CN113050677A - 多无人机队形保持和变换的控制方法、系统、存储介质 - Google Patents
多无人机队形保持和变换的控制方法、系统、存储介质 Download PDFInfo
- Publication number
- CN113050677A CN113050677A CN202110218173.0A CN202110218173A CN113050677A CN 113050677 A CN113050677 A CN 113050677A CN 202110218173 A CN202110218173 A CN 202110218173A CN 113050677 A CN113050677 A CN 113050677A
- Authority
- CN
- China
- Prior art keywords
- formation
- unmanned aerial
- aerial vehicle
- aerial vehicles
- consistency
- 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.)
- Pending
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 261
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 82
- 230000008569 process Effects 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims description 46
- 238000013461 design Methods 0.000 claims description 23
- 230000009466 transformation Effects 0.000 claims description 20
- 230000003993 interaction Effects 0.000 claims description 16
- 238000013178 mathematical model Methods 0.000 claims description 16
- 238000005265 energy consumption Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- 230000007246 mechanism Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 10
- 238000013515 script Methods 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 8
- 230000003416 augmentation Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 230000003190 augmentative effect Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005755 formation reaction Methods 0.000 description 199
- 238000011160 research Methods 0.000 description 9
- 238000011217 control strategy Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 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
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
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
本发明属于无人机控制技术领域，公开了一种多无人机队形保持和变换的控制方法、系统、存储介质，包括：初始化无人机状态；发布指令，判断是否达到指定位置；获取目标队形矩阵；领导者发布带有位置和速度信息的话题；跟随者订阅邻居无人机话题，形成二分图；调用KM算法，寻找最佳飞行路径；调用一致性算法和机间避障算法，达到状态的一致性，并调整各无人机编号。本发明通过使用gazebo进行真实三维环境模拟，验证所设计方法的有效性。通过对仿真结果的分析，编队中无人机在初始状态各不相同的情况下，通过状态一致性控制算法，飞行状态在大约5s的时间内可以趋于一致，并且收敛于指定值，收敛速度较快，同时在实际飞行过程中无人机能量损耗也较少。
Description
技术领域
本发明属于无人机控制技术领域，尤其涉及一种多无人机队形保持和变换的控制方法、系统、存储介质。
背景技术
目前，在多无人机进行协同编队时，首先，大多数的算法均以简化的无人机模型为研究对象，对无人机在定高飞行下的编队控制问题进行研究，这使得编队运动单一，不能进行机动调整，无法适用于空间机动过程中的队形保持和变换。
其次，多数多机协同控制理论基于领导-跟随者模型。且大多数研究中只有两架无人机形成编队，对长机不作控制，协同控制策略只对僚机起作用，通过调整僚机的航迹和姿态实现对整个编队的控制，这其实是一种僚机跟随控制，与真正多机协同编队控制还有较大的差距。
信息一致性算法是一种现代智能算法，同时运算代价低，实时性好。但目前其研究理论仍处于发展阶段，其本身的许多相关理论需要深入探讨。如何结合无人机的运动特点进行实际应用还存在许多问题。
目前单一无人机由于其在自身重量，续航时间，处理能力和经济成本等限制，能够完成的任务十分有限，因此多无人机协同任务执行就成为了研究的热点。但是多无人机编队在实际应用方面仍受到限制，主要原因是各无人机之间的协作能力和所形成编队的环境适应能力不高。
在多无人机协同编队控制方法中，信息交互策略和队形控制策略至关重要。
信息交互策略分为：(1)集中式方法：每架无人机要将自己的位置、速度、姿态和运动目标等信息和编队中所有无人机进行交互。(2)分布式方法：每架无人机要将自己的位置、速度、姿态和运动目标等信息和编队中与之相邻的无人机进行交互。(3)分散式控制。
队形控制策略分为：(1)行为法：通过给出无人机的编队所需的几种行为和合理的行为协调规则达到最终编队目的。(2)领导-跟随者法：其基本思想是挑选部分“领航者”按照规划轨迹飞行，其他无人机作为跟随者则负责与离它最近的领导者交换状态信息从而更新自己状态。(3)虚拟结构法：把整个编队队形看成一个虚拟的刚体结构，编队中每架无人机对应虚拟结构上相对位置固定的一点，当编队在空域中执行任务时，每架无人机需要保持与固定点保持相对距离，从而形成协同编队。(4)一致性理论：每架无人机在网络环境下通过近邻之间的可测信息的交换，在无人机上分布式地产生某种算法，使这些无人机在事关相互协作的若干变量问题上达成一致意见，从而自主协同地完成共同的任务。
目前在实际应用中，多数采用集中式的信息交换策略和基于领导-跟随者法的队形控制策略。该方法在无人机集群起飞时根据初始队形确定无人机集群参数，飞行过程中通过编队参考点组织编队队形，领航者无人机抵达目标点并悬停后，跟随者无人机可跟踪编队参考点，最终形成期望队形并悬停。在编队形成的过程中，通过人工势场法进行障碍规避与编队间无人机防碰撞。(一种适用于四旋翼无人机集群飞行的队形保持方法)
集中式的信息交换策略在编队过程中信息交互量大，需要主控中心有较强的计算能力，这里对长机的要求就比较高，一旦长机发生故障，编队中其他的个体将失去信息来源。同时在进行编队切换时，当前的方案多数只考虑避免机间的碰撞，在长机悬停后，计算相应僚机应该到达的位置，僚机根据自身编号飞行到指定位置上。这种做法实现简单，但是缺乏灵活性，并且没有考虑整个无人机系统的功耗。
通过上述分析，现有技术存在的问题及缺陷为：
(1)在多无人机进行协同编队时，大多数的算法均以简化的无人机模型为研究对象，对无人机在定高飞行下的编队控制问题进行研究，这使得编队运动单一，不能进行机动调整，无法适用于空间机动过程中的队形保持和变换。
(2)多数多机协同控制理论基于领导-跟随者模型，且大多数研究中只有两架无人机形成编队，对长机不作控制，协同控制策略只对僚机起作用，与真正多机协同编队控制还有较大的差距。
(3)信息一致性算法目前的研究理论仍处于发展阶段，其本身的许多相关理论需要深入探讨，如何结合无人机的运动特点进行实际应用还存在许多问题。
(4)集中式的信息交换策略在编队过程中信息交互量大，需要主控中心有较强的计算能力，这里对长机的要求就比较高，一旦长机发生故障，编队中其他的个体将失去信息来源。
(5)在进行编队切换时，当前的方案多数只考虑避免机间的碰撞，在长机悬停后，计算相应僚机应该到达的位置，僚机根据自身编号飞行到指定位置上，但这种做法缺乏灵活性，并且没有考虑整个无人机系统的功耗。
解决以上问题及缺陷的难度为：多无人机的协同编队控制涉及到的理论复杂且多样，首先，单架无人机必须具备飞行所必须的飞行控制、传感器、信息融合、机身与推进系统等技术。然后，协同控制的研究又涉及到空气动力、传感器、电子、计算机、控制、通信以及人工智能等多个学科和技术领域的交叉。因此，多无人机的协同编队控制是一个困难重重的研究课题。虽然各国的技术人员在这些方面取得了不少的成绩，但离实际的工程应用还有一段很长的距离。以集中式和分布式的信息交换策略为例，集中式的实现较为容易，只需要一个主控中心，例如地面站负责整个系统的运行，向每一台无人机发送指令。这种方式实现起来较为简单，但是分布式的信息交换策略对于算法的设计要求就比较高，会涉及到多个领域的技术，需要考虑的内容也会更多，例如无人机之间通信数据延迟、数据丢包现象、部分通信链路发生故障等情况，在工程实现上更加复杂。
解决以上问题及缺陷的意义为：单无人机可以产生的作用是有限的，对于多无人机的协同执行任务的需求十分迫切。在实际的应用中，多无人机必定是在三维空间中执行任务，同时我们使用分布式一致性算法，提高整个系统的鲁棒性，在具体实现上，我们使用二阶一致性算法配合领导-跟随者模型，在有利于工程实现的同时使得整个编队的自主性更高，在队形变换上，采用更加灵活的方式去动态的调整无人机编号而不需要改变无人机通信拓扑的设置，效率高且能耗低，编队无人机之间形成一个相互协作的整体，可以面对更加复杂的飞行环境。
发明内容
针对现有技术存在的问题，本发明提供了一种多无人机队形保持和变换的控制方法、系统、存储介质。
本发明是这样实现的，一种多无人机队形保持和变换的控制方法，所述多无人机队形保持和变换的控制方法，包括：首先建立多无人机协同编队的通信拓扑模型和队形描述模型，分析多无人机在三维空间中的编队保持和队形变换，将领导-跟随者模型融合进一致性理论的框架当中，运用二阶一致性算法保持无人机编队过程中速度和位置的一致性；在队形变换时，避免机间碰撞的同时在一致性理论的基础上，将队形变换看作多无人机的任务分配，运用二分图求最佳匹配算法，即KM算法找到无人机飞行的最佳路径，使整个编队在进行队形变换时总的飞行距离最短，即能耗最低；最后，将所提出的方法使用ROS话题发布与订阅的通信机制进行节点设计，并且在gazebo上进行真实三维环境的仿真，验证所提出方法的有效性。
进一步，所述多无人机队形保持和变换的控制方法包括以下步骤：
步骤一，初始化无人机状态：对编队中各无人机的位置和速度进行初始化，使得编队无人机飞行到预定高度；
步骤二，发布指令，判断是否达到指定位置；
步骤三，获取目标队形矩阵；
步骤四，领导者发布带有位置和速度信息的话题；
步骤五，跟随者订阅邻居无人机话题，形成二分图；
步骤六，调用KM算法，寻找最佳飞行路径；
步骤七，调用一致性算法和机间避障算法，达到状态的一致性，并调整各无人机编号。
进一步，所述多无人机队形保持和变换的控制方法，还包括：
建立多无人机协同编队运动的数学模型；其中，所述数学模型包括描述无人机分布式信息交互的通信拓扑模型以及描述几何队形的矩阵模型；
多无人机协同编队的通信拓扑模型用G＝{V，E}表示，V＝{1，2，…，n}代表参与编队的n架无人机，E＝{(i，j)∈V×V}代表编队中各有向信息路径组成的集合，用连接权重表示无人机之间的通信状态，当无人机i收到无人机j的信息时有aij＞0，否则，aij＝0，规定aij＝0，对应加权邻接矩阵An＝[aij]∈Rn×n；在整个编队中，所有向无人机i发送信息的个体构成其邻居集，记为：Ni＝{j∈V|aij＝1}＝{j∈V|(j，i)∈E}，ni表示无人机i邻居的个数。
进一步，所述多无人机队形保持和变换的控制方法，还包括：进行协同变量的选取；在一致性理论中，将协同所需要的信息成为协作信息，也叫协同变量；设计协同策略时需要每个无人机都能获取一致、完整、准确的协同变量。
选取三维空间位置为协同变量，并令编队参考点重合。定义位置协同变量为：ξic＝ξi-ξiF，ξi＝[xi，yi，zi]T为无人机i的三维空间位置，ξiF＝[xiF，yiF，ziF]T为无人机i与编队虚拟中心C在x、y、z轴上的预定间隔。当编队稳定时有：||ξic-ξjc||＝||(ξi-ξiF)-(ξj-ξjF)||→0。同样的，编队稳定时还要求各无人机的速度相同，给出速度协同变量为：ζi；当编队稳定时有：||ζi-ζj||→0。
进一步，包括无人机在内的很多航行体的信息状态方程都可以用双积分动力系统表示：
其中i＝1，2，…，n，ξi∈Rm为状态信息，ζi∈Rm为状态信息的导数，ui∈Rm为控制输入；设计ξi为无人机i在三维空间中的位置，ζi为无人机i在三个方向上的速度，ui为无人机i在三个方向上的加速度。
通过所述协同变量的设计以及航行体信息状态方程的表示方法给出二阶一致性控制算法的设计如下：
其中，γ是与系统稳定性和收敛性相关的可调参数。
进一步，所述多无人机队形保持和变换的控制方法中，对编队中各无人机的位置和速度进行初始化后，执行一致性编队和避障脚本，使用ROS中话题发布与订阅的通信机制，各无人机可以订阅到邻居无人机的位置与速度话题。
在一致性脚本中，首先判断各无人机是否到达编队队形的预定位置，是则目标已经达成同时无需进行避障操作，若各无人机没有达到预定位置，即当前编队结构非指定编队结构，则运行KM算法，计算到达下一编队结构每台无人机需要飞行的距离。
将队形变换考虑为一种任务分配，在队形变换时不同无人机到达不同的位置使得飞行距离最短。通过话题的发布与订阅进行信息交换，每台无人机都能获得其可能需要达到的目标位置，由此设计一个二分图，图的每个权重是各无人机当前位置与可能需要到达位置之间的距离。
进一步，运用KM算法的思维，选择当前无人机的位置为X部，目标无人机的位置为Y部，初始时对X部的每一个顶点设置顶标，顶标的值为该点关联的最大边的权值，Y部的顶点顶标为0。对于X部中每个顶点，在相等子图中利用匈牙利算法找一条增广路径，如果没有找到，则修改顶标，扩大相等子图，继续找增广路径。当每个点都找到增广路径时，此时意味着每个点都在匹配中，即找到了二分图的完备匹配。该完备匹配即为二分图的最佳匹配。在寻找路径的过程中动态地调整无人机的编号，以适应通信拓扑的设计要求，这里找到了二分图的最佳即找到了无人机编队变换到指定队形飞行的最短距离，在飞行过程中执行避障脚本，避免机间碰撞，最终使得整个系统的能耗达到最小。最后，通过使用gazebo进行真实三维环境的模拟，验证所设计方法的有效性，并且通过在三维环境中采集数据，得到仿真图。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：首先建立多无人机协同编队的通信拓扑模型和队形描述模型，分析多无人机在三维空间中的编队保持和队形变换，将领导-跟随者模型融合进一致性理论的框架当中，运用二阶一致性算法保持无人机编队过程中速度和位置的一致性；在队形变换时，避免机间碰撞的同时在一致性理论的基础上，将队形变换看作多无人机的任务分配，运用二分图求最佳匹配算法，即KM算法找到无人机飞行的最佳路径，使整个编队在进行队形变换时总的飞行距离最短，即能耗最低；最后，将所提出的方法使用ROS话题发布与订阅的通信机制进行节点设计。
本发明的另一目的在于提供一种无人机信息数据处理终端，所述无人机信息数据处理终端用于实现所述的多无人机队形保持和变换的控制方法。
本发明的另一目的在于提供一种应用所述的多无人机队形保持和变换的控制方法的基于分布式一致性的多无人机队形保持和变换的控制系统，所述基于分布式一致性的多无人机队形保持和变换的控制系统包括：
状态初始化模块，用于对编队中各无人机的位置和速度进行初始化，使得编队无人机飞行到预定高度；
判断模块，用于通过发布指令，判断是否达到指定位置；
数学模型建立模块，用于建立多无人机协同编队运动的数学模型；其中，所述数学模型包括描述无人机分布式信息交互的通信拓扑模型以及描述几何队形的矩阵模型；
协同变量选取模块，在一致性理论中，将协同所需要的信息成为协作信息，也叫协同变量；设计协同策略时需要每个无人机都能获取一致、完整、准确的协同变量；
矩阵获取模块，用于获取目标队形矩阵；
话题发布模块，用于通过领导者发布带有位置和速度信息的话题；
二分图形成模块，用于跟随者订阅邻居无人机话题，形成二分图；
最佳飞行路径确定模块，用于调用KM算法，寻找最佳飞行路径；
状态一致性获取模块，用于通过调用一致性算法和机间避障算法，达到状态的一致性，并调整各无人机编号。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的多无人机队形保持和变换的控制方法，首先建立多无人机协同编队的通信拓扑模型和队形描述模型，分析多无人机在三维空间中的编队保持和队形变换，将领导-跟随者模型融合进一致性理论的框架当中，运用二阶一致性算法保持无人机编队过程中速度和位置的一致性。在队形变换时，避免机间碰撞的同时在一致性理论的基础上，创新地将队形变换看作多无人机的任务分配，运用KM(Kuhn-Munkres)算法(二分图求最佳匹配算法)找到无人机飞行的最佳路径，使整个编队在进行队形变换时总的飞行距离最短，即能耗最低。最后，将所提出的方法使用ROS话题发布与订阅的通信机制进行节点设计，并且在gazebo上进行真实三维环境的仿真，验证了所提出方法的有效性。
在本发明中，将领导-跟随者法统一到分布式一致性理论的框架当中，将各无人机视为智能体，设计了分布式协同系统，只需要邻近无人机之间进行信息交换就能完成编队，无需复杂的稳定性分析，对通信带宽的需求较窄，计算量较小，所以对通信设备和计算设备的要求都较低。在编队变换方面，不仅考虑机间的碰撞问题，同时将整个编队视为整体，运用KM算法，动态调整各跟随无人机的编号，使得其在队形变换时到达其距离最近的位置，最终使得编队变换的效率更高并且整个系统的功耗达到最低。
本发明通过使用gazebo进行真实三维环境的模拟，验证了所设计方法的有效性，并且通过在三维环境中采集数据，得到仿真图。通过对仿真结果的分析，编队中无人机的初始状态各不相同，在状态一致性控制算法下，飞行状态在大约5s的时间内可以趋于一致，并且收敛于指定值，收敛速度较快。同时，由于本发明使用KM算法找到了无人机的最短飞行路径，在实际飞行过程中无人机的能量损耗也将较少。
针对无人机编队飞行的特点，本发明设计通信拓扑和编队模型；协同变量的选择，同时考虑位置和速度的一致性；二阶一致性算法的设计，将领导-跟随者算法融入到一致性理论的框架当中，改进了传统的集中式的信息交互策略，实现了真正的分布式信息交互。在队形变换上，本发明将队形变换考虑为对编队中无人机的任务分配问题，使用KM算法找到无人机飞行所需要的最短距离，使整个系统的能耗最低。
本发明提供的分布式的信息交互方式，只需要邻近无人机之间进行信息交换就能完成编队，无需复杂的稳定性分析，对通信带宽的需求较窄，计算量较小，所以对通信设备和计算设备的要求都较低；二阶一致性算法，同时考虑位置和速度，更加适应无人机编队的特点；队形变换使用KM算法降低整个系统的能耗。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅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多无人机队形保持和变换的控制方法流程图。
图2是本发明实施例提供的多无人机队形保持和变换的控制方法原理图。
图3是本发明实施例提供的基于分布式一致性的多无人机队形保持和变换的控制系统结构框图；
图中：1、状态初始化模块；2、判断模块；3、数学模型建立模块；4、协同变量选取模块；5、矩阵获取模块；6、话题发布模块；7、二分图形成模块；8、最佳飞行路径确定模块；9、状态一致性获取模块。
图4是本发明实施例提供的6架无人机通信拓扑示意图。
图5是本发明实施例提供的话题发布与订阅的机制示意图。
图6是本发明实施例提供的编队变换二分图。
图7是本发明实施例提供的编队飞行过程中x位置响应示意图。
图8是本发明实施例提供的编队飞行过程中速度响应示意图。
图9是本发明实施例提供的编队队形变换示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，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仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种多无人机队形保持和变换的控制方法、系统、存储介质，下面结合附图对本发明作详细的描述。首先是将领导-跟随者算法融入到一致性算法的框架当中，在集中式策略改进为分布式策略的同时运用ROS话题发布与订阅的机制，增加实现的可操作性。最大的创新点是运用了KM的算法思想，不再是简单的进行队形的变换，而是灵活机动，找到最短的飞行路径，过程快速且消耗低，在这个过程中会去动态的调整各个无人机的编号，而不需要去调整通信拓扑结构。还有一点是一致性算法的设计，目前在实际的应用中，多数采用的是简单一阶一致性算法，只考虑位置或者速度，在这里将两者同时进行考虑更加贴合实际的飞行环境。
如图1所示，本发明实施例提供的多无人机队形保持和变换的控制方法包括以下步骤：
S101，初始化无人机状态：对编队中各无人机的位置和速度进行初始化，使得编队无人机飞行到预定高度；
S102，发布指令，判断是否达到指定位置；
S103，获取目标队形矩阵；
S104，领导者发布带有位置和速度信息的话题；
S105，跟随者订阅邻居无人机话题，形成二分图；
S106，调用KM算法，寻找最佳飞行路径；
S107，调用一致性算法和机间避障算法，达到状态的一致性，并调整各无人机编号。
本发明实施例提供的多无人机队形保持和变换的控制方法原理图如图2所示。
如图3所示，本发明实施例提供的基于分布式一致性的多无人机队形保持和变换的控制系统包括：
状态初始化模块1，用于对编队中各无人机的位置和速度进行初始化，使得编队无人机飞行到预定高度；
判断模块2，用于通过发布指令，判断是否达到指定位置；
数学模型建立模块3，用于建立多无人机协同编队运动的数学模型；其中，所述数学模型包括描述无人机分布式信息交互的通信拓扑模型以及描述几何队形的矩阵模型；
协同变量选取模块4，在一致性理论中，将协同所需要的信息成为协作信息，也叫协同变量；设计协同策略时需要每个无人机都能获取一致、完整、准确的协同变量；
矩阵获取模块5，用于获取目标队形矩阵；
话题发布模块6，用于通过领导者发布带有位置和速度信息的话题；
二分图形成模块7，用于跟随者订阅邻居无人机话题，形成二分图；
最佳飞行路径确定模块8，用于调用KM算法，寻找最佳飞行路径；
状态一致性获取模块9，用于通过调用一致性算法和机间避障算法，达到状态的一致性，并调整各无人机编号。
下面结合实施例对本发明的技术方案作进一步的描述。
1、在本发明中，首先建立多无人机协同编队的通信拓扑模型和队形描述模型，分析多无人机在三维空间中的编队保持和队形变换，将领导-跟随者模型融合进一致性理论的框架当中，运用二阶一致性算法保持无人机编队过程中速度和位置的一致性。在队形变换时，避免机间碰撞的同时在一致性理论的基础上，创新地将队形变换看作多无人机的任务分配，运用KM(Kuhn-Munkres)算法(二分图求最佳匹配算法)找到无人机飞行的最佳路径，使整个编队在进行队形变换时总的飞行距离最短，即能耗最低。
最后，将所提出的方法使用ROS话题发布与订阅的通信机制进行节点设计，并且在gazebo上进行真实三维环境的仿真，验证了所提出方法的有效性。
在本发明中，将领导-跟随者法统一到分布式一致性理论的框架当中，将各无人机视为智能体，设计了分布式协同系统，只需要邻近无人机之间进行信息交换就能完成编队，无需复杂的稳定性分析，对通信带宽的需求较窄，计算量较小，所以对通信设备和计算设备的要求都较低。在编队变换方面，不仅考虑机间的碰撞问题，同时将整个编队视为整体，运用KM算法，动态调整各跟随无人机的编号，使得其在队形变换时到达其距离最近的位置，最终使得编队变换的效率更高并且整个系统的功耗达到最低。
2、内容
首先建立多无人机协同编队运动的数学模型，包括描述无人机分布式信息交互的通信拓扑模型以及描述几何队形的矩阵模型。
多无人机协同编队的通信拓扑模型用G＝{V，E}表示，V＝{1，2，…，n}代表参与编队的n架无人机，E＝{(i，j)∈V×V}代表编队中各有向信息路径组成的集合，用连接权重表示无人机之间的通信状态，当无人机i收到无人机j的信息时有aij＞0，否则，aij＝0，规定aij＝0，对应加权邻接矩阵An＝[aij]∈Rn×n。在整个编队中，所有向无人机i发送信息的个体构成其邻居集，记为：Ni＝{j∈V|aij＝1}＝{j∈V|(j，i)∈E}，ni表示无人机i邻居的个数。
6架无人机通信拓扑如图4所示。
编队队形描述：现在普遍采用的编队队形描述方式是Desai提出的1-1(边-边)法和1-ψ(边-角)法。边-边法是描述各无人机与编队参考点之间在坐标轴上的距离差值的方法。边-角法是描述编队中每架无人机与编队参考点间的相对距离和夹角的方法。本发明扩展边-边法到三维空间中。
然后进行协同变量的选取，分享信息是协同的必要条件。在一致性理论中，将协同所需要的信息成为协作信息，也叫协同变量。设计协同策略时需要每个无人机都能获取一致、完整、准确的协同变量。
多无人机编队的最终要求是无人机之间保持预定的相对距离，因此需要选取三维空间位置为协同变量。但是编队稳定时各无人机收敛于同一位置会导致碰撞坠毁，所以在此令编队参考点重合。定义位置协同变量为：ξic＝ξi-ξiF，ξi＝[xi，yi，zi]T为无人机i的三维空间位置，ξiF＝[xiF，yiF，ziF]T为无人机i与编队虚拟中心C在x、y、z轴上的预定间隔。当编队稳定时有：||ξic-ξjc||＝||(ξi-ξiF)-(ξj-ξjF)||→0。同样的，编队稳定时还要求各无人机的速度相同，给出速度协同变量为：ζi。当编队稳定时有：||ζi-ζj||→0。
包括无人机在内的很多航行体的信息状态方程都可以用双积分动力系统表示：
其中i＝1，2，…，n，ξi∈Rm为状态信息，ζi∈Rm为状态信息的导数，ui∈Rm为控制输入。这里设计ξi为无人机i在三维空间中的位置，ζi为无人机i在三个方向上的速度，ui为无人机i在三个方向上的加速度。
通过以上协同变量的设计以及航行体信息状态方程的表示方法给出二阶一致性控制算法的设计如下：
其中，γ是与系统稳定性和收敛性相关的可调参数。
具体代码实现过程如下，首先对编队中各无人机的位置和速度进行初始化，使得编队无人机飞行到预定高度。然后执行一致性编队和避障脚本，这里使用的是ROS中话题发布与订阅的通信机制，各无人机可以订阅到邻居无人机的位置与速度话题。其中，话题发布与订阅的机制如图5所示。
在一致性脚本中，首先判断各无人机是否到达编队队形的预定位置，是则目标已经达成同时无需进行避障操作，若各无人机没有达到预定位置，即当前编队结构非指定编队结构，则运行KM算法，计算到达下一编队结构每台无人机需要飞行的距离。
在这里本发明将队形变换考虑为一种任务分配，在队形变换时不同无人机到达不同的位置使得飞行距离最短。通过话题的发布与订阅进行信息交换，每台无人机都能获得其可能需要达到的目标位置，由此本发明设计一个二分图，图的每个权重是各无人机当前位置与可能需要到达位置之间的距离，编队变换二分图如图6所示。
运用KM算法的思维，选择当前无人机的位置为X部，目标无人机的位置为Y部，初始时对X部的每一个顶点设置顶标，顶标的值为该点关联的最大边的权值，Y部的顶点顶标为0。对于X部中每个顶点，在相等子图中利用匈牙利算法找一条增广路径，如果没有找到，则修改顶标，扩大相等子图，继续找增广路径。当每个点都找到增广路径时，此时意味着每个点都在匹配中，即找到了二分图的完备匹配。该完备匹配即为二分图的最佳匹配。在寻找路径的过程中动态地调整无人机的编号，以适应通信拓扑的设计要求，这里找到了二分图的最佳即找到了无人机编队变换到指定队形飞行的最短距离，在飞行过程中执行避障脚本，避免机间碰撞，最终使得整个系统的能耗达到最小。
整体实现流程图如图2所示。
最后，通过使用gazebo进行真实三维环境的模拟，本发明验证了所设计方法的有效性，并且通过在三维环境中采集数据，得到仿真图如图7-图9所示。
通过对上面仿真结果的分析，编队中无人机的初始状态各不相同，在状态一致性控制算法下，飞行状态在大约5s的时间内可以趋于一致，并且收敛于指定值，收敛速度较快。同时，由于本发明使用KM算法找到了无人机的最短飞行路径，在实际飞行过程中无人机的能量损耗也将较少。
本发明针对无人机编队飞行的特点，设计通信拓扑和编队模型；协同变量的选择，同时考虑位置和速度的一致性；二阶一致性算法的设计，将领导-跟随者算法融入到一致性理论的框架当中，改进了传统的集中式的信息交互策略，实现了真正的分布式信息交互；在队形变换上，将队形变换考虑为对编队中无人机的任务分配问题，使用KM算法找到无人机飞行所需要的最短距离，使整个系统的能耗最低。
本发明的分布式的信息交互方式，只需要邻近无人机之间进行信息交换就能完成编队，无需复杂的稳定性分析，对通信带宽的需求较窄，计算量较小，所以对通信设备和计算设备的要求都较低。二阶一致性算法，同时考虑位置和速度，更加适应无人机编队的特点。队形变换使用KM算法降低整个系统的能耗。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种多无人机队形保持和变换的控制方法，其特征在于，所述多无人机队形保持和变换的控制方法首先建立多无人机协同编队的通信拓扑模型和队形描述模型，分析多无人机在三维空间中的编队保持和队形变换，将领导-跟随者模型融合进一致性理论的框架当中，运用二阶一致性算法保持无人机编队过程中速度和位置的一致性；在队形变换时，避免机间碰撞的同时在一致性理论的基础上，将队形变换看作多无人机的任务分配，运用二分图求最佳匹配算法，即KM算法找到无人机飞行的最佳路径，使整个编队在进行队形变换时总的飞行距离最短，即能耗最低；最后，将所提出的方法使用ROS话题发布与订阅的通信机制进行节点设计。
2.如权利要求1所述的多无人机队形保持和变换的控制方法，其特征在于，所述多无人机队形保持和变换的控制方法包括以下步骤：
步骤一，初始化无人机状态：对编队中各无人机的位置和速度进行初始化，使得编队无人机飞行到预定高度；
步骤二，发布指令，判断是否达到指定位置；
步骤三，获取目标队形矩阵；
步骤四，领导者发布带有位置和速度信息的话题；
步骤五，跟随者订阅邻居无人机话题，形成二分图；
步骤六，调用KM算法，寻找最佳飞行路径；
步骤七，调用一致性算法和机间避障算法，达到状态的一致性，并调整各无人机编号。
3.如权利要求1所述的多无人机队形保持和变换的控制方法，其特征在于，所述多无人机队形保持和变换的控制方法，还包括：建立多无人机协同编队运动的数学模型；其中，所述数学模型包括描述无人机分布式信息交互的通信拓扑模型以及描述几何队形的矩阵模型；
多无人机协同编队的通信拓扑模型用G＝{V，E}表示，V＝{1，2，…，n}代表参与编队的n架无人机，E＝{(i，j)∈V×V}代表编队中各有向信息路径组成的集合，用连接权重表示无人机之间的通信状态，当无人机i收到无人机j的信息时有aij＞0，否则，aij＝0，规定aij＝0，对应加权邻接矩阵An＝[aij]∈Rn×n；在整个编队中，所有向无人机i发送信息的个体构成其邻居集，记为：Ni＝{j∈V|aij＝1}＝{j∈V|(j，i)∈E}，ni表示无人机i邻居的个数。
4.如权利要求1所述的多无人机队形保持和变换的控制方法，其特征在于，所述多无人机队形保持和变换的控制方法，还包括：进行协同变量的选取；在一致性理论中，将协同所需要的信息成为协作信息，也叫协同变量；设计协同策略时需要每个无人机都能获取一致、完整、准确的协同变量；
选取三维空间位置为协同变量，并令编队参考点重合；定义位置协同变量为：ξic＝ξi-ξiF，ξi＝[xi，yi，zi]T为无人机i的三维空间位置，ξiF＝[xiF，yiF，ziF]T为无人机i与编队虚拟中心C在x、y、z轴上的预定间隔；当编队稳定时有：||ξic-ξjc||＝||(ξi-ξiF)-(ξj-ξjF)||→0；同样的，编队稳定时还要求各无人机的速度相同，给出速度协同变量为：ζi；当编队稳定时有：||ζi-ζj||→0。
5.如权利要求4所述的多无人机队形保持和变换的控制方法，其特征在于，包括无人机在内的很多航行体的信息状态方程都可以用双积分动力系统表示：
其中i＝1，2，…，n，ξi∈Rm为状态信息，ζi∈Rm为状态信息的导数，ui∈Rm为控制输入；设计ξi为无人机i在三维空间中的位置，ζi为无人机i在三个方向上的速度，ui为无人机i在三个方向上的加速度；
通过所述协同变量的设计以及航行体信息状态方程的表示方法给出二阶一致性控制算法的设计如下：
其中，γ是与系统稳定性和收敛性相关的可调参数。
6.如权利要求1所述的多无人机队形保持和变换的控制方法，其特征在于，所述多无人机队形保持和变换的控制方法中，对编队中各无人机的位置和速度进行初始化后，执行一致性编队和避障脚本，使用ROS中话题发布与订阅的通信机制，各无人机可以订阅到邻居无人机的位置与速度话题；
在一致性脚本中，首先判断各无人机是否到达编队队形的预定位置，是则目标已经达成同时无需进行避障操作，若各无人机没有达到预定位置，即当前编队结构非指定编队结构，则运行KM算法，计算到达下一编队结构每台无人机需要飞行的距离；
将队形变换考虑为一种任务分配，在队形变换时不同无人机到达不同的位置使得飞行距离最短；通过话题的发布与订阅进行信息交换，每台无人机都能获得其可能需要达到的目标位置，由此设计一个二分图，图的每个权重是各无人机当前位置与可能需要到达位置之间的距离。
7.如权利要求6所述的多无人机队形保持和变换的控制方法，其特征在于，运用KM算法的思维，选择当前无人机的位置为X部，目标无人机的位置为Y部，初始时对X部的每一个顶点设置顶标，顶标的值为该点关联的最大边的权值，Y部的顶点顶标为0；对于X部中每个顶点，在相等子图中利用匈牙利算法找一条增广路径，如果没有找到，则修改顶标，扩大相等子图，继续找增广路径；当每个点都找到增广路径时，此时意味着每个点都在匹配中，即找到了二分图的完备匹配；所述完备匹配即为二分图的最佳匹配；在寻找路径的过程中动态地调整无人机的编号，以适应通信拓扑的设计要求，这里找到了二分图的最佳即找到了无人机编队变换到指定队形飞行的最短距离，在飞行过程中执行避障脚本，避免机间碰撞，最终使得整个系统的能耗达到最小；最后，通过使用gazebo进行真实三维环境的模拟，验证所设计方法的有效性，并且通过在三维环境中采集数据，得到仿真图。
8.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：首先建立多无人机协同编队的通信拓扑模型和队形描述模型，分析多无人机在三维空间中的编队保持和队形变换，将领导-跟随者模型融合进一致性理论的框架当中，运用二阶一致性算法保持无人机编队过程中速度和位置的一致性；在队形变换时，避免机间碰撞的同时在一致性理论的基础上，将队形变换看作多无人机的任务分配，运用二分图求最佳匹配算法，即KM算法找到无人机飞行的最佳路径，使整个编队在进行队形变换时总的飞行距离最短，即能耗最低；最后，将所提出的方法使用ROS话题发布与订阅的通信机制进行节点设计。
9.一种无人机信息数据处理终端，其特征在于，所述无人机信息数据处理终端用于实现权利要求1～7任意一项所述的多无人机队形保持和变换的控制方法。
10.一种实施权利要求1～7任意一项所述的多无人机队形保持和变换的控制方法的基于分布式一致性的多无人机队形保持和变换的控制系统，其特征在于，所述基于分布式一致性的多无人机队形保持和变换的控制系统包括：
状态初始化模块，用于对编队中各无人机的位置和速度进行初始化，使得编队无人机飞行到预定高度；
判断模块，用于通过发布指令，判断是否达到指定位置；
数学模型建立模块，用于建立多无人机协同编队运动的数学模型；其中，所述数学模型包括描述无人机分布式信息交互的通信拓扑模型以及描述几何队形的矩阵模型；
协同变量选取模块，在一致性理论中，将协同所需要的信息成为协作信息，也叫协同变量；设计协同策略时需要每个无人机都能获取一致、完整、准确的协同变量；
矩阵获取模块，用于获取目标队形矩阵；
话题发布模块，用于通过领导者发布带有位置和速度信息的话题；
二分图形成模块，用于跟随者订阅邻居无人机话题，形成二分图；
最佳飞行路径确定模块，用于调用KM算法，寻找最佳飞行路径；
状态一致性获取模块，用于通过调用一致性算法和机间避障算法，达到状态的一致性，并调整各无人机编号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110218173.0A CN113050677A (zh) | 2021-02-26 | 2021-02-26 | 多无人机队形保持和变换的控制方法、系统、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110218173.0A CN113050677A (zh) | 2021-02-26 | 2021-02-26 | 多无人机队形保持和变换的控制方法、系统、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113050677A true CN113050677A (zh) | 2021-06-29 |
Family
ID=76509178
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110218173.0A Pending CN113050677A (zh) | 2021-02-26 | 2021-02-26 | 多无人机队形保持和变换的控制方法、系统、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113050677A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113359848A (zh) * | 2021-07-06 | 2021-09-07 | 西北工业大学 | 一种基于航路点的无人机编队生成-切换航迹规划方法 |
| CN113467510A (zh) * | 2021-07-12 | 2021-10-01 | 中国科学技术大学 | 一种校园协同安防处置方法及系统 |
| CN113485427A (zh) * | 2021-07-23 | 2021-10-08 | 中国科学院地理科学与资源研究所 | 一种用于无人机的组网方法及系统 |
| CN114518771A (zh) * | 2022-02-23 | 2022-05-20 | 深圳大漠大智控技术有限公司 | 一种多无人机路径规划方法、装置及相关组件 |
| CN115016523A (zh) * | 2022-08-03 | 2022-09-06 | 西安羚控电子科技有限公司 | 集群装置控制系统、控制方法、集群装置及存储介质 |
| CN115810293A (zh) * | 2022-11-28 | 2023-03-17 | 亿航智能设备（广州）有限公司 | 一种多台无人驾驶航空器的联动控制方法、系统和介质 |
| CN117762166A (zh) * | 2024-02-22 | 2024-03-26 | 杭州牧星科技有限公司 | 多无人机集群编队协同控制方法及其系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110083175A (zh) * | 2019-04-22 | 2019-08-02 | 清华大学 | 无人机编队网络协同调度方法及装置 |
| CN111582163A (zh) * | 2020-05-07 | 2020-08-25 | 北京理工大学 | 一种大规模人群位置变换方案生成方法 |
| CN111665865A (zh) * | 2020-06-16 | 2020-09-15 | 天津大学 | 基于虚拟结构法的多无人机编队鲁棒控制方法 |
-
2021
- 2021-02-26 CN CN202110218173.0A patent/CN113050677A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110083175A (zh) * | 2019-04-22 | 2019-08-02 | 清华大学 | 无人机编队网络协同调度方法及装置 |
| CN111582163A (zh) * | 2020-05-07 | 2020-08-25 | 北京理工大学 | 一种大规模人群位置变换方案生成方法 |
| CN111665865A (zh) * | 2020-06-16 | 2020-09-15 | 天津大学 | 基于虚拟结构法的多无人机编队鲁棒控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李磊等: "基于一致性理论的四旋翼无人机分布式编队控制方法", 《电光与控制》 * |
| 王荟莹: "多机器人编队控制技术研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113359848A (zh) * | 2021-07-06 | 2021-09-07 | 西北工业大学 | 一种基于航路点的无人机编队生成-切换航迹规划方法 |
| CN113467510A (zh) * | 2021-07-12 | 2021-10-01 | 中国科学技术大学 | 一种校园协同安防处置方法及系统 |
| CN113485427A (zh) * | 2021-07-23 | 2021-10-08 | 中国科学院地理科学与资源研究所 | 一种用于无人机的组网方法及系统 |
| CN113485427B (zh) * | 2021-07-23 | 2023-03-28 | 中国科学院地理科学与资源研究所 | 一种用于无人机的组网方法及系统 |
| CN114518771A (zh) * | 2022-02-23 | 2022-05-20 | 深圳大漠大智控技术有限公司 | 一种多无人机路径规划方法、装置及相关组件 |
| CN115016523A (zh) * | 2022-08-03 | 2022-09-06 | 西安羚控电子科技有限公司 | 集群装置控制系统、控制方法、集群装置及存储介质 |
| CN115810293A (zh) * | 2022-11-28 | 2023-03-17 | 亿航智能设备（广州）有限公司 | 一种多台无人驾驶航空器的联动控制方法、系统和介质 |
| CN117762166A (zh) * | 2024-02-22 | 2024-03-26 | 杭州牧星科技有限公司 | 多无人机集群编队协同控制方法及其系统 |
| CN117762166B (zh) * | 2024-02-22 | 2024-06-11 | 杭州牧星科技有限公司 | 多无人机集群编队协同控制方法及其系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113050677A (zh) | 多无人机队形保持和变换的控制方法、系统、存储介质 | |
| CN108549407B (zh) | 一种多无人机协同编队避障的控制算法 | |
| Hao et al. | Formation flight of fixed-wing UAV swarms: A group-based hierarchical approach | |
| CN109508035B (zh) | 基于分布式控制的多区域分级式无人机编队路径规划方法 | |
| CN111522361B (zh) | 主-从模式的多无人机编队一致性控制方法 | |
| CN111522258B (zh) | 多无人机协同控制仿真系统及其构建方法、仿真方法 | |
| CN109613931A (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 | |
| CN113741518A (zh) | 基于领航跟随模式的固定翼无人机集群仿射编队控制方法 | |
| CN110032209A (zh) | 一种多无人机任务区集结分布式控制方法 | |
| CN104407619A (zh) | 不确定环境下的多无人机同时到达多个目标方法 | |
| CN110347181B (zh) | 基于能耗的无人机分布式编队控制方法 | |
| 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 | |
| CN114610066A (zh) | 复杂未知环境下分布式集群无人机编队飞行轨迹生成方法 | |
| CN110597059A (zh) | 面向无人系统的椋群式智能群体动态网络拓扑构建方法 | |
| CN114489127A (zh) | 一种面向无人机集群的自组织队形编队方法 | |
| Xu et al. | Affine formation maneuver tracking control of multiple second-order agents with time-varying delays | |
| CN115033016A (zh) | 一种异构无人集群编队避障方法及系统 | |
| CN117170410B (zh) | 用于无人机编队飞行的控制方法及相关产品 | |
| CN115981375B (zh) | 基于事件触发机制的多无人机时变编队控制器设计方法 | |
| Li et al. | UAV-BS formation control method based on loose coupling structure | |
| CN111176324B (zh) | 一种多无人机分布式协同编队规避动态障碍的方法 | |
| Šišlák et al. | AgentFly: Scalable, High‐Fidelity Framework for Simulation, Planning and Collision Avoidance of Multiple UAVs | |
| Lv et al. | Formation control of UAVs based on artificial potential field | |
| Liu et al. | UAV Formation Cooperative Control Based on Consistency Theory | |
| CN117193368B (zh) | 一种多无人机协同编队避障保性能控制方法 |
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 |