CN111273685B - 一种异构多无人机自主聚集、分离及合并集群方法 - Google Patents

一种异构多无人机自主聚集、分离及合并集群方法 Download PDF

Info

Publication number
CN111273685B
CN111273685B CN202010069405.6A CN202010069405A CN111273685B CN 111273685 B CN111273685 B CN 111273685B CN 202010069405 A CN202010069405 A CN 202010069405A CN 111273685 B CN111273685 B CN 111273685B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
force
piloting
vehicles
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.)
Active
Application number
CN202010069405.6A
Other languages
English (en)
Other versions
CN111273685A (zh
Inventor
吴杰宏
马坚
范纯龙
石祥滨
刘芳
毕静
杨京辉
孙熙春
于元哲
孙亚男
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.)
Shenyang Aerospace University
Original Assignee
Shenyang Aerospace 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 Shenyang Aerospace University filed Critical Shenyang Aerospace University
Priority to CN202010069405.6A priority Critical patent/CN111273685B/zh
Publication of CN111273685A publication Critical patent/CN111273685A/zh
Application granted granted Critical
Publication of CN111273685B publication Critical patent/CN111273685B/zh
Active 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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

Abstract

本发明提供一种异构多无人机自主聚集、分离及合并集群方法,涉及无人机智能协同技术领域,步骤如下:1)将在空间中离散的两类无人机通过算法群集成一个无人机集群;2)通过状态转移方程,将位于运输无人机内部的护航无人机移动到运输无人机的外层。3)通过无人机均匀算法,将护航无人机均匀的部署在无人机群的外层;4)计算无人机之间的力,通过迭代,最后形成一个稳定的无人机群;5)判断无人机群状态。进行聚合过程执行步骤6;执行分离过程执行步骤7;维持原状态,本方法结束;6)执行合并过程;7)执行分离过程。利用异构多无人机组成无人机群,解决单架无人机由于自身负载和能量限制问题。以异构无人机群为单位执行复杂任务。

Description

一种异构多无人机自主聚集、分离及合并集群方法
技术领域
本技术属于无人机智能协同技术领域,具体涉及一种异构多无人机自主聚集、分离及合并集群方法。
背景技术
无人机最早出现在20世纪20年代,是一种利用无线电遥控设备和自备程序控制装置操纵的不载人飞机,或者由车载计算机完全地或间歇地自主地操作。随着科技水平的不断提高,无人机的运用范围越来越广泛,如在城市安防中,可以使用无人机来监控城市;在森林火灾的时候可以使用无人机来进行灭火。但是由于无人机的负载和能量的限制,单一无人机不能胜任复杂的任务需求。而多无人机组成的无人机群,就成为了目前发展的首选。但是由功能单一的无人机组成的无人机群,只能完成一些没有复杂环境要求的任务,所以由功能不同的多无人机组成的无人机群成为了下一个研究目标。
发明内容
一种异构多无人机自主聚集、分离及合并集群方法,其特征在于:在三维环境下,采用多无人机组成的异构无人机群集群方法和以无人机群为单位的无人机群分离聚合方法;所述无人机为:护航无人机、运输无人机,具体方法执行以下步骤:
步骤1:针对无人机的集群特点建立无人机的集群运动模型,将在空间中离散的两类无人机通过算法群集成一个无人机集群;
1.1、初始化无人机的位置、速度参数信息,保证无人机的安全避免碰撞距离0m~20m,速度校准范围20m~60m和无人机通信范围60m~120m;
1.2、计算所有无人机受到的校准力、排斥力、吸引力和导航力;
1.3、计算无人机在该状态下受到的合力;
1.4、根据合力计算出无人机的下一步运动位置,并且移动无人机,使无人机群中所有无人机达到全部通信的状态,群集成一个无人机群;
1.5、通过无人机之间相互发送位置信息,判断无人机是否到了全部通信的状态,如达到全部通信的状态,执行步骤2,否则循环步骤1直到达到全部通信的状态;
步骤2:通过护航无人机的状态转移方程,将位于运输无人机内部的护航无人机移动到运输无人机的外层;
2.1、再次计算所有无人机受到的排斥力、运输无人机受到的校准力和吸引力、护航无人机受到的运输无人机虚拟中心的排斥力;
2.2、计算运输无人机、护航无人机在该状态下受到的合力;
2.3、根据计算出的合力,计算出无人机的下一步运动位置,并且移动无人机,使运输无人机内部的护航无人机移动到运输无人机的外层;所有护航无人机移动到运输无人机的边界处后,执行步骤3,否则一直循环步骤2直到所有护航无人机移动到运输无人机的边界处;
步骤3:通过无人机均匀算法,将所有护航无人机均匀的部署在无人机群的外层;
步骤4:计算无人机之间的力,通过迭代,最后形成一个稳定的无人机群;
4.1、再一次计算护航无人机与运输无人机之间的吸引力、运输无人机和其它所有无人机之间的吸引力、所有无人机校准力、所有无人机受到的排斥力;
4.2、计算运输无人机、护航无人机在该状态下受到的合力;
4.3、根据计算出的合力,计算出无人机的下一步运动位置,并且移动无人机,通过有限次的迭代,形成一个稳定的异构无人机系统;
步骤5:判断无人机群是需要进行分离过程或进行聚合过程或维持原状态,进行聚合过程则执行步骤6;执行分离过程执行步骤7;维持原状态;
步骤6:当两个无人机群进行合并过程时,两个无人机群需要相互靠近,直到可以彼此相互通信后,然后执行步骤1至步骤4形成一个母无人机群体;
步骤7:当无人机执行分离操作时,首先需要根据分离策略,将无人机群进行分组,本申请基于无人机与任务点的距离来分组,完成无人机分组后,对分组后的两个无人机群,分别执行步骤1至步骤4,形成两个子无人机群,同时和母无人机群具有相同的结构特征。
上述方法中所述的一种异构多无人机自主聚集、分离及合并集群方法,其特征在于所述无人机受到的校准力、排斥力、吸引力、导航力、下一个运动状态的位置、步骤1中合力计算公式如下:
校准力:当无人机位于彼此的速度校准范围内的时候,无人机的速度状态需要相互靠近,以此来达到无人机群体的运动一致性,定义无人机的速度匹配邻接矩阵
Figure BDA0002376916810000026
如下所示:
Figure BDA0002376916810000021
其中V表示无人机节点的集合,
Figure BDA0002376916810000022
表示无人机i的安全防碰撞范围,/>
Figure BDA0002376916810000023
表示表示无人机i的速度校准范围,pi表示无人机i的位置坐标,Pj表示无人机j的位置坐标,无人机速度校准力/>
Figure BDA0002376916810000024
定义如下所示:
Figure BDA0002376916810000025
其中vi表示无人机i的速度,vi表示无人机j的速度;
吸引力:当两个无人机进入了彼此的通信范围后,并且在彼此的校准范围之外,此时,无人机需要相互靠近,所以定义吸引力邻接矩阵
Figure BDA0002376916810000031
如下所示:
Figure BDA0002376916810000032
其中
Figure BDA0002376916810000033
表示无人机i的通信范围;
将上述公式展开可以得到无人机i和无人机j之间的吸引力系数矩阵
Figure BDA0002376916810000034
如下所示:
Figure BDA0002376916810000035
对无人机的吸引力的系数
Figure BDA0002376916810000036
如下所示:
Figure BDA0002376916810000037
定义无人机的吸引力公式
Figure BDA0002376916810000038
如下所示:
Figure BDA0002376916810000039
排斥力:当无人机彼此距离靠的太近的时候,为了避免无人机相互碰撞,无人机需要相互远离,所以无人机的排斥力的邻接矩阵
Figure BDA00023769168100000310
可以定义为:
Figure BDA00023769168100000311
将上述展开,可以得到无人机i和无人机j之间的排斥力系数矩阵ρij如下所示:
Figure BDA00023769168100000312
其中
Figure BDA00023769168100000313
表示排斥力系数,将无人机的排斥力系数定义如下所示:
Figure BDA00023769168100000314
定义无人机的排斥力
Figure BDA00023769168100000315
如下所示:
Figure BDA00023769168100000316
所述吸引力、排斥力公式中系数
Figure BDA00023769168100000317
ρij是为了控制在特定的区域内是否存在该力的作用;
导航力:由于在初始条件下,无人机是离散随机分布在空间中的,这个空间方位大于无人机的通信范围,需要设置一个集合点,确保无人机可以到达这个区域,将无人机的导航力
Figure BDA0002376916810000041
定义为如下所示:
Figure BDA0002376916810000042
其中pd表示集合点坐标;
该状态下合力Φ,定义为如下所示:
Figure BDA0002376916810000043
其中ω1、ω2、ω3、ω4表示系数,设置为0.25;
无人机的下一个运动状态的位置如下所示:
xi(t+1)=xi(t)+F (13)
其中xi(t)表示无人机当前运动状,在步骤1中,F=Φ。
上述方法中所述的一种异构多无人机自主聚集、分离及合并集群方法,其特征在于所述步骤2中虚拟中心的排斥力计算公式如下:
定义运输无人机的虚拟中心坐标pord公式如下所示:
Figure BDA0002376916810000044
其中Vord表示运输无人机集合,由于在步骤1的时候,所有的无人机的都可以通信,所以可以计算出该虚拟中心;
由该虚拟坐标中心,可以计算出护航无人机的移动的边缘半径;该半径
Figure BDA0002376916810000045
公式如下所示:
Figure BDA0002376916810000046
该半径就是护航无人机应该移动的边界,即为运输无人机的外围半径;
定义护航无人机受到的运输无人机虚拟中心排斥力Mi公式如下所示:
Figure BDA0002376916810000047
运输无人机i的合力
Figure BDA0002376916810000048
护航无人机的合力/>
Figure BDA0002376916810000049
定义如下:
Figure BDA0002376916810000051
Figure BDA0002376916810000052
其中
Figure BDA0002376916810000053
分别表示在执行步骤1后运输无人机的校准力、排斥力、吸引力;σ1=σ2=0.5,/>
Figure BDA0002376916810000054
分别表示在执行步骤1后护航无人机i的排斥力和护航无人机i受到运输无人机虚拟中心的排斥力;
在步骤2中,护航无人机的合力
Figure BDA0002376916810000055
运输无人机的合力/>
Figure BDA0002376916810000056
带入公式(13),求得下一个状态位置。
上述方法中所述的一种异构多无人机自主聚集、分离及合并集群方法,其特征在于所述步骤3无人机均匀算法如下:
无人机相当于在球心为pord,半径为
Figure BDA0002376916810000057
的球面上运动,并且保证其在该球面上是均匀运动的,定义球面上的排斥力Fij定义公式如下所示:
Figure BDA0002376916810000058
其中Vd表示护航无人机集合,而无人机在球面上所受到的合力定义公式Fi如下所示:
Figure BDA0002376916810000059
可以求出上述合力沿着球面的切向角度θ为:
Figure BDA00023769168100000510
其中r表示球面半径,所以可以求出无人机在球面切向上移动的分力矢量v为:
Figure BDA00023769168100000511
在步骤3中,护航无人机的合力F=v,带入公式(13),求得下一个状态位置,一直循环该过程到所有的护航无人机在球面上均匀分布为止。
上述方法中所述的一种异构多无人机自主聚集、分离及合并集群方法,其特征在于所述步骤4中计算公式如下:
首先计算所有无人机之间的校准力和排斥力,针对护航无人机,计算护航无人机与运输无人机之间的吸引力,针对运输无人机,计算运输无人机与其它所有无人机之间的吸引力;
对于护航无人机和运输无人机之间的吸引力,可以定义为:
Figure BDA0002376916810000061
其中NO,Nd分别表示运输无人机结合和护航无人机集合,pi表示护航无人机i的位置,pj表示运输无人机j的位置,
Figure BDA0002376916810000062
是步骤1中计算的系数;
将护航无人机所受到的合力和运输无人机所受到的合力定义:
Figure BDA0002376916810000063
Figure BDA0002376916810000064
其中
Figure BDA0002376916810000065
其中/>
Figure BDA0002376916810000066
表示护航无人机与运输无人机之间的吸引力,
Figure BDA0002376916810000067
分别表示执行步骤3后无人机i所受到的吸引力,校准力和排斥力;
在步骤4中,护航无人机的合力
Figure BDA0002376916810000068
运输无人机的合力/>
Figure BDA0002376916810000069
带入公式(13),求得下一个状态位置。
上述方法中所述的一种异构多无人机自主聚集、分离及合并集群方法,其特征在于所述步骤5包括:无人机机群的状态有:以无人机机群为单位分离、以无人机机群为单位聚合、维持原状态;分离:一个母无人机机群分离出多个子无人机机群,分离出来的子无人机群需要保证和母无人机群有相同的结构特征;合并:当两个子无人机群相遇后,合并成一个母无人机机群。
随着信息技术的发展,由功能不同的无人机组成的无人机群,在生活中的应用价值越来越大,应用范围越来越广,具体应用有:
(1)无人机的灯光秀:目前无人机的灯光秀大部分用的都是定点定位的方法,这种方法不是无人机的协同算法,不具备智能性。同时在无人机的灯光秀上,要组成不同图案的无人机编队,图案会由不同亮度和颜色的无人机组成。这个时候,颜色和亮度就相当于无人机群中的异构信息。由带有异构信息的无人机编队算法来完成该应用具有更好的灵活性。
(2)无人机运输:利用无人机群进行投递和运输具有良好的发展前景。
单类无人机运输;如输送快递时,无人机从快递点出发,形成无人机编队,朝着一个线路输送快递,由于快递无人机目的地不同,在中途脱离无人机群组,此时,无人机脱离群体的时间早晚就成了无人机群体的异构信息。在该任务场景下,无人机在形成无人机群的时候,先脱离无人机群体的无人机应该部署在无人机群的外层,而最后到达任务点的无人机应该部署在无人机的内层。
多类无人机运输:与单类无人机运输相似,区别于无人机编队由多类无人机组成。可以完成一些复杂环境下要求的任务。现有技术中,由功能不同的多无人机组成无人机群可以执行特定任务的,没有实例。
本发明一种异构多无人机自主聚集、分离及合并集群方法与现有技术相比有益效果为:克服了单架无人机由于受到自身负载和能量的限制,克服了在多复杂环境、多任务需求中,单无人机无法完成任务的问题。填补由功能不同的多无人机组成无人机群执行特定任务的技术空白。
附图说明
图1是本发明实施例一种异构多无人机自主聚集、分离及合并集群方法操作流程图;
图2是本发明实施例中无人机的通信模式示意图,(a)为三维视角下通信模式示意图,(b)为无人机的受力通信示意图;
图3是本发明实施例中护航无人机移动示意图;
图4是本发明实施例中护航无人机球面均匀分布示意图,(a)护航无人机受力分析示意图,(b)护航无人机受力分解示意图。
图5是本发明实施例中护航无人机切向速度示意图;
图6是本发明实施例中异构无人机群集群算法效果图,(a)0步,(b)400步,(c)800步,(d)1100步;
图7是本发明实施例中通信链路数量图;
图8是本发明实施例中护航无人机非均匀程度图;
图9是本发明实施例中不同数量的无人机群集测试结果示意图,(a)护航无人机6架,运输无人机6架;(b)护航无人机20架,运输无人机8架,(c)护航无人机26架,运输无人机12架;(d)护航无人机30架,运输无人机12架;
图10是本发明实施例中无人机群分离示意图;
图11是本发明实施例中无人机群聚合示意图。
具体实施方式
本实施例从无人机群的协同控制、无人机群体编队以及无人机群的物资运输和护航的角度出发。为解决在三维空间中,无人机群进行物资运输时,运输无人机护航的问题,提出了一种在三维环境下异构无人机群聚集、分离及合并算法。首先对无人机集群建立运动模型,然后提出护航无人机的运动状态转移方程,将护航无人机部署到运输无人机的外围,形成一个具有异构信息的无人机群。为了保证护航无人机可以在敌入侵无人机出现时候,尽快的做出反应,提出了一种基于力学排斥的球面均匀算法,保证将护航无人机均匀的部署在运输无人机的外层。从而达到一个具有护航功能的无人机集群编队,并且该无人机群是带有异构信息的。除此之外,还提出了无人机以群为一个单位进行分离和聚合执行任务,分离任务即当一个母无人机群面对两个同样的任务的时候,母无人机群需要分离成为两个子无人机群;聚合任务即执行相同任务两个无人机群需要合并成母无人机群共同执行任务时,两个无人机群合并并聚集成和母无人机一样的编队模式,即护航无人机部署在运输无人机的外围。本方法最终效果为:护航无人机可以在运输无人机的外围均匀的分布,形成一种高效的无人机编队护航集群,同时母无人机群可以分裂成两个与母无人机群具有相同结构的子无人机群,也可以合并成母无人机群。
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述
一种异构多无人机自主聚集、分离及合并集群方法包含:
步骤1:针对无人机的集群特点建立无人机的集群运动模型,将在空间中离散的两类无人机通过算法群集成一个无人机集群。
如图1所示,一种异构多无人机自主聚集、分离及合并集群方法步骤1包括:
1.1、初始化无人机的位置、速度参数信息,保证无人机的安全避免碰撞距离0m~20m,速度校准范围20m~60m和无人机通信范围60m~120m;
如图2(a)所示,三维环境下无人机通信范围的界定:无人机群通信范围与无人机群边界无人机的通信范围之和即为无人机群通信范围。如图2(b)所示,以无人机1(UAV1)为例,C1,C2,C3分别表示无人机1(UAV1)的安全防碰撞范围,速度校准范围和通信范围;
Figure BDA0002376916810000081
分别表示无人机1(UAV1)的安全防碰撞半径,速度校准半径和通信半径。
1.2、计算所有无人机受到的校准力、排斥力、吸引力和导航力;
1.3、计算无人机在该状态下受到的合力;
1.4、根据合力计算出无人机的下一步运动位置,并且移动无人机,使无人机群中所有无人机达到全部通信的状态,群集成一个无人机群。
1.5、通过无人机之间相互发送位置信息,判断无人机拓扑结构是否为强连通图,判断无人机是否到了可以全部通信的状态,如达到全部通信的状态,执行步骤2,否则循环步骤1直到达到全部通信的状态;
现有技术中,无人机的运动模型都是遵循雷诺兹(Reynolds)的三原则:分离、聚合和速度匹配。分离,当两个无人机的靠的太近的时候,为了防止无人机可能出现的碰撞,无人机需要两两相互远离;聚合,当两个无人机分别处在彼此的通信范围,而在彼此的安全防碰撞范围之外的时候,无人机相互靠近,形成无人机群体;速度匹配,当两个无人机位于彼此的速度匹配范围之内的时候,无人机需要速度状态不断靠近,最后形成一个具有相同运动状态的无人机群体。将速度匹配、分离、聚合,分别对应本方法中的校准力、排斥力、吸引力。同时为了保证在空间中离散的无人机可以在开始的时候,知道集结位置,设置了集合点,而由集合点产生的吸引力,称为导航力。
如图2(b)所示,以无人机1(UAV1)为例,无人机2(UAV2)在安全防碰撞范围内,所以无人机2(UAV2)受到无人机1(UAV1)的排斥力
Figure BDA0002376916810000091
同时无人机1(UAV1)受到无人机2(UAV2)的排斥力/>
Figure BDA0002376916810000092
而无人机3(UAV3)在无人机1(UAV1)的速度校准范围内,所以无人机3(UAV3)的速度V3和无人机1(UAV1)的速度V1求校准力,保证速度最终达到一致;无人机4(UAV4)在无人机1(UAV1)的通信范围内,为了保证两个无人机相互靠近形成一个群体,所以无人机4(UAV4)受到无人机1(UAV1)的吸引力/>
Figure BDA0002376916810000093
同时无人机1(UAV1)受到无人机4(UAV4)的吸引力/>
Figure BDA0002376916810000094
右侧下角为导航点。无人机5(UAV5)在无人机1(UAV1)的通信范围外,所以无人机5(UAV5)无法受到无人机1(UAV1)作用力,此时由于存在导航点吸引的力/>
Figure BDA0002376916810000095
从而保证无人机可以形成一个群体】,以下是这几个力的定义:
(1)校准力——当无人机位于彼此的速度校准范围内的时候,无人机的速度状态需要相互靠近,以此来达到无人机群体的运动一致性。定义无人机的速度匹配邻接矩阵
Figure BDA0002376916810000096
如下:
Figure BDA0002376916810000097
其中V表示无人机节点的集合,
Figure BDA0002376916810000098
表示无人机i的安全防碰撞范围,/>
Figure BDA0002376916810000099
表示表示无人机i的速度校准范围,pi表示无人机i的位置坐标,Pj表示无人机j的位置坐标。将无人机速度校准力/>
Figure BDA00023769168100000910
定义如下所示:
Figure BDA00023769168100000911
其中vi表示无人机i的速度,vi表示无人机j的速度。
(2)吸引力——当两个无人机进入了彼此的通信范围后,并且在彼此的校准范围之外,此时,无人机需要相互靠近,所以定义吸引力邻接矩阵
Figure BDA00023769168100000912
如下所示:
Figure BDA00023769168100000913
其中
Figure BDA0002376916810000101
表示无人机i的通信范围。
将上述公式展开可以得到无人机i和无人机j之间的吸引力系数矩阵
Figure BDA0002376916810000102
如下公式:
Figure BDA0002376916810000103
对无人机的吸引力的系数
Figure BDA0002376916810000104
如下所示:
Figure BDA0002376916810000105
定义无人机的吸引力公式
Figure BDA0002376916810000106
如下所示:
Figure BDA0002376916810000107
(3)排斥力——当无人机彼此距离靠的太近的时候,为了避免无人机相互碰撞,无人机需要相互远离,所以无人机的排斥力的邻接矩阵
Figure BDA0002376916810000108
可以定义为如下:
Figure BDA0002376916810000109
将上述展开,可以得到无人机i和无人机j之间的排斥力系数矩阵ρij如下公式:
Figure BDA00023769168100001010
其中
Figure BDA00023769168100001011
表示排斥力系数,将无人机的排斥力系数定义如下所示:
Figure BDA00023769168100001012
定义无人机的排斥力
Figure BDA00023769168100001013
为:
Figure BDA00023769168100001014
上述吸引力、排斥力公式中系数
Figure BDA00023769168100001015
ρij是为了控制在特定的区域内是否存在该力的作用。
(4)导航力——由于在初始条件下,无人机是离散随机分布在空间中的,这个空间方位远远大于无人机的通信范围。需要设置一个集合点,确保无人机可以到达这个区域。将无人机的导航力
Figure BDA00023769168100001016
定义为:
Figure BDA0002376916810000111
其中pd表示集合点坐标。
(5)该状态下合力Φ,定义为如下所示:
Figure BDA0002376916810000112
其中ω1、ω2、ω3、ω4表示系数,为了保证里的数值不能过大,所以一般在这个阶段设置为0.25。
(6)无人机的下一个运动状态的位置如下所示:
xi(t+1)=xi(t)+F (13)
其中xi(t)表示无人机当前运动状,在步骤1中,F=Φ;
当通过步骤1将位于空间中离散的无人机群集成一个任何一架无人机都可以通过一跳或者多跳传达信息给无人机群体中的任何一架无人机的时候,此时的空间中离散的无人机就相当于形成了一个无人机群,不过该无人机群还不是蜂拥状态下的无人机群。这种群集是没有添加任何异构信息的无人机群集。
步骤2:通过护航无人机的状态转移方程,将位于运输无人机内部的护航无人机移动到运输无人机的外层。
如图1所示,一种异构多无人机自主聚集、分离及合并集群方法步骤2包括:
2.1、再次计算所有无人机受到的排斥力,再次计算运输无人机受到的校准力、吸引力,计算护航无人机受到的运输无人机虚拟中心的排斥力;
2.2、计算运输无人机、护航无人机在该状态下受到的合力;
2.3、根据计算出的合力,计算出无人机的下一步运动位置,并且移动无人机,使运输无人机内部的护航无人机移动到运输无人机的外层。所有护航无人机移动到运输无人机的边界处后,执行步骤3,否则一直循环步骤2直到所有护航无人机移动到运输无人机的边界处。
通过步骤1只能保证所有的无人机形成一个无人机群,而无法保证护航无人机在运输无人机的外层。所以需要定义护航无人机的移动算法,将护航无人机移动到运输无人机的外层。
如图3所示为护航无人机移动到运输无人机边界位置的方程,其中G1即为边界半径为
Figure BDA0002376916810000113
中心点为运输无人机的虚拟中心坐标,UAVs1,UAVs2和UAVs3分别表示无人机1(UAV1)移动过程的状态1,状态2,状态3;位于状态2的时候,当无人机1移动到第二给位置的时候,出现了运输无人机,不过此时存在排斥力,所以可以保证无人机之间不会相撞。
定义运输无人机的虚拟中心坐标pord公式如下所示:
Figure BDA0002376916810000121
其中Vord表示运输无人机集合,由于在步骤1的时候,所有的无人机的都可以通信,所以可以计算出该虚拟中心。
由该虚拟坐标中心,可以计算出护航无人机的移动的边缘半径。该半径
Figure BDA0002376916810000122
公式如下所示:
Figure BDA0002376916810000123
该半径就是护航无人机应该移动的边界,即为运输无人机的外围半径。
定义护航无人机受到的运输无人机虚拟中心排斥力Mi公式如下所示:
Figure BDA0002376916810000124
运输无人机i的合力
Figure BDA0002376916810000125
护航无人机的合力/>
Figure BDA0002376916810000126
定义如下:
Figure BDA0002376916810000127
Figure BDA0002376916810000128
其中
Figure BDA0002376916810000129
分别表示在执行步骤1后运输无人机的校准力、排斥力、吸引力;σ1=σ2=0.5,/>
Figure BDA00023769168100001210
分别表示在执行步骤1后护航无人机i的排斥力和护航无人机i受到运输无人机虚拟中心的排斥力。
在步骤2中,护航无人机的合力
Figure BDA00023769168100001211
运输无人机的合力/>
Figure BDA00023769168100001212
带入公式(13),求得下一个状态位置。
通过该状态转移方程将护航无人机移动到运输无人机的边界处,所有护航无人机移动到运输无人机的边界处后,执行步骤3。
步骤3:通过无人机均匀算法,将护航无人机均匀的部署在无人机群的外层。
如图1所示,为了保证该异构无人机群体对恶意无人机的反应时间,一种异构多无人机自主聚集、分离及合并集群方法步骤3包括:步骤2中将护航无人机移动到了运输无人机的外层后,可能出现护航无人机聚集在边缘的一小块,这样没有达到保护运输无人机的目的,所以本方法通过球面均匀算法,将护航无人机均匀的部署在无人机群的外层,依次形成一个最佳的全方位的保护模式。当恶意无人机入侵时,无人机群可以从各个方向上感知,达到最快的反应速度。
如图4所示,(a)图是护航无人机在运输无人机边缘上的受力图,以无人机1(UAV1)为例,无人机1在球面上受到无人机2的排斥力F21和无人机3给予的排斥力F31,所以这两个力定义为Fij,对无人机1所受到的力求合力得到F1(对于无人机i受到的合力定力为Fi),(b)图是是为了求无人机1的切向分量,其中r为求的径向矢量,其大小为
Figure BDA0002376916810000131
图5是无人机分量的局部放大图,其中V为无人机1的切向分量,也就是护航无人机朝着这个方向移动。
通过执行步骤3,无人机相当于在球心为pord,半径为
Figure BDA0002376916810000132
的球面上运动,并且保证其在该球面上是均匀运动的,所以定义球面上的排斥力Fij定义公式如下所示:
Figure BDA0002376916810000133
其中Vd表示护航无人机集合,而无人机在球面上所受到的合力定义公式Fi如下所示:
Figure BDA0002376916810000134
可以求出上述合力沿着球面的切向角度θ为:
Figure BDA0002376916810000135
其中r表示球面半径,所以可以求出无人机在球面切向上移动的分力矢量v为:
Figure BDA0002376916810000136
在步骤3中,护航无人机的合力F=v,带入公式(13),求得下一个状态位置,一直循环该过程到所有的护航无人机在球面上均匀分布为止。
执行以上步骤后,在离散空间中的无人机就可以形成无人机群,如图6所示,六角形图案的表示护航无人机,三角形图案的为运输无人机。(a),(b),(c),(d)分别是当群体中存在10架运输无人机和6架护航无人机从离散的无人机状态到形成无人机群的过程,图7是无人机在形成群体过程中,群中通信链路的变化,可以看到,无人机的通信链路越来越多,这是由于无人机形成无人机群的时候通信链路增加,到最后形成一个无人机群,通信链路稳定。图8为护航无人机在表面的非均匀程度,可以看到,最后护航无人机均匀分布。图9分别是不同数量的护航无人机和运输无人机的组合,可以发现最后都可以形成一个目标群体。
步骤4:计算护航无人机与运输无人机之间的吸引力,以及运输无人机和其它所有无人机之间的吸引力,所有无人机校准力,计算所有无人机之间的排斥力,通过迭代,最后形成一个稳定的无人机群。
如图1所示,为了让无人机群的整体运动状态一致和无人机群达到一个稳定的状态,一种异构多无人机自主聚集、分离及合并集群方法步骤4包括:
4.1、再一次计算护航无人机与运输无人机之间的吸引力,以及运输无人机和其它所有无人机之间的吸引力,计算所有无人机校准力,计算所有无人机受到的排斥力;
4.2、计算运输无人机、护航无人机在该状态下受到的合力;
4.3、根据计算出的合力,计算出无人机的下一步运动位置,并且移动无人机,通过有限次的迭代,形成一个稳定的异构无人机系统。
首先计算所有无人机之间的校准力和排斥力。对于护航无人机来说,计算护航无人机与运输无人机之间的吸引力,而对于运输无人机来说计算运输无人机与其它所有无人机之间的吸引力。
对于护航无人机和运输无人机之间的吸引力,可以定义为:
Figure BDA0002376916810000141
其中NO,Nd分别表示运输无人机结合和护航无人机集合,pi表示护航无人机i的位置,pj表示运输无人机j的位置,
Figure BDA0002376916810000142
是步骤1中计算的关系。
将护航无人机所受到的合力和运输无人机所受到的合力定义:
Figure BDA0002376916810000143
Figure BDA0002376916810000144
其中
Figure BDA0002376916810000145
其中/>
Figure BDA0002376916810000146
表示护航无人机与运输无人机之间的吸引力,
Figure BDA0002376916810000147
分别表示执行步骤3后无人机i所受到的吸引力,校准力和排斥力;
执行前4个步骤后,无人机形成了一个群体,不过由于护航无人机在球面上移动后,无人机系统不一定在一个稳定的状态,所以计算护航无人机和运输无人机之间的吸引力,以及所有无人机之间的排斥力,计算公式见步骤1。
在步骤4中,护航无人机的合力
Figure BDA0002376916810000151
运输无人机的合力/>
Figure BDA0002376916810000152
带入公式(13),求得下一个状态位置。
步骤5:判断无人机群是需要进行分离过程或进行聚合过程或维持原状态。进行聚合过程则执行步骤6;执行分离过程执行步骤7;维持原状态,本方法结束。
上述方法中一种异构多无人机自主聚集、分离及合并集群方法步骤5包括:
定义无人机机群的状态有:以无人机机群为单位分离、以无人机机群为单位聚合、维持原状态,
分离:一个母无人机机群分离出多个子无人机机群分离出来的子无人机群需要保证和母无人机群有相同的结构特征。如图10表示无人机分离过程。
合并:当两个子无人机群相遇后,合并成一个母无人机机群。如图11表示无人机合并过程。
步骤6:当两个无人机群进行合并过程时,两个无人机群需要相互靠近,直到可以彼此相互通信后,然后执行步骤1至步骤4形成一个新的无人机群体。
步骤7:当无人机执行分离操作时,首先需要根据分离策略,将无人机群进行分组。本发明基于无人机与任务点的距离来分组的,完成无人机分组后,对分组后的两个无人机群,分别执行步骤1至步骤4,形成两个子无人机群,同时和母无人机群具有相同的结构特征。

Claims (6)

1.一种异构多无人机自主聚集、分离及合并集群方法,其特征在于:在三维环境下,采用多无人机组成的异构无人机群集群方法和以无人机群为单位的无人机群分离聚合方法;所述无人机为:护航无人机、运输无人机,具体方法执行以下步骤:
步骤1:针对无人机的集群特点建立无人机的集群运动模型,将在空间中离散的两类无人机通过算法群集成一个无人机集群;
1.1、初始化无人机的位置、速度参数信息,保证无人机的安全避免碰撞距离0m~20m,速度校准范围20m~60m和无人机通信范围60m~120m;
1.2、计算所有无人机受到的校准力、排斥力、吸引力和导航力;
1.3、计算无人机在该状态下受到的合力;
1.4、根据合力计算出无人机的下一步运动位置,并且移动无人机,使无人机群中所有无人机达到全部通信的状态,群集成一个无人机群;
1.5、通过无人机之间相互发送位置信息,判断无人机是否到了全部通信的状态,如达到全部通信的状态,执行步骤2,否则循环步骤1直到达到全部通信的状态;
步骤2:通过护航无人机的状态转移方程,将位于运输无人机内部的护航无人机移动到运输无人机的外层;
2.1、再次计算所有无人机受到的排斥力、运输无人机受到的校准力和吸引力、护航无人机受到的运输无人机虚拟中心的排斥力;
2.2、计算运输无人机、护航无人机在该状态下受到的合力;
2.3、根据计算出的合力,计算出无人机的下一步运动位置,并且移动无人机,使运输无人机内部的护航无人机移动到运输无人机的外层;所有护航无人机移动到运输无人机的边界处后,执行步骤3,否则一直循环步骤2直到所有护航无人机移动到运输无人机的边界处;
步骤3:通过无人机均匀算法,将所有护航无人机均匀的部署在无人机群的外层;
步骤4:计算无人机之间的力,通过迭代,最后形成一个稳定的无人机群;
4.1、再一次计算护航无人机与运输无人机之间的吸引力、运输无人机和其它所有无人机之间的吸引力、所有无人机校准力、所有无人机受到的排斥力;
4.2、计算运输无人机、护航无人机在该状态下受到的合力;
4.3、根据计算出的合力,计算出无人机的下一步运动位置,并且移动无人机,通过有限次的迭代,形成一个稳定的异构无人机系统;
步骤5:判断无人机群是需要进行分离过程或进行聚合过程或维持原状态,进行聚合过程则执行步骤6;执行分离过程执行步骤7;维持原状态;
步骤6:当两个无人机群进行合并过程时,两个无人机群需要相互靠近,直到可以彼此相互通信后,然后执行步骤1至步骤4形成一个母无人机群体;
步骤7:当无人机执行分离操作时,首先需要根据分离策略,将无人机群进行分组,基于无人机与任务点的距离来分组,完成无人机分组后,对分组后的两个无人机群,分别执行步骤1至步骤4,形成两个子无人机群,同时和母无人机群具有相同的结构特征。
2.根据权利要求1所述的一种异构多无人机自主聚集、分离及合并集群方法,其特征在于所述无人机受到的校准力、排斥力、吸引力、导航力、下一个运动状态的位置、步骤1中合力计算公式如下:
校准力:当无人机位于彼此的速度校准范围内的时候,无人机的速度状态需要相互靠近,以此来达到无人机群体的运动一致性,定义无人机的速度匹配邻接矩阵
Figure QLYQS_1
如下所示:
Figure QLYQS_2
其中V表示无人机节点的集合,r1 i表示无人机i的安全防碰撞范围,
Figure QLYQS_3
表示无人机i的速度校准范围,pi表示无人机i的位置坐标,Pj表示无人机j的位置坐标,无人机速度校准力/>
Figure QLYQS_4
定义如下所示:
Figure QLYQS_5
其中vi表示无人机i的速度,vi表示无人机j的速度;
吸引力:当两个无人机进入了彼此的通信范围后,并且在彼此的校准范围之外,此时,无人机需要相互靠近,所以定义吸引力邻接矩阵
Figure QLYQS_6
如下所示:
Figure QLYQS_7
其中
Figure QLYQS_8
表示无人机i的通信范围;
将上述公式展开可以得到无人机i和无人机j之间的吸引力系数矩阵
Figure QLYQS_9
如下所示:
Figure QLYQS_10
对无人机的吸引力的系数
Figure QLYQS_11
如下所示:
Figure QLYQS_12
定义无人机的吸引力公式
Figure QLYQS_13
如下所示:
Figure QLYQS_14
排斥力:当无人机彼此距离靠的太近的时候,为了避免无人机相互碰撞,无人机需要相互远离,所以无人机的排斥力的邻接矩阵
Figure QLYQS_15
可以定义为:
Figure QLYQS_16
将上述展开,可以得到无人机i和无人机j之间的排斥力系数矩阵ρij如下所示:
Figure QLYQS_17
其中
Figure QLYQS_18
表示排斥力系数,将无人机的排斥力系数定义如下所示:
Figure QLYQS_19
定义无人机的排斥力
Figure QLYQS_20
如下所示:
Figure QLYQS_21
所述吸引力、排斥力公式中系数
Figure QLYQS_22
ρij是为了控制在特定的区域内是否存在该力的作用;
导航力:由于在初始条件下,无人机是离散随机分布在空间中的,这个空间方位大于无人机的通信范围,需要设置一个集合点,确保无人机可以到达这个区域,将无人机的导航力
Figure QLYQS_23
定义为如下所示:
Figure QLYQS_24
其中pd表示集合点坐标;
该状态下合力Φ,定义为如下所示:
Figure QLYQS_25
其中ω1、ω2、ω3、ω4表示系数,设置为0.25;
无人机的下一个运动状态的位置如下所示:
xi(t+1)=xi t(+)F (13)
其中xi(t)表示无人机当前运动状,在步骤1中,F=Φ。
3.根据权利要求1所述的一种异构多无人机自主聚集、分离及合并集群方法,其特征在于所述步骤2中虚拟中心的排斥力计算公式如下:
定义运输无人机的虚拟中心坐标pord公式如下所示:
Figure QLYQS_26
其中Vord表示运输无人机集合,pi表示无人机i的位置坐标;由于在步骤1的时候,所有的无人机的都可以通信,所以可以计算出该虚拟中心;
由该虚拟坐标中心,可以计算出护航无人机的移动的边缘半径;该半径
Figure QLYQS_27
公式如下所示:
Figure QLYQS_28
r1 i表示无人机i的安全防碰撞范围;
该半径就是护航无人机应该移动的边界,即为运输无人机的外围半径;
定义护航无人机受到的运输无人机虚拟中心排斥力Mi公式如下所示:
Figure QLYQS_29
运输无人机i的合力
Figure QLYQS_30
护航无人机的合力/>
Figure QLYQS_31
定义如下:
Figure QLYQS_32
Figure QLYQS_33
其中
Figure QLYQS_34
Figure QLYQS_35
分别表示在执行步骤1后运输无人机的校准力、排斥力、吸引力;σ1=σ2=0.5,/>
Figure QLYQS_36
Μi分别表示在执行步骤1后护航无人机i的排斥力和护航无人机i受到运输无人机虚拟中心的排斥力;
在步骤2中,护航无人机的合力
Figure QLYQS_37
运输无人机的合力/>
Figure QLYQS_38
带入公式(13),求得下一个状态位置。
4.根据权利要求1所述的一种异构多无人机自主聚集、分离及合并集群方法,其特征在于所述步骤3无人机均匀算法如下:
无人机相当于在球心为pord,半径为
Figure QLYQS_39
的球面上运动,并且保证其在该球面上是均匀运动的,定义球面上的排斥力Fij定义公式如下所示:
Figure QLYQS_40
其中Vd表示护航无人机集合,pi表示无人机i的位置坐标,Pj表示无人机j的位置坐标,而无人机在球面上所受到的合力定义公式Fi如下所示:
Figure QLYQS_41
可以求出上述合力沿着球面的切向角度θ为:
Figure QLYQS_42
其中r表示球面半径,所以可以求出无人机在球面切向上移动的分力矢量v为:
Figure QLYQS_43
在步骤3中,护航无人机的合力F=v,带入公式(13),求得下一个状态位置,一直循环该过程到所有的护航无人机在球面上均匀分布为止。
5.根据权利要求1所述的一种异构多无人机自主聚集、分离及合并集群方法,其特征在于所述步骤4中计算公式如下:
首先计算所有无人机之间的校准力和排斥力,针对护航无人机,计算护航无人机与运输无人机之间的吸引力,针对运输无人机,计算运输无人机与其它所有无人机之间的吸引力;
对于护航无人机和运输无人机之间的吸引力,可以定义为:
Figure QLYQS_44
其中NO,Nd分别表示运输无人机结合和护航无人机集合,pi表示护航无人机i的位置,pj表示运输无人机j的位置,
Figure QLYQS_45
是步骤1中计算的系数;
将护航无人机所受到的合力和运输无人机所受到的合力定义:
Figure QLYQS_46
Figure QLYQS_47
其中
Figure QLYQS_48
其中/>
Figure QLYQS_49
表示护航无人机与运输无人机之间的吸引力,/>
Figure QLYQS_50
分别表示执行步骤3后无人机i所受到的吸引力,校准力和排斥力;
在步骤4中,护航无人机的合力
Figure QLYQS_51
运输无人机的合力/>
Figure QLYQS_52
带入公式(13),求得下一个状态位置。
6.根据权利要求1所述的一种异构多无人机自主聚集、分离及合并集群方法,其特征在于所述步骤5中定义无人机机群的状态有:以无人机机群为单位分离、以无人机机群为单位聚合、维持原状态;分离:一个母无人机机群分离出多个子无人机机群,分离出来的子无人机群需要保证和母无人机群有相同的结构特征;合并:当两个子无人机群相遇后,合并成一个母无人机机群。
CN202010069405.6A 2020-01-21 2020-01-21 一种异构多无人机自主聚集、分离及合并集群方法 Active CN111273685B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010069405.6A CN111273685B (zh) 2020-01-21 2020-01-21 一种异构多无人机自主聚集、分离及合并集群方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010069405.6A CN111273685B (zh) 2020-01-21 2020-01-21 一种异构多无人机自主聚集、分离及合并集群方法

Publications (2)

Publication Number Publication Date
CN111273685A CN111273685A (zh) 2020-06-12
CN111273685B true CN111273685B (zh) 2023-06-20

Family

ID=71001171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010069405.6A Active CN111273685B (zh) 2020-01-21 2020-01-21 一种异构多无人机自主聚集、分离及合并集群方法

Country Status (1)

Country Link
CN (1) CN111273685B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111966091B (zh) * 2020-07-17 2022-07-05 西北工业大学 一种多智能飞行器协同运输系统的避障导航方法
CN112000108B (zh) * 2020-09-08 2021-09-21 北京航空航天大学 一种多智能体集群分组时变编队跟踪控制方法及系统
CN112130586B (zh) * 2020-09-29 2021-12-21 南京航空航天大学 一种基于资源树的分布式异构无人机联盟构成方法
CN112383993B (zh) * 2020-10-27 2022-12-13 一飞(海南)科技有限公司 无人机编队的渐变色灯效控制方法、系统及无人机编队
CN112306020B (zh) * 2020-10-29 2021-10-26 西北工业大学 一种多智能体集群对指定目标位置的均匀球面分散控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197684B (zh) * 2013-04-25 2016-09-21 清华大学 无人机群协同跟踪目标的方法及系统
CN105974939B (zh) * 2016-07-25 2018-12-28 天津远度科技有限公司 无人机编队阵型自动生成方法及装置
FR3071093B1 (fr) * 2017-09-08 2022-02-11 Thales Sa Essaim constitue d'une pluralite de drones volants legers
CN108490975A (zh) * 2018-04-28 2018-09-04 广州亿航智能技术有限公司 一种无人机集群的调度方法及计算机存储介质
CN109343571A (zh) * 2018-12-13 2019-02-15 桂林航天工业学院 无人机集群编队方法
CN110633857B (zh) * 2019-09-18 2023-04-18 沈阳航空航天大学 一种异构无人机群自主防御群集算法

Also Published As

Publication number Publication date
CN111273685A (zh) 2020-06-12

Similar Documents

Publication Publication Date Title
CN111273685B (zh) 一种异构多无人机自主聚集、分离及合并集群方法
Hu et al. Fault-tolerant cooperative navigation of networked UAV swarms for forest fire monitoring
CN108594853B (zh) 无人机队形控制方法
Saska et al. Autonomous deployment of swarms of micro-aerial vehicles in cooperative surveillance
CN113268076B (zh) 一种多无人机集群编队协同控制算法
Chang et al. Coactive design of explainable agent-based task planning and deep reinforcement learning for human-UAVs teamwork
CN113900445A (zh) 基于多智能体强化学习的无人机协同控制训练方法及系统
CN110633857B (zh) 一种异构无人机群自主防御群集算法
CN110554709A (zh) 一种分布式的仿生的多智能体自主集群控制方法
CN110597059B (zh) 面向无人系统的椋群式智能群体动态网络拓扑构建方法
Belkadi et al. Distributed path planning for controlling a fleet of UAVs: application to a team of quadrotors
Alsamhi et al. Artificial intelligence-based techniques for emerging robotics communication: a survey and future perspectives
CN115033016B (zh) 一种异构无人集群编队避障方法及系统
CN112733251B (zh) 一种多无人飞行器协同航迹规划方法
CN110865655B (zh) 无人机系统中无人机的编队和避障控制方法
CN114063644A (zh) 基于鸽群反向对抗学习的无人作战飞机空战自主决策方法
Zhao et al. An LGMD based competitive collision avoidance strategy for UAV
Stasinchuk et al. A multi-UAV system for detection and elimination of multiple targets
Huang et al. Decentralised aerial swarm for adaptive and energy efficient transport of unknown loads
CN112000070B (zh) 一种异构集群协同运动规划方法
Jin et al. Consensus based attractive vector approach for formation control of nonholonomic mobile robots
Wu et al. Mixed controller design for multi-vehicle formation based on edge and bearing measurements
Chiew et al. Swarming coordination with robust control Lyapunov function approach
Neto et al. Control of air-ground convoy subject to communication time delay
CN113359831A (zh) 基于任务逻辑调度的集群四旋翼无人机路径生成方法

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