CN111506079B - 一种考虑障碍物避让的无人船虚拟结构编队控制方法 - Google Patents
一种考虑障碍物避让的无人船虚拟结构编队控制方法 Download PDFInfo
- Publication number
- CN111506079B CN111506079B CN202010401715.3A CN202010401715A CN111506079B CN 111506079 B CN111506079 B CN 111506079B CN 202010401715 A CN202010401715 A CN 202010401715A CN 111506079 B CN111506079 B CN 111506079B
- Authority
- CN
- China
- Prior art keywords
- unmanned ship
- formation
- obstacle
- track
- unmanned
- 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
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
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
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
本发明公开了一种考虑障碍物避让的无人船虚拟结构编队控制方法。本发明通过虚拟结构法构建基础轨迹,这些基础轨迹被参数化从而保证任意时刻都能维持队形。针对环境中存在障碍物的情况,本发明应用了人工势场法来调整基础轨迹以生成避让障碍物的参考轨迹,可以有效避免无人船在运动过程中的碰撞。本发明针对无人船设计了轨迹跟踪控制器来跟踪经过调整后的参考轨迹,可以保证多无人船这一闭环系统的稳定性,同时又通过对基础轨迹中所包含的路径参数的选取,保证了编队误差在运动全过程中尽可能的小。本发明易于实现,可以实现无人船队的编队跟踪和障碍物避让,保证系统的稳定性和良好的跟踪特性。
Description
技术领域
本发明属于编队控制领域,具体来说是一种面向无人船的考虑障碍物避让的虚拟结构编队控制方法,可以保证无人船编队在有环境障碍物的情况下编队跟踪误差尽可能的小。
背景技术
随着自动化技术的不断发展,无人船的协同运动在海洋勘探和救援等领域发挥了重要作用,具有广泛的应用前景,编队控制是这一技术中的重点问题。无人船的编队控制增强了船队控制的鲁棒性和有效性,使得无人船队相比单个无人船可以处理更加复杂的水下任务,被应用在更加恶劣的海底地形中。然而,大部分的无人船编队控制设计没有很好地考虑环境中存在的障碍物,并不能在实际应用中既保持编队又完成对预定轨迹的良好跟踪。
大部分编队控制采用领导跟随法,即在队伍中指定领导者和跟随者,领导者跟踪预定轨迹,同时跟随者跟随领导者,从而保持编队跟踪运动。然而,这一方法缺乏来自跟随者的反馈,使得当跟随者遇到环境障碍时,队形容易被破坏从而不能有较好的编队跟踪表现。为此,文献“Practical formation control of multiple underactuated ships withlimited sensing ranges(”K.Do.Robotics and Autonomous,2011,59(6):457-471)和文献“Formation control of multiple elliptical agents with limited sensingranges”(K.Do.Automatica, 2012,48(7):1330-1338)都使用了虚拟结构编队方法。这种方法通过构建虚拟结构体来对编队中各艘无人船都生成参考轨迹,从而实现整个队伍的编队跟踪。由于该方法中引入了反馈,因此可以实现很好的编队跟踪特性。然而,传统的虚拟结构编队控制方法没有考虑环境障碍物的影响,在遇到障碍物时候依旧无法保持良好的编队。
发明内容
本发明的目的在于提出一种考虑障碍物避让的新型无人船虚拟结构编队控制方法,用以解决一般的虚拟结构编队控制方法在遇到障碍物时无法保证编队和跟踪的良好特性的问题。
为实现上述目的,本发明的具体技术方案内容如下:
本发明包括以下步骤:
步骤1:确定无人船运动学模型,采用虚拟结构法生成参数化的基础轨迹;
先确定无人船的运动学模型:
其中x,y是无人船重心处的全局坐标,θ是朝向角,ν和ω是线速度和角速度,并且也是无人船的控制输入。
采用虚拟结构法生成参数化的基础轨迹为:
Rbi(s)=Rb0(s)+M(θb0(s))Lbi,
其中,Rbi(s)=[xbi(s) ybi(s)]T是第i艘无人船所期望的基础轨迹, Rb0(s)=[xb0(s) yb0(s)]T是虚拟结构中心所期望的基础轨迹,Lbi=[lxi lyi]T是第i艘无人船相对虚拟结构中心的位移,是旋转矩阵,其中θb0是虚拟无人船的基础朝向角,定义s是基础轨迹中所含路径参数,即以上所有的基础轨迹都被s参数化,s是时间t的函数,也可以写作s(t)。s被用以保证基础轨迹总是处在编队中。
由于生成了基础轨迹,对于第i艘无人船的期望输入,即期望速度可以计算得到:
步骤2:引入人工势场法来调整基础轨迹从而实现障碍物避让,生成无碰撞的参考轨迹。引入人工势函数如下:
其中,d是第i艘无人船到障碍物的距离,R是障碍物外围可探测区域的半径,无人船进入这一范围可探查到障碍物的存在,r是障碍物的半径。
对第i艘无人船受到的Γi在xi,yi方向上求微分,得到:
其中xp、yp是障碍物的坐标。
定义虚拟力向量:
其中kpi为正的常数。
将该虚拟力向量转换到无人船坐标系上:
从而定义避障调整量为:
νai=-c3iΨvi
ωai=-c4iΨwi
其中c3i,c4i为正的常数。
通过这一调整分量,对第i艘无人船的期望输入进行调整,得到第i艘无人船的参考输入:
调整后的无人船参考轨迹如下:
Rri(t)=(1-η)Rbi(s)+ηRai(t)
其中是切换系数。Rbi(s)是基础轨迹,由于s是时间t的函数,可写作s(t),所以基础轨迹也可写作Rbi(s(t))。Rri(t)是参考轨迹,Rai(t)是调整轨迹。调整轨迹Rai的计算如下: t0是切换系数从0切换到1的时刻。
之后,选取合适的路径参数s,使得无人船队形在遇到障碍物时有良好的编队跟踪表现。路径参数s要反映整体队形的编队误差,这里定义V为表征编队误差的函数:
其中,ξxi,ξyi and ξθi是基础轨迹跟踪误差,有如下定义:
然而,上述的控制要求可能会使编队在遇到障碍物时发生阻滞现象,无法正常跟踪期望的轨迹。因此,路径参数s的选取还要让编队在遇到障碍物时继续保持跟踪而非阻滞不动。用总势函数来表达编队遇障情况,基于以上设计要求,设计路径参数s对时间的导数如下:
步骤3:设计参考轨迹跟踪控制器。
先定义对参考轨迹Rri的跟踪误差如下:
设计跟踪控制器为:
νi=νri+c1i∈xi,
这里c1i,c2i是正定的常数。
本发明的有益效果:本发明针对上述虚拟结构编队控制方法在遇到障碍物时难以编队跟踪的问题,引入人工势场法进行障碍物避让,设计路径参数的结构,可以保证无人船编队具有良好的编队跟踪特性,在遇到障碍物时编队跟踪误差尽可能的小。
附图说明
图1是本发明提出的编队控制框图;
图2是本发明的编队跟踪误差曲线。
具体实施方式
为了使本发明的目的、技术方案及有点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
现结合附图1本发明进行进一步描述:
本发明的实施技术方案为:
1)确定无人船运动学模型,采用虚拟结构法生成参数化的基础轨迹;
先确定无人船的运动学模型:
其中x,y是无人船重心处的全局坐标,θ是朝向角。ν和ω是线速度和角速度,并且也是无人船的控制输入。
采用虚拟结构法生成参数化的基础轨迹为:
Rbi(s)=Rb0(s)+M(θb0(s))Lbi,
其中,Rbi(s)=[xbi(s) ybi(s)]T是第i艘无人船所期望的基础轨迹,i=1,2,3
Rb0(s)=[xb0(s) yb0(s)]T是虚拟结构中心所期望的基础轨迹,这里给出期望轨迹为 Rb0(s)=[1.1cos(0.2πs) 1.1sin(0.2πs)],Lbi=[lxi lyi]T;是第i艘无人船相对虚拟结构中心的位移,这里给出三艘无人船的位移:
Lb1=[0 0.6]T,Lb2=[0 0]T,Lb3=[0 -0.6]T。
由于生成了基础轨迹,对于第i艘无人船的期望输入,即期望速度可以计算得到:
2)引入人工势场法来调整基础轨迹从而实现障碍物避让,生成无碰撞的参考轨迹。引入人工势函数如下:
其中,d是第i艘无人船到障碍物的距离,R是障碍物外围可探测区域的半径,无人船进入这一范围可探查到障碍物的存在,r是障碍物的半径。
对第i艘无人船受到的Γi在xi,yi方向上求微分,得到:
其中xp、yp是障碍物的坐标。
之后定义虚拟力向量:
其中kpi为正的常数。
将该虚拟力向量转换到无人船坐标系上,其中kpi=1:
从而定义避障调整量为:
νai=-c3iΨvi
ωai=-c4iΨwi
其中c3i=c4i=1。
通过这一调整分量,对第i艘无人船的期望输入进行调整,得到第i艘无人船的参考输入:
调整后的无人船参考轨迹如下:
Rri(t)=(1-η)Rbi(s)+ηRai(t)
其中是切换系数。Rbi(s)是基础轨迹,由于s是时间t的函数,可写作s(t),所以基础轨迹也可写作Rbi(s(t))。Rri(t)是参考轨迹,Rai(t)是调整轨迹。调整轨迹Rai的计算如下: t0是切换系数从0切换到1的时刻。
之后,本实施例选取合适的路径参数s,使得无人船队形在遇到障碍物时有良好的编队跟踪表现。
路径参数s要反映整体队形的编队误差,这里定义V为表征编队误差的函数:
其中,ξxi,ξyi and ξθi是基础轨迹跟踪误差,有如下定义:
因此,V可以反映出队伍的编队误差,当队伍有着良好的编队跟踪情况时,V接近于0;当队伍中有无人船偏离基础轨迹时,V会急剧增大。由前述期望输入可见,直接决定了νbi和ωbi的大小。为了保持良好的编队跟踪,希望当编队误差V很大时,减小从而使期望的速度νbi和ωbi减小以等待掉队的无人船跟踪到基础轨迹上。而当编队误差很小时,可以接近于常数1,从而使得路径参数s,即对时间t的积分接近于t。
然而,上述的控制要求可能会使编队在遇到障碍物时发生阻滞现象,无法正常跟踪期望的轨迹。因此,路径参数s还要让编队在遇到障碍物时继续保持跟踪而非阻滞不动,所以需要能反映编队所遇到障碍物情况,用总势函数来表达编队遇障情况。当编队遇到障碍物发生阻滞现象时,F会急剧增大并保持。因此,希望当阻滞现象发生时,即F很大时,不再趋近于0,而是趋于1,这样使得编队中未遇到障碍物的无人船无需停下来等待受阻的无人船,而继续以理想的速度跟踪基础轨迹。而受阻的无人船可以在不断调整的参考轨迹下摆脱障碍物,在之后跟上队伍。
设计路径参数s对时间的导数如下:
3)设计参考轨迹跟踪控制器。
先定义对参考轨迹Rri的跟踪误差如下:
设计跟踪控制器为:
νi=νri+c1i∈xi,
这里c1i=10,c2i=5。
对上述过程进行Simulink仿真,验证本发明提出的编队控制方法在有障碍物情况下依旧能实现良好的编队和跟踪效果。验证时场地障碍物坐标为(-0.1,0.8)和(0,2.1),所有障碍物和无人船的探测半径R=0.3m,最小半径r=0.175m。仿真时间为10秒,编队的跟踪误差曲线如图2所示。
Claims (5)
1.一种考虑障碍物避让的无人船虚拟结构编队控制方法,其特征在于,包括以下步骤:
第一步:确定无人船运动学模型,无人船运动学模型中包括无人船重心处的全局坐标x,y,朝向角θ;线速度v、角速度ω,其中v和ω是无人船的控制输入;
采用虚拟结构法生成参数化的基础轨迹,得到无人船的期望输入;
第二步:通过人工势场法来调整基础轨迹以生成参考轨迹,设计基础轨迹中所含路径参数;
所述的人工势场法中的人工势函数如下:
其中,d是第i艘无人船到障碍物的距离,R是障碍物外围可探测区域的半径,无人船进入这一范围可探查到障碍物的存在,r是障碍物的半径;
对第i艘无人船受到的Γi在其重心处的全局坐标xi,yi方向上求微分,得到:
其中xp、yp是障碍物的坐标;
定义虚拟力向量:
其中kpi为正的常数;
将该虚拟力向量转换到无人船坐标系上:
其中θi是第i艘无人船朝向角
定义避障调整量为:
vai=-c3iΨvi
ωai=-c4iΨwi
其中c3i,c4i为正的常数;
通过上述调整分量,对第i艘无人船的期望线速度vbi和期望角速度ωbi进行调整,得到第i艘无人船的参考输入:
vri=vbi+vai,ωri=ωbi+ωai
调整后的无人船参考轨迹如下:
Rri(t)=(1-η)Rbi(s)+ηRai(t)
选取合适的路径参数s,使得无人船队形在遇到障碍物时有良好的编队跟踪表现,满足以下两个要求:
a,路径参数s要反映整体队形的编队误差;
b,路径参数s还要让编队在遇到障碍物时继续保持跟踪而非阻滞不动,所以能反映出编队所遇到障碍物情况;
第三步:设计针对无人船的参考轨迹跟踪控制器;
定义参考轨迹Rri的跟踪误差如下:
设计参考轨迹跟踪控制器为:
vi=vri+c1i∈xi,
这里c1i,c2i是正定的常数。
2.根据权利要求1所述的一种考虑障碍物避让的无人船虚拟结构编队控制方法,其特征在于,
所述的无人船的运动学模型中存在以下关系:
采用虚拟结构法生成参数化的基础轨迹具体为:
Rbi(s)=Rb0(s)+M(θb0(s))Lbi,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010401715.3A CN111506079B (zh) | 2020-05-13 | 2020-05-13 | 一种考虑障碍物避让的无人船虚拟结构编队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010401715.3A CN111506079B (zh) | 2020-05-13 | 2020-05-13 | 一种考虑障碍物避让的无人船虚拟结构编队控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111506079A CN111506079A (zh) | 2020-08-07 |
CN111506079B true CN111506079B (zh) | 2021-08-03 |
Family
ID=71876793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010401715.3A Active CN111506079B (zh) | 2020-05-13 | 2020-05-13 | 一种考虑障碍物避让的无人船虚拟结构编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111506079B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112034865B (zh) * | 2020-08-12 | 2021-10-08 | 浙江大学 | 基于优化算法的全驱动水下航行器航迹跟踪控制方法 |
CN113325852B (zh) * | 2021-06-10 | 2022-08-30 | 浙江大学 | 基于领导跟随者方式的多智能体行进中编队变换的控制方法 |
CN113741433B (zh) * | 2021-08-18 | 2023-12-15 | 中国舰船研究设计中心 | 一种水面无人船的分布式编队方法 |
CN114326816A (zh) * | 2022-01-04 | 2022-04-12 | 中国人民解放军国防科技大学 | 基于人工势场的固定翼无人机编队航迹规划方法与装置 |
CN114489060B (zh) * | 2022-01-14 | 2023-06-30 | 珠海云洲智能科技股份有限公司 | 无人船编队控制方法、终端设备及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901012A (zh) * | 2010-03-19 | 2010-12-01 | 华东交通大学 | 一种分布式的多机器人同步蜂拥控制方法 |
CN103901887A (zh) * | 2014-03-04 | 2014-07-02 | 重庆邮电大学 | 一种基于改进粒子群算法的多移动机器人编队控制方法 |
WO2017127596A1 (en) * | 2016-01-22 | 2017-07-27 | Russell David Wayne | System and method for safe positive control electronic processing for autonomous vehicles |
CN110488840A (zh) * | 2019-08-31 | 2019-11-22 | 武汉理工大学 | 一种无人车编队控制方法 |
CN110703692A (zh) * | 2019-07-30 | 2020-01-17 | 浙江工业大学 | 一种基于虚拟结构法的多移动机器人分布式预测控制方法 |
CN110727274A (zh) * | 2019-11-19 | 2020-01-24 | 大连海事大学 | 一种基于无人船系统的带有避碰且保持连通性的编队控制方法 |
-
2020
- 2020-05-13 CN CN202010401715.3A patent/CN111506079B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901012A (zh) * | 2010-03-19 | 2010-12-01 | 华东交通大学 | 一种分布式的多机器人同步蜂拥控制方法 |
CN103901887A (zh) * | 2014-03-04 | 2014-07-02 | 重庆邮电大学 | 一种基于改进粒子群算法的多移动机器人编队控制方法 |
WO2017127596A1 (en) * | 2016-01-22 | 2017-07-27 | Russell David Wayne | System and method for safe positive control electronic processing for autonomous vehicles |
CN110703692A (zh) * | 2019-07-30 | 2020-01-17 | 浙江工业大学 | 一种基于虚拟结构法的多移动机器人分布式预测控制方法 |
CN110488840A (zh) * | 2019-08-31 | 2019-11-22 | 武汉理工大学 | 一种无人车编队控制方法 |
CN110727274A (zh) * | 2019-11-19 | 2020-01-24 | 大连海事大学 | 一种基于无人船系统的带有避碰且保持连通性的编队控制方法 |
Non-Patent Citations (3)
Title |
---|
A Formation Collision Avoidance System for Unmanned Surface Vehicles With Leader-Follower Structure;Xiaojie Sun etc.;《IEEE Access》;20190225;第7卷;第24691-24702页 * |
人工势场与虚拟结构相结合的无人机集群编队控制;吕永申 等;《飞行力学》;20190630;第37卷(第3期);第43-47页 * |
人工势场和虚拟结构相结合的多水下机器人编队控制;潘无为 等;《兵工学报》;20170412;第38卷(第2期);第326-334页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111506079A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111506079B (zh) | 一种考虑障碍物避让的无人船虚拟结构编队控制方法 | |
Sang et al. | The hybrid path planning algorithm based on improved A* and artificial potential field for unmanned surface vehicle formations | |
Wang et al. | An obstacle avoidance strategy for the wave glider based on the improved artificial potential field and collision prediction model | |
Svec et al. | Dynamics-aware target following for an autonomous surface vehicle operating under COLREGs in civilian traffic | |
Qin et al. | A task-based hierarchical control strategy for autonomous motion of an unmanned surface vehicle swarm | |
CN108073175A (zh) | 基于虚拟艇自适应规划的欠驱动无人艇编队智能控制方法 | |
CN109283842A (zh) | 一种无人艇航迹跟踪智能学习控制方法 | |
Sun et al. | A formation collision avoidance system for unmanned surface vehicles with leader-follower structure | |
Chen et al. | Distributed model predictive control for cooperative floating object transport with multi-vessel systems | |
Tan et al. | Coordination control for multiple unmanned surface vehicles using hybrid behavior-based method | |
Li et al. | Toward time-optimal trajectory planning for autonomous ship maneuvering in close-range encounters | |
Liu et al. | Adaptive barrier Lyapunov function-based obstacle avoidance control for an autonomous underwater vehicle with multiple static and moving obstacles | |
CN112650231A (zh) | 一种实现避碰和避障的欠驱船编队控制系统 | |
Yan et al. | Reinforcement learning-based autonomous navigation and obstacle avoidance for USVs under partially observable conditions | |
Liu et al. | COLREGS-based collision avoidance algorithm for unmanned surface vehicles using modified artificial potential fields | |
CN113093804B (zh) | 基于反演滑模控制的无人艇编队控制方法和控制系统 | |
You et al. | Adaptive neural sliding mode control for heterogeneous ship formation keeping considering uncertain dynamics and disturbances | |
Wang et al. | Formation control of unmanned surface vehicles with sensing constraints using exponential remapping method | |
Song et al. | Surface path tracking method of autonomous surface underwater vehicle based on deep reinforcement learning | |
Li et al. | Integrating dynamic event-triggered and sensor-tolerant control: Application to USV-UAVs cooperative formation system for maritime parallel search | |
Zhang et al. | Finite-time adaptive event-triggered control for USV with COLREGS-compliant collision avoidance mechanism | |
Yuan et al. | Model predictive control-based collision avoidance for autonomous surface vehicles in congested inland waters | |
Yamada et al. | Fuzzy controller for AUV robots based on machine learning and genetic algorithm | |
CN113359737A (zh) | 一种考虑队形伸缩的船舶编队自适应事件触发控制方法 | |
Hou et al. | PD control scheme for formation control of multiple autonomous underwater vehicles |
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 |