CN110989626A - 一种基于控制参数化的无人机路径规划方法 - Google Patents
一种基于控制参数化的无人机路径规划方法 Download PDFInfo
- Publication number
- CN110989626A CN110989626A CN201911372135.XA CN201911372135A CN110989626A CN 110989626 A CN110989626 A CN 110989626A CN 201911372135 A CN201911372135 A CN 201911372135A CN 110989626 A CN110989626 A CN 110989626A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- constraint
- control
- path planning
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000013518 transcription Methods 0.000 claims abstract description 8
- 230000035897 transcription Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000009499 grossing Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000012067 mathematical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于控制参数化的无人机路径规划方法,主要包括非线性规划建模、控制参数化、约束转录处理和梯度公式求解四个步骤。本发明综合考虑了3D环境中的障碍物约束以及无人机自身的动力学约束和性能指标约束,并采用两种障碍物建模方法使无人机路径规划能够满足城市及山地环境的应用,通过求解最优解的方式,在满足状态约束和控制约束条件下,获得无人机的最优时间无碰撞路径,通过该方法获得的无人机最优路径相比现有常规的RRT方法和A*方法的最优路径更加平滑,并且在无人机运动过程中电机转速变化更为稳定,运动轨迹平稳可行。
Description
技术领域
本发明涉及四旋翼无人机控制技术领域,具体地讲,是涉及一种基于控制参数化的无人机路径规划方法。
背景技术
四旋翼无人机具有可垂直升降,飞行速度快,轻便灵活的特点,因此在许多领域都得到了广泛应用。例如,随着无人机航拍技术不断发展,当自然灾害发生时,我们需要及时了解灾害情况,这就需要无人机进入受灾区域,通过影像分析受灾状况。此外,无人机还被用于交通监视领域,可以对城市路况进行实时监视,实现区域管控,确保交通畅通。对于突发的交通事故,可以及时传递信息,方便紧急救援。无人机任务复杂度不断提高,为了实现自主飞行,在执行任务之前的路径规划至关重要。传统的无人机路径规划技术一般只考虑环境中的障碍物约束,不考虑无人机本身的动力学约束,算法复杂度低,但存在着由于没有考虑无人机自身的动力学约束导致规划出的最短路径不一定可行的劣势。
现有的路径规划算法一般可以分为在线算法和离线算法。通常,在线算法的计算复杂度比较低。在线算法又包括基于采样的算法和基于结点的算法,其中比较典型的有快速搜索随机树(RRT)方法和A*算法。离线路径规划算法也被广泛研究,比如基于数学方法的凸优化算法、混合整数规划算法。还有基于仿生学方法的遗传算法、神经网络和粒子群算法。四旋翼无人机动力学模型具有非线性、欠驱动、强耦合的特点,而以上这些算法没有考虑无人机本身的动力学约束,因此,计算出的路径不是最优的。
RRT算法随机性强且搜索没有偏向性,得到的路径不一定为最优路径。如附图1所示,给出了在山地环境中RRT方法搜索的最优路径。A*寻路算法采用启发式搜索方法,避免了很多无谓的搜索,提高了效率,但是如果我们想搜索的更精确,就要将方格分割得更小,但是方格越多,搜索越慢,尤其是在三维空间中,在时间上是呈指数增长的。对于凸优化和混合整数规划这些数学方法,大多需要把运动学模型线性化处理,这样得到的最优路径只是近似解,不够精确。
发明内容
针对上述技术问题,本发明提供一种基于控制参数化的无人机路径规划方法。
为了实现上述目的,本发明采用的技术方案如下:
一种基于控制参数化的无人机路径规划方法,包括以下步骤:
(S1)非线性规划建模:根据无人机的非线性动力学方程选取状态变量和控制变量并将其改写为状态空间模型的形式,利用无人机自身的性能指标约束和环境中的障碍物约束,建模为无人机连续状态不等式约束,把无人机的初始状态和目标点作为边界约束条件,把无人机飞行时间作为优化的目标函数,将无人机路径规划问题转化为无人机的最小化飞行时间的非线性最优控制问题,求解最优的控制变量u(t)使得飞行时间T最小,并满足各项约束条件;
(S2)控制参数化:选取等间隔p+1的个点,把[0,T]分成p段,选取的点τ为0=τ0<τ1<τ2<…<τp-1<τp=T,根据公式将控制变量u(t)转化为多段分段的常量,定义基于无人机飞行时间作为优化的目标函数,采用时间压缩的方法,无人机控制状态可转化为 其中,X为状态变量,s为被压缩的时间变量,当p足够大时,该式的次优解为无人机的最小化飞行时间的非线性最优控制问题的最优解;
(S3)约束转录处理:采用约束转录方法把无人机连续状态不等式约束转化为积分等式约束,并对该积分等式约束进行局部平滑处理,获得转化后的约束条件;
(S4)利用梯度下降算法对转化后的约束条件进行优化,将无人机轨迹规划问题转化为非线性优化问题,使用MISER3.2软件进行求解,获得无人机基于控制参数化的最优路径规划结果。
具体地,所述环境中的障碍物约束包括根据p-norm规则建立的用来模拟无人机在城市飞行环境的第一环境约束,以及用于模拟山地飞行环境的第二环境约束。
具体地,所述无人机自身的性能指标约束包括无人机终端约束、连续状态不等式约束和控制输入约束,其中连续状态不等式约束包括无人机海拔高度约束、速度约束和角度约束。
具体地,该基于控制参数化的无人机路径规划方法,还包括:
(S5)将步骤(S4)获得的无人机基于控制参数化的最优路径规划结果写入闭环PD控制器内对无人机进行路径规划控制。
与现有技术相比,本发明具有以下有益效果:
本发明综合考虑了3D环境中的障碍物约束以及无人机自身的动力学约束和性能指标约束,并采用两种障碍物建模方法使无人机路径规划能够满足城市及山地环境的应用,通过求解最优解的方式,在满足状态约束和控制约束条件下,获得无人机的最优时间无碰撞路径,通过该方法获得的无人机最优路径相比现有常规的RRT方法的最优路径,其最优路径误差更小,并且在无人机运动过程中的电机转速变化更为稳定,运动轨迹平稳可行。
附图说明
图1为常规RRT方法得到的路径规划图。
图2为本发明中控制参数化技术的示意图。
图3为本发明中局部平滑处理函数的说明图。
图4为本发明中无障碍物环境路径规划图。
图5为本发明中城市环境中的路径规划图。
图6为本发明中山地环境中的路径规划图。
图7为对基于本发明方法产生的最优路径的轨迹跟踪图。
图8为对基于RRT方法产生的最优路径的轨迹跟踪图。
图9为跟踪本发明方法产生的最优路径时电机转速的变化情况。
图10为跟踪RRT方法产生的最优路径时电机转速的变化情况。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,本发明的实施方式包括但不限于下列实施例。
实施例
如图1至图10所示,该基于控制参数化的无人机路径规划方法,主要包括非线性规划建模、控制参数化、约束转录处理和梯度公式求解四个步骤。
(S1)非线性规划建模:根据无人机的非线性动力学方程选取状态变量和控制变量并将其改写为状态空间模型的形式,利用无人机自身的性能指标约束和环境中的障碍物约束,建模为无人机连续状态不等式约束,把无人机的初始状态和目标点作为边界约束条件,把无人机飞行时间作为优化的目标函数,将无人机路径规划问题转化为无人机的最小化飞行时间的非线性最优控制问题,求解最优的控制变量u(t)使得飞行时间T最小,并满足各项约束条件。
其中,设定无人机运动学模型如下:
其中,x,y,z是无人机在空间中的位置坐标,θ,ψ,是三个欧拉角,分别代表俯仰角、滚转角和偏航角,g是重力加速度,L是无人机电机到重心的臂长,m是无人机的总质量,Ii(i=x,y,z)是无人机分别对每个轴的转动惯量,Ki(i=1,…,6)是空气阻力系数,ui(i=1,2,3,4)是如下定义的虚拟的控制输入量:
Fi=Kvωi 2,(i=1,2,3,4) (3)
式中,Fi(i=1,2,3,4)是第i个电机产生的推力,C是推力和力矩的转化因子,ωi(i=1,2,3,4)是是第i个电机的转速,Kv是推力系数,i=1,2,3,4表示四旋翼的四个电机;
状态变量定义如下:
控制变量定义如下:
u=[u1 u2 u3 u4 ]T (5)
将所述无人机运动学模型改写为状态空间表达式的形式如下:
所述环境中的障碍物约束有两种,第一种为根据p-norm规则建立的用来模拟无人机在城市飞行环境的第一环境约束,采用如下不等式表示:
式中,(xc,yc,zc)是障碍物的中心坐标,a,b,c代表障碍物分别沿着x、y和z方向的半径,px,py和pz是用来定义障碍物形状的整数。本实施例中设定px=py=pz=8,得到的障碍物是盒子的形状。
第二种为用于模拟山地飞行环境的第二环境约束,采用如下不等式表示:
式中,(xi,yi)是第i坐山峰的中心坐标,hi代表第i坐山峰的峰值高度,xsi和ysi代表第i坐山峰分别沿着x轴和y轴方向的衰减量,n代表山峰的总数量。
所述无人机自身的性能指标约束包括无人机终端约束、连续状态不等式约束和控制输入约束,其中,连续状态不等式约束包括无人机海拔高度约束、速度约束和角度约束:
终端约束为
X(t)=Xf, (9)
无人机海拔高度约束为
0≤z(t)≤zmax, (10)
速度约束为
角度约束为
控制输入约束为
umin≤|ui(t)|≤umax,i=1,2,3,4。 (13)
至此,无人机路径规划问题被建模为一个最优控制问题,在初始条件X0下,求出最优的控制输入u(t)使得终端时间T最小,并且以上的各项约束均得到满足。
(S2)控制参数化:选取等间隔p+1的个点,把[0,T]分成p段,选取的点τ为:
0=τ0<τ1<τ2<…<τp-1<τp=T, (14)
将控制变量u(t)转化为多段分段的常量,如图2所示,
基于无人机飞行时间作为优化的目标函数,问题为自由终端时间问题,采用时间压缩的方法,无人机控制状态可转化为
其中,X为状态变量,s为被压缩的时间变量,
当p足够大时,该式的次优解为无人机的最小化飞行时间的非线性最优控制问题的最优解的近似值;本实施例中取值p=20。
(S3)约束转录处理:非线性规划中的连续状态不等式约束需要在每一个时刻都被满足,这样每一个约束都包含无穷多个约束,为此,本实施例采用约束转录方法把无人机连续状态不等式约束转化为积分等式约束,如下:
其中,ng为连续状态不等式约束的个数。
由于得到的等式约束是不可微的,因此对该积分等式约束进行局部平滑处理,如图3所示,采用如下公式进行局部平滑处理:
获得转化后的约束条件:
其中,ε为平滑处理函数中大于0的系数,该系数越接近0,平滑函数与原约束的近似性越好,γ为平滑处理的允许误差,其越趋近于0,处理的精度越高。
经过步骤(S1)把无人机轨迹规划问题建模为非线性优化问题记为问题P,通过步骤(S2)和(S3)把该问题P转化为迭代寻优问题,记为问题Pε,γ。
经过上述转化,问题可以通过以下梯度下降算法求解:
第一步:求解问题Pε,γ,求出最优解;
第二步:把最优解代入每一个约束,检查约束gi(t)≥0的可行性;
第三步:如果第二步中所有的约束都满足则执行第五步,否则执行第四步;
算法迭代停止条件:当ε≤εmin时,该算法停止。
由于本实施例基于梯度下降算法,所以要求解目标函数、终端约束以及不等式约束的梯度公式,本实施例中还给出了相关定理的推导过程。此处将导出代价函数和连续状态不等式约束对k的梯度公式,其中k是问题Pε,γ的解。
定理1.代价函数的梯度公式为:
λ0代表如下协态方程的解:
边界条件为:
λ0(1)=0 (24)。
定理2.连续状态不等式约束的梯度公式为:
λi(s)是以下协态方程的解:
它的边界条件为:
定理3.终端等式约束求梯度的函数为:
式中λ(s)是如下协态方程的解:
边界条件如下:
(S4)利用梯度下降算法对转化后的约束条件进行优化(如上述定理1、2、3),将无人机轨迹规划问题转化为非线性优化问题,使用MISER3.2软件进行求解,获得无人机基于控制参数化的最优路径规划结果,并反馈至无人机控制系统执行。
(S5)将步骤(S4)获得的无人机基于控制参数化的最优路径规划结果写入闭环PD控制器内对无人机进行路径规划控制。
基于上述方法,本实施例还提供了数值仿真结果分析:通过如下四个例子对本发明方法进行了验证,所采用的无人机的性能指标相关参数如表一所示。
参数 | 取值 | 参数 | 取值 |
L(m) | 0.2 | K<sub>1</sub>(N/m/s) | 0.06 |
M(kg) | 1.5 | K<sub>2</sub>(N/m/s) | 0.06 |
g(m/s<sup>2</sup>) | 9.8 | K<sub>3</sub>(N/m/s) | 0.09 |
I<sub>x</sub>(kg·s<sup>2</sup>) | 0.0075 | K<sub>4</sub>(N/m/s) | 0.002 |
I<sub>y</sub>(kg·s<sup>2</sup>) | 0.0075 | K<sub>5</sub>(N/m/s) | 0.002 |
I<sub>z</sub>(kg·s<sup>2</sup>) | 0.013 | K<sub>6</sub>(N/m/s) | 0.1 |
表一无人机的性能指标参数
例子一,模拟了无人机在无障碍物环境中的飞行,如图4所示;
例子二,模拟了无人机在城市环境中的飞行(俯视),如图5所示;
例子三,模拟了无人机在山地环境中的飞行,如图6所示;数值仿真结果表明,本方法能使无人机在以上环境中找到一条无碰撞的时间最优路径,并且保证在飞行过程中所有的状态约束都能得到满足。
例子四中,通过闭环PD控制器对本方法产生的最优路径与RRT方法产生的最优路径分别进行轨迹跟踪,如图7所示,本方法应用于四旋翼无人机上时通过轨迹跟踪方式获得的跟踪轨迹与本方法计算获得的最优路径的参考轨迹基本重合,误差小,如图8所示,常规RRT方法通过轨迹跟踪方式获得的跟踪轨迹与其参考轨迹存在明显偏差,尤其是上升到一定高度后无人机的实际飞行轨迹明显出现脱离所计算获得的参考轨迹的情况,其误差较大,对比可知,本方法的路径规划方法跟踪误差更小;如图9和图10所示对比可知,本方法在跟踪过程中电机转速变化更平稳。
上述实施例仅为本发明的优选实施例,并非对本发明保护范围的限制,但凡采用本发明的设计原理,以及在此基础上进行非创造性劳动而做出的变化,均应属于本发明的保护范围之内。
Claims (8)
1.一种基于控制参数化的无人机路径规划方法,其特征在于,包括以下步骤:
(S1)非线性规划建模:根据无人机的非线性动力学方程选取状态变量和控制变量并将其改写为状态空间模型的形式,利用无人机自身的性能指标约束和环境中的障碍物约束,建模为无人机连续状态不等式约束,把无人机的初始状态和目标点作为边界约束条件,把无人机飞行时间作为优化的目标函数,将无人机路径规划问题转化为无人机的最小化飞行时间的非线性最优控制问题,求解最优的控制变量u(t)使得飞行时间T最小,并满足各项约束条件;
(S2)控制参数化:选取等间隔p+1的个点,把[0,T]分成p段,选取的点τ为0=τ0<τ1<τ2<…<τp-1<τp=T,根据公式将控制变量u(t)转化为多段分段的常量,定义基于无人机飞行时间作为优化的目标函数,采用时间压缩的方法,无人机控制状态可转化为 其中,X为状态变量,s为被压缩的时间变量,当p足够大时,该式的次优解为无人机的最小化飞行时间的非线性最优控制问题的最优解;
(S3)约束转录处理:采用约束转录方法把无人机连续状态不等式约束转化为积分等式约束,并对该积分等式约束进行局部平滑处理,获得转化后的约束条件;
(S4)利用梯度下降算法对转化后的约束条件进行优化,将无人机轨迹规划问题转化为非线性优化问题,使用MISER3.2软件进行求解,获得无人机基于控制参数化的最优路径规划结果。
2.根据权利要求1所述的一种基于控制参数化的无人机路径规划方法,其特征在于,所述步骤(S1)中,根据无人机的非线性动力学方程选取状态变量和控制变量并将其改写为状态空间模型形式的过程为:
设定无人机运动学模型如下:
其中,x,y,z是无人机在空间中的位置坐标,θ,ψ,是三个欧拉角,分别代表俯仰角、滚转角和偏航角,g是重力加速度,L是无人机电机到重心的臂长,m是无人机的总质量,Ii(i=x,y,z)是无人机分别对每个轴的转动惯量,Ki(i=1,…,6)是空气阻力系数,ui(i=1,2,3,4)是如下定义的虚拟的控制输入量:
Fi=Kvωi 2,(i=1,2,3,4)
式中,Fi(i=1,2,3,4)是第i个电机产生的推力,C是推力和力矩的转化因子,ωi(i=1,2,3,4)是是第i个电机的转速,Kv是推力系数;
状态变量定义如下:
控制变量定义如下:
u=[u1 u2 u3 u4]T
将所述无人机运动学模型改写为状态空间表达式的形式如下:
8.根据权利要求1~7任一项所述的一种基于控制参数化的无人机路径规划方法,其特征在于,还包括:
(S5)将步骤(S4)获得的无人机基于控制参数化的最优路径规划结果写入闭环PD控制器内对无人机进行路径规划控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911372135.XA CN110989626B (zh) | 2019-12-27 | 2019-12-27 | 一种基于控制参数化的无人机路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911372135.XA CN110989626B (zh) | 2019-12-27 | 2019-12-27 | 一种基于控制参数化的无人机路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110989626A true CN110989626A (zh) | 2020-04-10 |
CN110989626B CN110989626B (zh) | 2021-07-27 |
Family
ID=70077662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911372135.XA Expired - Fee Related CN110989626B (zh) | 2019-12-27 | 2019-12-27 | 一种基于控制参数化的无人机路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110989626B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562797A (zh) * | 2020-07-06 | 2020-08-21 | 北京理工大学 | 确保收敛的无人机飞行时间最优实时轨迹优化方法 |
CN113008222A (zh) * | 2021-02-20 | 2021-06-22 | 西北工业大学 | 一种基于连续时间轨迹函数的航迹约束目标跟踪方法 |
CN113050687A (zh) * | 2021-03-19 | 2021-06-29 | 四川大学 | 一种多无人机编队重组轨迹规划方法 |
CN113111434A (zh) * | 2021-03-30 | 2021-07-13 | 北京航空航天大学 | 一种基于凸混合整数规划的组合动力飞行器轨迹优化方法 |
CN113220023A (zh) * | 2021-04-28 | 2021-08-06 | 中国科学院重庆绿色智能技术研究院 | 一种高精度无人机实时路径规划方法 |
CN113268078A (zh) * | 2021-04-20 | 2021-08-17 | 四川大学 | 一种无人机群自适应环境的目标追踪围捕方法 |
CN113639750A (zh) * | 2021-07-20 | 2021-11-12 | 中国地质大学(武汉) | 顾及时变需求的高峰时段无人机监视路径规划方法及装置 |
CN115542947A (zh) * | 2022-10-31 | 2022-12-30 | 华东理工大学 | 一种四旋翼无人机的自主导航方法及无人机装置 |
CN116185051A (zh) * | 2022-09-07 | 2023-05-30 | 浙江大学 | 一种基于四旋翼动力学模型的时间最优轨迹规划方法及装置 |
CN116679755A (zh) * | 2023-06-30 | 2023-09-01 | 四川大学 | 基于分布式模型预测控制的多智能体协同突防打击方法 |
CN118225103A (zh) * | 2024-05-22 | 2024-06-21 | 哈尔滨工程大学三亚南海创新发展基地 | 大型邮轮预制舱室甲板推舱路径规划方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101286071A (zh) * | 2008-04-24 | 2008-10-15 | 北京航空航天大学 | 基于微粒群优化和遗传算法的多无人机三维编队重构方法 |
CN105739303A (zh) * | 2015-12-29 | 2016-07-06 | 沈阳航空航天大学 | 基于滚动时域法的多无人机协同打击任务分配方法 |
CN106842926A (zh) * | 2017-02-08 | 2017-06-13 | 北京航空航天大学 | 一种基于正实b样条的飞行器轨迹优化方法 |
CN108120442A (zh) * | 2017-12-12 | 2018-06-05 | 北京理工大学 | 一种基于二阶锥规划的多旋翼无人机飞行轨迹生成方法 |
CN108445898A (zh) * | 2018-05-14 | 2018-08-24 | 南开大学 | 基于微分平坦特性的四旋翼无人飞行器系统运动规划方法 |
CN109141429A (zh) * | 2018-09-03 | 2019-01-04 | 中国科学院工程热物理研究所 | 临近空间球载太阳能无人机投放过程航迹设计方法 |
CN110095987A (zh) * | 2019-04-30 | 2019-08-06 | 中国电子科技集团公司第三十八研究所 | 基于鲁棒伺服控制与模型自适应控制的控制方法及控制器 |
-
2019
- 2019-12-27 CN CN201911372135.XA patent/CN110989626B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101286071A (zh) * | 2008-04-24 | 2008-10-15 | 北京航空航天大学 | 基于微粒群优化和遗传算法的多无人机三维编队重构方法 |
CN105739303A (zh) * | 2015-12-29 | 2016-07-06 | 沈阳航空航天大学 | 基于滚动时域法的多无人机协同打击任务分配方法 |
CN106842926A (zh) * | 2017-02-08 | 2017-06-13 | 北京航空航天大学 | 一种基于正实b样条的飞行器轨迹优化方法 |
CN108120442A (zh) * | 2017-12-12 | 2018-06-05 | 北京理工大学 | 一种基于二阶锥规划的多旋翼无人机飞行轨迹生成方法 |
CN108445898A (zh) * | 2018-05-14 | 2018-08-24 | 南开大学 | 基于微分平坦特性的四旋翼无人飞行器系统运动规划方法 |
CN109141429A (zh) * | 2018-09-03 | 2019-01-04 | 中国科学院工程热物理研究所 | 临近空间球载太阳能无人机投放过程航迹设计方法 |
CN110095987A (zh) * | 2019-04-30 | 2019-08-06 | 中国电子科技集团公司第三十八研究所 | 基于鲁棒伺服控制与模型自适应控制的控制方法及控制器 |
Non-Patent Citations (4)
Title |
---|
JOE WOONG YEOL等: ""Parametrization of nonlinear trajectory for time optimal 2D path planning for Unmanned Aerial Vehicles"", 《2016 2ND INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION AND ROBOTICS (ICCAR)》 * |
JONGKIMOON等: ""Minimum-time approach to obstacle avoidance constrained by envelope protection for autonomous UAVs"", 《MECHATRONICS》 * |
MANLIO BARAJAS等: ""3D Tracking and Control of UAV Using Planar Faces and Monocular Camera"", 《CENTER FOR INTELLIGENT SYSTEMS》 * |
SARA PÉREZ-CARABAZA等: ""UAV trajectory optimization for Minimum Time Search with communication constraints and collision avoidance"", 《ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562797B (zh) * | 2020-07-06 | 2021-07-30 | 北京理工大学 | 确保收敛的无人机飞行时间最优实时轨迹优化方法 |
CN111562797A (zh) * | 2020-07-06 | 2020-08-21 | 北京理工大学 | 确保收敛的无人机飞行时间最优实时轨迹优化方法 |
CN113008222A (zh) * | 2021-02-20 | 2021-06-22 | 西北工业大学 | 一种基于连续时间轨迹函数的航迹约束目标跟踪方法 |
CN113050687A (zh) * | 2021-03-19 | 2021-06-29 | 四川大学 | 一种多无人机编队重组轨迹规划方法 |
CN113111434B (zh) * | 2021-03-30 | 2022-07-15 | 北京航空航天大学 | 一种基于凸混合整数规划的组合动力飞行器轨迹优化方法 |
CN113111434A (zh) * | 2021-03-30 | 2021-07-13 | 北京航空航天大学 | 一种基于凸混合整数规划的组合动力飞行器轨迹优化方法 |
CN113268078A (zh) * | 2021-04-20 | 2021-08-17 | 四川大学 | 一种无人机群自适应环境的目标追踪围捕方法 |
CN113220023A (zh) * | 2021-04-28 | 2021-08-06 | 中国科学院重庆绿色智能技术研究院 | 一种高精度无人机实时路径规划方法 |
CN113220023B (zh) * | 2021-04-28 | 2022-10-14 | 中国科学院重庆绿色智能技术研究院 | 一种高精度无人机实时路径规划方法 |
CN113639750A (zh) * | 2021-07-20 | 2021-11-12 | 中国地质大学(武汉) | 顾及时变需求的高峰时段无人机监视路径规划方法及装置 |
CN113639750B (zh) * | 2021-07-20 | 2023-05-26 | 中国地质大学(武汉) | 顾及时变需求的高峰时段无人机监视路径规划方法及装置 |
CN116185051A (zh) * | 2022-09-07 | 2023-05-30 | 浙江大学 | 一种基于四旋翼动力学模型的时间最优轨迹规划方法及装置 |
CN116185051B (zh) * | 2022-09-07 | 2023-09-29 | 浙江大学 | 一种基于四旋翼动力学模型的时间最优轨迹规划方法及装置 |
CN115542947A (zh) * | 2022-10-31 | 2022-12-30 | 华东理工大学 | 一种四旋翼无人机的自主导航方法及无人机装置 |
CN116679755A (zh) * | 2023-06-30 | 2023-09-01 | 四川大学 | 基于分布式模型预测控制的多智能体协同突防打击方法 |
CN118225103A (zh) * | 2024-05-22 | 2024-06-21 | 哈尔滨工程大学三亚南海创新发展基地 | 大型邮轮预制舱室甲板推舱路径规划方法 |
CN118225103B (zh) * | 2024-05-22 | 2024-07-30 | 哈尔滨工程大学三亚南海创新发展基地 | 大型邮轮预制舱室甲板推舱路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110989626B (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110989626B (zh) | 一种基于控制参数化的无人机路径规划方法 | |
CN108120442B (zh) | 一种基于二阶锥规划的多旋翼无人机飞行轨迹生成方法 | |
CN111538255B (zh) | 一种反蜂群无人机的飞行器控制方法及系统 | |
CN111596684B (zh) | 固定翼无人机密集编队与防撞避障半实物仿真系统及方法 | |
CN108638068B (zh) | 一种携带冗余度机械臂的飞行机器人控制系统设计方法 | |
WO2020177267A1 (zh) | 四旋翼无人机的控制方法、装置、设备及可读介质 | |
CN107633105B (zh) | 一种基于改进混合蛙跳算法的四旋翼无人机参数辨识方法 | |
CN115454115B (zh) | 基于混合灰狼-粒子群算法的旋翼无人机路径规划方法 | |
CN111273688A (zh) | 基于事件触发的四旋翼无人机一致性编队控制方法 | |
Gao et al. | Dubins path‐based dynamic soaring trajectory planning and tracking control in a gradient wind field | |
CN114911265A (zh) | 一种四旋翼无人机编队协同机动控制方法 | |
Lee et al. | RRT-based path planning for fixed-wing UAVs with arrival time and approach direction constraints | |
CN113848982A (zh) | 一种四旋翼无人机栖停机动轨迹规划、跟踪控制方法 | |
CN114089780B (zh) | 一种面向城市空间的多旋翼无人机路径规划方法 | |
Li et al. | Time-varying formation dynamics modeling and constrained trajectory optimization of multi-quadrotor UAVs | |
Velagić et al. | Design of LQR controller for 3D trajectory tracking of octocopter unmanned aerial vehicle | |
CN117270416A (zh) | 一种飞行器运动的高保真建模与可视化仿真集成方法及系统 | |
CN116301007A (zh) | 基于强化学习的多四旋翼无人机集结型任务路径规划方法 | |
CN117010276A (zh) | 一种基于Unity3D四旋翼无人机轨迹运动实时可视化方法 | |
CN112161626B (zh) | 一种基于航路跟踪映射网络的高可飞性航路规划方法 | |
CN114415734B (zh) | 基于adp和避障机制的四旋翼无人机编队重构控制系统 | |
CN113885549B (zh) | 基于维度裁剪的ppo算法的四旋翼姿态轨迹控制方法 | |
CN115407661A (zh) | 基于方位测量信息多无人机系统非线性鲁棒跟踪控制方法 | |
CN115686036A (zh) | 一种基于预设性能的变外形飞行器多维复合控制方法 | |
CN111984027B (zh) | 异构多无人机一致性控制方法 |
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: 20210727 |