CN111414010A - 编队内无人机防撞优先级设计方法 - Google Patents
编队内无人机防撞优先级设计方法 Download PDFInfo
- Publication number
- CN111414010A CN111414010A CN202010289134.5A CN202010289134A CN111414010A CN 111414010 A CN111414010 A CN 111414010A CN 202010289134 A CN202010289134 A CN 202010289134A CN 111414010 A CN111414010 A CN 111414010A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- fuzzy
- designing
- priority
- aerial 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.)
- Granted
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000008569 process Effects 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 6
- 238000013507 mapping Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012163 sequencing technique 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种编队内无人机防撞优先级设计方法,主要包括以下步骤:(1)检测到碰撞冲突后,获取冲突无人机的运动信息和平台信息;(2)模糊集和隶属度函数设计;(3)模糊规则库设计;(4)模糊推理机设计;(5)得出碰撞优先级。本发明基于模糊逻辑理论,围绕机动能力和机动潜力两个元素进行模糊推理,为具有碰撞冲突的无人机进行优先级排序,优先级低的主动避让优先级高的无人机,在避免碰撞的同时降低整个编队的扰动。
Description
技术领域
本发明涉及编队内无人机防撞优先级设计方法,特别适用于松散编队下固定翼无人机之间的防撞。
背景技术
多无人机在进行编队飞行时,机间距离近,相互之间碰撞的可能性很高,而且在实际飞行中,战场环境复杂,无人机编队受环境的影响和任务的需要,需要不断的机动转弯、改变队形,甚至解散和重新组成编队,这无疑增大了飞机之间碰撞的机率。因此如何做好机间防撞是保证编队安全飞行的核心内容。由于固定翼无人机不仅具有非完整约束条件,还有正的速度限制,不会出现空中悬停这种情况,因此编队防撞控制尤为困难。
多无人机在编队飞行时除了要考虑飞机之间的防撞之外,还要尽量降低编队的扰动,保证编队稳定飞行。因此具有碰撞冲突的无人机在进行避让时需要做好协调,两机不能同时做避让动作,不然编队内过多的机动会影响编队的稳定性,甚至会引入新的碰撞冲突。因此无人机编队飞行防撞的过程中需要根据无人机的运动态势、机动能力以及重要程度对各无人机进行优先级排序,优先级低的要主动避让优先级高的无人机,优先级高的不做机动。
发明内容
本发明考虑的情况是一个编队,这个编队内只有一架长机,有若干架僚机,主要处理从各个僚机向长机形成编队并持续以编队形式飞行过程中编队内防撞算法的研究。这种编队是松编队的情况下,即编队队形中的各个无人机之间的距离足够大,不会引入其他飞机产生的气流干扰,并且能够使得各个无人机有足够的空间做出防撞避让机动。同时长机在编队保持的过程中,不做剧烈机动,不然编队保持控制和编队防撞控制将处于持续的切换当中,引起不必要的混乱,编队队形也无法达到保持。
无人机在进行避撞时,在同等情况下,机动能力强的无人机应主动避让机动能力弱的无人机;同等机动能力的无人机需要考虑无人机的当前飞行状况,因此主要围绕无人机的机动能力和机动潜力这两点进行考虑。因为无人机的机动能力以及碰撞优先级不能定量的进行描述,因此引入了模糊系统。
模糊推理系统是以模糊逻辑和模糊推理为基础建立的系统,专门用来处理模糊信息,一般分为四部分,分别为模糊规则库,模糊推理机,模糊化单元和反模糊化单元。本质上模糊逻辑系统是一个从论域到论域的一个映射,并且该映射是非线性的。而且经证明,只要设计适当的隶属度函数,模糊规则库和模糊推理机就能在一定精度上逼近给定的非线性函数。
本发明主要研究具有碰撞冲突的无人机避撞优先级问题,至于碰撞冲突检测和防撞算法设计不是本发明的研究内容。
本发明所采取的技术方案为:一种编队内无人机防撞优先级设计方法,其特征在于,包括以下步骤:
(1)检测到碰撞冲突后,获取冲突无人机的运动信息和平台信息;
(2)模糊集和隶属度函数的设计;
(3)根据专家知识建立模糊规则库;
(4)模糊推理机的设计;
(5)得出两架无人机的碰撞优先级,优先级低的主动避让。
2、根据权利要求1所述的编队内无人机防撞优先级设计方法,其特征在于,所述的步骤(2)中具体包括以下步骤:
(2.1)机动能力模糊集和隶属度函数设计;
(2.2)机动潜力模糊集和隶属度函数设计;
(2.3)避撞优先级模糊集设计。
3、根据权利要求1所述的编队内无人机防撞优先级设计方法,其特征在于,步骤(3)中所述的模糊规则是:
IF x1 is A1 AND x2 is A2 THEN y is B
其中,A1、A2、B为论域,x1、x2、y为元素。
4、根据权利要求1所述的编队内无人机防撞优先级设计方法,其特征在于,所述的步骤(4)的模糊推理机的设计,采用模糊假言推理和扎德方法进行推理,推理过程如下:
求出A1和A2的交集,并记为A,即:
利用扎德提出的条件命题的极大极小规则,建立A和B的模糊关系:
根据上述的推理公式,求出已知的机动能力A′1和机动潜力A′2的交集,记为A′,即:
由A′与R的合成求出无人机的优先级B′,即:
本发明的有益效果是:基于模糊逻辑理论,围绕机动能力和机动潜力两个元素进行模糊推理,为具有碰撞冲突的无人机进行优先级排序,优先级低的主动避让优先级高的无人机,在避免碰撞的同时降低整个编队的扰动。
附图说明
图1是本发明编队内无人机防撞优先级设计方法的流程图;
图2是无人机机动能力隶属度函数示意图;
图3是无人机机动方向示意图;
图4是无人机机动潜力隶属度函数示意图。
具体实施方式
以下结合附图和实际对本发明做进一步的说明。
参见图1,本发明编队内无人机防撞优先级设计方法主要包括以下步骤。
(1)检测到碰撞冲突后,获取冲突无人机的运动信息和平台信息。该步骤涉及的碰撞冲突的检测不是本发明研究的内容,可以是任意方法,本发明研究的是检测到碰撞冲突以后防撞优先级的设计。
(2)模糊集和隶属度函数的设计,具体设计方法包括以下步骤:
(2.1)机动能力模糊集和隶属度函数设计:
根据无人机平台的健康情况以及平台类型将无人机的机动能力划分为10个等级,即论域为[1,10],在此论域的基础上定义五个模糊集,分别为很差、差、一般、强、很强。五个模糊集的隶属函数设计如附图2所示。图中实线和虚线分别代表了不同模糊子集的隶属度函数,模糊子集在对应区间的隶属度为1,与相邻区间的隶属度为一条斜线,底端与相邻区间中点连接,隶属度为0,顶端与两区间交点连接,隶属度为1。显然每个区间的中点属于该子集的隶属度为1,属于相邻区间的隶属度为0。这样定义好处是论域上任意一点只隶属于一个模糊子集,便于后续的计算。
(2.2)机动潜力模糊集和隶属度函数设计:
根据无人机的飞行状况以及避撞方向对无人机的机动潜力进行判断,所谓机动潜力指的是在无人机当前运动的基础上做避撞机动的能力。
例如当无人机当前正向右转弯时,这时检测到威胁在无人机的右方需要向左躲避,在右转弯的基础上向左转执行起来较困难,机动潜力较差。如果在右转的基础上向右躲避,执行起来比较容易,机动潜力较强,具体如图3所示。在图中侧滑角为β1,无人机向右转,威胁在左方。
根据侧滑角的大小以及威胁位置建立无人机机动潜力的模糊集。论域为无人机侧滑角的范围[βmin,βmax],在论域的基础上定义五个模糊集,分别为很差、差、一般、强、很强。隶属度函数设计与之前类似,具体如图4所示。
(2.3)避撞优先级模糊集设计:
同理可以将无人机避撞优先级等级设为10个等级,即论域为[1,10],在此论域的基础上定义五个模糊集,分别为很高、高、一般、低、很低。根据本发明的情况,利用模糊逻辑推理只需得出两架无人机的相对优先级等级即可,不需要具体的数值,因此不需要设计隶属度函数。
(3)模糊规则库的设计:
模糊规则库的模糊逻辑的控制规则形式为“IF-THEN”型,是模糊逻辑的核心部分,也是技术瓶颈所在。一般来说,控制规则由专门的技术专家凭借多年的知识经验建立,具有很高的指导性。
根据本发明所解决问题的具体情况,逻辑推理规则是一个多输入单输出的形式,具体如下:
IF x1 is A1 AND x2 is A2 THEN y is B
其中,A1、A2、B为论域,x1、x2、y为元素。
依据上文模糊集以及隶属度函数的设计,不存在“IF部分相同,THEN部分不同”这种情况,即推理过程不存在冲突,具有一致性。
(4)模糊推理机设计:
推理机就是根据之前设定的模糊规则库,完成两个论域的映射,就是根据既定的模糊规则,利用已知的模糊输入推出相应的模糊输出。
本发明采用模糊假言推理,采用扎德方法进行推理。具体过程如下:
求出A1和A2的交集,并记为A,即
利用扎德提出的条件命题的极大极小规则,建立A和B的模糊关系
根据上述的推理公式,求出已知的机动能力A′1和机动潜力A′2的交集,记为A′,即
由A′与R的合成求出无人机的碰撞优先级B′,即:
(5)经过以上推理即可得到无人机的碰撞优先级B′,优先级低的主动避让。但是如果经过推理会出现两架无机优先级相同的情况。针对这种情况,再根据无人机的战术重要程度判断,例如长机要比僚机重要,同等优先级的僚机要躲避长机。战术重要程度一般在任务开始前就要根据情况设定好,以便于后续的应用。
Claims (4)
1.一种编队内无人机防撞优先级设计方法,其特征在于,包括以下步骤:
(1)检测到碰撞冲突后,获取冲突无人机的运动信息和平台信息;
(2)模糊集和隶属度函数的设计;
(3)根据专家知识建立模糊规则库;
(4)模糊推理机的设计;
(5)得出两架无人机的碰撞优先级,优先级低的主动避让。
2.根据权利要求1所述的编队内无人机防撞优先级设计方法,其特征在于,所述的步骤(2)中具体包括以下步骤:
(2.1)机动能力模糊集和隶属度函数设计;
(2.2)机动潜力模糊集和隶属度函数设计;
(2.3)避撞优先级模糊集设计。
3.根据权利要求1所述的编队内无人机防撞优先级设计方法,其特征在于,步骤(3)中所述的模糊规则是:
IF x1 is A1 AND x2 is A2 THEN y is B
其中,A1、A2、B为论域,x1、x2、y为元素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010289134.5A CN111414010B (zh) | 2020-04-14 | 2020-04-14 | 编队内无人机防撞优先级设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010289134.5A CN111414010B (zh) | 2020-04-14 | 2020-04-14 | 编队内无人机防撞优先级设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111414010A true CN111414010A (zh) | 2020-07-14 |
CN111414010B CN111414010B (zh) | 2023-05-23 |
Family
ID=71491871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010289134.5A Active CN111414010B (zh) | 2020-04-14 | 2020-04-14 | 编队内无人机防撞优先级设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111414010B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5805773A (en) * | 1990-11-28 | 1998-09-08 | Hitachi Ltd. | Fuzzy reasoning method and system |
CN101963508A (zh) * | 2010-08-27 | 2011-02-02 | 北京航空航天大学 | 一种基于反馈模糊推理的无人机实时航路规划方法 |
CN103280114A (zh) * | 2013-06-24 | 2013-09-04 | 电子科技大学 | 一种基于bp-pso模糊神经网络的信号灯智能控制方法 |
CN103324196A (zh) * | 2013-06-17 | 2013-09-25 | 南京邮电大学 | 基于模糊逻辑的多机器人路径规划与协调避碰方法 |
CN109933087A (zh) * | 2019-03-18 | 2019-06-25 | 西安爱生技术集团公司 | 无人机与地面机动目标虚拟编队战位保持控制方法 |
CN110488819A (zh) * | 2019-08-09 | 2019-11-22 | 北京超维度计算科技有限公司 | 一种基于模糊逻辑的机器人碰撞风险评价方法 |
-
2020
- 2020-04-14 CN CN202010289134.5A patent/CN111414010B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5805773A (en) * | 1990-11-28 | 1998-09-08 | Hitachi Ltd. | Fuzzy reasoning method and system |
CN101963508A (zh) * | 2010-08-27 | 2011-02-02 | 北京航空航天大学 | 一种基于反馈模糊推理的无人机实时航路规划方法 |
CN103324196A (zh) * | 2013-06-17 | 2013-09-25 | 南京邮电大学 | 基于模糊逻辑的多机器人路径规划与协调避碰方法 |
CN103280114A (zh) * | 2013-06-24 | 2013-09-04 | 电子科技大学 | 一种基于bp-pso模糊神经网络的信号灯智能控制方法 |
CN109933087A (zh) * | 2019-03-18 | 2019-06-25 | 西安爱生技术集团公司 | 无人机与地面机动目标虚拟编队战位保持控制方法 |
CN110488819A (zh) * | 2019-08-09 | 2019-11-22 | 北京超维度计算科技有限公司 | 一种基于模糊逻辑的机器人碰撞风险评价方法 |
Non-Patent Citations (1)
Title |
---|
尹朝庆, 华中科技大学出版社 * |
Also Published As
Publication number | Publication date |
---|---|
CN111414010B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sawada et al. | Automatic ship collision avoidance using deep reinforcement learning with LSTM in continuous action spaces | |
Albaba et al. | Modeling cyber-physical human systems via an interplay between reinforcement learning and game theory | |
CN110456823B (zh) | 一种针对无人机计算与存储能力受限的双层路径规划方法 | |
Onieva et al. | Automatic lateral control for unmanned vehicles via genetic algorithms | |
CN111222630B (zh) | 一种基于深度强化学习的自主驾驶规则学习方法 | |
Ferdaus et al. | Towards the use of fuzzy logic systems in rotary wing unmanned aerial vehicle: a review | |
CN111443728B (zh) | 一种基于混沌灰狼优化的无人机编队控制方法 | |
CN105489069B (zh) | 一种基于svm的低空空域通航飞机冲突检测方法 | |
CN111077909B (zh) | 一种基于视觉信息的新型无人机自组群自洽优化控制方法 | |
CN112180967A (zh) | 基于评判-执行架构的多无人机协同对抗决策方法 | |
Lazarowska | Multi-criteria ACO-based Algorithm for Ship's Trajectory Planning | |
CN114815882A (zh) | 一种基于强化学习的无人飞行器自主编队智能控制方法 | |
Yuan et al. | Prioritized experience replay-based deep q learning: Multiple-reward architecture for highway driving decision making | |
Jin et al. | Cooperative path planning with priority target assignment and collision avoidance guidance for rescue unmanned surface vehicles in a complex ocean environment | |
Shen | Bionic communication network and binary pigeon-inspired optimization for multiagent cooperative task allocation | |
Sun et al. | Cooperative strategy for pursuit-evasion problem in the presence of static and dynamic obstacles | |
CN111414010A (zh) | 编队内无人机防撞优先级设计方法 | |
CN117075621A (zh) | 无人机安全规避方法、装置、电子设备及存储介质 | |
Zhuang et al. | Robust auto-parking: Reinforcement learning based real-time planning approach with domain template | |
Liu et al. | A Network-Based Conflict Resolution Approach for Unmanned Aerial Vehicle Operations in Dense Nonsegregated Airspace | |
Melhaoui et al. | Optimal control of ship collision avoidance problem | |
Meng et al. | One-to-one close air combat maneuver decision method based on target maneuver intention prediction | |
Wang et al. | COLREGs-compliant collision avoidance method for autonomous ships via deep reinforcement learning | |
Yu et al. | Fuzzy gain scheduling PID control design based on particle swarm optimization method | |
Mu et al. | Satisficing game approach to conflict resolution for cooperative aircraft sharing airspace |
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 |