CN111273697B - 一种无人机群冲突解脱方法 - Google Patents
一种无人机群冲突解脱方法 Download PDFInfo
- Publication number
- CN111273697B CN111273697B CN202010374786.9A CN202010374786A CN111273697B CN 111273697 B CN111273697 B CN 111273697B CN 202010374786 A CN202010374786 A CN 202010374786A CN 111273697 B CN111273697 B CN 111273697B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- alliance
- main
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000001133 acceleration Effects 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 3
- 239000000126 substance Substances 0.000 claims description 15
- 230000009021 linear effect Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 5
- 230000002427 irreversible effect Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- OYFJQPXVCSSHAI-QFPUQLAESA-N enalapril maleate Chemical compound OC(=O)\C=C/C(O)=O.C([C@@H](C(=O)OCC)N[C@@H](C)C(=O)N1[C@@H](CCC1)C(O)=O)CC1=CC=CC=C1 OYFJQPXVCSSHAI-QFPUQLAESA-N 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013598 vector Substances 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
- G05D1/10—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
本发明公开了一种无人机群冲突解脱方法,包括:初始化运行时间周期T和各无人机及联盟参数,无人机参数包括己方位置、目标位置及所属联盟,联盟参数包括联盟内部各无人机位置及其权重等;通过场方法构建的人工势场与人工涡旋场来计算加速度参考值,并结合权重信息确定各无人机的最终控制输出量;无人机群任务执行过程中检测能否进行联盟合并,并相应地对联盟信息进行更新,其中基于夏普利值法来对联盟内无人机权值。本发明充分利用了联盟内部信息,并从博弈论方法的角度对场方法易陷入局部最优的缺陷进行了补正,对空域内存在大量无人机的集群控制问题有较好的处理能力,为无人机群协同工作时的冲突解脱问题提供了一种有效而稳定的解决方案。
Description
技术领域
本发明属于飞行器技术领域,涉及一种无人机群的合作博弈与冲突解脱方法。
背景技术
随着无人机技术的发展,无人机可帮助人们执行的任务日益增多也愈加复杂,在单个无人机已无法满足任务需求的情况下,如何让多无人机进行协同合作成为了人们关注的重点。冲突解脱完成的目标即确保无人机群工作过程中的安全性,使任务执行机群从起始点到达目标点的过程中避免与其他已知或未知的物体发生碰撞。考虑到无人机群执行任务的低空环境较为复杂多变,且参与协同的机体数目较多,调整无人机飞行策略方法的时效性与灵活性值得密切关注。
目前对于无人机冲突解脱的方法主要划分为集中式冲突解脱方法与分布式冲突解脱方法。第一种,集中式冲突解脱方法一般是由地面控制中心对所有空域中的飞行器进行管控,譬如枚举法对工作区域内所有无人机的可行路径空间进行搜索并选择最优解,或使用粒子群算法启发式搜索可行域中的最优解。该类方法的优势在于可以宏观地获得全局最优的飞行策略,从而可以完成“战略性”地冲突解脱任务,因而适用于具有长距离飞行任务的机群;但同时该类方法计算量庞大,执行缓慢,且对飞行器的通信能力要求较高,而这些都与无人机群的任务要求方面产生了较大矛盾。第二种,分布式冲突解脱方法如场方法、博弈论方法等,则不需要地面控制中心的参与,飞行器间的协调要求可以通过工作区域中所参与飞行器直接通信完成,甚至不需要通信也可以完成,灵活性很高,在面对较大规模无人机群的协同任务情景下也能获得可观的结果。
场方法作为路径规划的常用算法之一,其思路是设计一个抽象的虚拟力场来控制机体运动,其中可通过人工势场来计算各机体的线加速度,通过人工涡旋场来计算各机体的角加速度,总体上通过目标点提供的“引力”与障碍物的“斥力”来实现冲突解脱并完成目标任务的。由于该方法模拟了物理学情景,所以规划出来的路径较为平滑安全;但这种方法同时也对参数设计较为敏感,容易陷入局部最优,因此如何克服这一问题是场方法实现的关键。
博弈论方法解决的是在存在竞争或合作的情景当中,个体如何选择自己的策略使其收益最大化的问题,对于不同的情景又可划分为策略博弈、扩展博弈、合作博弈等。对于策略博弈,通常的方法是通过求解纳什均衡解并验证其唯一性来保证全局的最优解;而对于合作博弈则没有固定的方法来求解全局最优,一般考虑的求解工具包括核、冯诺依曼-摩根斯坦稳定解集、夏普利值等方法。
对于无人机群而言,由于任务的复杂性,单个机体的轨迹改变必然会影响到其他机体的航线,因此在冲突发生的时候,理想的结果是让那些可能对其他机体航线影响较大的机体尽量减小其轨迹变化,而让那些不太会对其他机体航线产生干扰的机体来完成避撞的机动。
发明内容
本发明针对无人机群协同工作时数量多、复杂度高的情景,设计了一种结合虚拟物理场与社会博弈行为的无人机群冲突解脱方法。本方法首先根据目标点以及侦测区内已知的物体,通过场方法来构建人工力场并计算得到各无人机的基本加速度参考量;其次,构建无人机之间的联盟关系;接下来在此基础上通过夏普利值法来计算并赋予联盟内部各无人机其权值(干扰因子),并且每隔时间周期T对其进行更新,定义各无人机对联盟的边际贡献为该无人机加入联盟前后其他无人机受到的(联盟内部的)作用力改变矢量的标量和,而各无人机的夏普利值即为该无人机对联盟的边际贡献之和除以各种可能的联盟组合数,因此其权值可设定为归一化后的夏普利值;最后借助无人机群中的过往经验及公共知识进一步优化控制输出,解决一般场方法可能陷入局部最优的问题,以实现智能调控的目的。
本发明提供了一种无人机群冲突解脱方法,包括如下步骤:
S1:初始化运行时间周期T,同时初始化各无人机参数及各联盟参数,使各无人机各自构建联盟,设置各无人机位置、各无人机所处联盟、各无人机对应的权值以及对应的目标点位置;
S2:根据场方法计算初始时刻主体无人机的基本控制量,并结合所述主体无人机对应的权值计算出所述主体无人机的最终控制输出量;
S3:判断所述主体无人机所处联盟范围内能否检测到新出现的其他无人机,若检测到所述其他无人机,则进行步骤S4,若未检测到所述其他无人机,则执行步骤S6;
S4:若检测到的所述其他无人机不在任何一个联盟当中,则所述其他无人机加入所述主体无人机所处联盟,否则将所述主体无人机和所述其他无人机双方联盟合并;
S5:根据场方法计算当前时刻所述主体无人机的基本控制量,并结合所述主体无人机对应的权值计算出所述主体无人机的最终控制输出量;
S6:判断所述主体无人机是否到达对应目标点;若未到达则经过时间周期T后返回执行步骤S3,否则继续执行步骤S7;
S7:所述主体无人机任务完成,将所述主体无人机从其所处联盟中移除,当所有无人机均被移除之后,无人机群冲突解脱任务完成。
进一步,步骤S2具体过程如下:
其中,表示目标点对主体无人机 的作用量(势场);表示目标点的
位置;表示位于处的目标对位于处主体无人机的线性作用量;表示主体
无人机的最终控制输出量;表示由目标点对主体无人机的作用量产生的加速度(引
力)。
进一步,步骤S4中,将所述主体无人机和所述其他无人机双方联盟合并的具体过程如下:
当前时刻在主体无人机所处原联盟 范围内检测到新出现其他无人机时,
将主体无人机和无人机双方联盟进行合并,其中,主体无人机所处原联盟的联盟
基数大小,无人机所处联盟的联盟基数大小,设在当前时刻
时,主体无人机所处原联盟在其范围内新检测到无人机联盟集合为, 为原联盟检测到的其他联盟,,表示整体
环境中所有无人机的数量,设无人机联盟集合的联盟基数大小,则,
其中,表示原联盟中的任意无人机,;表征不包含的
任意联盟内部各无人机的相互作用;表征不包含的任意联盟中加入后任意联盟内部各无人机的相互作用;表示任意联盟中的无人机,,表示任意联盟的联盟基数大小;表示无人机在原联盟中的权值;表示由
于无人机而产生的人工势场对主体无人机提供的线加速度;表示由于无人机
而产生的人工涡旋场对主体无人机提供的角加速度;
进一步,步骤S5具体过程如下:
其中,表示产生的涡旋场对主体无人机的作用量;表示位于
处的无人机对位于处的主体无人机的扭转作用量;是无人机的保护区域半径长
度,一旦其他无人机进入无人机保护区域即认为冲突不可逆转;为无人机的可调保护区域,为斥力涡旋场的影响范围,
进一步,步骤S4中,对于单个无人机,其将对其所处联盟范围内能够检测到的所有其他无人机发出结盟请求,若对方不在任何一个联盟当中,则两者结成联盟关系,否则该无人机加入对方联盟当中。
本发明的有益效果:
1)本发明基于社会博弈行为,对无人机群中各无人机进行差异分化,弥补了虚拟场方法因缺乏个体信息而易陷入局部最优的缺陷,解决了无人机群在复杂环境下协同控制问题;
2)本发明利用夏普利值计算无人机群中各机体对其他机体干扰因子的方法,并结合场方法,使得具有较大干扰因子的机体具有更大的“质量”与更小的“加速度”,从而实现各机体间的智能调控;
3)本发明同时兼具场方法控制量连续平滑与博弈论方法差异性调度的优点,同时也具有可移植性,适用于其它复杂情景下的协同控制问题。
附图说明
图1为本发明的一个无人机群冲突解脱情景中主体联盟内部构成示意图;
图2为本发明的无人机群冲突解脱方法流程图;
图4为本发明联盟内不存在其他无人机时的场方法示意图;
图5为本发明的无人机之间结盟逻辑图;
图6为本发明的联盟合并后的共享信息矩阵;
图7为本发明联盟内存在其他无人机时的场方法示意图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,下面将结合本发明实施实例中的附图,对本发明实施中的技术方案进行清楚、完整的描述。
对于无人机群,期望保证各无人机能够安全地从起始地到达目的地,并尽可能地
减少总体的无人机路径损耗,即要求无人机群的总路径长度尽可能短,总耗时尽可能少。为
此,本发明提供了一种无人机群冲突解脱方法,图1所示为一个无人机群冲突解脱情景中主
体联盟内部构成示意图,主体无人机 ( , 表示整体环境中所有无人机
的数量)的可侦测范围用圆形点状阴影范围表示,联盟内部其他无人机(图中除主体无人机 之外的无人机)的可侦测范围均用圆形竖虚线阴影范围表示,主体联盟可侦测范围即为
所有圆形阴影区域的并集,主体无人机 需要在避开所有其他无人机的情况下到达其目
标点 的位置。
具体地,如图2所示,本发明的无人机群冲突解脱方法包括以下步骤:
S1:初始化运行时间周期T,设置各无人机参数及各联盟参数并进行初始化
对于各无人机,设置需要在其内部存储的重要参数信息包括其位置、其所处联盟
及其对应的目标点位置;而对于各联盟,其需要设置的共享给其联盟成员的参数信息包括
联盟的基数大小、其各成员无人机的位置及各成员无人机对应的权值。初始时刻,主体无人
机仅凭借自身信息单独构建初始联盟,设置主体无人机的位置及其对应的权值,初始联盟的联盟基数大小。
主体无人机 初始状态下的联盟共享信息矩阵如图3所示,其中仅储存有主体无人机
的参数信息(联盟信息共享矩阵的列数为联盟内的无人机数目,因此此处仅有一列),第一
行为主体无人机 的序号信息,第二行为主体无人机 的位置信息,第三行为主体无人
机 在联盟内的权值信息。
S2:根据场方法计算初始时刻各无人机基本控制量,并结合基本控制量与权值计算出各无人机的最终控制输出量,对各无人机进行控制输出。
其中,表示目标点对主体无人机的作用量(势场);表示目标点的
位置;表示位于处的目标点对位于处的主体无人机的线性作用量;表示主体无人机的最终控制输出量;表示由目标点对主体无人机的作用量
(引力)产生的加速度。
S4: 当前时刻在主体无人机所处原联盟范围内检测到新出现其他无人机(定
义无人机 所处联盟 )时,将主体无人机 和无人机双方联盟进行合并,其中,主体
无人机所处原联盟的联盟基数大小,无人机所处联盟的联盟基数大
小,设在当前时刻时,主体无人机所处原联盟在其范围内新检测到无人
机联盟集合为, 为原联盟检测到的其他联盟,,
设,则。应该注意的是,对于检测本身而
言,要检测到无人机 还是检测到联盟 是等效的(通过通信可以让无人机传递联盟信息);这里用无人机联盟集合而不是无人机集合,是为了防止联盟重复加入,因为一
个联盟内可能有多架无人机,若多架无人机同时被主体无人机联盟检测到,则可能出现重
复。
无人机之间结盟逻辑如图5所示。若主体无人机的联盟当中只有它自身,即其为独立无人机,则其将对侦测区域内的所有其他无人机发出结盟请求,若侦测到的目标无人机也是独立无人机,则两者结成联盟关系,否则主体无人机加入目标无人机联盟当中;若主体无人机不是独立无人机,则其将对整体联盟的可侦测区域内发现的所有其他无人机发出请求结盟,若侦测到的目标无人机是独立无人机,则让目标无人机加入主体无人机的联盟当中,否则让双方联盟进行合并操作。
当前时刻,主体无人机所处原联盟的联盟基数大小,无人机所
处联盟的联盟基数大小,设,则将联盟合并入原联盟,形成
新联盟,接着利用夏普利值法更新联盟中各无人机的权值。基于夏普利值法
来对联盟内无人机权值更新的思路是:对于联盟内部的无人机,若一架无人机的航迹策略
变动对其他无人机影响较大,则赋予其更大权值(干扰因子),反之则赋予较小权值;而权值
大的无人机在通过场方法计算控制输出量的过程中会相对权值小的无人机不容易发生航
迹变化。
具体合并操作包括如下子步骤:
其中,表示原联盟中的任意无人机,;表征不包含无人机的任意联盟内部各无人机的相互作用,这里的只是一种符号表示,并不需要计
算;表征不包含的任意联盟中加入后联盟内部各无人机的相互作用;表示任意联盟中的无人机,,表示任意联盟的联盟基数大小;表
示无人机在原联盟中的权值;表示由于无人机而产生的人工势场对主体无人
机提供的线加速度;表示由于无人机而产生的人工涡旋场对主体无人机提供
的角加速度。
S46:最后将共享信息矩阵合并,即更新新联盟,联盟合并后的
共享信息矩阵如图6所示,此时联盟信息共享矩阵的列数即为联盟内的无人机数目,第一行
储存联盟内无人机(包括主体无人机 和无人机)的序号信息,第二行储存联盟内无人
机的位置信息,第三行储存联盟内各无人机在联盟内的权值信息。
在后续飞行过程中,在主体无人机所处联盟与其他无人机所处联盟合并后,
则需要根据无人机对应的目标点以及其侦测区内已知的物体来构建虚拟力场,图7示出
了联盟内存在其他无人机时的场方法示意图。具体地,通过目标点以及侦测区内其他个体
来构建虚拟人工势场以计算各无人机的线速度,如图7中实线所示;通过侦测区内其他个体
来构建虚拟人工涡旋场以计算各无人机的角加速度,如图7中虚线所示,并在初始化时统一
涡旋场方向(如顺时针方向)以避免各无人机机体发生碰撞。依此方法可得到当前时刻各无
人机的基本控制量。
其中,表示无人机产生的涡旋场对主体无人机的作用量;表示
位于处的无人机对位于处主体无人机的扭转作用量;是无人机的保护区域
半径长度,一旦其他无人机进入无人机的保护区域即认为冲突不可逆转;则
为无人机的可调保护区域,可视为斥力涡旋场的影响范围。
本发明重点关注了无人机群的协同控制问题,从无人机群协同工作时的安全与效率出发,开展了无人机群控制方法研究。本发明充分利用了联盟内部信息,并从博弈论方法的角度对场方法易陷入局部最优的缺陷进行了补正,对空域内存在大量无人机的集群控制问题有较好的处理能力,为无人机群协同工作时的冲突解脱问题提供了一种有效而稳定的解决方案。因此,本发明对于无人机群运行的效率、协同工作的稳定及工作场景的推广具有重要的现实意义。
对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以对本发明的实施例做出若干变型和改进,这些都属于本发明的保护范围。
Claims (4)
1.一种无人机群冲突解脱方法,其特征在于,包括如下步骤:
S1:初始化运行时间周期T,同时初始化各无人机参数及各联盟参数,使各无人机各自构建联盟,设置各无人机位置、各无人机所处联盟、各无人机对应的权值以及对应的目标点位置;
S2:根据场方法计算初始时刻主体无人机的基本控制量,并结合所述主体无人机对应的权值计算出所述主体无人机的最终控制输出量;
S3:判断所述主体无人机所处联盟范围内能否检测到新出现的其他无人机,若检测到所述其他无人机,则进行步骤S4,若未检测到所述其他无人机,则执行步骤S6;
S4:若检测到的所述其他无人机不在任何一个联盟当中,则所述其他无人机加入所述主体无人机所处联盟,否则将所述主体无人机和所述其他无人机双方联盟合并;具体过程如下:
若所述主体无人机的联盟当中只有它自身,即其为独立无人机,则其将对侦测区域内的所有其他无人机发出结盟请求,若检测到的其他无人机也是独立无人机,则两者结成联盟关系,否则所述主体无人机加入所述其他无人机所处联盟当中;若所述主体无人机不是独立无人机,则其将对整体联盟的可侦测区域内发现的所有其他无人机发出结盟请求,若检测到的其他无人机是独立无人机,则让所述其他无人机加入所述主体无人机的联盟当中,否则将所述主体无人机和所述其他无人机双方联盟合并,具体过程如下:
当前时刻在主体无人机所处原联盟范围内检测到新出现其他无人机时,将所述主体无人机和所述无人机双方联盟进行合并,其中,所述主体无人机所处原联盟的联盟基数大小,所述无人机所处联盟的联盟基数大小,设在当前时刻t时,所述主体无人机所处原联盟在其范围内新检测到无人机联盟集合为,为所述原联盟检测到的其他联盟,,M表示整体环境中所有无人机的数量,设无人机联盟集合的联盟基数大小,则,
其中,表示所述原联盟中的任意无人机,;表征不包含的任意联盟内部各无人机的相互作用;表征不包含的任意联盟中加入后联盟内部各无人机的相互作用;表示任意联盟中的无人机,,N表示任意联盟的联盟基数大小;表示无人机在原联盟中的权值;表示由于无人机而产生的人工势场对所述主体无人机提供的线加速度;表示由于无人机而产生的人工涡旋场对所述主体无人机提供的角加速度;
S5:根据场方法计算当前时刻所述主体无人机的基本控制量,并结合所述主体无人机对应的权值计算出所述主体无人机的最终控制输出量;
S6:判断所述主体无人机是否到达对应目标点;若未到达则经过时间周期T后返回执行步骤S3,否则继续执行步骤S7;
S7:所述主体无人机任务完成,将所述主体无人机从其所处联盟中移除,当所有无人机均被移除之后,无人机群冲突解脱任务完成。
3.根据权利要求1所述的方法,其特征在于,步骤S5具体过程如下:
其中,表示无人机产生的涡旋场对主体无人机的作用量;表示位于处的无人机对位于处主体无人机的扭转作用量;是无人机的保护区域半径长度,一旦其他无人机进入无人机的保护区域即认为冲突不可逆转;为无人机的可调保护区域,为斥力涡旋场的影响范围,
4.根据权利要求1所述的方法,其特征在于,步骤S4中,对于单个无人机,其将对其所处联盟范围内能够检测到的所有其他无人机发出结盟请求,若对方不在任何一个联盟当中,则两者结成联盟关系,否则所述单个无人机加入对方联盟当中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010374786.9A CN111273697B (zh) | 2020-05-07 | 2020-05-07 | 一种无人机群冲突解脱方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010374786.9A CN111273697B (zh) | 2020-05-07 | 2020-05-07 | 一种无人机群冲突解脱方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111273697A CN111273697A (zh) | 2020-06-12 |
CN111273697B true CN111273697B (zh) | 2020-08-11 |
Family
ID=70999491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010374786.9A Active CN111273697B (zh) | 2020-05-07 | 2020-05-07 | 一种无人机群冲突解脱方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111273697B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240066B (zh) * | 2021-05-14 | 2023-01-13 | 中国民航大学 | 一种基于Shapley值的改进蚁群算法的无人机冲突解脱方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107677275A (zh) * | 2017-09-15 | 2018-02-09 | 北京航空航天大学 | 一种混合空域异质飞行器路径规划方法及装置 |
CN109191923A (zh) * | 2018-09-25 | 2019-01-11 | 中国人民解放军国防科技大学 | 一种无人机飞行冲突解脱方法及解脱系统 |
WO2019099343A1 (en) * | 2017-11-14 | 2019-05-23 | Interdigital Patent Holdings, Inc. | Distributed detect and avoid for unmanned vehicles |
WO2019122842A1 (en) * | 2017-12-21 | 2019-06-27 | AV8OR IP Limited | Autonomous unmanned aerial vehicle and method of control thereof |
CN110865653A (zh) * | 2019-12-02 | 2020-03-06 | 西北工业大学 | 一种分布式集群无人机队形变换方法 |
-
2020
- 2020-05-07 CN CN202010374786.9A patent/CN111273697B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107677275A (zh) * | 2017-09-15 | 2018-02-09 | 北京航空航天大学 | 一种混合空域异质飞行器路径规划方法及装置 |
WO2019099343A1 (en) * | 2017-11-14 | 2019-05-23 | Interdigital Patent Holdings, Inc. | Distributed detect and avoid for unmanned vehicles |
WO2019122842A1 (en) * | 2017-12-21 | 2019-06-27 | AV8OR IP Limited | Autonomous unmanned aerial vehicle and method of control thereof |
CN109191923A (zh) * | 2018-09-25 | 2019-01-11 | 中国人民解放军国防科技大学 | 一种无人机飞行冲突解脱方法及解脱系统 |
CN110865653A (zh) * | 2019-12-02 | 2020-03-06 | 西北工业大学 | 一种分布式集群无人机队形变换方法 |
Non-Patent Citations (3)
Title |
---|
A Satisficing Conflict Resolution Approach for Multiple UAVs;Li, Yumeng 等;《IEEE INTERNET OF THINGS JOURNAL》;20190430;第6卷(第2期);1866-1878 * |
一种改进蚁群算法的无人机避险方法仿真研究;吴学礼 等;《河北科技大学学报》;20180430;第39卷(第02期);166-175 * |
基于路径规划的无人机飞行冲突解脱技术;魏潇龙 等;《火力与指挥控制》;20161031;第41卷(第10期);48-54,58 * |
Also Published As
Publication number | Publication date |
---|---|
CN111273697A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Duan et al. | Dynamic discrete pigeon-inspired optimization for multi-UAV cooperative search-attack mission planning | |
CN106979784B (zh) | 基于混合鸽群算法的非线性航迹规划 | |
Wu et al. | Distributed trajectory optimization for multiple solar-powered UAVs target tracking in urban environment by Adaptive Grasshopper Optimization Algorithm | |
CN110007688B (zh) | 一种基于强化学习的无人机集群分布式编队方法 | |
CN106705970B (zh) | 一种基于蚁群算法的多无人机协同路径规划方法 | |
CN112269396B (zh) | 一种仿鹰鸽智能博弈的无人机集群协同对抗控制方法 | |
CN108549233B (zh) | 一种带有直觉模糊信息的无人机空战机动博弈方法 | |
CN112180967B (zh) | 基于评判-执行架构的多无人机协同对抗决策方法 | |
CN114185362B (zh) | 一种基于郊狼信息熵的无人机集群任务动态分配方法 | |
CN113095481A (zh) | 一种基于并行自我博弈的空战机动方法 | |
CN112198892B (zh) | 一种多无人机智能协同突防对抗方法 | |
Liu et al. | Sliding mode control of multi-agent system with application to UAV air combat | |
CN106647744A (zh) | 一种机器人路径规划方法及装置 | |
CN111813144B (zh) | 一种基于改进羊群算法的多无人机协同航路规划方法 | |
Zhang et al. | Research on autonomous maneuvering decision of UCAV based on deep reinforcement learning | |
CN109857117A (zh) | 一种基于分布式模式匹配的无人艇集群编队方法 | |
CN111273697B (zh) | 一种无人机群冲突解脱方法 | |
CN114518772B (zh) | 一种拒止环境下无人机蜂群自组织方法 | |
Yuan et al. | Distributed game strategy for unmanned aerial vehicle formation with external disturbances and obstacles | |
CN115494873A (zh) | 时序约束下一种基于蒙特卡洛树搜索架构的异构多无人机协同任务分配方法 | |
Yang et al. | Three-dimensional UAV cooperative path planning based on the MP-CGWO algorithm | |
CN109544082A (zh) | 一种用于数字化战场对抗的系统和方法 | |
Price et al. | GA directed self-organized search and attack UAV swarms | |
CN115903885B (zh) | 一种基于任务牵引的蜂群Agent模型的无人机飞控方法 | |
Liu et al. | Multiple UAV formations delivery task planning based on a distributed adaptive algorithm |
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 |