CN112965523B - 一种绳系连接多飞行器离线轨迹生成方法 - Google Patents

Abstract

本发明涉及一种绳系连接多飞行器离线轨迹生成方法，属于飞行器轨迹规划研究领域。包括以下3个步骤：生成载荷的飞行轨迹；求解各个无人机和载荷的轨迹初始解参数；优化出满足约束条件的飞行轨迹。使用带有运动学约束的A*算法，搜索出一个比较优的初始轨迹解，从而减少了后端非线性优化的压力，并且更容易找到全局最优解而不是陷入局部最优解。通过加入绳索长度约束，使得无人机能够保持一定的阵型运输负载，同时也具有变队形避障的功能。后端非线性优化在不考虑时间成本的情况下将所有无人机以及负载的路径一起加入了优化变量中，使整个系统更容易达到全局最优。在离线环境下优化出一条近乎最优的路径，极大的减少了在线飞行中的路径优化压力。

Description

一种绳系连接多飞行器离线轨迹生成方法

技术领域

本发明属于飞行器轨迹规划研究领域，具体设计一种基于柔性连接的多飞行器离线生成轨迹的方法。

背景技术

近年来，无人机的应用市场越来越广泛，应用环境越来越恶劣。纯粹的手动飞行模式已经不能满足无人机在复杂环境下的飞行任务的需求，所以对于无人机的轨迹规划成为了一种必然的需求。生成一条从起点到目标点的轨迹正是无人机能够进行自主飞行的前提条件，相较于单无人机轨迹规划，多无人机编队协同飞行既要考虑每一个无人机避障、能量消耗、运动学限制上的约束，还需要考虑整个无人机队形的保持以及变形，相互之间的防碰撞等约束。

相比较于单无人机，多无人机协同作业能够提供更好的系统通用性、安全性和可部署性，并且能够降低系统的整体成本。例如在无人机运输负载这一应用场景上，单无人机的负载能力有限或过于昂贵，能量消耗速度快。而使用多无人机协同搬运负载可以减少系统的整体成本，增加系统的运输能力和鲁棒性。代价是需要复杂的轨迹规划算法来生成各个无人机的轨迹，要在保证系统整体负载能力的前提下还能够达到各无人机与负载避障的效果。

目前面向多无人机编队飞行任务的轨迹规划方法一般有两种：一种是先生成一架无人机的离线飞行轨迹，然后通过编队阵型仿射变换推导出其余无人机的离线飞行轨迹，然后在线飞行过程中通过局部轨迹优化实时调整各无人机的位置以达到避障的目的。例如，申请号为CN201910173841.5的中国专利提出了一种基于模型预测控制的多无人机编队协同控制方法，他在首先根据多无人机编队控制相关约束，初始化任务要求和相关控制参数，然后仅仅对领航无人机进行初步航迹规划，之后就直接进入了在线的轨迹实施优化过程。这种方式生成的离线轨迹可能会使队形中的某些无人机不满足避障约束，然而多无人机绳索连接协同搬运负载的情况要考虑更多的约束并且约束的精度要求更高，此时将更多的轨迹优化压力放在了在线飞行过程中，对低性能的嵌入式平台要求更高，增加了这种协同运输任务的难度。另一种是先使用一种不考虑运动学的路径搜索方法生成一条无人机的初始飞行轨迹，然后扩展出多条无人机的路径，或者不指定初始轨迹，接下来再进行多无人机的协同路径规划。例如申请号为CN201910395051.1的中国专利提出了一种多无人机多蚁群协同搜索目标方法，他并没有生成一个初始的轨迹就直接使用蚁群算法进行多无人机协同轨迹优化。这种方法使得非优化算法容易陷入局部极小值，并且在有狭窄障碍物时会降低优化成功率。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种针对多无人机于负载通过柔性绳索连接，在协同运输负载的约束下离线生成轨迹的方法。旨在实现多无人机协同运输系统的离线可行性轨迹，减少在线局部轨迹优化压力。

技术方案

一种绳系连接多飞行器离线轨迹生成方法，其特征在于步骤如下：

步骤1：生成载荷的飞行轨迹

1.1)获取地图信息：通过获取实际环境中的危险区域与安全区域大小，建立一个带有边界大小约束的全局地图，然后对地图中的危险区域以及安全区域进行栅格化赋值，得到全局地图；

1.2)设定路径搜索算法参数值：对搜索算法设置地图边界条件约束，速度约束、加速度约束；设置栅格扩展方式为基于加速度和当前速度积分得到的满足运动学的路径；设置代价函数为曲线路径的长度；设置启发函数为根据当前点速度加速度解算出的不考虑避障的曲线路径长度；考虑避障约束时膨胀载荷点的单位大小到虚拟阵型的大小；

1.3)生成载荷的飞行轨迹：设定好起点和终止点以及各个约束条件值，进行路径搜索，得到一条满足无人机运动学、躲避障碍物、队型的飞行轨迹；

步骤2：求解各个无人机和载荷的轨迹初始解参数

2.1)输入步骤1中的载荷飞行轨迹，根据载荷初始路径以及绳长求解出每架无人机的初始路径；

2.2)对每一条路径进行等周期采样分段，将每条路径分离为多段轨迹的整合，并保证每条路径的段数相等；

2.3)对每一条路径的每一段轨迹进行Bezier曲线反求控制点得到每段轨迹的初始控制点参数；

步骤3：优化出满足约束条件的飞行轨迹

3.1)选择所有的路径上的Bezier曲线控制点作为优化变量，输入步骤2中得到的每一条路径的每一段轨迹的Bezier曲线控制点参数作为初始解，并对每一段轨迹进行矩形扩展，确定出每一段轨迹的最大安全栅格范围作为每一段轨迹的位置约束值；

3.2)对每一段Bezier曲线轨迹求多阶导数得到snap的表达式，然后将snap设为待优化问题，通过非线性优化使其最小；

3.3)为非线性优化设置约束项，包括起始点与终止点约束、连续性约束、地图边界约束、速度约束、加速度约束、绳索长度约束、无人机间碰撞约束、无人机及负载与障碍物碰撞约束；

3.4)通过步骤3.1)、3.2)、3.3)将整个路径规划问题转换为一个非线性优化问题，并确定了优化的一组良好的初始解，优化问题表达式、以及优化约束，对该优化问题进行非线性优化即可解出每段轨迹Bezier曲线的最优控制点值，从而得到每段轨迹的多项式表达式，解出整个无人机编队的飞行路径。

本发明技术方案更进一步的说：步骤1.2中所述的搜索算法为A*算法。

本发明技术方案更进一步的说：步骤1.2中所述的曲线路径长度通过BVP解算出的。

本发明技术方案更进一步的说：步骤3.2中所述的多阶为4阶。

有益效果

本发明提出的一种绳系连接多飞行器离线轨迹生成方法，与现有技术相比，本发明具有以下益处：

(1)使用带有运动学约束的A*算法，搜索出一个比较优的初始轨迹解，从而减少了后端非线性优化的压力，并且更容易找到全局最优解而不是陷入局部最优解；

(2)通过加入绳索长度约束，使得无人机能够保持一定的阵型运输负载，同时也具有变队形避障的功能；

(3)后端非线性优化在不考虑时间成本的情况下将所有无人机以及负载的路径一起加入了优化变量中，使整个系统更容易达到全局最优。在离线环境下优化出一条近乎最优的路径，极大的减少了在线飞行中的路径优化压力。

附图说明

图1多无人机协同搬运负载系统整体图

图2带运动学约束的A*算法扩展路径点流程图

图3系统整体算法流程图

具体实施方式

现结合实施例、附图对本发明作进一步描述：

1)生成载荷的飞行轨迹包含以下子步骤：

1.1)获取地图信息：通过获取实际环境中的危险区域与安全区域大小，建立一个带有边界大小约束的全局地图，然后对地图中的危险区域以及安全区域进行栅格化赋值，得到全局地图的矩阵MAP；

1.2)设定路径搜索算法参数值：设置起始点位置P₀和终止点位置P_f，对A*算法设置地图边界条件约束MAP_max,MAP_min，速度约束V_max、加速度约束A_max。设置代价函数为曲线路径的长度。设置启发函数为根据当前点速度加速度通过BVP解算出的不考虑避障的曲线路径长度。考虑避障约束时膨胀载荷点的单位大小到虚拟阵型的大小；

1.3)生成载荷的飞行轨迹：按照设定好的参数值使用A*算法进行路径搜索，其中基于运动学的扩展路径点的算法流程如图3所示，得到一条满足无人机运动学、躲避障碍物、队型的飞行轨迹L₀；

2)求解各个无人机和载荷的轨迹初始解参数包含以下子步骤：

2.1)输入步骤1)中的载荷飞行轨迹L₀，根据载荷初始路径L₀以及绳长d求解出每架无人机的初始路径L₁、L₂、L₃；

2.2)对每一条路径L₀、L₁、L₂、L₃进行等周期采样分段，将每条路径分离为多段轨迹的整合

并保证每条路径的段数n相等；

2.3)对每一条路径的每一段轨迹

进行Bezier曲线反求j阶控制点得到每段轨迹的初始控制点参数

3)优化出满足约束条件的轨迹包含以下子步骤：

3.1)选择所有的路径上的Bezier曲线控制点

作为优化变量，输入步骤2)中得到的每一条路径的每一段轨迹

的Bezier曲线控制点参数

作为初始解，并对每一段轨迹进行矩形扩展，确定出每一段轨迹的最大安全栅格范围

作为每一段轨迹的位置约束值；

3.2)对每一段Bezier曲线轨迹求4阶导数得到snap的表达式，然后将snap的平方设为待优化问题，通过非线性优化使其最小，如公式(1)所示，其中Q为二次项系数矩阵；

3.3)为非线性优化设置约束项，包括起始点P₀ ⁰与终止点P₀ ^f约束

和

连续性约束

地图边界约束

位置约束

速度约束

加速度约束

jerk约束

绳索长度约束，P₀为载荷位置P_K为无人机位置：

无人机间碰撞约束，L_uav为无人机的长度：

无人机及负载与障碍物碰撞约束，L_load为载荷的长度：

3.4)对该优化问题进行非线性优化即可解出每段轨迹Bezier曲线的最优控制点值，从而得到每段轨迹的多项式表达式，解出整个无人机编队的飞行路径path₀、path₁、path₂、path₃。

Claims (2)

1.一种绳系连接多飞行器离线轨迹生成方法，其特征在于步骤如下：

步骤1：生成载荷的飞行轨迹

1.1)获取地图信息：通过获取实际环境中的危险区域与安全区域大小，建立一个带有边界大小约束的全局地图，然后对地图中的危险区域以及安全区域进行栅格化赋值，得到全局地图；

1.2)设定路径搜索算法参数值：对搜索算法设置地图边界条件约束，速度约束、加速度约束；设置栅格扩展方式为基于加速度和当前速度积分得到的满足运动学的路径；设置代价函数为曲线路径的长度；设置启发函数为根据当前点速度加速度解算出的不考虑避障的曲线路径长度；考虑避障约束时膨胀载荷点的单位大小到虚拟阵型的大小；所述的搜索算法为A*算法

1.3)生成载荷的飞行轨迹：设定好起点和终止点以及各个约束条件值，进行路径搜索，得到一条满足无人机运动学、躲避障碍物、队型的飞行轨迹；

步骤2：求解各个无人机和载荷的轨迹初始解参数

2.1)输入步骤1中的载荷飞行轨迹，根据载荷初始路径以及绳长求解出每架无人机的初始路径；

2.2)对每一条路径进行等周期采样分段，将每条路径分离为多段轨迹的整合，并保证每条路径的段数相等；

2.3)对每一条路径的每一段轨迹进行Bezier曲线反求控制点得到每段轨迹的初始控制点参数；

步骤3：优化出满足约束条件的飞行轨迹

3.1)选择所有的路径上的Bezier曲线控制点作为优化变量，输入步骤2中得到的每一条路径的每一段轨迹的Bezier曲线控制点参数作为初始解，并对每一段轨迹进行矩形扩展，确定出每一段轨迹的最大安全栅格范围作为每一段轨迹的位置约束值；

3.2)对每一段Bezier曲线轨迹求多阶导数得到snap的表达式，然后将snap设为待优化问题，通过非线性优化使其最小；所述多阶为4阶；

3.3)为非线性优化设置约束项，包括起始点与终止点约束、连续性约束、地图边界约束、速度约束、加速度约束、绳索长度约束、无人机间碰撞约束、无人机及负载与障碍物碰撞约束；

3.4)通过步骤3.1)、3.2)、3.3)将整个路径规划问题转换为一个非线性优化问题，并确定了优化的一组良好的初始解，优化问题表达式、以及优化约束，对该优化问题进行非线性优化即可解出每段轨迹Bezier曲线的最优控制点值，从而得到每段轨迹的多项式表达式，解出整个无人机编队的飞行路径。

2.根据权利要求1所述的一种绳系连接多飞行器离线轨迹生成方法，其特征在于步骤1.2中所述的曲线路径长度通过BVP解算出的。

Images