CN112256054B - 一种无人机轨迹规划方法及装置 - Google Patents
一种无人机轨迹规划方法及装置 Download PDFInfo
- Publication number
- CN112256054B CN112256054B CN202011073395.XA CN202011073395A CN112256054B CN 112256054 B CN112256054 B CN 112256054B CN 202011073395 A CN202011073395 A CN 202011073395A CN 112256054 B CN112256054 B CN 112256054B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- track
- fitting
- trajectory
- 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
Abstract
本发明实施例提供一种无人机轨迹规划方法及装置,所述方法包括:将无人机在任务周期内的轨迹变量在直角坐标系中进行分解,获取三个方向的轨迹变量分量;基于所述轨迹变量分量,获取拟合轨迹变量的拟合系数;基于所述拟合系数,对无人机轨迹进行规划。通过将无人机在任务周期内的轨迹变量在直角坐标系中进行分解获取三个方向的轨迹变量分量,并获取拟合轨迹变量的拟合系数,根据拟合系数对无人机轨迹进行规划,降低了无人机轨迹规划过程中的计算量,提高了无人机轨迹规划效率。
Description
技术领域
本发明涉及无人机轨迹规划技术领域,尤其涉及一种无人机轨迹规划方法及装置。
背景技术
无人机因其可移动、高灵活性等优势,被广泛用于辅助通信场景。无人机辅助通信系统相比于传统设施通信系统,一个关键问题就是如何设计无人机的飞行轨迹才能够获得更好的通信性能。无人机轨迹设计问题一般通过建模求取最大效用函数值解决,但是设计使效用函数最大的无人机轨迹十分困难,因为无人机轨迹是关于时间的连续函数,包含无穷多个设计变量。
现有的解决方法是将连续轨迹离散化为数量有限的离散轨迹变量,并假设无人机在两个相邻的离散时刻之间位置近似不变。这样的近似会给计算与无人机轨迹相关的目标函数和约束函数带来计算误差,但只要任意两个相邻的离散时间点内无人机的位移足够小,那么所引入的计算误差就可以忽略。
但是,以上现有技术方法面临的问题是,为了保证足够的计算精度,离散变量的数量需随无人机的飞行时间或飞行距离的增加而增大,求解优化问题的复杂度是随变量规模增加而指数增大的。因此,使用现有技术会产生无人机轨迹设计过程中计算量大,效率低下的技术问题。
发明内容
本发明实施例提供一种无人机轨迹规划方法及装置,用以解决现有技术中无人机轨迹设计过程中计算量大,效率低下的缺陷,实现降低无人机轨迹规划过程中的计算量,提高无人机轨迹规划效率的目的。
本发明实施例提供一种无人机轨迹规划方法,包括:
将无人机在任务周期内的轨迹变量在直角坐标系中进行分解,获取三个方向的轨迹变量分量;
基于所述轨迹变量分量,获取拟合轨迹变量的拟合系数;
基于所述拟合系数,对无人机轨迹进行规划。
根据本发明一个实施例的无人机轨迹规划方法,所述基于所述轨迹变量分量,获取拟合轨迹变量的拟合系数,具体包括:
基于所述轨迹变量分量,获取拟合轨迹变量;
基于预设的优化问题获取所述拟合轨迹变量的拟合系数;所述优化问题的目标是最大化与无人机轨迹相关的通信性能效用。
根据本发明一个实施例的无人机轨迹规划方法,所述基于所述轨迹变量分量,获取拟合轨迹变量,具体包括:
选取预设数目的基函数作为函数集;
基于所述函数集对所述轨迹变量分量分别进行近似拟合,获取拟合轨迹变量。
根据本发明一个实施例的无人机轨迹规划方法,所述基于预设的优化问题获取所述拟合轨迹变量的拟合系数,具体包括:
计算所述优化问题的最优解;
以所述优化问题的最优解作为所述拟合轨迹变量的拟合系数。
根据本发明一个实施例的无人机轨迹规划方法,所述优化问题用公式表示如下:
其中,U(·)为与无人机轨迹相关的通信性能效用函数,用于表征无人机在任务周期内的轨迹变量的通信性能效用的高低,Q(ck)为基于函数集的拟合轨迹变量,ck为用于表征拟合系数的第k个向量,k为基函数的数量,fi(Q(ck))为与无人机轨迹相关的第i个约束条件,I为与无人机轨迹相关的约束条件的数量。
根据本发明一个实施例的无人机轨迹规划方法,所述直角坐标系是笛卡尔直角坐标系。
本发明实施例还提供一种无人机轨迹规划装置,包括:
分解模块,用于将无人机在任务周期内的轨迹变量在直角坐标系中进行分解,获取三个方向的轨迹变量分量;
拟合模块,用于基于所述轨迹变量分量,获取拟合轨迹变量的拟合系数;
设计模块,用于基于所述拟合系数,对无人机轨迹进行规划。
本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述无人机轨迹规划方法的步骤。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述无人机轨迹规划方法的步骤。
本发明实施例提供的一种无人机轨迹规划方法及装置,通过将无人机在任务周期内的轨迹变量在直角坐标系中进行分解获取三个方向的轨迹变量分量,并获取拟合轨迹变量的拟合系数,根据拟合系数对无人机轨迹进行规划,降低了无人机轨迹规划过程中的计算量,提高了无人机轨迹规划效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种无人机轨迹规划方法的流程示意图;
图2是本发明实施例提供的一种无人机轨迹规划装置的结构示意图;
图3是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本方法提出对无人机轨迹进行函数拟合,通过设计拟合系数获得相应的无人机轨迹。相比于传统方法,本方法的设计变量规模较小且为定值,不随无人机飞行时间、飞行距离的增大而增大,大大减小了设计无人机轨迹的计算复杂度。本方法尤其适用于设计时间久、距离长的无人机轨迹,具有一定的实用性。
无人机因其可移动、高灵活性等优势,被广泛用于辅助通信场景。无人机辅助通信系统相比于传统设施通信系统,一个关键问题就是如何设计无人机的飞行轨迹能够获得更好的通信性能。
考虑一个任务周期[0,T],无人机轨迹设计问题一般可以建模如下:
其中q(t)(t∈[0,T])表示无人机在任务周期内的轨迹变量,;U(q(t))表示与无人机轨迹相关的通信性能效用函数;fi(q(t))表示与无人机轨迹相关的约束条件,例如无人机的最大飞行速度限制等。
要直接求解以上问题,设计使效用函数最大的无人机轨迹十分困难,因为无人机轨迹q(t)是关于时间的连续函数,包含无穷多个设计变量。现有的解决方法是将连续轨迹离散化为数量有限的离散轨迹变量并假设无人机在两个相邻的离散时刻之间位置近似不变。这样的近似会给计算与无人机轨迹相关的目标函数和约束函数带来计算误差,但只要任意两个相邻的离散时间点内无人机的位移‖q(tn)-q(tn-1)‖足够小,那么所引入的计算误差就可以忽略。从而包含无穷多个连续变量的不可解问题1可以变形为包含3×N个离散变量并可进一步求解的问题(2):
以上传统方法面临的问题是,为了保证足够的计算精度,离散变量的数量N需随无人机的飞行时间或飞行距离的增加而增大。然而,求解优化问题的复杂度是随变量规模增加而指数增大的,这将导致实际中求解问题的复杂度过大而难以在有效时间内完成计算。
针对上述传统方法的变量规模大导致计算复杂度过高的问题,我们提出一种无人机轨迹规划方法。
图1是本发明实施例提供的一种无人机轨迹规划方法的流程示意图,如图1所示,该流程具体可以包括:
步骤101、将无人机在任务周期内的轨迹变量在直角坐标系中进行分解,获取三个方向的轨迹变量分量;
具体地,将无人机在预设的任务周期内的轨迹变量在直角坐标系中进行分解,获取三个方向的轨迹变量分量。
例如,将三维无人机轨迹变量q(t)在笛卡尔直角坐标系中分解为三个方向的分量qx(t),qy(t)和qz(t),每个分量都可以看作是一个时间的一维函数。
通过将无人机在任务周期内的轨迹变量在直角坐标系中进行分解获取三个方向的轨迹变量分量,为获取拟合轨迹变量的拟合系数,并根据拟合系数对无人机轨迹进行规划创造了条件。
步骤102、基于所述轨迹变量分量,获取拟合轨迹变量的拟合系数;
通过将无人机在任务周期内的轨迹变量在直角坐标系中进行分解获取三个方向的轨迹变量分量,并获取拟合轨迹变量的拟合系数,并根据拟合系数对无人机轨迹进行规划创造了条件。
步骤103、基于所述拟合系数,对无人机轨迹进行规划。
具体地,通过对轨迹变量的拟合,使得包含无穷多个连续变量的三维无人机轨迹q(t)将完全由3K个拟合系数确定,即cx,k,cy,k和cz,k确定,对无人机轨迹的设计可以转化为对这3K个拟合系数的设计。
通过将无人机在任务周期内的轨迹变量在直角坐标系中进行分解获取三个方向的轨迹变量分量,并获取拟合轨迹变量的拟合系数,根据拟合系数对无人机轨迹进行规划,降低了无人机轨迹规划过程中的计算量,提高了无人机轨迹规划效率。
可选地,在上述各实施例的基础上,所述基于所述轨迹变量分量,获取拟合轨迹变量的拟合系数,具体包括:
基于所述轨迹变量分量,获取拟合轨迹变量;
基于预设的优化问题获取所述拟合轨迹变量的拟合系数;所述优化问题的目标是最大化与无人机轨迹相关的通信性能效用。
具体地,轨迹变量分量包括三个方向的分量qx(t),qy(t)和qz(t),对轨迹变量分量进行近似拟合处理,得到
通过预设的优化问题获取所述拟合轨迹变量的拟合系数;其中,优化问题的目标是最大化与无人机轨迹相关的通信性能效用;优化问题的约束条件是预设的,例如对无人机的最大飞行速度进行的限制等。
通过函数拟合,包含无穷多个连续变量的三维无人机轨迹q(t)将完全由3K个拟合系数,即cx,k,cy,k和cz,k确定,对无人机轨迹的设计可以转化为对这3K个拟合系数的设计。
可选地,在上述各实施例的基础上,所述基于所述轨迹变量分量,获取拟合轨迹变量,具体包括:
选取预设数目的基函数作为函数集;
基于所述函数集对所述轨迹变量分量分别进行近似拟合,获取拟合轨迹变量。
通过获取拟合轨迹变量的拟合系数,根据拟合系数对无人机轨迹进行规划,降低了无人机轨迹规划过程中的计算量,提高了无人机轨迹规划效率。
可选地,在上述各实施例的基础上,所述基于预设的优化问题获取所述拟合轨迹变量的拟合系数,具体包括:
计算所述优化问题的最优解;
以所述优化问题的最优解作为所述拟合轨迹变量的拟合系数。
具体地,为了获取拟合轨迹变量的拟合系数,需要根据预设的优化目标和预设的优化的约束条件去计算优化问题的最优解。并且获取的优化问题的最优解就是拟合轨迹变量的拟合系数。
通过计算优化问题的最优解,获取拟合轨迹变量的拟合系数,根据拟合系数对无人机轨迹进行规划,降低了无人机轨迹规划过程中的计算量,提高了无人机轨迹规划效率。
可选地,在上述各实施例的基础上,所述优化问题用公式表示如下:
其中,U(·)为与无人机轨迹相关的通信性能效用函数,用于表征无人机在任务周期内的轨迹变量的通信性能效用的高低,Q(ck)为基于函数集的拟合轨迹变量,ck为用于表征拟合系数的第k个向量,k为基函数的数量,fi(Q(ck))为与无人机轨迹相关的第i个约束条件,I为与无人机轨迹相关的约束条件的数量。
具体地,U(·)为与无人机轨迹相关的通信性能效用函数,用于表征无人机在任务周期内的轨迹变量的通信性能效用的高低;fi(Q(ck))为与无人机轨迹相关的约束条件,例如对无人机的最大飞行速度进行的限制等。根据预设的优化目标和预设的优化的约束条件去计算优化问题的最优解,获取的优化问题的最优解就是拟合轨迹变量的拟合系数。
通过基于预设的优化目标和预设的优化的约束条件去计算优化问题的最优解,获取拟合轨迹变量的拟合系数,根据拟合系数对无人机轨迹进行规划,降低了无人机轨迹规划过程中的计算量,提高了无人机轨迹规划效率。
可选地,在上述各实施例的基础上,所述直角坐标系是笛卡尔直角坐标系。
具体地,对于将无人机在预设的任务周期内的轨迹变量在直角坐标系中进行分解,获取三个方向的轨迹变量分量,是在笛卡尔直角坐标系中进行分解的。
本发明实施例提供的一种无人机轨迹规划方法,通过将无人机在任务周期内的轨迹变量在直角坐标系中进行分解获取三个方向的轨迹变量分量,并获取拟合轨迹变量的拟合系数,根据拟合系数对无人机轨迹进行规划,降低了无人机轨迹规划过程中的计算量,提高了无人机轨迹规划效率。
改进方法通过用给定函数集对无人机轨迹进行拟合,把对包含无穷多个连续变量的q(t)的计算问题转变为对规模为3K的拟合系数的计算问题,达到降低计算复杂度的效果。与传统方法相比,用改进方法规划无人机轨迹,其变量数量3K通常较小,且为定值;而传统方法为了保证一定的计算精确度,其变量规模3N通常较大,且随无人机飞行距离、飞行时间的增大而增大。
图2是本发明实施例提供的一种无人机轨迹规划装置的结构示意图,如图2所示,具体包括:分解模块201,用于将无人机在任务周期内的轨迹变量在直角坐标系中进行分解,获取三个方向的轨迹变量分量;拟合模块202,用于基于所述轨迹变量分量,获取拟合轨迹变量的拟合系数;设计模块203,用于基于所述拟合系数,对无人机轨迹进行规划。
具体地,通过分解模块201将三维无人机轨迹变量q(t)在笛卡尔直角坐标系中分解为三个方向的分量qx(t),qy(t)和qz(t),每个分量都可以看作是一个时间的一维函数。拟合模块202将三个方向的轨迹变量分量预先选定一组由K个基函数构成的函数集用该函数集分别对三个方向的无人机轨迹分量进行近似拟合,获取拟合轨迹变量的拟合系数。通过设计模块203将无人机轨迹的设计转化为对3K个拟合系数的设计。
图3示例了一种电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行一种无人机轨迹规划方法及装置方法,该方法包括:将无人机在任务周期内的轨迹变量在直角坐标系中进行分解,获取三个方向的轨迹变量分量;基于所述轨迹变量分量,获取拟合轨迹变量的拟合系数;基于所述拟合系数,对无人机轨迹进行规划。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的一种无人机轨迹规划方法及装置方法,该方法包括:将无人机在任务周期内的轨迹变量在直角坐标系中进行分解,获取三个方向的轨迹变量分量;基于所述轨迹变量分量,获取拟合轨迹变量的拟合系数;基于所述拟合系数,对无人机轨迹进行规划。
又一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的一种无人机轨迹规划方法及装置方法,该方法包括:将无人机在任务周期内的轨迹变量在直角坐标系中进行分解,获取三个方向的轨迹变量分量;基于所述轨迹变量分量,获取拟合轨迹变量的拟合系数;基于所述拟合系数,对无人机轨迹进行规划。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种无人机轨迹规划方法,其特征在于,包括:
将无人机在任务周期内的轨迹变量在直角坐标系中进行分解,获取三个方向的轨迹变量分量;
基于所述轨迹变量分量,获取拟合轨迹变量的拟合系数;
基于所述拟合系数,对无人机轨迹进行规划;
所述基于所述轨迹变量分量,获取拟合轨迹变量的拟合系数,具体包括:
基于所述轨迹变量分量,获取拟合轨迹变量;
基于预设的优化问题获取所述拟合轨迹变量的拟合系数;所述优化问题的目标是最大化与无人机轨迹相关的通信性能效用;
所述优化问题用公式表示如下:
s.t.fi(Q(ck))≤0,i=1,…,I
其中,U(·)为与无人机轨迹相关的通信性能效用函数,用于表征无人机在任务周期内的轨迹变量的通信性能效用的高低,Q(ck)为基于函数集的拟合轨迹变量,ck为用于表征拟合系数的第k个向量,k为基函数的数量,fi(Q(ck))为与无人机轨迹相关的第i个约束条件,I为与无人机轨迹相关的约束条件的数量。
2.根据权利要求1所述的无人机轨迹规划方法,其特征在于,所述基于所述轨迹变量分量,获取拟合轨迹变量,具体包括:
选取预设数目的基函数作为函数集;
基于所述函数集对所述轨迹变量分量分别进行近似拟合,获取拟合轨迹变量。
3.根据权利要求1所述的无人机轨迹规划方法,其特征在于,所述基于预设的优化问题获取所述拟合轨迹变量的拟合系数,具体包括:
计算所述优化问题的最优解;
以所述优化问题的最优解作为所述拟合轨迹变量的拟合系数。
4.根据权利要求1所述的无人机轨迹规划方法,其特征在于,所述直角坐标系是笛卡尔直角坐标系。
5.一种无人机轨迹规划装置,其特征在于,包括:
分解模块,用于将无人机在任务周期内的轨迹变量在直角坐标系中进行分解,获取三个方向的轨迹变量分量;
拟合模块,用于基于所述轨迹变量分量,获取拟合轨迹变量的拟合系数;
设计模块,用于基于所述拟合系数,对无人机轨迹进行规划;
所述拟合模块,具体包括:
拟合模块第一单元,用于基于所述轨迹变量分量,获取拟合轨迹变量;
拟合模块第二单元,用于基于预设的优化问题获取所述拟合轨迹变量的拟合系数;所述优化问题的目标是最大化与无人机轨迹相关的通信性能效用;
所述优化问题用公式表示如下:
s.t.fi(Q(ck))≤0,i=1,…,I
其中,U(·)为与无人机轨迹相关的通信性能效用函数,用于表征无人机在任务周期内的轨迹变量的通信性能效用的高低,Q(ck)为基于函数集的拟合轨迹变量,ck为用于表征拟合系数的第k个向量,k为基函数的数量,fi(Q(ck))为与无人机轨迹相关的第i个约束条件,I为与无人机轨迹相关的约束条件的数量。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述一种无人机轨迹规划方法的步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述一种无人机轨迹规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011073395.XA CN112256054B (zh) | 2020-10-09 | 2020-10-09 | 一种无人机轨迹规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011073395.XA CN112256054B (zh) | 2020-10-09 | 2020-10-09 | 一种无人机轨迹规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112256054A CN112256054A (zh) | 2021-01-22 |
CN112256054B true CN112256054B (zh) | 2022-03-29 |
Family
ID=74241810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011073395.XA Active CN112256054B (zh) | 2020-10-09 | 2020-10-09 | 一种无人机轨迹规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112256054B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100842103B1 (ko) * | 2007-06-15 | 2008-06-30 | 주식회사 대한항공 | 함수근사기를 이용한 무인항공기의 선형제어 성능 개선방법 |
CN101997471A (zh) * | 2010-11-23 | 2011-03-30 | 南京信息工程大学 | 基于pid预测函数的励磁控制方法 |
CN108445898A (zh) * | 2018-05-14 | 2018-08-24 | 南开大学 | 基于微分平坦特性的四旋翼无人飞行器系统运动规划方法 |
CN109099918A (zh) * | 2018-07-11 | 2018-12-28 | 郑州航空工业管理学院 | 无人机辅助无线能量传输系统及其节点调度与路径规划方法 |
CN109682380A (zh) * | 2019-01-16 | 2019-04-26 | 北京邮电大学 | 一种通信无人机路径优化方法及设备 |
CN109683626A (zh) * | 2018-11-08 | 2019-04-26 | 浙江工业大学 | 一种基于自适应rbf神经网络的四旋翼无人机编队控制方法 |
CN110381444A (zh) * | 2019-06-24 | 2019-10-25 | 广东工业大学 | 一种无人机轨迹优化及资源分配方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070179685A1 (en) * | 2005-09-29 | 2007-08-02 | Mark Milam | Trajectory generation using non-uniform rational B-splines |
WO2014018147A2 (en) * | 2012-04-30 | 2014-01-30 | The Trustees Of The University Of Pennsylvania | Three-dimensional manipulation of teams of quadrotors |
CN110632941B (zh) * | 2019-09-25 | 2020-12-15 | 北京理工大学 | 一种复杂环境下无人机目标跟踪的轨迹生成方法 |
CN110730031B (zh) * | 2019-10-22 | 2022-03-11 | 大连海事大学 | 一种用于多载波通信的无人机轨迹与资源分配联合优化方法 |
CN111158397B (zh) * | 2020-01-14 | 2023-08-22 | 一飞智控(天津)科技有限公司 | 一种无人机集群飞行路径的跟随控制系统、方法、无人机 |
-
2020
- 2020-10-09 CN CN202011073395.XA patent/CN112256054B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100842103B1 (ko) * | 2007-06-15 | 2008-06-30 | 주식회사 대한항공 | 함수근사기를 이용한 무인항공기의 선형제어 성능 개선방법 |
CN101997471A (zh) * | 2010-11-23 | 2011-03-30 | 南京信息工程大学 | 基于pid预测函数的励磁控制方法 |
CN108445898A (zh) * | 2018-05-14 | 2018-08-24 | 南开大学 | 基于微分平坦特性的四旋翼无人飞行器系统运动规划方法 |
CN109099918A (zh) * | 2018-07-11 | 2018-12-28 | 郑州航空工业管理学院 | 无人机辅助无线能量传输系统及其节点调度与路径规划方法 |
CN109683626A (zh) * | 2018-11-08 | 2019-04-26 | 浙江工业大学 | 一种基于自适应rbf神经网络的四旋翼无人机编队控制方法 |
CN109682380A (zh) * | 2019-01-16 | 2019-04-26 | 北京邮电大学 | 一种通信无人机路径优化方法及设备 |
CN110381444A (zh) * | 2019-06-24 | 2019-10-25 | 广东工业大学 | 一种无人机轨迹优化及资源分配方法 |
Non-Patent Citations (5)
Title |
---|
"Model Predictive Control in Nap-of-Earth Flight using Polynomial Control Basis Functions";Leena Singh,等;《2005 American Control Conference》;20050610;840-845 * |
"基于DMOC的四旋翼飞行器轨迹优化与控制算法研究";王丹;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20150715;C031-69 * |
"基于一种飞行球形机器人的运动控制研究";刘小林;《中国优秀硕士学位论文全文数据库 信息科技辑》;20181015;I140-195 * |
"多无人机系统的协同目标分配和航迹规划方法研究";赵明;《中国博士学位论文全文数据库 工程科技II辑》;20170215;C031-57 * |
"无人机自组网路由协议研究";张国峰;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20170815;C031-114 * |
Also Published As
Publication number | Publication date |
---|---|
CN112256054A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112328715B (zh) | 视觉定位方法及相关模型的训练方法及相关装置、设备 | |
CN112232426A (zh) | 目标检测模型的训练方法、装置、设备及可读存储介质 | |
CN111860276A (zh) | 人体关键点检测方法、装置、网络设备及存储介质 | |
CN114660561A (zh) | Ais与雷达的航迹关联方法及装置 | |
CN112256054B (zh) | 一种无人机轨迹规划方法及装置 | |
CN116518979B (zh) | 一种无人机路径规划方法、系统、电子设备及介质 | |
CN116560401A (zh) | 一种无人机编队中僚机控制指令的确定方法及终端设备 | |
CN114972695B (zh) | 一种点云生成方法、装置、电子设备及存储介质 | |
CN115906987A (zh) | 深度学习模型的训练方法、虚拟形象驱动方法和装置 | |
CN113064444B (zh) | 无人机下一飞行位置的预测方法、装置、设备和存储介质 | |
CN113379786B (zh) | 图像抠图方法、装置、计算机设备及存储介质 | |
Xiao et al. | An Improved Distributed Sampling PPO Algorithm Based on Beta Policy for Continuous Global Path Planning Scheme | |
CN114792397A (zh) | 一种sar影像城市道路提取方法、系统以及存储介质 | |
US10262021B2 (en) | Methods and systems for processing data using QR factorization | |
CN114255616A (zh) | 一种无动力船舶轨迹预测方法、装置、设备及存储介质 | |
CN111833395A (zh) | 一种基于神经网络模型的测向体制单目标定位方法和装置 | |
CN116050554A (zh) | 一种景区客流量预测方法、装置、计算设备和存储介质 | |
KR102075745B1 (ko) | 방위각 추정 장치 및 방법 | |
CN117252993B (zh) | 特征点提取算法的验证方法、装置、电子设备及存储介质 | |
CN111860827B (zh) | 一种基于神经网络模型的测向体制多目标定位方法和装置 | |
CN105651284B (zh) | 提高经验导航中节点选择效率的方法及装置 | |
CN112233131B (zh) | 一种地块分割方法、装置、设备及存储介质 | |
CN114326759B (zh) | 多智能体编队控制方法、装置及多智能体系统 | |
CN111783711B (zh) | 基于身体部件层面的骨架行为识别方法及装置 | |
CN117649545B (zh) | 基于人工智能的喷涂轨迹规划方法及系统 |
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 |