N架无人机和一个虚拟领导者，无人机集群的集合为{UAV₁,UAV₂，...UAV_N}，无人机标号集合为I＝{1,2，...N}，设定无人机i的位置向量为x_i，速度向量为v_i，虚拟领导者γ的位置向量为x_γ，速度向量为v_γ，初始化无人机和虚拟领导者的位置向量和速度向量；

步骤2：将虚拟领导者γ设定为无人机集群的几何参考点，确定无人机集群队形中各目标位置与虚拟领导者的相对距离；

步骤3：在地面坐标系中确定无人机集群队形中各目标位置的坐标T_j：

步骤4：建立目标队形位置分配模型：

无人机集群队形的任务分配问题定义为：无人机从当前位置移动到一个目标位置被定义为一个任务，给定N架无人机和N个目标位置进行任务分配，使得完成任务后获得的总距离代价最小；该任务分配问题的数学模型如下：

其中，g∈{0,1}^N*N表示一个由0,1变量构成的决策变量集合，g_ij表示无人机i移动到目标位置j的决策变量，i表示无人机序号，j表示目标位置序号；

c_ij(g)表示无人机i移动到目标位置j的收益值：

其中，λ_j表示折扣因子，R_j表示无人机i移动到目标位置j的价值；τ_ij表示无人机i到达目标位置j所用的时间：

τ_ij＝d_ij/v_i

其中，d_ij为无人机i从当前位置到目标位置j的距离；

步骤5：确定每架无人机需维护的数据信息结构：任务包集b_i、获胜者列表z_i、获胜出价列表y_i、时间戳信息s_i；

任务包集b_i：b_i＝{b_i1}，任务包集包含了无人机i选择将执行的所有任务，并按照任务的添加的时间顺序从前到后排序；

获胜者列表z_i：z_i＝{z_i1,...z_iN}，集合中的元素z_i1,...z_iN表示当前所有任务的获胜者的标号；

获胜出价列表y_i：y_i＝{y_i1,...y_iN}，集合中的元素y_i1,...y_iN表示按照当前获胜者列表中的顺序，获胜者对获胜任务的出价；

时间戳信息s_i：s_i＝{s_i1,...s_iN}，集合中的元素s_i1,...s_iN表示无人机i接收到无人机k最新消息的时刻，k＝1，...，N；

第i架无人机的任务包集更新步骤如下：

步骤5-1：依次计算无人机i完成所有不在任务包集b_i中的任务的收益值c_ij；

步骤5-2：将计算得到的收益值c_ij与无人机i当前的获胜出价列表中相应的y_ij值比较，若对于同一个任务，收益值c_ij大于y_ij，则设置竞拍标志h_ij＝1，否则h_ij＝0；

步骤5-3：依次计算c_ij·h_ij，找到乘积最大的c_ij·h_ij所对应的目标位置j^*，如果此时

则将无人机i移动到目标位置j^*对应的任务

加入无人机i的当前任务包b_i；如果此时c_ij·h_ij≤0，则保持当前状态不变；

步骤6：无人机i在通信邻域内接收其它无人机k的获胜者列表，获胜出价列表和时间戳信息，并接收到更新、复位和离开三种共享信息，同时无人机i按照接收到的共享信息的种类，按以下原则更新数据信息结构：

更新：将y_kj的值赋给y_ij，将z_kj的值赋给z_ij；

复位：将y_ij的值重置为0，z_ij重置为空；

离开：y_ij、z_ij不做任何改变；

时间戳信息s_i的更新公式如下：

其中，s_ik是无人机i接收无人机k最新消息的时刻，s_mk是无人机m接收无人机k最新消息的时刻，τ_r代表无人机i接收到无人机k消息的时刻，a_ik是无人机i和无人机k之间能否进行通讯的标志位，a_ik＝1代表无人机i和无人机k之间可以通信，a_im是无人机i和无人机m之间能否进行通讯的标志位；

步骤7：确定各无人机在期望队形中相对于集群几何参考点的距离向量r_i，作为集群协同控制律的输入量：

r_i＝x_γ-T_j

步骤8，定义集群协同控制律如下：

u_i＝u_γ+u_αi+u_d

其中，u_i表示无人机i的总加速度，u_γ表示虚拟领导者的加速度；

u_αi为无人机间的作用力，当无人机间距离小于队形期望距离d时，表现为斥力，当无人机间距离大于期望距离d时，表现为引力：

其中，c_α表示无人机间作用力的权重系数，ψ_α表示无人机间的人工势能函数，α和q表示无人机间的作用力参数，N_αi表示无人机i的通信邻域：

N_αi＝{||x_p-x_i||<r|i,p∈N}

其中r为通信半径，p为第p个无人机编号；

u_d为无人机之间以及无人机与虚拟领导者之间的速度位置一致性控制函数：

其中，r_ip为无人机i和无人机p之间的期望相对位置向量，且r_ip＝r_i-r_p，k₁、k₂、k₃、k₄为增益系数，x_i(t)是无人机i随时间变化的位置向量，x_p(t)是无人机p随时间变化的位置向量，x_γ(t)是虚拟领导者γ随时间变化的位置向量，v_i(t)是无人机i随时间变化的位速度向量，v_p(t)是无人机p随时间变化的速度向量，v_γ(t)是虚拟领导者γ随时间变化的速度向量，a_ij(t)为邻接矩阵函数：

a_ij(t)＝ρ_h(||x_j-x_i||_σ/||r||_σ)

其中ρ_h为0到1上连续光滑的碰撞函数；

步骤9：无人机按照以下二阶模型飞行，直至到达飞行终点：

其中u_i(t)是无人机i随时间变化的总加速度。

本发明的有益效果是：由于采用了本发明的一种分布式集群无人机队形变换方法，在不需要全局信息的条件下，各架无人机可根据自身的位置和速度信息，通过自主竞争的方式，与其他无人机协商达到一致的分配结果。利用CBBA实现集群无人机从初始随机位置到集群目标队形的位置分配，能够考虑集群队形变换时的全局优化，从而找到一个当前总距离代价最小的分配方案。该方法更加具有灵活性，能够快速高效地实现集群队形的形成与重构。

附图说明

图1是本发明集群无人机队形变换方法的总流程图。

图2是集群无人机从初始随机位置到圆形队形的队形变换图。

图3是本发明中采用CBBA进行目标队形位置分配的分配结果图。

图4是未采用CBBA进行目标队形位置分配的分配结果图。

图5是采用本发明进行集群无人机队形变换的结果图。

图中：1-虚拟领导者，2-无人机。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

如图1所示，本发明提供的一种分布式集群无人机队形变换方法，包括以下步骤：

步骤1：定义无人机集群，其中有N架无人机和一个虚拟领导者，无人机集群的集合为{UAV₁,UAV₂，...UAV_N}，无人机标号集合为I＝{1,2，...N}，设定无人机i的位置向量为x_i，速度向量为v_i，虚拟领导者γ的位置向量为x_γ，速度向量为v_γ，初始化无人机和虚拟领导者的位置向量和速度向量；

步骤2：将虚拟领导者γ设定为无人机集群的几何参考点，确定无人机集群队形中各目标位置与虚拟领导者的相对距离；

步骤3：在地面坐标系中确定无人机集群队形中各目标位置的坐标T_j：

步骤4：建立目标队形位置分配模型：

无人机集群队形的任务分配问题定义为：无人机从当前位置移动到一个目标位置被定义为一个任务，给定N架无人机和N个目标位置进行任务分配，使得完成任务后获得的总距离代价最小；该任务分配问题的数学模型如下：

其中，g∈{0,1}^N*N表示一个由0,1变量构成的决策变量集合，g_ij表示无人机i移动到目标位置j的决策变量，i表示无人机序号，j表示目标位置序号；

c_ij(g)表示无人机i移动到目标位置j的收益值：

其中，λ_j表示折扣因子，R_j表示无人机i移动到目标位置j的价值；τ_ij表示无人机i到达目标位置j所用的时间：

τ_ij＝d_ij/v_i

其中，d_ij为无人机i从当前位置到目标位置j的距离；

步骤5：确定每架无人机需维护的数据信息结构：任务包集b_i、获胜者列表z_i、获胜出价列表y_i、时间戳信息s_i；

任务包集b_i：b_i＝{b_i1}，任务包集包含了无人机i选择将执行的所有任务，并按照任务的添加的时间顺序从前到后排序；

获胜者列表z_i：z_i＝{z_i1,...z_iN}，集合中的元素z_i1,...z_iN表示当前所有任务的获胜者的标号；

获胜出价列表y_i：y_i＝{y_i1,...y_iN}，集合中的元素y_i1,...y_iN表示按照当前获胜者列表中的顺序，获胜者对获胜任务的出价；

时间戳信息s_i：s_i＝{s_i1,...s_iN}，集合中的元素s_i1,...s_iN表示无人机i接收到无人机k最新消息的时刻，k＝1，...，N；

第i架无人机的任务包集更新步骤如下：

步骤5-1：依次计算无人机i完成所有不在任务包集b_i中的任务的收益值c_ij；

步骤5-2：将计算得到的收益值c_ij与无人机i当前的获胜出价列表中相应的y_ij值比较，若对于同一个任务，收益值c_ij大于y_ij，则设置竞拍标志h_ij＝1，否则h_ij＝0；

步骤5-3：依次计算c_ij·h_ij，找到乘积最大的c_ij·h_ij所对应的目标位置j^*，如果此时

则将无人机i移动到目标位置j^*对应的任务b_ij*加入无人机i的当前任务包b_i；如果此时c_ij·h_ij≤0，则保持当前状态不变；

步骤6：无人机i在通信邻域内接收其它无人机k的获胜者列表，获胜出价列表和时间戳信息，并接收到更新、复位和离开三种共享信息，同时无人机i按照接收到的共享信息的种类，按以下原则更新数据信息结构：

更新：将y_kj的值赋给y_ij，将z_kj的值赋给z_ij；

复位：将y_ij的值重置为0，z_ij重置为空；

离开：y_ij、z_ij不做任何改变；

时间戳信息s_i的更新公式如下：

其中，s_ik是无人机i接收无人机k最新消息的时刻，s_mk是无人机m接收无人机k最新消息的时刻，τ_r代表无人机i接收到无人机k消息的时刻，a_ik是无人机i和无人机k之间能否进行通讯的标志位，a_ik＝1代表无人机i和无人机k之间可以通信，a_im是无人机i和无人机m之间能否进行通讯的标志位；

步骤7：确定各无人机在期望队形中相对于集群几何参考点的距离向量r_i，作为集群协同控制律的输入量：

r_i＝x_γ-T_j

步骤8，定义集群协同控制律如下：

u_i＝u_γ+u_αi+u_d

其中，u_i表示无人机i的总加速度，u_γ表示虚拟领导者的加速度；

u_αi为无人机间的作用力，当无人机间距离小于队形期望距离d时，表现为斥力，当无人机间距离大于期望距离d时，表现为引力：

其中，c_α表示无人机间作用力的权重系数，ψ_α表示无人机间的人工势能函数，α和q表示无人机间的作用力参数，N_αi表示无人机i的通信邻域：

N_αi＝{||x_p-x_i||<r|i,p∈N}

其中r为通信半径，p为第p个无人机编号；

u_d为无人机之间以及无人机与虚拟领导者之间的速度位置一致性控制函数：

其中，r_ip为无人机i和无人机p之间的期望相对位置向量，且r_ip＝r_i-r_p，k₁、k₂、k₃、k₄为增益系数，x_i(t)是无人机i随时间变化的位置向量，x_p(t)是无人机p随时间变化的位置向量，x_γ(t)是虚拟领导者γ随时间变化的位置向量，v_i(t)是无人机i随时间变化的位速度向量，v_p(t)是无人机p随时间变化的速度向量，v_γ(t)是虚拟领导者γ随时间变化的速度向量，a_ij(t)为邻接矩阵函数：

a_ij(t)＝ρ_h(||x_j-x_i||_σ/||r||_σ)

其中ρ_h为0到1上连续光滑的碰撞函数；

步骤9：无人机按照以下二阶模型飞行，直至到达飞行终点：

其中u_i(t)是无人机i随时间变化的总加速度。

若在飞行途中需根据任务需求改变目标队形，则返回步骤3进行目标队形的位置重分配，形成期望队形。

实施例：

系统仿真环境为：Intel 2.8GHz,16GB内存的PC机，Windows10操作系统，Matlab2016b平台。

本实施例采用三维地图模型，坐标系为平面坐标系。假设共有九架无人机，每架无人机的初始速度在[0,0.1]×[0,0.1]×[0,0.1]m/s中随机产生，初始位置在[0,300]×[0,300]×[0,300]m中随机产生。虚拟领导者的初始位置q_γ(0)＝(150,150，150)m，初始速度p_γ(0)＝(20,20，10)m/s，加速度u_γ＝0m/s²。每架无人机的通信半径r＝300m，无人机间的期望距离d＝200m。无人机集群时的期望队形为圆形，无人机的最大速度限制为60m/s，最大加速度限制为10m/s²，λ＝0.0003，各目标位置的初始收益R＝100。

在步骤2中以期望队形为圆形为例，如图2所示，虚拟领导者位于圆心中心，其余无人机均匀分布在圆周上，各目标位置距离虚拟几何参考点的相对位置向量q_i可根据该圆计算得出：

R＝d/(2sin(π/N))

q_i＝(Rsin(360i/N),Rcos(360i/N)) i＝1,2,...N

其中，R为圆形队形的半径。

按照本发明给出的方法，可以最终得到目标队形的位置分配结果，形成期望队形。

图3是本发明实例的目标队形位置分配结果，圆圈代表无人机，三角代表目标位置，可以看出9架无人机进行位置分配最终得到了无冲突的任务分配结果，总得分为366.9420。图4是在相同条件下，未采用CBBA而是预先分配目标队形位置的结果，无人机从初始随机状态按序号相同的原则前往V字形队形中的目标位置(即UAV1前往目标位置1，依次类推)，总得分为291.4396。对比二者可以看出，应用CBBA进行目标位置分配的总得分更高，飞行总距离更少。

图5是本发明实例的集群无人机队形变换的结果图。圆圈代表无人机，箭头的长度代表无人机的速度大小，箭头所示方向代表无人机的速度方向,线条代表无人机间的通信关系。可以看出，集群能够形成期望队形飞行。

综上所述，本发明利用CBBA完成从初始随机位置到集群目标队形的位置分配，在集群协同控制律的作用下实现集群队形的形成与保持，并通过目标队形位置的再分配实现不同集群队形之间的变换。基于分布式集群无人机队形变换方法更加注重无人机之间的相互自主协调，具有无中心化、自主化、自治化的特点，鲁棒性好。因为CBBA是一个针对于解决多智能体多任务分配问题的分布式拍卖算法，不需要中心节点控制，各智能体可以通过自主竞争的方式，协商达到一致的分配结果。由于无人机只需考虑自身任务包的构建，从而大幅度降低计算量。并行分配的任务分配模式也使算法收敛时间大大减少。对于集群无人机队形变换来说，该方法更加灵活高效，实现了无人机间的自主决策。

Claims (1)

1.一种分布式集群无人机队形变换方法，其特征在于，包括以下步骤：

步骤1：定义无人机集群，其中有N架无人机和一个虚拟领导者，无人机集群的集合为{UAV₁，UAV₂，...UAV_N}，无人机标号集合为I＝{1，2，...N}，设定无人机i的位置向量为x_i，速度向量为v_i，虚拟领导者γ的位置向量为x_γ，速度向量为v_γ，初始化无人机和虚拟领导者的位置向量和速度向量；

步骤2：将虚拟领导者γ设定为无人机集群的几何参考点，确定无人机集群队形中各目标位置与虚拟领导者的相对距离；

步骤3：在地面坐标系中确定无人机集群队形中各目标位置的坐标T_j：

步骤4：建立目标队形位置分配模型：

无人机集群队形的任务分配问题定义为：无人机从当前位置移动到一个目标位置被定义为一个任务，给定N架无人机和N个目标位置进行任务分配，使得完成任务后获得的总距离代价最小；该任务分配问题的数学模型如下：

其中，g∈{0，1}^N*N表示一个由0，1变量构成的决策变量集合，g_ij表示无人机i移动到目标位置j的决策变量，i表示无人机序号，j表示目标位置序号；

c_ij(g)表示无人机i移动到目标位置j的收益值：

其中，λ_j表示折扣因子，R_j表示无人机i移动到目标位置j的价值；τ_ij表示无人机i到达目标位置j所用的时间：

τ_ij＝d_ij/v_i

其中，d_ij为无人机i从当前位置到目标位置j的距离；

步骤5：确定每架无人机需维护的数据信息结构：任务包集b_i、获胜者列表z_i、获胜出价列表y_i、时间戳信息s_i；

任务包集b_i：b_i＝{b_i1}，任务包集包含了无人机i选择将执行的所有任务，并按照任务的添加的时间顺序从前到后排序；

获胜者列表z_i：z_i＝{z_i1，...z_iN}，集合中的元素z_i1，...z_iN表示当前所有任务的获胜者的标号；

获胜出价列表y_i：y_i＝{y_i1，...y_iN}，集合中的元素y_i1，...y_iN表示按照当前获胜者列表中的顺序，获胜者对获胜任务的出价；

时间戳信息s_i：s_i＝{s_i1，...s_iN}，集合中的元素s_i1，...s_iN表示无人机i接收到无人机k最新消息的时刻，k＝1，...，N；

第i架无人机的任务包集更新步骤如下：

步骤5-1：依次计算无人机i完成所有不在任务包集b_i中的任务的收益值c_ij；

步骤5-2：将计算得到的收益值c_ij与无人机i当前的获胜出价列表中相应的y_ij值比较，若对于同一个任务，收益值c_ij大于y_ij，则设置竞拍标志h_ij＝1，否则h_ij＝0；

步骤5-3：依次计算c_ij·h_ij，找到乘积最大的c_ij·h_ij所对应的目标位置j^*，如果此时

则将无人机i移动到目标位置j^*对应的任务

加入无人机i的当前任务包b_i；如果此时c_ij·h_ij≤0，则保持当前状态不变；

步骤6：无人机i在通信邻域内接收其它无人机k的获胜者列表，获胜出价列表和时间戳信息，并接收到更新、复位和离开三种共享信息，同时无人机i按照接收到的共享信息的种类，按以下原则更新数据信息结构：

更新：将y_kj的值赋给y_ij，将z_kj的值赋给z_ij；

复位：将y_ij的值重置为0，z_ij重置为空；

离开：y_ij、z_ij不做任何改变；

时间戳信息s_i的更新公式如下：

其中，s_ik是无人机i接收无人机k最新消息的时刻，s_mk是无人机m接收无人机k最新消息的时刻，τ_r代表无人机i接收到无人机k消息的时刻，a_ik是无人机i和无人机k之间能否进行通讯的标志位，a_ik＝1代表无人机i和无人机k之间可以通信，a_im是无人机i和无人机m之间能否进行通讯的标志位；

步骤7：确定各无人机在期望队形中相对于集群几何参考点的距离向量r_i，作为集群协同控制律的输入量：

r_i＝x_γ-T_j

步骤8，定义集群协同控制律如下：

u_i＝u_γ+u_αi+u_d

其中，u_i表示无人机i的总加速度，u_γ表示虚拟领导者的加速度；

u_αi为无人机间的作用力，当无人机间距离小于队形期望距离d时，表现为斥力，当无人机间距离大于期望距离d时，表现为引力：

其中，c_α表示无人机间作用力的权重系数，ψ_α表示无人机间的人工势能函数，α和q表示无人机间的作用力参数，N_αi表示无人机i的通信邻域：

N_αi＝{||x_p-x_i||＜r|i，p∈N}

其中r为通信半径，p为第p个无人机编号；

u_d为无人机之间以及无人机与虚拟领导者之间的速度位置一致性控制函数：

其中，r_ip为无人机i和无人机p之间的期望相对位置向量，且r_ip＝r_i-r_p，k₁、k₂、k₃、k₄为增益系数，x_i(t)是无人机i随时间变化的位置向量，x_p(t)是无人机p随时间变化的位置向量，x_γ(t)是虚拟领导者γ随时间变化的位置向量，v_i(t)是无人机i随时间变化的位速度向量，v_p(t)是无人机p随时间变化的速度向量，v_γ(t)是虚拟领导者γ随时间变化的速度向量，a_ij(t)为邻接矩阵函数：

a_ij(t)＝ρ_h(||x_j-x_i||_σ/||r||_σ)

其中ρ_h为0到1上连续光滑的碰撞函数；

步骤9：无人机按照以下二阶模型飞行，直至到达飞行终点：

其中u_i(t)是无人机i随时间变化的总加速度。

Images