CN112068587A - 基于欧椋鸟通信机制的有人/无人机共融集群交互方法 - Google Patents
基于欧椋鸟通信机制的有人/无人机共融集群交互方法 Download PDFInfo
- Publication number
- CN112068587A CN112068587A CN202010776276.4A CN202010776276A CN112068587A CN 112068587 A CN112068587 A CN 112068587A CN 202010776276 A CN202010776276 A CN 202010776276A CN 112068587 A CN112068587 A CN 112068587A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- interaction
- aerial vehicle
- information
- manned
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000007246 mechanism Effects 0.000 title claims abstract description 50
- 238000004891 communication Methods 0.000 title claims abstract description 49
- 230000033001 locomotion Effects 0.000 claims abstract description 46
- 230000019771 cognition Effects 0.000 claims abstract description 13
- 230000001149 cognitive effect Effects 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 22
- 230000002452 interceptive effect Effects 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 3
- 230000003340 mental effect Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000012800 visualization Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 3
- 241000209020 Cornus Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001846 repelling effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- IWEDIXLBFLAXBO-UHFFFAOYSA-N dicamba Chemical compound COC1=C(Cl)C=CC(Cl)=C1C(O)=O IWEDIXLBFLAXBO-UHFFFAOYSA-N 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000008447 perception Effects 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
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)
Abstract
本发明公开一种基于欧椋鸟通信机制的有人/无人机共融集群交互方法，其特征在于：步骤一：初始化随机生成n架无人机和1架有人机的初始飞行状态；步骤二：仿欧椋鸟交互机制的通信拓扑构建；步骤三：仿欧椋鸟交互演化的通信拓扑切换；步骤四：构建有人机飞行员的信息认知与决策模型；步骤五：有人机飞行员与无人机的认知信息融合；步骤六：有人/无人机集群的运动控制；步骤七：有人机飞行员的交互时机综合判断。本发明方法可实现有人机与多架无人机集群的有效交互；涵盖了集群交互、信息可视化、集群控制的功能，用于有人机与多无人机通信拓扑构建，表现出较强的鲁棒性；不依赖于特定环境，面对不同交互频率均表现出较强的适应性与有效性。
Description
技术领域
本发明是一种基于欧椋鸟通信机制的有人/无人机共融集群交互方法，属于有人/无人机控制领域。
背景技术
由于当前无人机的可靠性和智能化程度有限，对战场环境的态势感知和决策等智能系统还不能完全取代人的思维和判断，难以满足复杂战场环境中高层次自主和智能的要求，短时期内暂时无法实现完全无人的作战模式。充分利用有人机飞行员的综合判断能力，通过优势互补、分工合作，使各自效能最大化，增强整体智能决策水平，提高空中对抗的作战效能，是当前的明智之选，也是未来的发展所向。
目前，在常见的有人/无人机协同方法中，大多将无人机完全视为一个由人进行操控的无自主性受控设备，或是将无人机视为一个具备较高自主性的个体，人只需要像监视器一样对其进行监控。但实际上，有人机飞行员与无人机组成的共融集群需要进行协调(共享知识并依赖彼此的输出)与协作(在共同职能上一起工作)，并分享同一个知识框架。因此，有人机与无人机的融洽交互是实现有人/无人机共融集群协作的关键技术之一。人机交互是一个信息加工较为复杂的认知过程，有人机飞行员可以利用自己的感官对环境信息和飞机信息进行获取和感知，并根据长期记忆中的经验和技能，在中枢神经系统的加工下进行信息整合，对完成飞行目标所需要执行的决策进行评估，确定飞行任务，然后通过语言或肢体动作等与有人机进行直接交互，同时通过通信网络与多架无人机进行间接交互。
不同于飞行员需要远程访问无人机群体相关信息的远程交互方式，近距交互中人与无人机群体处于共享环境中，该方法支持双方的本地交互，不需要通信基础结构。与无人机群体的近距离交互使飞行员可以直接观察整个无人机群体或部分无人机群体，并在共享环境中进行交互。在无人机群体可以感知有人机的情况下，后者可以充当特殊的无人机群体成员，从而通过局部交互作用来影响无人机群体的行为。传统的交互模式均采用固定邻居距离的方式，个体选择特定交互距离范围内的个体作为其交互邻居集合。
通过对大型欧椋鸟群的飞行数据进行分析，发现其虽然具有庞大的规模体积，但整体机动性却极强，且不会破坏集群的完整性，个体遵循非尺度距离的交互模式，交互的邻居数量是相对固定的，大约是6、7只，如图1所示。在运动过程中，其信息沿邻居关系迅速传遍整个集群。这种具有最佳邻居数量的集群交互网络优化了群体凝聚力和个体表现，使其在高动态的环境中然能够表现出显著的群体凝聚力。鉴于欧椋鸟交互网络中去中心化的最佳邻居数量交互、整体自组织性等特点与集群拓扑网络的局部性、分布式和鲁棒性等要求有着契合之处，本发明提出了一种基于欧椋鸟通信机制的有人/无人机共融集群交互方法，并设计了交互时机选择策略，以解决现有有人机与无人机之间交互方法在融洽性与适应性上的不足，有效提高有人/无人机共融集群的综合协作能力。
发明内容
本发明提出一种基于欧椋鸟通信机制的有人/无人机共融集群交互方法，其目的是提供分布式的有人/无人机共融集群近距交互方法，旨在弥补现有有人机与无人机之间交互方法在融洽性与适应性上的不足，提高集群内部的信息传递效率和网络鲁棒性，有效提高有人/无人机共融集群的综合协作能力。
本发明针对有人/无人机共融集群交互问题，开发了一种基于欧椋鸟通信机制的近距交互方法，适应性较好，为解决有人机与无人机集群内部的交互提供一种可行技术手段，该基于欧椋鸟通信机制的有人/无人机共融集群交互方法，其流程如图2，其主要实施步骤如下：
步骤一：初始化
随机生成n架无人机和1架有人机的初始飞行状态，包括有人机或无人机i的初始位置
和
分别是其在平面oxy坐标系中在x方向和y方向上的坐标，速度大小vi，偏航角ψi，其中i为有人机或无人机的编号；设定当前初始仿真时间t，总仿真时长为T，仿真步长为Δt；指定与有人机交互的m1架无人机和编号靠前的m2架无人机为类型1无人机(优势个体)，总共m架，可以获知目标位置信息，其余无人机为类型2无人机(劣势个体)。
步骤二：仿欧椋鸟交互机制的通信拓扑构建
(1)欧椋鸟交互机制
欧椋鸟群交互机制包括个体与邻居间的聚拢行为机制、排斥行为机制和对齐行为机制，且发生交互的邻居个数是固定的，按照几何距离由近至远选择固定数量的邻居交互，由于在初期欧椋鸟相互之间相对陌生，因此每只欧椋鸟仅仅依靠距离选取离自己最近的个体进行交互，如图2所示。
(2)有人/无人机集群通信拓扑构建
基于欧椋鸟通信机制，有人/无人机集群被建模为一个带权重的无向图G＝(V,E,W)，V表示有人机或无人机节点集合，E表示节点间的链路集合，W表示链路的权重集合。有人机被视为一个特殊的个体，其与无人机之间的通信链路权重系数与无人机之间的通信链路权重系数不同。有人机与无人机将限定交互邻居个数，从而有效避免过多交互个数带来的通信均衡问题。
步骤三：仿欧椋鸟交互演化的通信拓扑切换
(1)欧椋鸟交互演化机制
欧椋鸟通信机制中个体在集结前后的邻居交互机制不同：初期运动不稳定时个体通过距离度量选取的固定数量，当集群内部趋于稳定之后演化为不受距离影响的固定个体交互机制。
(2)有人/无人机集群通信拓扑切换
基于欧椋鸟交互演化的通信拓扑切换机制，在有人/无人机集群中，每架有人机或无人机与其邻居的速度一致性计算公式如下：
其中，
是用于衡量个体i与其邻居的速度一致性的局部序参量，Ni是个体i的邻居集，
是相应的邻居数量，vi和vj分别表示个体i及其邻居个体j的速度向量(j∈Ni)。当该局部序参量小于期望局部序参量
时，即满足
时，可认为个体i达到稳定状态，此时将达到稳态的当前邻居作为固定邻居，即将个体i当前发生交互的
架邻居个体将一直与其交互，不再改变。
步骤四：构建有人机飞行员的信息认知与决策模型
(1)有人机飞行员的信息认知过程
基于人类视觉认知机制，飞行员在显示界面上接收相关飞行信息时，会兼顾集群的整体运动状态以及差异性显著的个体运动状态，从而对有人/无人机集群的飞行状态形成大致的评估，为决策提供依据。
(2)有人机飞行员的决策模型
有人机飞行员的思维决策过程与效用系数有关，效用系数为飞行员参与交互的精神活跃度。定义飞行员决策过程中的表现出的效用系数为x(t)，对于给定的效用系数x(t)，相应的决策时间为随机变量s(t)。假设该随机变量的期望值为
基于叶克斯-道森模型，建立平均决策时间和效用系数之间的关系如下：
其中，a2,a1,a0分别为各次项系数。平均决策时间和效用系数之间的关系如图4所示。假设飞行员在初始时刻没有任务积压且系统是不变的，飞行员可以无排队延迟地与无人机交互。
步骤五：有人机飞行员与无人机的认知信息融合
在进行人机信息融合处理的过程中，需构建半结构化信息环境，即有人机飞行员的非结构化信息需要变得结构化一些，而无人机的结构化信息需要变得非结构化一些；为此，需要对人机双方的信息表达方式进行规范化处理，以实现认知信息的融合，具体如下：
结合飞行员的非结构化信息和无人机的高度结构化信息，对人机交互信息模型进行集成。非结构化信息是飞行员未规范化的指令信息Info_H，高度结构化信息是无人机可识别的指令信息Info_U。考虑到人机交互信息涉及到的指令标识(Id)、指令发送时间(Time)、指令执行对象(Object)、指令具体内容(Content)等，建立交互信息表达模型：Info:＝<Id><Time><Object><Content>。对飞行员指令信息的规范化过程就是从非结构化的Info_H中提取必要信息，以Info的规范格式将信息发送给无人机；对无人机信息的规范化则是将无人机信息Info_U提取关键信息以可视化的形式进行展示。
步骤六：有人/无人机集群的运动控制设计
采用一种自上而下的方法，飞行员通过设置目标位置参数，从而实现有人/无人机集群的运动变化。有人机或无人机i的运动模型如下：
其中ui为个体i的控制输入；导航坐标系为北东地地理坐标系。每个个体i都使用一个切换控制器来得到每个区域的期望航向，并确定其总体期望航向，如下：
其中，di为个体i的总体期望航向；Rr为排斥距离；Ro为对齐距离。通过使用与目标位置pg(由有人机飞行员决策得到)有关的加权输入项，引入有人机飞行员对无人机群体的控制，从而将个体引导至目标位置。该目标位置仅由无人机群体中的部分个体获知(优势个体)。因此，个体i的总体期望航向修正为：
其中，
是与目标位置相关的控制输入项，ω为权重系数，计算公式如下：
定义
个体i的控制输入为：
其中，
是个体i相对期望航向所需的角度，ψi是个体i当前的航向角度，
和
分别是
沿x方向和y方向的航向分量，θm是仿真步长Δt下最大转弯角度。
步骤七：有人机飞行员的交互时机综合判断
有人机在一定交互频率下主动与无人机群体进行交互，通过发送目标位置指令，改变无人机群体的运动状态，有人机飞行员在与无人机群体交互的时机尤为重要。
(1)无人机的交互时机选择
无人机可以通过计算群体的序参量和尺度指数来表征群体的行为。序参量用于表征所有个体运动方向的同步程度，序参量越大，表示群体运动方向的同步程度越高，计算如下：
尺度指数为个体到群体集合中心距离的平均根，当群集的体数量固定时，该参数反映了整个群体的尺度大小：
其中，
为群集的几何中心。当上述两个参数同时满足
和
时，表明有人/无人机群体已稳定，其中，
和
分别是序参量阈值和尺度指数阈值。序参量和尺度指数取值范围分别为[0,1]和
(集群运动范围限制在长为l宽为b的矩形中)，根据序参量和尺度指数的含义，序参量阈值应选取偏大的数值，而尺度阈值应选取偏小的数值。此时无人机的交互时机判断结果为Ju＝1，即此时可以交互。否则Ju＝0，此时不适合交互。
(2)有人机飞行员的交互时机选择
有人机飞行员则通过视觉认知，对群体的运动状态进行估计和判断且具有一定的模糊性，判断依据为序参量和尺度指数，但飞行员只能得到非量化结果Jφ∈{混乱,微混乱,同步}和
交互意愿Jh如下：
其中，Jh＝1,0,ω分别表示适合交互、不适合交互和交互意愿程度ω，ω∈(0,1)。综合人机双方的交互时机判断结果，得到交互时机判断结果如下：
其中，ω0为交互意愿阈值，该阈值与有人机飞行员的性格因素相关。例如：激进和保守。性格激进的飞行员交互意愿强烈，ω0取值较低；反之，性格保守的飞行员对应的ω0取值较高。
步骤八：输出有人/无人机集群的交互过程
有人机飞行员通过视觉感知有人/无人机共融集群的运动状态，在一定的交互频率(Interaction Frequency,IF)下，经飞行员决策时延与交互时延，将指定的目标位置信息发送给邻居无人机。这些邻居无人机将该目标位置信息发送给剩余无人机中的优势个体。基于欧椋鸟通信机制，所有个体的位置和速度等运动状态信息将与其邻居体进行交互，实现信息共享，并在有人机和优势个体的引导下，有人/无人机共融集群将实现运动状态的更新。
仿真终止后，输出有人/无人机共融集群在不同的期望交互频率下，在总仿真时长内的交互变化过程示意图。如图7～9所示，从集群的特性指标变化曲线可以看出，在遵循交互时机选择策略时，有人/无人机群体在进行交互后，经一段时间仍可恢复稳定的运动状态。
本发明提出一种基于欧椋鸟通信机制的有人/无人机共融集群交互方法，其优点及功效在于：可实现有人机与多架无人机集群的有效交互。本方法涵盖了集群交互、信息可视化、集群控制的功能，模拟欧椋鸟群体基于拓扑距离与固定邻居交互机制，用于有人机与多无人机通信拓扑构建，且表现出较强的鲁棒性。本发明不依赖于特定环境，面对不同交互频率均表现出较强的适应性与有效性。
附图说明
图1本发明的基于欧椋鸟固定邻居的信息交互机制
图2本发明的基于欧椋鸟通信机制的有人/无人机集群监督控制流程图
图3本发明的基于欧椋鸟通信机制的有人/无人机机间交互拓扑
图4有人机飞行员平均决策时间示意图
图5有人/无人机认知信息融合示意图
图6有人/无人机集群运动状态信息可视化示意图
图7 IF＝0.2次/秒且遵循交互时机选择策略下的参数曲线变化示意图
图8 IF＝0.5次/秒且遵循交互时机选择策略下的参数曲线变化示意图
图9 IF＝1次/秒且遵循交互时机选择策略下的参数曲线变化示意图
具体实施方式
以下结合附图及具体实施例，对本发明的技术方案做进一步的说明。
下面通过一个具体的有人/无人机集群交互的实例来验证本发明所提出的方法的有效性。实验计算机配置为
CoreTMi7-6700处理器，3.40GHz主频，16.0GB内存，软件为MATLAB 2018a版本。该方法具体步骤如下：
步骤一：初始化
通过MATLAB中的rand指令随机生成n＝50架无人机和1架有人机的初始飞行状态，包括有人机或无人机i的偏航角ψi和初始位置为
和
分别是其在平面oxy坐标系中在x方向和y方向上的坐标，其中i(i＝0,1,...,n)为有人机或无人机的编号(有人机编号为0)；速度大小为vi＝5m/s；设定当前仿真时间t＝0。设定当前初始仿真时间t＝0s，总仿真时长为T＝20s，仿真步长为Δt＝0.1s。指定与有人机交互的m1＝7架无人机和剩余无人机中编号靠前的m2＝13架无人机为类型1无人机(优势个体)，总共m＝20架，可以获知目标位置信息；其余无人机为类型2无人机(劣势个体)。
步骤二：仿欧椋鸟交互机制的通信拓扑构建
(1)欧椋鸟交互机制
在进行外出觅食、迁徙之类的统一行动时，欧椋鸟群由成百上千的个体群集形成一个群体，从而由无序散乱的状态快速形成一个相对集中密集的飞行集群。欧椋鸟在该集结成群的过程中，会寻找与自己周围的其他欧椋鸟向它们靠拢，与它们保持速度一致，这个交互的邻居数量是相对固定的，大约是6或7只。欧椋鸟群交互机制包括个体与邻居间的聚拢行为机制、排斥行为机制和对齐行为机制，且发生交互的邻居个数是固定的，按照几何距离由近至远选择固定数量的邻居交互，由于在初期欧椋鸟相互之间相对陌生，因此每只欧椋鸟仅仅依靠距离选取离自己最近的个体进行交互，如图2所示。
(2)有人/无人机集群通信拓扑构建
根据对欧椋鸟集群的研究分析，发现欧椋鸟集群的运动特征与有人/无人机集群有着很多相似之处。基于欧椋鸟通信机制，有人/无人机集群被建模为一个加权无向图G＝(V,E,W)，V＝{V0,V1,...Vn}表示有人机或无人机节点集合，
表示节点间的链路集合，W＝(wij)(n+1)×(n+1)权重。有人机被视为一个特殊的个体，其与无人机之间的通信链路权重系数w0,i＝2(i∈N0)与无人机之间的通信链路权重系数不同wij＝1(i＝1,2,...,n,j∈Ni)。有人机与无人机将限定交互邻居个数，从而有效避免过多交互个数带来的通信均衡问题。有人/无人机共融集群的通信拓扑构建示意图如图3所示，实心的三角形表示有人机，空心的正方形表示类型1无人机(即优势个体)，空心的圆形表示类型2无人机(即劣势个体)，虚线表示个体间的连通关系。
步骤三：仿欧椋鸟交互演化的通信拓扑切换
(1)欧椋鸟交互演化机制
欧椋鸟作为一种社会性动物，在后期集群内部稳定后，个体之间会建立一种逐渐固定的社会关系，即使之后其位置发生短期的变动，也不会影响原本的交互关系。在集群稳定后，欧椋鸟通信机制的拓扑结构也将固定下来，直到集群解散。因此，欧椋鸟通信机制中个体在集结前后的邻居交互机制不同：初期运动不稳定时个体通过距离度量选取的固定数量，当集群内部趋于稳定之后演化为不受距离影响的固定个体交互机制。
(2)有人/无人机集群通信拓扑切换
基于欧椋鸟交互演化的通信拓扑切换机制，在有人/无人机集群中，每架有人机或无人机与其邻居的速度一致性计算公式如下：
其中，
是用于衡量个体i与其邻居的速度一致性的局部序参量，Ni是个体i的邻居集，
是相应的邻居数量，vi和vj分别表示个体i及其邻居个体j的速度向量(j∈Ni)。当该局部序参量小于期望局部序参量
时，即满足
时，可认为个体i达到稳定状态，此时将达到稳态的当前邻居作为固定邻居。即将个体i当前发生交互的
架邻居个体将一直与其交互，不再改变。
步骤四：构建有人机飞行员的信息认知与决策模型
(1)有人机飞行员的信息认知过程
有人机飞行员需要通过视觉等认知方式获取需要信息，从而实现对人体的信息输入，并通过人的思维决策行为对该输入信息进行处理与反应，最后将决策结果反馈给机器。基于人类视觉认知机制，飞行员在显示界面上接收相关飞行信息时，会兼顾集群的整体运动状态以及差异性显著的个体运动状态，从而对有人/无人机集群的飞行状态形成大致的评估，为决策提供依据。
(2)有人机飞行员的决策模型
有人机飞行员需要通过视觉等认知方式获取需要信息，从而实现对人体的信息输入，并通过人的思维决策行为对该输入信息进行处理与反应，最后将决策结果反馈给机器。有人机飞行员的思维决策过程与效用系数有关，效用系数为飞行员参与交互的精神活跃度。定义飞行员决策过程中的表现出的效用系数为x(t)，对于给定的效用系数x(t)，相应的决策时间为随机变量s(t)。假设该随机变量的期望值为
基于叶克斯-道森模型，建立平均决策时间和效用系数之间的关系如下：
其中，各项系数分别为a2＝2.29,a1＝2.67,a0＝0.89，平均决策时间和效用系数之间的关系如图4所示。假设飞行员在初始时刻没有任务积压且系统是时不变的，飞行员可以无排队延迟地与无人机交互。
步骤五：有人机飞行员与无人机的认知信息融合
有人机飞行员的认知以视觉输入为主，与无人机集群的正确信息交互要求飞行员能够观察群体的状态和运动，并在合理的准确度内预测其未来的状态。状态信息的可视化有利于飞行员的交互反馈。如图6所示，实心的三角形表示有人机，空心的正方形表示类型1无人机(即优势个体)，空心的圆形表示类型2无人机(即劣势个体)，星号*表示目标位置，乘号×表示无人机群群体平均几何位置，直线表示有人机或无人机的航向。
无人机的信息认知以数据输入为主，与有人机飞行员有效的信息交互要求飞行员能将自己的决策结果以无人机能理解方式进行传递。因此，有人机飞行员依据当前运动状态，经决策过程时延，在有人/无人机集群运动状态动态显示图形上进行坐标标记，得到相对应的目标位置信息，从而将飞行员的动作输出转化为无人机可接受的数据输入。
由于作为自然智能的人类飞行员与作为人工智能的无人机在信息认知上存在明显差异，为使双方实现有限且融洽的交互，需要对双方的认知信息进行融合。在进行人机信息融合处理的过程中，有人机飞行员的非结构化信息需要变得结构化一些，而无人机的结构化信息需要变得非结构化一些。因此，为构建这种半结构化信息环境，需要对人机双方的信息表达方式进行规范化处理，以实现认知信息的融合，如图5所示。结合飞行员的非结构化信息和无人机的高度结构化信息，对人机交互信息模型进行集成。非结构化信息是飞行员未规范化的指令信息Info_H，高度结构化信息是无人机可识别的指令信息Info_U。考虑到人机交互信息涉及到的指令标识(Id)、指令发送时间(Time)、指令执行对象(Object)、指令具体内容(Content)等，建立交互信息表达模型：Info:＝<Id><Time><Object><Content>。对飞行员指令信息的规范化过程就是从非结构化的Info_H中提取必要信息，以Info的规范格式将信息发送给无人机；对无人机信息的规范化则是将无人机信息Info_U提取关键信息以可视化的形式进行展示。
步骤六：有人/无人机集群的运动控制设计
群体运动大多数都依赖于一组参数来进行控制，在离散和连续输入设置中个，这些参数的值为飞行员提供了一种控制方式。参数不会直接影响群体行为，而是通过群体内部以及环境之间的交互作用而生成的行为造成间接的影响。采用一种自上而下的方法，飞行员通过设置目标位置参数，从而实现有人/无人机集群的运动变化。有人机或无人机i的运动模型如下：
其中ui为个体i的控制输入；导航坐标系北东地地理坐标系。每个个体i都使用一个切换控制器来得到每个区域的期望航向，并确定其总体期望航向，如下：
其中，di为个体i的总体期望航向；Rr为排斥距离；Ro为对齐距离。通过使用与目标位置pg(由有人机飞行员决策得到)有关的加权输入项，引入有人机飞行员对无人机群体的控制，从而将个体引导至目标位置。仿真过程中，pg为交互时刻鼠标在MATLAB生成的图上随机点击的位置。该目标位置仅由无人机群体中的部分个体获知(优势个体)。因此，个体i的总体期望航向修正为：
其中，
是与目标位置相关的控制输入项，ω为权重系数，计算公式如下：
定义
个体i的控制输入为：
其中，
是个体i相对期望航向所需的角度，ψi是个体i当前的航向角度，
和
分别是
沿x方向和y方向的航向分量，
是仿真步长Δt＝0.1时最大转弯角度。
步骤七：有人机飞行员的交互时机选择
有人机在一定交互频率下主动与无人机群体进行交互，通过发送目标位置指令，改变无人机群体的运动状态。由于群体控制算法在有人机飞行员发出命令后需要时间来收敛和稳定。根据群体的状态，相同类型的命令可能会产生不同的效果，有时是不利的，甚至会导致群体运动不稳定。除非群体在下一条指令之前恢复其凝聚力，否则频繁的指令改变群的方向可能会导致这种问题的出现。因此，有人机飞行员在与无人机群体交互的时机尤为重要。
(1)无人机的交互时机选择
在有人/无人机群体，可以通过计算群体的序参量和尺度指数来表征群体的行为。序参量用于表征所有个体运动方向的同步程度，序参量越大，表示群体运动方向的同步程度越高，计算如下：
尺度指数为个体到群体集合中心距离的平均根，当群集的体数量固定时，该参数反映了整个群体的尺度大小：
其中，
为群集的几何中心。当上述两个参数同时满足
和
时，表明有人/无人机群体已稳定，其中，
和
分别是序参量阈值和尺度指数阈值。此时无人机的交互时机判断结果为Ju＝1，即此时可以交互。否则Ju＝0，此时不适合交互。
(2)有人机飞行员的交互时机选择
有人机飞行员则通过视觉认知，对群体的运动状态进行估计和判断且具有一定的模糊性，判断依据为序参量和尺度指数，但飞行员只能得到非量化结果Jφ∈{混乱,微混乱,同步}和
判断结果Jh如下：
其中，Jh＝1,0,ω分别表示适合交互、不适合交互和交互意愿程度ω，ω∈(0,1)。
综合人机双方的交互时机判断结果，得到交互时机判断结果如下：
其中，ω0为交互意愿阈值。该阈值与有人机飞行员的性格因素相关(例如：激进和保守)。假设飞行员性格激进，因此交互意愿阈值设置为ω0＝0.5。
步骤八：输出有人/无人机集群的交互过程
有人机飞行员通过视觉感知有人/无人机共融集群的运动状态，在一定的交互频率(Interaction Frequency,IF)下，经飞行员决策时延与交互时延，将指定的目标位置信息发送给邻居无人机。这些邻居无人机将该目标位置信息发送给剩余无人机中的优势个体。基于欧椋鸟通信机制，所有个体的位置和速度等运动状态信息将与其邻居体进行交互，实现信息共享，并在有人机和优势个体的引导下，有人/无人机共融集群将实现运动状态的更新。
仿真终止后，输出有人/无人机共融集群在不同的期望交互频率下，在总仿真时长内的交互变化过程示意图。如图7～9所示，从集群的特性指标变化曲线可以看出，在遵循交互时机选择策略时，有人/无人机群体在进行交互后，经一段时间仍可恢复稳定的运动状态。
Claims (1)
1.一种基于欧椋鸟通信机制的有人/无人机共融集群交互方法，其特征在于：该方法步骤如下：
步骤一：初始化
随机生成n架无人机和1架有人机的初始飞行状态；
步骤二：仿欧椋鸟交互机制的通信拓扑构建
基于欧椋鸟通信机制，有人/无人机集群被建模为一个带权重的无向图G＝(V,E,W)，V表示有人机或无人机节点集合，E表示节点间的链路集合，W表示链路的权重集合；有人机被视为一个特殊的个体，其与无人机之间的通信链路权重系数与无人机之间的通信链路权重系数不同；有人机与无人机将限定交互邻居个数；
步骤三：仿欧椋鸟交互演化的通信拓扑切换
基于欧椋鸟交互演化的通信拓扑切换机制，在有人/无人机集群中，每架有人机或无人机与其邻居的速度一致性计算公式如下：
其中，
是用于衡量个体i与其邻居的速度一致性的局部序参量，Ni是个体i的邻居集，
是相应的邻居数量，vi和vj分别表示个体i及其邻居个体j的速度向量(j∈Ni)；当该局部序参量小于期望局部序参量
时，即满足
时，可认为个体i达到稳定状态，此时将达到稳态的当前邻居作为固定邻居，即将个体i当前发生交互的
架邻居个体将一直与其交互，不再改变；
步骤四：构建有人机飞行员的信息认知与决策模型
有人机飞行员的思维决策过程与效用系数有关，效用系数为飞行员参与交互的精神活跃度；定义飞行员决策过程中的表现出的效用系数为x(t)，对于给定的效用系数x(t)，相应的决策时间为随机变量s(t)；假设该随机变量的期望值为
基于叶克斯-道森模型，建立平均决策时间和效用系数之间的关系如下：
其中，a2,a1,a0分别为各次项系数；
步骤五：有人机飞行员与无人机的认知信息融合
在进行人机信息融合处理的过程中，需构建半结构化信息环境，以实现认知信息的融合，具体如下：
结合飞行员的非结构化信息和无人机的高度结构化信息，对人机交互信息模型进行集成；非结构化信息是飞行员未规范化的指令信息Info_H，高度结构化信息是无人机可识别的指令信息Info_U；考虑到人机交互信息涉及到的指令标识Id、指令发送时间Time、指令执行对象Object、指令具体内容Content，建立交互信息表达模型：Info:＝<Id><Time><Object><Content>；对飞行员指令信息的规范化过程就是从非结构化的Info_H中提取必要信息，以Info的规范格式将信息发送给无人机；对无人机信息的规范化则是将无人机信息Info_U提取关键信息以可视化的形式进行展示；
步骤六：有人/无人机集群的运动控制设计
有人机或无人机i的运动模型如下：
其中ui为个体i的控制输入；导航坐标系为北东地地理坐标系；每个个体i都使用一个切换控制器来得到每个区域的期望航向，并确定其总体期望航向，如下：
其中，di为个体i的总体期望航向；Rr为排斥距离；Ro为对齐距离；通过使用与目标位置pg有关的加权输入项，引入有人机飞行员对无人机群体的控制，从而将个体引导至目标位置；该目标位置仅由无人机群体中的部分个体获知；因此，个体i的总体期望航向修正为：
其中，
是与目标位置相关的控制输入项，ω为权重系数，计算公式如下：
定义
个体i的控制输入为：
其中，
是个体i相对期望航向所需的角度，ψi是个体i当前的航向角度，
和
分别是
沿x方向和y方向的航向分量，θm是仿真步长Δt下最大转弯角度；
步骤七：有人机飞行员的交互时机综合判断
(1)无人机的交互时机选择
无人机可以通过计算群体的序参量和尺度指数来表征群体的行为；序参量用于表征所有个体运动方向的同步程度，序参量越大，表示群体运动方向的同步程度越高，计算如下：
尺度指数为个体到群体集合中心距离的平均根，当群集的体数量固定时，该参数反映了整个群体的尺度大小：
其中，
为群集的几何中心；当上述两个参数同时满足
和
时，表明有人/无人机群体已稳定，其中，
和
分别是序参量阈值和尺度指数阈值；
(2)有人机飞行员的交互时机选择
有人机飞行员则通过视觉认知，对群体的运动状态进行估计和判断且具有一定的模糊性，判断依据为序参量和尺度指数，但飞行员只能得到非量化结果
和
交互意愿Jh如下：
其中，Jh＝1,0,ω分别表示适合交互、不适合交互和交互意愿程度ω，ω∈(0,1)；综合人机双方的交互时机判断结果，得到交互时机判断结果如下：
其中，ω0为交互意愿阈值，该阈值与有人机飞行员的性格因素相关；
步骤八：输出有人/无人机集群的交互过程
有人机飞行员通过视觉感知有人/无人机共融集群的运动状态，在一定的交互频率下，经飞行员决策时延与交互时延，将指定的目标位置信息发送给邻居无人机；这些邻居无人机将该目标位置信息发送给剩余无人机中的优势个体；基于欧椋鸟通信机制，所有个体的位置和速度等运动状态信息将与其邻居体进行交互，实现信息共享，并在有人机和优势个体的引导下，有人/无人机共融集群将实现运动状态的更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010776276.4A CN112068587B (zh) | 2020-08-05 | 2020-08-05 | 基于欧椋鸟通信机制的有人/无人机共融集群交互方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010776276.4A CN112068587B (zh) | 2020-08-05 | 2020-08-05 | 基于欧椋鸟通信机制的有人/无人机共融集群交互方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112068587A true CN112068587A (zh) | 2020-12-11 |
| CN112068587B CN112068587B (zh) | 2021-09-03 |
Family
ID=73657735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010776276.4A Active CN112068587B (zh) | 2020-08-05 | 2020-08-05 | 基于欧椋鸟通信机制的有人/无人机共融集群交互方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112068587B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112629552A (zh) * | 2021-01-04 | 2021-04-09 | 福州大学 | 基于通信均衡的图分区的机动车最短行车路线规划方法 |
| CN112947579A (zh) * | 2021-03-19 | 2021-06-11 | 哈尔滨工业大学（深圳） | 一种基于机群特征关系的有人机无人机任务分配方法 |
| CN114442656A (zh) * | 2021-12-17 | 2022-05-06 | 北京航空航天大学 | 基于集群空间构架的有人/无人机共融集群编队控制方法 |
| WO2023010712A1 (zh) * | 2021-08-06 | 2023-02-09 | 浙江大学 | 一种空中集群通信网络的优化方法及装置 |
Citations (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103777640A (zh) * | 2014-01-15 | 2014-05-07 | 北京航空航天大学 | 一种分布式控制无人机群集中分簇编队方法 |
| CN103914077A (zh) * | 2014-04-03 | 2014-07-09 | 江西洪都航空工业集团有限责任公司 | 一种有人/无人可选择双模飞行控制系统 |
| CN203941453U (zh) * | 2014-07-17 | 2014-11-12 | 金陵科技学院 | 一种可通过智能眼镜进行监控拍摄及控制的无人机 |
| CN104881043A (zh) * | 2015-04-30 | 2015-09-02 | 南京航空航天大学 | 一种针对多动态目标的多无人机智能协同察打方法 |
| CN105589466A (zh) * | 2016-02-24 | 2016-05-18 | 谭圆圆 | 无人飞行器的飞行控制装置及其飞行控制方法 |
| CN105892480A (zh) * | 2016-03-21 | 2016-08-24 | 南京航空航天大学 | 异构多无人机系统协同察打任务自组织方法 |
| CN106096911A (zh) * | 2016-06-03 | 2016-11-09 | 北京理工大学 | 一种基于角色的有人/无人协同指挥控制系统及其方法 |
| CN106200679A (zh) * | 2016-09-21 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 基于多模态自然交互的单操作员多无人机混合主动控制方法 |
| CN106843269A (zh) * | 2017-01-22 | 2017-06-13 | 北京航空航天大学 | 一种基于小型鸟类集群飞行机制的无人机编队方法 |
| CN106909171A (zh) * | 2017-05-08 | 2017-06-30 | 合肥工业大学 | 无人‑有人机编队最优通信拓扑生成方法及装置 |
| CN107121986A (zh) * | 2017-05-24 | 2017-09-01 | 浙江大学 | 一种基于行为的无人机编队队形保持的方法 |
| CN107135105A (zh) * | 2017-05-08 | 2017-09-05 | 合肥工业大学 | 无人‑有人机编队信息交互拓扑容错优化方法及装置 |
| CN107135104A (zh) * | 2017-05-08 | 2017-09-05 | 合肥工业大学 | 无人‑有人机编队信息交互拓扑优化方法及装置 |
| CN107168365A (zh) * | 2017-06-05 | 2017-09-15 | 合肥工业大学 | 无人‑有人机编队信息动态分发处理方法 |
| CN107491085A (zh) * | 2017-07-08 | 2017-12-19 | 西北工业大学 | 一种有人机对无人机威胁规避的监督控制方法 |
| CN107506022A (zh) * | 2017-07-06 | 2017-12-22 | 北京理工大学 | 一种有人/无人协同班组辅助指挥系统 |
| CN107832850A (zh) * | 2017-10-27 | 2018-03-23 | 合肥工业大学 | 对抗环境下无人机占位决策的矩阵博弈方法及装置 |
| CN107976899A (zh) * | 2017-11-15 | 2018-05-01 | 中国人民解放军海军航空工程学院 | 一种基于有人/无人机协同作战系统的精确目标定位及打击方法 |
| CN108268053A (zh) * | 2018-01-11 | 2018-07-10 | 北京航空航天大学 | 仿候鸟进化雪堆博弈的无人机自主集群编队轮换控制方法 |
| CN108545160A (zh) * | 2018-03-12 | 2018-09-18 | 上海大学 | 一种有人船与无人艇协同救援系统及方法 |
| CN108680063A (zh) * | 2018-05-23 | 2018-10-19 | 南京航空航天大学 | 一种针对大规模无人机集群动态对抗的决策方法 |
| CN108750129A (zh) * | 2018-04-20 | 2018-11-06 | 广州亿航智能技术有限公司 | 一种载人无人机定位着陆方法及载人无人机 |
| CN108830373A (zh) * | 2018-06-08 | 2018-11-16 | 武汉大学 | 仿欧椋鸟群集飞行的大规模智能群体自主协同的建模方法 |
| CN109189094A (zh) * | 2018-09-25 | 2019-01-11 | 中国人民解放军空军工程大学 | 一种多有人机与多无人机混合编队资源调度方法 |
| CN109319117A (zh) * | 2018-09-12 | 2019-02-12 | 北京星云城科技有限公司 | 一种基于分布式无人机基站的物流无人机系统 |
| US20190056724A1 (en) * | 2016-03-14 | 2019-02-21 | Walmart Apollo, Llc | Unmanned aircraft systems and methods to interact with specifically intended objects |
| US20190144115A1 (en) * | 2016-07-13 | 2019-05-16 | SZ DJI Technology Co., Ltd. | Mult-functional compartment |
| CN110007675A (zh) * | 2019-04-12 | 2019-07-12 | 北京航空航天大学 | 一种基于行车态势图的车辆自动驾驶决策系统及基于无人机的训练集制备方法 |
| CN110058607A (zh) * | 2019-04-08 | 2019-07-26 | 北京航空航天大学 | 一种仿欧椋鸟智能的无人机大规模集群超机动转弯方法 |
| CN110597059A (zh) * | 2019-09-05 | 2019-12-20 | 武汉大学 | 面向无人系统的椋群式智能群体动态网络拓扑构建方法 |
| US20190392716A1 (en) * | 2018-06-26 | 2019-12-26 | Toyota Jidosha Kabushiki Kaisha | Assisting flying drones to select and approach vehicles for improved flying range |
| CN110658851A (zh) * | 2019-08-27 | 2020-01-07 | 北京航空航天大学 | 一种基于脑电信号的无人机航迹规划系统 |
| CN110672088A (zh) * | 2019-09-09 | 2020-01-10 | 北京航空航天大学 | 一种仿信鸽地貌感知归巢机制的无人机自主导航方法 |
| US20200090057A1 (en) * | 2016-12-07 | 2020-03-19 | Cloudminds (Shenzhen) Robotics Systems Co., Ltd. | Human-computer hybrid decision method and apparatus |
| CN111199284A (zh) * | 2019-12-17 | 2020-05-26 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 有人与无人驾驶混行条件下的车-车交互模型 |
-
2020
- 2020-08-05 CN CN202010776276.4A patent/CN112068587B/zh active Active
Patent Citations (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103777640A (zh) * | 2014-01-15 | 2014-05-07 | 北京航空航天大学 | 一种分布式控制无人机群集中分簇编队方法 |
| CN103914077A (zh) * | 2014-04-03 | 2014-07-09 | 江西洪都航空工业集团有限责任公司 | 一种有人/无人可选择双模飞行控制系统 |
| CN203941453U (zh) * | 2014-07-17 | 2014-11-12 | 金陵科技学院 | 一种可通过智能眼镜进行监控拍摄及控制的无人机 |
| CN104881043A (zh) * | 2015-04-30 | 2015-09-02 | 南京航空航天大学 | 一种针对多动态目标的多无人机智能协同察打方法 |
| CN105589466A (zh) * | 2016-02-24 | 2016-05-18 | 谭圆圆 | 无人飞行器的飞行控制装置及其飞行控制方法 |
| US20190056724A1 (en) * | 2016-03-14 | 2019-02-21 | Walmart Apollo, Llc | Unmanned aircraft systems and methods to interact with specifically intended objects |
| CN105892480A (zh) * | 2016-03-21 | 2016-08-24 | 南京航空航天大学 | 异构多无人机系统协同察打任务自组织方法 |
| CN106096911A (zh) * | 2016-06-03 | 2016-11-09 | 北京理工大学 | 一种基于角色的有人/无人协同指挥控制系统及其方法 |
| US20190144115A1 (en) * | 2016-07-13 | 2019-05-16 | SZ DJI Technology Co., Ltd. | Mult-functional compartment |
| CN106200679A (zh) * | 2016-09-21 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 基于多模态自然交互的单操作员多无人机混合主动控制方法 |
| US20200090057A1 (en) * | 2016-12-07 | 2020-03-19 | Cloudminds (Shenzhen) Robotics Systems Co., Ltd. | Human-computer hybrid decision method and apparatus |
| CN106843269A (zh) * | 2017-01-22 | 2017-06-13 | 北京航空航天大学 | 一种基于小型鸟类集群飞行机制的无人机编队方法 |
| CN107135104A (zh) * | 2017-05-08 | 2017-09-05 | 合肥工业大学 | 无人‑有人机编队信息交互拓扑优化方法及装置 |
| CN107135105A (zh) * | 2017-05-08 | 2017-09-05 | 合肥工业大学 | 无人‑有人机编队信息交互拓扑容错优化方法及装置 |
| CN106909171A (zh) * | 2017-05-08 | 2017-06-30 | 合肥工业大学 | 无人‑有人机编队最优通信拓扑生成方法及装置 |
| CN107121986A (zh) * | 2017-05-24 | 2017-09-01 | 浙江大学 | 一种基于行为的无人机编队队形保持的方法 |
| CN107168365A (zh) * | 2017-06-05 | 2017-09-15 | 合肥工业大学 | 无人‑有人机编队信息动态分发处理方法 |
| CN107506022A (zh) * | 2017-07-06 | 2017-12-22 | 北京理工大学 | 一种有人/无人协同班组辅助指挥系统 |
| CN107491085A (zh) * | 2017-07-08 | 2017-12-19 | 西北工业大学 | 一种有人机对无人机威胁规避的监督控制方法 |
| CN107832850A (zh) * | 2017-10-27 | 2018-03-23 | 合肥工业大学 | 对抗环境下无人机占位决策的矩阵博弈方法及装置 |
| CN107976899A (zh) * | 2017-11-15 | 2018-05-01 | 中国人民解放军海军航空工程学院 | 一种基于有人/无人机协同作战系统的精确目标定位及打击方法 |
| CN108268053A (zh) * | 2018-01-11 | 2018-07-10 | 北京航空航天大学 | 仿候鸟进化雪堆博弈的无人机自主集群编队轮换控制方法 |
| CN108545160A (zh) * | 2018-03-12 | 2018-09-18 | 上海大学 | 一种有人船与无人艇协同救援系统及方法 |
| CN108750129A (zh) * | 2018-04-20 | 2018-11-06 | 广州亿航智能技术有限公司 | 一种载人无人机定位着陆方法及载人无人机 |
| CN108680063A (zh) * | 2018-05-23 | 2018-10-19 | 南京航空航天大学 | 一种针对大规模无人机集群动态对抗的决策方法 |
| CN108830373A (zh) * | 2018-06-08 | 2018-11-16 | 武汉大学 | 仿欧椋鸟群集飞行的大规模智能群体自主协同的建模方法 |
| US20190392716A1 (en) * | 2018-06-26 | 2019-12-26 | Toyota Jidosha Kabushiki Kaisha | Assisting flying drones to select and approach vehicles for improved flying range |
| CN109319117A (zh) * | 2018-09-12 | 2019-02-12 | 北京星云城科技有限公司 | 一种基于分布式无人机基站的物流无人机系统 |
| CN109189094A (zh) * | 2018-09-25 | 2019-01-11 | 中国人民解放军空军工程大学 | 一种多有人机与多无人机混合编队资源调度方法 |
| CN110058607A (zh) * | 2019-04-08 | 2019-07-26 | 北京航空航天大学 | 一种仿欧椋鸟智能的无人机大规模集群超机动转弯方法 |
| CN110007675A (zh) * | 2019-04-12 | 2019-07-12 | 北京航空航天大学 | 一种基于行车态势图的车辆自动驾驶决策系统及基于无人机的训练集制备方法 |
| CN110658851A (zh) * | 2019-08-27 | 2020-01-07 | 北京航空航天大学 | 一种基于脑电信号的无人机航迹规划系统 |
| CN110597059A (zh) * | 2019-09-05 | 2019-12-20 | 武汉大学 | 面向无人系统的椋群式智能群体动态网络拓扑构建方法 |
| CN110672088A (zh) * | 2019-09-09 | 2020-01-10 | 北京航空航天大学 | 一种仿信鸽地貌感知归巢机制的无人机自主导航方法 |
| CN111199284A (zh) * | 2019-12-17 | 2020-05-26 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 有人与无人驾驶混行条件下的车-车交互模型 |
Non-Patent Citations (6)
| Title |
|---|
| HAIBIN DUAN，等: "Unmanned Aerial Vehicle Distributed Formation Rotation Control Inspired by Leader-Follower Reciprocation of Migrant Birds", 《IEEE ACCESS》 * |
| QIMING YANG，等: "Maneuver Decision of UAV in Short-Range Air Combat Based on Deep Reinforcement Learning", 《IEEE ACCESS》 * |
| SHAFIQUL ISLAM，等: "Bilateral Shared Autonomous System for MUMAV with Nonpassive Human and Environment Input Interaction Forces", 《2016 IEEE INTERNATIONAL CONFERENCE ON ADVANCED INTELLIGENT MECHATRONICS》 * |
| 于月平，等: "仿欧椋鸟大规模超机动行为的无人机集群转弯控制", 《机器人》 * |
| 邱华鑫，等: "从鸟群群集飞行到无人机自主集群编队", 《工程科学学报》 * |
| 陈军，等: "有人／无人机混合编队有限干预式协同决策", 《航空学报》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112629552A (zh) * | 2021-01-04 | 2021-04-09 | 福州大学 | 基于通信均衡的图分区的机动车最短行车路线规划方法 |
| CN112947579A (zh) * | 2021-03-19 | 2021-06-11 | 哈尔滨工业大学（深圳） | 一种基于机群特征关系的有人机无人机任务分配方法 |
| WO2023010712A1 (zh) * | 2021-08-06 | 2023-02-09 | 浙江大学 | 一种空中集群通信网络的优化方法及装置 |
| CN114442656A (zh) * | 2021-12-17 | 2022-05-06 | 北京航空航天大学 | 基于集群空间构架的有人/无人机共融集群编队控制方法 |
| CN114442656B (zh) * | 2021-12-17 | 2023-10-13 | 北京航空航天大学 | 基于集群空间构架的有人/无人机共融集群编队控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112068587B (zh) | 2021-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112068587B (zh) | 基于欧椋鸟通信机制的有人/无人机共融集群交互方法 | |
| CN109613931B (zh) | 基于生物社会力的异构无人机集群目标跟踪系统及方法 | |
| CN111522258B (zh) | 多无人机协同控制仿真系统及其构建方法、仿真方法 | |
| CN107340784B (zh) | 无人机集群控制方法 | |
| Yuan et al. | Outdoor flocking of quadcopter drones with decentralized model predictive control | |
| CN112180967B (zh) | 基于评判-执行架构的多无人机协同对抗决策方法 | |
| Chang et al. | Coactive design of explainable agent-based task planning and deep reinforcement learning for human-UAVs teamwork | |
| Duan et al. | Advancements in pigeon-inspired optimization and its variants | |
| 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 | |
| CN112947575B (zh) | 基于深度强化学习的无人机集群多目标搜索方法及系统 | |
| CN114518772B (zh) | 一种拒止环境下无人机蜂群自组织方法 | |
| Fabra et al. | Automatic system supporting multicopter swarms with manual guidance | |
| CN113759935B (zh) | 基于模糊逻辑的智能群体编队移动控制方法 | |
| Agrawal et al. | A novel controller of multi-agent system navigation and obstacle avoidance | |
| Ma et al. | A survey of research on the distributed cooperation method of the uav swarm based on swarm intelligence | |
| Song et al. | Distributed swarm system with hybrid-flocking control for small fixed-wing UAVs: Algorithms and flight experiments | |
| CN112034880A (zh) | 一种新型多无人机协同航路规划方法 | |
| Šišlák et al. | AgentFly: Scalable, High‐Fidelity Framework for Simulation, Planning and Collision Avoidance of Multiple UAVs | |
| CN115903897A (zh) | 一种虚实结合的集群仿真对抗系统 | |
| Liu et al. | Multiple UAV formations delivery task planning based on a distributed adaptive algorithm | |
| Wood et al. | GymFG: a framework with a Gym Interface for FlightGear | |
| Hu et al. | Analysis of the current situation of aviation swarm operations | |
| Šišlák et al. | Agentfly: NAS-wide simulation framework integrating algorithms for automated collision avoidance | |
| Su et al. | A decision-making method for distributed unmanned aerial vehicle swarm considering attack constraints in the cooperative strike phase | |
| Tingting et al. | Formation control of multiple UAVs via pigeon inspired optimisation |
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 |