CN112034882A - 一种仿寒鸦配对交互机制的无人机集群控制方法 - Google Patents

Abstract

本发明公开一种仿寒鸦配对交互机制的无人机集群控制方法，步骤一：初始化；步骤二：计算寒鸦的三轴位置和速度；步骤三：判断寒鸦是否为信息个体；步骤四：选择寒鸦的交互邻居；步骤五：计算寒鸦集群控制量；步骤六：计算无人机自驾仪控制指令；步骤七：将自驾仪控制指令输入无人机模型；步骤八：判断仿真是否结束。本发明方法通过一定比例的无人机配对，在保证集群的一致性和聚集性的前提下，减小集群中无人机交互邻居数量，从而减小通信负载。本发明方法对于单向刺激，无人机集群更容易对刺激做出响应，应激精度更高。

Description

一种仿寒鸦配对交互机制的无人机集群控制方法

技术领域

本发明是一种仿寒鸦配对交互机制的无人机集群控制方法，属于无人机自主控制领域。

背景技术

无人机因其风险小、成本低、环境适应力强等优点，在民用和军事任务中的应用越来越多。单个无人机由于自身资源有限，无法执行大规模任务，为适应新的任务需求，多无人机集群逐渐成为无人机领域的研究热点，通过相互协作，可实现单机资源的充分利用，完成更为复杂的任务。无人机间的相互配合与协调需要机间交互，通信网络性能满足系统间交互传输的完整性、准确性、及时性和同步性，才能实现集群协同的任务效能。本发明旨在利用控制集群无人机交互的配对比例优化无人机的通信邻居数量，提出一种配对交互无人机集群控制方法，减小无人机集群的通信负载。

目前，无人机集群的交互机制主要分为分层领导交互模式、固定邻居距离交互模式和拓扑交互模式。很多无人机集群使用分层领导交互，比如领导者跟随者模式，这种模式简单稳定，通信负载不高，但是不够灵活，在集群故障方面适应性差；固定邻居距离交互时无人机的邻居数量与集群密度和无人机的位置有关，密度大时可能会造成通信负载极大，通信堵塞问题；拓扑交互邻居数量稳定，不受个体间距影响，在通信负载方面，拓扑交互个体的交互邻居数量远小于固定邻居距离交互的数量。

大规模是无人机集群发展的趋势，但大规模给无人机自组网的资源分配、信道接入以及网络路由等带来不小的挑战，高效可靠的机间协同通信是大规模无人机集群控制的关键技术。寒鸦群由于一夫一妻制形成特有的交互模式，集群中有15％-70％的个体一对一配对飞行。没有配对的寒鸦使用拓扑交互，配对寒鸦其一侧只与配对对象交互，另一侧交互范围为非配对个体的一半，因此减小一半的交互对象，交互的范围和通信量更少。本发明借鉴寒鸦的配对交互机制，提出一种仿寒鸦配对交互机制的无人机集群控制方法，在保证无人机集群聚集性的同时，减小机间通信负载。

发明内容

本发明目的是提供一种仿寒鸦配对交互机制的无人机集群控制方法，旨在减小无人机集群的机间通信负载，在保证无人机集群一致性和聚集性的基础上，减小集群无人机通信邻居数量，提高通信能力，同时有较强的应激能力。

本发明是一种仿寒鸦配对交互机制的无人机集群控制方法，具体实现步骤如下：

步骤一：初始化

生成N架无人机的初始飞行状态，包括惯性系下的三维空间位置(x_i,y_i,h_i)，水平航速、航向角与高度变化率

生成N只寒鸦个体，与N架无人机一一对应；初始化仿真参数，包括最大仿真时间T，采样时间dt，其中i为无人机的编号；初始化当前仿真时间t＝0。

步骤二：计算寒鸦的三轴位置和速度

为无人机的六个状态值，将其转换为对应寒鸦的三轴位置和速度向量：

步骤三：判断寒鸦是否为信息个体

在单向刺激中，设定集群中部分寒鸦在刺激时间T^trig改变其运动方向，则这部分寒鸦称为信息个体。若寒鸦i为信息个体，在时刻T^trig其三维空间位置为

水平速度、航向角与高度变化率为

航向角置为

则仿真时间大于T^trig后，获取寒鸦i的水平速度、航向角与高度变化率，都为

然后转至步骤六。若寒鸦i不是信息个体，则执行步骤四。

步骤四：选择寒鸦的交互邻居

(1)未配对寒鸦个体

在寒鸦配对交互机制中，配对的寒鸦个体采用拓扑交互。为表示拓扑交互作用，寒鸦采用固定邻居距离交互模式，将交互距离R_i以内的寒鸦作为邻居，并对R_i作动态调整，使之基本保持在期望拓扑范围。寒鸦i交互邻居的集合为：

N_i(t)＝{j|d_ij(t)≤R_i(t),j＝{1,…,N},j≠i} (2)

其中，d_ij(t)是寒鸦i与寒鸦j的实际距离，N为寒鸦数量，交互距离不大于感知半径R_sen，即R_i(t)≤R_sen R_i(t)。

交互距离调整规则为：

其中，k_R＞0为调整参数，t+dt表示下一时刻，

为未配对寒鸦的拓扑半径，表示拓扑交互期望邻居数量。

(2)配对寒鸦个体

对于配对寒鸦个体，以飞行方向为界，其一侧(左或右侧)的一只与配对对象交互，另一侧拓扑交互，所以其交互邻居集合是配对对象与另一侧交互集合的并集。拓扑邻居判定方法与未配对个体相同，不同的是邻居寻找范围从N变为个体一侧的寒鸦数量，拓扑半径变为

表示向下取整，交互距离调整规则与未配对寒鸦的一致，区别在于只调整拓扑一侧的交互距离。在惯性系下，寒鸦相对方位的判定通过θ_ij(t)表示：如果θ_ij(t)∈(-π/2,π/2)，则寒鸦j在i的右侧，否则在左侧。

θ_ij(t)＝atan2(y_j(t)-y_i(t),x_j(t)-x_i(t))-α_i(t) (4)

其中，α_i(t)为寒鸦i在时刻t的航向角，x_i(t)、y_i(t)、x_j(t)和y_j(t)为寒鸦i和j在时刻t的空间位置坐标。

步骤五：计算寒鸦集群控制量

(1)寒鸦集群社会力框架计算

基于社会力模型，寒鸦的运动用微分方程描述如下：

其中，

为寒鸦i位置向量，

为寒鸦i速度向量，m_i为寒鸦质量，u_i输入寒鸦个体i的控制量，k^inev_i为加速项，表示寒鸦在当前速度方向上的惯性运动力，k^ine为惯性系数。ζ||v_i||²v_i为阻尼项，当加速项与阻尼项大小相等时，寒鸦个体将匀速运动，ζ为阻尼系数。

和

分别为位置协同项和速度协同项，统称协同项，体现寒鸦个体间的远距吸引、近距排斥与速度匹配。

寒鸦i受到j的位置协同力和速度协同力分别为：

其中，d_ij表示寒鸦i和j之间的距离，

表示由i指向j的单位向量，d^exp为寒鸦间期望距离，λ为位置协同力随寒鸦间距的衰减系数，k^pos为位置协同系数，k^vel为速度协同系数。

(2)计算未配对寒鸦的协同力

与未配对寒鸦交互的每一个邻居地位都相同，所以其位置协同力和速度协同力取各邻居均值：

(3)计算配对寒鸦的协同力

配对寒鸦的一侧只与其对象交互，故先将另一侧的位置和速度协同力取均值，再与配对对象的加权相加。

其中，j^pair为寒鸦i的配对对象，

为配对对象位置系数，

为配对对象速度系数。

步骤六：计算无人机自驾仪控制指令

固定翼无人机配置速度、航向角和高度三个回路的自驾仪，寒鸦个体与无人机一一对应，若寒鸦i为信息个体，计算无人机i的自驾仪在时刻t的三个控制输入指令：

若寒鸦i不是信息个体，则将输入寒鸦个体i的集群控制量u_i映射为无人机i自驾仪的控制输入指令，将步骤五计算所得的集群控制量u_i进行指令解算，得到无人机i自驾仪的三个控制输入指令：

其中，

和

为寒鸦i在惯性系下三轴方向上的控制量，

和

为无人机i自驾仪的速度、航向角和高度控制指令。

步骤七：将自驾仪控制指令输入无人机模型

将无人机i的自驾仪输入控制指令

和

输入下式所描述的无人机模型，得到下一时刻的无人机状态的变化率：

其中，

为无人机的六个状态值，分别表示无人机的三维空间位置，水平速度，航向角和高度变化率，α_χ、α_v、α_h和α_h为自驾仪控制参数。

考虑无人机的飞行限制条件：

其中，v_min＞0和v_max＞0分别为无人机最小航速和最大航速，ω_max＞0为无人机最大航向角速度。

无人机下一时刻的状态值可由当前状态值与状态变化率和采样时间dt的乘积之和求得。

步骤八：判断仿真是否结束

如果仿真时间t大于最大仿真时间T，则仿真结束，输出集群无人机飞行轨迹曲线、速度变化曲线、极化指数曲线、尺度指数曲线、平均邻居数量曲线和应激精度曲线，否则t＝t+dt，转至步骤二。

本发明提出了一种仿寒鸦配对交互机制的无人机集群控制方法，其优点及效果在于：一、通过一定比例的无人机配对，在保证集群的一致性和聚集性的前提下，减小集群中无人机交互邻居数量，从而减小通信负载。二、对于单向刺激，无人机集群更容易对刺激做出响应，应激精度更高。

附图说明

图1仿寒鸦配对交互机制的无人机集群控制方法流程图

图2实例集群无人机三维飞行轨迹曲线

图3实例集群无人机高度随时间变化曲线

图4实例集群无人机水平航速随时间变化曲线

图5实例集群无人机高度变化率随时间变化曲线

图6实例集群无人机航向角随时间变化曲线

图7实例集群无人机极化指数随时间变化曲线

图8实例集群无人机尺度指数随时间变化曲线

图9实例集群无人机平均邻居数量随时间变化曲线

图10实例集群无人机应激精度随时间变化曲线

图中标号及符号说明如下：

t——时间

dt——采样时间

T^trig——刺激时间

x——无人机X轴位置

y——无人机Y轴位置

h——无人机高度

具体实施方式

下面通过一个具体的实例来验证本发明所提方法的有效性。在本实例中，实验计算机配置为intel i5-4210处理器，1.70Ghz主频，4G内存，软件为MATLAB2018b版本。

仿寒鸦配对交互机制的无人机集群控制方法，其实现流程如图1所示，该实例的具体步骤如下：

步骤一：初始化

生成10架无人机的初始飞行状态，三维空间位置分别为：(-1.2419m,-16.5094m,74.9615m)，(18.7793m,-12.6490m,58.9982m)，(-12.1978m,8.2152m,55.4164m)，(-1.4887m,17.0093m,56.4767m)，(7.2017m,0.5981m,65.6621m)，(-5.6412m,5.0097m,61.8010m)，(0.3644m,-10.1288m,51.3619m)，(-7.3472m,11.3368m,79.1270m)，(9.1079m,6.0395m,69.9385m)，(-4.0424m,6.8183m,63.2160m)，水平航速、航向角与高度变化率分别为(7.2428m/s,14.8762°,-2.3267m/s)，(7.0561m/s,-7.2310°,-2.6351m/s)，(7.0036m/s,1.8274°,-2.0383m/s)，(8.5965m/s,-35.4830°,4.0661m/s)，(8.0478m/s,-29.5645°,4.9688m/s)，(8.5580m/s,-35.1202°,0.4528m/s)，(7.7896m/s,26.0210°,-415175m/s)，(7.0532m/s,7.0415°,2.7804m/s)，(8.2615m/s,32.0806°,0.3508m/s)，(7.9043m/s,-27.6755°,-0.6080m/s)，生成10只与无人机一一对应的寒鸦个体，最大仿真时间T＝150s，采样时间dt＝0.05s。

步骤二：计算寒鸦的三轴位置和速度

若为初始时刻，根据公式(1)将步骤一的无人机状态值转换为对应寒鸦的三轴位置和速度向量，寒鸦的三轴位置即为无人机的三维空间位置，寒鸦的初始速度分量分别为：(7m/s,1.8594m/s,-2.3267m/s)，(7m/s,-0.8882m/s,-2.6351m/s)，(7m/s,0.2233m/s,-2.0383m/s)，(7m/s,-4.9899m/s,4.0661m/s)，(7m/s,-3.9708m/s,4.9688m/s)，(7m/s,-4.9234m/s,0.4528m/s)，(7m/s,3.4173m/s,-4.5175m/s)，(7m/s,0.8646m/s,2.7804m/s)，(7m/s,4.3878m/s,0.3508m/s)，(7m/s,-3.6713m/s,-0.6080m/s)。其他时刻寒鸦的三轴位置和速度的计算输入为步骤七的计算结果。

步骤三：判断寒鸦是否为信息个体

设定T^trig＝50s，t＞T^trig时，寒鸦1和寒鸦3为信息个体，航向角置为

在时刻T^trig，寒鸦1和寒鸦3的三维空间位置分别为：(404.7477m,-40.0647m,80.5064m)，(397.0831m,-36.1290m,74.3639m)，寒鸦1和寒鸦3的水平航速、航向角与高度变化率分别为：(8.4338m/s,-7.4675°,0.3638m/s)，(8.2528m/s,-7.5725°,0.2349m/s)。t＞T^trig时，寒鸦1和寒鸦3的水平航速、航向角与高度变化率分别为：(8.4338m/s,-40°,0.3638m/s)，(8.2528m/s,-40°,0.2349m/s)。寒鸦1和寒鸦3转至步骤六，其他寒鸦个体执行步骤四。

步骤四：选择寒鸦的交互邻居

设定寒鸦1和寒鸦2配对，寒鸦3和寒鸦4配对，感知半径R_sen＝150m，设定所有寒鸦的初始交互距离都为40m，参数k_R＝0.1，未配对寒鸦的拓扑半径

配对寒鸦的拓扑半径为

首先判定寒鸦是否为配对个体，若不是，则根据公式(2)计算邻居的集合；若是，则按照公式(4)依次计算寒鸦i和其他寒鸦的相对方位θ_ij(t)，计算配对对象的另一侧邻居集合，再与配对对象求并集即可得到邻居集合。最后按照公式(3)动态调整交互距离，使其稳定在拓扑半径附近。

步骤五：计算寒鸦集群控制量

各参数设置为：k^ine＝2，ζ＝0.008，d^exp＝5m，λ＝5，k^pos＝10，k^vel＝5，

根据步骤二所得的寒鸦位置和速度分量，首先判定寒鸦是否为配对个体，若不是，则根据公式(6)、公式(7)、公式(8)、公式(9)和公式(10)计算各寒鸦的集群控制量；若是，则根据公式(6)、公式(7)、公式(8)、公式(11)和公式(12)计算各寒鸦的集群控制量。

步骤六：计算无人机自驾仪控制指令

各参数设置为：k^ine＝2，ζ＝0.008，d^exp＝5m，λ＝5，k^pos＝10，k^vel＝5，

t＞T^trig时，根据公式(13)计算无人机1和无人机3在时刻t的自驾仪控制输入，分别为：

对于其他无人机，将步骤五计算得到的各寒鸦集群控制量带入公式(14)和公式(15)，计算各无人机的自驾仪输入控制指令。

步骤七：将自驾仪控制指令输入无人机模型

各参数设置为：α_χ＝0.75、α_v＝3、α_h＝0.3、α_h＝1、v_min＝7.5m/s、v_max＝13.5m/s、ω_max＝0.671rad/s。将步骤六计算得到的自驾仪输入控制指令

和

输入公式(16)，考虑无人机的飞行限制条件，结合采样时间和当前状态值得到各无人机下一时刻的状态值：

步骤八：判断仿真是否结束

如果仿真时间t大于最大仿真时间T，则仿真结束并输出仿真结果，否则t＝t+dt，并转至步骤二。

图2至图10为本实例的仿真结果，其中图2至图6分别为本实例集群无人机的三维飞行轨迹曲线、高度随时间变化曲线、水平航速随时间变化曲线、高度变化率随时间变化曲线以及航向角随时间变化曲线。图7以极化指数形式给出了本实例集群的一致性变化情况，极化指数取值范围为[0,1]，其值越大，集群一致性程度越高。极化指数从初始值迅速增大至接近1，50s时刻刺激之后一致性降低，后又逐渐增大至接近1，可见一致性较好。图8为实例集群无人机的尺度指数变化曲线，尺度指数即集群无人机的平均距离，表示集群的聚集性，尺度指数从较大值逐渐稳定至无人机间期望距离d^exp＝5m，50s时刻刺激之后尺度指数增大，后逐渐向d^exp靠近，可见聚集性较好。图9以无人机的平均邻居数量形式给出了集群的通信负载，稳定在5附近，若所有无人机都没有配对对象，平均邻居数量应为拓扑半径

一定比例的配对交互降低了集群通讯负担。图10实例集群无人机应激精度曲线，应激精度表示在刺激后集群其他无人机的运动方向与刺激方向的接近程度，其取值范围为[0,1]，值越大，接近程度越高，刺激后其值逐渐接近1并稳定下来，对刺激的响应能力较强。

Claims (1)

1.一种仿寒鸦配对交互机制的无人机集群控制方法，其特征在于：该方法步骤如下：

步骤一：初始化

生成N架无人机的初始飞行状态，包括惯性系下的三维空间位置(x_i,y_i,h_i)，水平航速、航向角与高度变化率

生成N只寒鸦个体，与N架无人机一一对应；初始化仿真参数，包括最大仿真时间T，采样时间dt，其中i为无人机的编号；初始化当前仿真时间t＝0；

步骤二：计算寒鸦的三轴位置和速度

为无人机的六个状态值，将其转换为对应寒鸦的三轴位置和速度向量：

步骤三：判断寒鸦是否为信息个体

在单向刺激中，设定集群中部分寒鸦在刺激时间T^trig改变其运动方向，则这部分寒鸦称为信息个体；若寒鸦i为信息个体，在时刻T^trig其三维空间位置为

水平速度、航向角与高度变化率为

航向角置为

则仿真时间大于T^trig后，获取寒鸦i的水平速度、航向角与高度变化率，都为

然后转至步骤六；若寒鸦i不是信息个体，则执行步骤四；

步骤四：选择寒鸦的交互邻居

(1)未配对寒鸦个体

在寒鸦配对交互机制中，配对的寒鸦个体采用拓扑交互；为表示拓扑交互作用，寒鸦采用固定邻居距离交互模式，将交互距离R_i以内的寒鸦作为邻居，并对R_i作动态调整，使之基本保持在期望拓扑范围；寒鸦i交互邻居的集合为：

N_i(t)＝{j|d_ij(t)≤R_i(t),j＝{1,…,N},j≠i} (2)

其中，d_ij(t)是寒鸦i与寒鸦j的实际距离，N为寒鸦数量，交互距离不大于感知半径R_sen，即R_i(t)≤R_senR_i(t)；

交互距离调整规则为：

其中，k_R＞0为调整参数，t+dt表示下一时刻，

为未配对寒鸦的拓扑半径，表示拓扑交互期望邻居数量；

(2)配对寒鸦个体

对于配对寒鸦个体，以飞行方向为界，其一侧的一只与配对对象交互，另一侧拓扑交互，所以其交互邻居集合是配对对象与另一侧交互集合的并集；拓扑邻居判定方法与未配对个体相同，不同的是邻居寻找范围从N变为个体一侧的寒鸦数量，拓扑半径变为

表示向下取整，交互距离调整规则与未配对寒鸦的一致，区别在于只调整拓扑一侧的交互距离；在惯性系下，寒鸦相对方位的判定通过θ_ij(t)表示：如果θ_ij(t)∈(-π/2,π/2)，则寒鸦j在i的右侧，否则在左侧；

θ_ij(t)＝atan2(y_j(t)-y_i(t),x_j(t)-x_i(t))-α_i(t) (4)

其中，α_i(t)为寒鸦i在时刻t的航向角，x_i(t)、y_i(t)、x_j(t)和y_j(t)为寒鸦i和j在时刻t的空间位置坐标；

步骤五：计算寒鸦集群控制量

(1)寒鸦集群社会力框架计算

基于社会力模型，寒鸦的运动用微分方程描述如下：

其中，

为寒鸦i位置向量，

为寒鸦i速度向量，m_i为寒鸦质量，u_i输入寒鸦个体i的控制量，k^inev_i为加速项，表示寒鸦在当前速度方向上的惯性运动力，k^ine为惯性系数；ζ||v_i||²v_i为阻尼项，当加速项与阻尼项大小相等时，寒鸦个体将匀速运动，ζ为阻尼系数；

和

分别为位置协同项和速度协同项，统称协同项，体现寒鸦个体间的远距吸引、近距排斥与速度匹配；

寒鸦i受到j的位置协同力和速度协同力分别为：

其中，d_ij表示寒鸦i和j之间的距离，

表示由i指向j的单位向量，d^exp为寒鸦间期望距离，λ为位置协同力随寒鸦间距的衰减系数，k^pos为位置协同系数，k^vel为速度协同系数；

(2)计算未配对寒鸦的协同力

与未配对寒鸦交互的每一个邻居地位都相同，所以其位置协同力和速度协同力取各邻居均值：

(3)计算配对寒鸦的协同力

配对寒鸦的一侧只与其对象交互，故先将另一侧的位置和速度协同力取均值，再与配对对象的加权相加；

其中，j^pair为寒鸦i的配对对象，

为配对对象位置系数，

为配对对象速度系数；

步骤六：计算无人机自驾仪控制指令

固定翼无人机配置速度、航向角和高度三个回路的自驾仪，寒鸦个体与无人机一一对应，若寒鸦i为信息个体，计算无人机i的自驾仪在时刻t的三个控制输入指令：

若寒鸦i不是信息个体，则将输入寒鸦个体i的集群控制量u_i映射为无人机i自驾仪的控制输入指令，将步骤五计算所得的集群控制量u_i进行指令解算，得到无人机i自驾仪的三个控制输入指令：

其中，

和

为寒鸦i在惯性系下三轴方向上的控制量，

和

为无人机i自驾仪的速度、航向角和高度控制指令；

步骤七：将自驾仪控制指令输入无人机模型

将无人机i的自驾仪输入控制指令

和

输入下式所描述的无人机模型，得到下一时刻的无人机状态的变化率：

其中，

为无人机的六个状态值，分别表示无人机的三维空间位置，水平速度，航向角和高度变化率，α_χ、α_v、

和α_h为自驾仪控制参数；

考虑无人机的飞行限制条件：

其中，v_min＞0和v_max＞0分别为无人机最小航速和最大航速，ω_max＞0为无人机最大航向角速度；

无人机下一时刻的状态值可由当前状态值与状态变化率和采样时间dt的乘积之和求得；

步骤八：判断仿真是否结束

如果仿真时间t大于最大仿真时间T，则仿真结束，否则t＝t+dt，转至步骤二。

Images