CN113495574B - 一种无人机群飞行的控制方法、装置 - Google Patents
一种无人机群飞行的控制方法、装置 Download PDFInfo
- Publication number
- CN113495574B CN113495574B CN202110946582.2A CN202110946582A CN113495574B CN 113495574 B CN113495574 B CN 113495574B CN 202110946582 A CN202110946582 A CN 202110946582A CN 113495574 B CN113495574 B CN 113495574B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- result
- flight
- speed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 title abstract description 14
- 230000008859 change Effects 0.000 claims abstract description 35
- 230000015572 biosynthetic process Effects 0.000 description 15
- 230000008901 benefit Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 241000271566 Aves Species 0.000 description 4
- 244000144992 flock Species 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 241000272201 Columbiformes Species 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000024703 flight behavior Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 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
本申请公开了一种无人机群飞行的控制方法,该方法包括,获取当前被执行的任务所期望的无人机群飞行状态,其中,无人机群包括至少两个以上无人飞机,当所期望的无人机群飞行状态的变化大于设定的变化阈值时,则采用层群策略控制,当所期望的无人机群飞行状态的变化不大于所述变化阈值时,则采用等群策略控制;其中,飞行状态包括飞行速度、飞行方向、空间位置之一或其任意组合。本发明引入层群策略与等群策略,实现多无人机基于策略切换的群体飞行控制,使飞行自组网系统兼具灵活机动和平稳飞行的能力。
Description
技术领域
本发明涉及无人机控制领域,特别地,涉及一种无人机群飞行的控制方法。
背景技术
现有的无线组网研究中,主要有移动自组网(mobile ad hoc network,MANETs)、车载自组网(vehicular ad hoc network,VANETs)和飞行自组网(Flying ad hocnetworks,FANET)等自组网系统,其中,
移动自组网和车载自组网主要利用节点的移动性来构建节点模型,从而设计通信网络并分析性能;
飞行自组网系统作为专为无人机组网设计的方案,除了无线自组网本身具有的多跳性、自组织性、无中心等固有特点,还具有节点高速移动、网络拓扑快速变化、组网节点稀疏和网络异构性等与无人机密切相关的一些特性,因此,现有移动自组网的分析设计方法无法直接应用于飞行自组网。
自然界的鸟类经过长久的演化,形成了一整套系统的、成熟的群体行为策略。由于无人机群协同飞行与鸟类群体飞行行为存在相似性,因此通过分析并借鉴鸟类群体飞行规律是实现无人机群协同飞行控制的一个可能方向。通过观察分析鸽群的运动行为,发现鸽群采用层群策略、或等群策略飞行。同时,对群体飞行进行研究,可以发现队形会对飞行的能量消耗产生一定的影响。基于上述结论,结合无人机与鸟类的相似性,将鸟类的群体飞行策略引入无人机群群体飞行控制具有可行性。
对于飞行自组网,目前仍没有成熟的、可行的理论体系与解决方案,无法有效的解决无人机高移动性带来的问题。
发明内容
本发明提供了一种无人机群飞行的控制方法,以实现飞行自主网中无人机群的控制。
本发明提供的一种无人机群飞行的控制方法,是这样实现的:
获取当前被执行的任务所期望的无人机群飞行状态,其中,无人机群包括至少两个以上无人飞机,
当所期望的无人机群飞行状态的变化大于设定的变化阈值时,则采用层群策略控制,
当所期望的无人机群飞行状态的变化不大于所述变化阈值时,则采用等群策略控制;
其中,飞行状态包括飞行速度、飞行方向、空间位置之一或其任意组合。
较佳地,所述采用层群策略控制使得:
无人机群中用于领飞的第一无人飞机下一时刻的空间位置等于,该第一无人机当前时刻的空间位置,与,该第一无人机当前时刻飞行速度与时间间隔的乘积结果之和,
无人机群中其余跟随第一无人飞机的任一第二无人飞机下一时刻的空间位置等于,该第二无人机当前时刻的空间位置,与,该第二无人机当前时刻飞行速度与时间间隔的乘积结果之和;
其中,时间间隔为下一时刻与当前时刻之间的时长。
较佳地,所述采用等群策略控制使得:
无人机群中任一无人机下一时刻的空间位置等于,该无人机当前时刻的空间位置,与,该无人机当前时刻飞行速度与时间间隔的乘积结果之和;
其中,时间间隔为下一时刻与当前时刻之间的时长。
较佳地,所述当前时刻的飞行速度按照如下方式确定:
对于任一无人机的任一邻居无人机,
计算该邻居无人机当前时刻的上一时刻的空间位置与该邻居无人机期望相对空间位置之间的第一空间位置误差,
计算该无人机当前时刻的上一时刻的空间位置与该无人机期望相对空间位置之间的第二空间位置误差,
计算第一空间位置误差与第二空间位置误差之间的差值,得到该邻居无人机的第三空间位置误差;
累计该无人机的所有邻居无人机的第三空间位置误差,得到第一结果,
将期望飞行速度与时间间隔乘积的结果与第一结果相加,得到第二结果,作为该无人机当前时刻飞行速度。
较佳地,所述将期望飞行速度与时间间隔乘积的结果与第一结果相加,得到第二结果之后,进一步包括,
求取第二结果的饱和函数值,将该饱和函数值作为当前时刻飞行速度;
其中,
饱和函数值满足:
如果第二结果的范数大于最大飞行速度,则第二结果的饱和函数值为最大飞行速度,
如果第二结果的范数小于等于负的最大飞行速度,则第二结果的饱和函数值为负的最大飞行速度,
如果第二结果的范数大于负的最大飞行速度、且小于等于最大飞行速度,则第二结果的饱和函数值等于该第二结果。
较佳地,所述累计该无人机的所有邻居无人机的第三空间位置误差,得到第一结果,包括,
将设定的系数与第三空间位置误差相乘,乘积的结果作为第一结果;
其中,所述系数为正实数,或者为该无人机的邻居无人机集合的大小的倒数。
较佳地,所述当前时刻的飞行速度按照如下方式确定:
对于任一无人机,
累计该无人机的所有邻居无人机上一时刻的飞行速度,得到第三结果,
计算第三结果的范数,得到第四结果,
计算第三结果与第四结果的比值,
将所述比值与期望飞行速度相乘,得到该无人机当前时刻的飞行速度。
本发明还提供一种无人机群飞行的控制装置,该装置包括,
期望飞行状态获取模块,用于获取当前被执行的任务所期望的无人机群飞行状态,其中,无人机群包括至少两个以上无人飞机,
控制模块,用于当所期望的无人机群飞行状态的变化大于设定的变化阈值时,则采用层群策略控制,当所期望的无人机群飞行状态的变化不大于所述变化阈值时,则采用等群策略控制;
其中,飞行状态包括飞行速度、飞行方向、空间位置之一或其任意组合。
较佳地,所述控制模块包括,
第一控制子模块,用于进行层群策略控制,使得:无人机群中用于领飞的第一无人飞机下一时刻的空间位置等于,该第一无人机当前时刻的空间位置,与,该第一无人机当前时刻飞行速度与时间间隔的乘积结果之和,
无人机群中其余跟随第一无人飞机的任一第二无人飞机下一时刻的空间位置等于,该第二无人机当前时刻的空间位置,与,该第二无人机当前时刻飞行速度与时间间隔的乘积结果之和;
第二控制子模块,用于进行等群策略控制,使得:无人机群中任一无人机下一时刻的空间位置等于,该无人机当前时刻的空间位置,与,该无人机当前时刻飞行速度与时间间隔的乘积结果之和;
其中,时间间隔为下一时刻与当前时刻之间的时长。
较佳地,所述当前时刻的飞行速度按照如下方式确定:
对于任一无人机的任一邻居无人机,
计算该邻居无人机当前时刻的上一时刻的空间位置与该邻居无人机期望空间相对位置之间的第一空间位置误差,
计算该无人机当前时刻的上一时刻的空间位置与该无人机期望空间相对位置之间的第二空间位置误差,
计算第一空间位置误差与第二空间位置误差之间的差值,得到该邻居无人机的第三空间位置误差;
累计该无人机的所有邻居无人机的第三空间位置误差,得到第一结果,
将期望飞行速度与时间间隔乘积的结果与第一结果相加,得到第二结果,作为该无人机当前时刻飞行速度;
或者,
对于任一无人机,
累计该无人机的所有邻居无人机上一时刻的飞行速度,得到第三结果,
计算第三结果的范数,得到第四结果,
计算第三结果与第四结果的比值,
将所述比值与期望飞行速度相乘,得到该无人机当前时刻的飞行速度。
本发明提出的一种无人机群飞行的控制方法,借鉴鸟类的飞行模式,引入层群策略与等群策略,实现多无人机基于策略切换的群体飞行控制,使飞行自组网系统兼具灵活机动和平稳飞行的能力;飞行自组网的所有无人机节点均采用分布式控制方式,使系统整体位置逐渐形成编队或聚集,速度则趋向于预设速度(层群策略中)或平均速度(等群策略中),同时,通过层群策略和等群策略的切换,能够使系统在执行任务时具有高机动性,在平稳飞行时有效地节省能量。
附图说明
图1为本申请实施例无人机群飞行控制方法的一种流程示意图。
图2为本申请实施例无人机群飞行控制方法的一种流程示意图。
图3~6为采用本申请控制方法的仿真示意图,其中,空间位置为二维空间的。
图7为本申请实施例无人机群飞行控制装置的一种示意图。
具体实施方式
为了使本申请的目的、技术手段和优点更加清楚明白,以下结合附图对本申请做进一步详细说明。
本发明提供的一种无人机群飞行控制方法,在期望无人机编队具有高机动性场景下,例如执行任务的过程中需要高机动性,则采用层群策略增加无人机编队的机动性,提升任务执行效率;在期望无人机平稳飞行的场景下,例如在前往目标区域的过程中,则采用等群策略减少能量消耗,增加飞行距离;通过在不同场景应用不同编队飞行策略,更好地发挥无人机编队的优势。
其中,层群策略具有高移动性、高灵活性的优点,能够提升无人机编队的响应速度,更快地完成整个编队的速度更新与同步,故而适用于无人机需要高机动的情况;等群策略具有节能的优点,能够显著地节省飞行过程中的能量消耗,飞行更远的距离,故而适用于长距离平稳飞行。
参见图1所示,图1为本申请实施例无人机群飞行控制方法的一种流程示意图。该方法包括,
步骤101,获取当前被执行的任务所期望的无人机群飞行状态,其中,无人机群包括至少两个以上无人飞机,
步骤102,判断所期望无人机群飞行状态的变化是否大于设定的变化阈值,
当所期望的无人机群飞行状态的变化大于设定的变化阈值时,则采用层群策略控制,
当所期望的无人机群飞行状态的变化不大于所述变化阈值时,则采用等群策略控制;
其中,飞行状态包括飞行速度、飞行方向、空间位置之一或其任意组合,变化阈值包括所述飞行状态变化阈值。
为便于理解本申请,以下以一具体实施方式予以说明。
参见图2所示,图2为本申请实施例无人机群飞行控制方法的一种流程示意图。该方法包括,
步骤201,获取当前被执行的任务所期望的无人机群飞行状态,
如果期望机动飞行,例如,期望快速改变飞行方向和速度,则执行步骤202,采用层群策略控制,
如果期望保持平稳飞行,例如,不频繁地改变飞行状态,则执行步骤203,采用等群策略控制,
其中,飞行状态包括飞行方向、飞行速度、空间位置之一或其任意组合。
通过层群策略控制与等群策略控制的切换,在不同场景下发挥两种策略控制各自的优势,从而从整体上兼顾灵活机动与平稳飞行。
步骤202,以如下方式实现层群策略控制:
设无人机群共计N+1架无人机,其中一架为领导者,其余为跟随者。
设用于领飞的第一无人机在k时刻的空间位置为P0(k),跟随第一无人机的任一第二无人机m在k时刻的空间位置为Pm(k),其中,m≠0,m≤N,空间位置可以用三维空间坐标信息表示。
对于第一无人机,其飞行控制模型满足:下一时刻的空间位置等于,当前时刻的空间位置,与当前时刻第一无人机的飞行速度与时间间隔的乘积结果之和,用数学式表示为:
P0(k+1)=P0(k)+u0(k)Δt 式(1)
其中,P0(k)为第一无人机当前时刻k的空间位置,P0(k+1)为第一无人机下一时刻k+1的空间位置,u0(k)为第一无人机的飞行速度,直接从外部输入,Δt为下一时刻k+1与当前时刻k之间的时间间隔。
对于每一第二无人机m,其飞行控制模型满足:下一时刻的空间位置等于,当前时刻的空间位置,与当前时刻第二无人机的飞行速度与时间间隔的乘积结果之和,用数学式表示为:
Pm(k+1)=Pm(k)+um(k)Δt 式(2)
其中,Pm(k)为第二无人机m当前时刻k的空间位置,Pm(k+1)为第二无人机m下一时刻k+1的空间位置,um(k)为当前时刻k用于控制第二无人机m的飞行速度的输入。
上述飞行速度为三维空间方向上的速度,故而,P、u为向量或矩阵。
设无人机群中的任一无人机i的邻居无人机集合中的任一邻居无人机j,所述邻居无人机是指与本无人机之间能够进行直接通信的无人机,则包括这些无人机的集合便为邻居无人机集合。
作为一种实施方式,任一无人机i当前时刻k的速度控制输入可以按照如下方式确定:
对于无人机i的任一邻居无人机j:
计算邻居无人机j在当前时刻的上一时刻k-1的空间位置与该邻居无人机期望相对空间位置之间的第一空间位置误差,其中,邻居无人机j为无人机i的邻居无人机集合中的任一个,
计算无人机i在当前时刻的上一时刻k-1的空间位置与该无人机期望相空间对位置之间的第二空间位置误差,
计算第一空间位置误差与第二空间位置误差之间的差值,得到邻居无人机j的第三空间位置误差。
累计无人机i的邻居无人机集合中所有邻居无人机的第三空间位置误差,得到第一结果,
将第一结果乘以设定的系数,以用于使得第一结果收敛,并累加计算期望飞行速度与时间间隔的乘积结果,得到第二结果,
求取第二结果的饱和函数值,以使得无人机的飞行速度不会超过实际的最大飞行速度,得到无人机i当前时刻k的飞行速度。
用数学式表示为:
其中,
δi和δj分别是无人机i、j的期望相对空间位置,用于表示无人机在期望编队飞行策略中期望所在编队队形中的空间位置相对于设定参考位置的位置,
u*是期望飞行速度,
α为设定的系数,其可以为正实数,也可以为ni的倒数,根据收敛的情况确定,
Pj(k-1)-δj为第一空间位置误差,
Pi(k-1)-δi为第二空间位置误差,
sat(x)为饱和函数,满足:
所述符号‖‖表示范数,ω为最大飞行速度。
采用该方式所确定的各个无人机的速度控制输入,使得无人机群形成预设的编队队形。
作为另一种实施方式,所述无人机i当前时刻k的速度控制输入可以按照如下方式确定:
累计上一时刻无人机i的所有邻居无人机j的飞行速度,得到第三结果,
计算第三结果的范数,得到第四结果,
计算第三结果与第四结果的比值,
将该比值与期望飞行速度相乘,得到无人机i当前时刻k的控制输入。
用数学式表示为:
采用该方式所确定的各个无人机的速度控制输入,使得无人机最终能够以相同的速度向指定方向飞行。
步骤203,以如下方式实现等群策略:
设无人机群共计N+1架无人机,
对于任一无人机m,其飞行控制模型满足:下一时刻的空间位置等于,当前时刻的空间位置,与,当前时刻飞行速度与时间间隔的乘积结果之和,用数学式表示为:
Pm(k+1)=Pm(k)+um(k)Δt 式(6)
其中,um(k)可以按照式(3)或(5)确定。
在步骤202、203中,层群策略和等群策略均利用无人机的空间位置信息,通过控制每架无人机的速度,从而实现所有无人机位置形成预设编队或逐渐聚集,并且,
当采用式(3)作为速度控制输入时,无人机i与其邻居无人机j趋向于相同速度,即:
当采用式(5)作为速度控制输入时,无人机i与其邻居无人机j趋向于相同速度,即:
其中,C为设定的空间位置误差阈值。
在本实施例中,无人机群通过编队飞行策略的切换,能够充分发挥飞行自组网的优势,高效高质量的完成目标任务;并且本发明考虑到实际的无人机存在最大速度限制,引入了速度饱和,以便适用于现实中多种不同类型的无人机,使得本申请的控制方法具有切实可行性。
参见图3所示,图3描述了采用层群策略,式(3)作为速度控制输入情况下,所有第二无人机以第一无人机的位置作为目标,逐渐向其趋近,最终在第一无人机周围形成预设编队并继续飞行。
图4描述了采用层群策略,式(5)作为速度控制输入情况下,所有第二无人机以第一无人机的飞行方向作为参考,最终与第一无人机飞行方向一致。
图5描述了采用等群策略,式(3)作为控制输入情况下,所有无人机逐渐聚集,组成编队并继续飞行。
图6描述了采用等群策略,式(5)作为控制输入情况下,所有无人机最终的飞行方向一致。
参见图7所示,图7为本申请无人机群飞行的控制装置的一种示意图。该控制装置包括,
期望飞行状态获取模块,用于获取当前被执行的任务所期望的无人机群飞行状态,其中,无人机群包括至少两个以上无人飞机,
控制模块,用于当所期望的无人机群飞行状态的变化大于设定的变化阈值时,则采用层群策略控制,当所期望的无人机群飞行状态的变化不大于所述变化阈值时,则采用等群策略控制;
所述控制模块包括,
第一控制子模块,用于进行层群策略控制,使得:无人机群中用于领飞的第一无人飞机下一时刻的空间位置等于,该第一无人机当前时刻的空间位置,与,该第一无人机当前时刻飞行速度与时间间隔的乘积结果之和,
无人机群中其余跟随第一无人飞机的任一第二无人飞机下一时刻的空间位置等于,该第二无人机当前时刻的空间位置,与,该第二无人机当前时刻飞行速度与时间间隔的乘积结果之和;
第二控制子模块,用于进行等群策略控制,使得:无人机群中任一无人机下一时刻的空间位置等于,该无人机当前时刻的空间位置,与,该无人机当前时刻飞行速度与时间间隔的乘积结果之和;
其中,时间间隔为下一时刻与当前时刻之间的时长。
本发明实施例还提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现任一无人机群飞行的控制方法的步骤。
对于装置/网络侧设备/存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种无人机群飞行的控制方法,其特征在于,该方法包括,
获取当前被执行的任务所期望的无人机群飞行状态,其中,无人机群包括至少两个以上无人飞机,
当所期望的无人机群飞行状态的变化大于设定的变化阈值时,则采用层群策略控制,
当所期望的无人机群飞行状态的变化不大于所述变化阈值时,则采用等群策略控制;
其中,
飞行状态包括飞行速度、飞行方向、空间位置之一或其任意组合;
层群策略控制包括:
无人机群中用于领飞的第一无人飞机下一时刻的空间位置等于,该第一无人机当前时刻的空间位置,与,该第一无人机当前时刻飞行速度与时间间隔的乘积结果之和,
无人机群中其余跟随第一无人飞机的任一第二无人飞机下一时刻的空间位置等于,该第二无人机当前时刻的空间位置,与,该第二无人机当前时刻飞行速度与时间间隔的乘积结果之和;
等群策略控制包括:
无人机群中任一无人机下一时刻的空间位置等于,该无人机当前时刻的空间位置,与,该无人机当前时刻飞行速度与时间间隔的乘积结果之和;
所述时间间隔为下一时刻与当前时刻之间的时长。
2.如权利要求1所述的控制方法,其特征在于,所述当前时刻的飞行速度按照如下方式确定:
对于任一无人机的任一邻居无人机,
计算该邻居无人机当前时刻的上一时刻的空间位置与该邻居无人机期望相对空间位置之间的第一空间位置误差,
计算该无人机当前时刻的上一时刻的空间位置与该无人机期望相对空间位置之间的第二空间位置误差,
计算第一空间位置误差与第二空间位置误差之间的差值,得到该邻居无人机的第三空间位置误差;
累计该无人机的所有邻居无人机的第三空间位置误差,得到第一结果,
将期望飞行速度与时间间隔乘积的结果与第一结果相加,得到第二结果,作为该无人机当前时刻飞行速度。
3.如权利要求2所述的控制方法,其特征在于,所述将期望飞行速度与时间间隔乘积的结果与第一结果相加,得到第二结果之后,进一步包括,
求取第二结果的饱和函数值,将该饱和函数值作为当前时刻飞行速度;
其中,
饱和函数值满足:
如果第二结果的范数大于最大飞行速度,则第二结果的饱和函数值为最大飞行速度,
如果第二结果的范数小于等于负的最大飞行速度,则第二结果的饱和函数值为负的最大飞行速度,
如果第二结果的范数大于负的最大飞行速度、且小于等于最大飞行速度,则第二结果的饱和函数值等于该第二结果。
4.如权利要求2所述的控制方法,其特征在于,所述累计该无人机的所有邻居无人机的第三空间位置误差,得到第一结果,包括,
将设定的系数与第三空间位置误差相乘,乘积的结果作为第一结果;
其中,
所述系数为正实数,或者为该无人机的邻居无人机集合的大小的倒数。
5.如权利要求2所述的控制方法,其特征在于,所述当前时刻的飞行速度按照如下方式确定:
对于任一无人机,
累计该无人机的所有邻居无人机上一时刻的飞行速度,得到第三结果,
计算第三结果的范数,得到第四结果,
计算第三结果与第四结果的比值,
将所述比值与期望飞行速度相乘,得到该无人机当前时刻的飞行速度。
6.一种无人机群飞行的控制装置,其特征在于,该装置包括,
期望飞行状态获取模块,用于获取当前被执行的任务所期望的无人机群飞行状态,其中,无人机群包括至少两个以上无人飞机,
控制模块,用于当所期望的无人机群飞行状态的变化大于设定的变化阈值时,则采用层群策略控制,当所期望的无人机群飞行状态的变化不大于所述变化阈值时,则采用等群策略控制;
其中,
飞行状态包括飞行速度、飞行方向、空间位置之一或其任意组合;
层群策略控制包括:无人机群中用于领飞的第一无人飞机下一时刻的空间位置等于,该第一无人机当前时刻的空间位置,与,该第一无人机当前时刻飞行速度与时间间隔的乘积结果之和,
无人机群中其余跟随第一无人飞机的任一第二无人飞机下一时刻的空间位置等于,该第二无人机当前时刻的空间位置,与,该第二无人机当前时刻飞行速度与时间间隔的乘积结果之和;
群策略控制包括:无人机群中任一无人机下一时刻的空间位置等于,该无人机当前时刻的空间位置,与,该无人机当前时刻飞行速度与时间间隔的乘积结果之和;
所述时间间隔为下一时刻与当前时刻之间的时长。
7.如权利要求6所述的控制装置,其特征在于,所述控制模块被配置为:
当前时刻的飞行速度按照如下方式确定:
对于任一无人机的任一邻居无人机,
计算该邻居无人机当前时刻的上一时刻的空间位置与该邻居无人机期望空间相对位置之间的第一空间位置误差,
计算该无人机当前时刻的上一时刻的空间位置与该无人机期望空间相对位置之间的第二空间位置误差,
计算第一空间位置误差与第二空间位置误差之间的差值,得到该邻居无人机的第三空间位置误差;
累计该无人机的所有邻居无人机的第三空间位置误差,得到第一结果,
将期望飞行速度与时间间隔乘积的结果与第一结果相加,得到第二结果,作为该无人机当前时刻飞行速度;
或者,
对于任一无人机,
累计该无人机的所有邻居无人机上一时刻的飞行速度,得到第三结果,
计算第三结果的范数,得到第四结果,
计算第三结果与第四结果的比值,
将所述比值与期望飞行速度相乘,得到该无人机当前时刻的飞行速度。
8.如权利要求7所述的控制装置,其特征在于,所述控制模块还被配置为:
将期望飞行速度与时间间隔乘积的结果与第一结果相加,得到第二结果之后,求取第二结果的饱和函数值,将该饱和函数值作为当前时刻飞行速度;
其中,
饱和函数值满足:
如果第二结果的范数大于最大飞行速度,则第二结果的饱和函数值为最大飞行速度,
如果第二结果的范数小于等于负的最大飞行速度,则第二结果的饱和函数值为负的最大飞行速度,
如果第二结果的范数大于负的最大飞行速度、且小于等于最大飞行速度,则第二结果的饱和函数值等于该第二结果。
9.如权利要求7所述的控制装置,其特征在于,所述控制模块被配置为:
将设定的系数与第三空间位置误差相乘,乘积的结果作为第一结果;
其中,
所述系数为正实数,或者为该无人机的邻居无人机集合的大小的倒数。
10.如权利要求7所述的控制装置,其特征在于,所述控制模块被配置为:
对于任一无人机,
累计该无人机的所有邻居无人机上一时刻的飞行速度,得到第三结果,
计算第三结果的范数,得到第四结果,
计算第三结果与第四结果的比值,
将所述比值与期望飞行速度相乘,得到该无人机当前时刻的飞行速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110946582.2A CN113495574B (zh) | 2021-08-18 | 2021-08-18 | 一种无人机群飞行的控制方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110946582.2A CN113495574B (zh) | 2021-08-18 | 2021-08-18 | 一种无人机群飞行的控制方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113495574A CN113495574A (zh) | 2021-10-12 |
CN113495574B true CN113495574B (zh) | 2023-05-23 |
Family
ID=77996765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110946582.2A Active CN113495574B (zh) | 2021-08-18 | 2021-08-18 | 一种无人机群飞行的控制方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113495574B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116414148B (zh) * | 2023-03-15 | 2023-12-05 | 华中科技大学 | 一种分布式的旋翼无人机协同控制方法、装置和系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110007688A (zh) * | 2019-04-25 | 2019-07-12 | 西安电子科技大学 | 一种基于强化学习的无人机集群分布式编队方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103941728A (zh) * | 2014-04-24 | 2014-07-23 | 北京航空航天大学 | 一种无人机密集自主编队的队形变换方法 |
US11198524B2 (en) * | 2015-03-02 | 2021-12-14 | Technion Research & Development Foundation Limited | Terrestrially observable displays from space |
CN108803667B (zh) * | 2018-05-30 | 2021-04-09 | 北京邮电大学 | 一种无人机协同监测与跟踪方法 |
CN108563240B (zh) * | 2018-07-26 | 2020-09-29 | 电子科技大学 | 一种大规模微型无人机的编队及控制方法 |
CN109782798B (zh) * | 2019-01-22 | 2020-03-27 | 北京航空航天大学 | 一种基于Boid模型的无人机群编队方法 |
-
2021
- 2021-08-18 CN CN202110946582.2A patent/CN113495574B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110007688A (zh) * | 2019-04-25 | 2019-07-12 | 西安电子科技大学 | 一种基于强化学习的无人机集群分布式编队方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113495574A (zh) | 2021-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ni et al. | Leader-following consensus of multi-agent systems under fixed and switching topologies | |
Yanmaz et al. | A discrete stochastic process for coverage analysis of autonomous UAV networks | |
CN112788699B (zh) | 一种飞行自组织网网络拓扑确定方法及系统 | |
Zhao et al. | Regular topology formation based on artificial forces for distributed mobile robotic networks | |
CN114020042A (zh) | 一种异构无人集群编队合围跟踪控制方法及系统 | |
CN110825116B (zh) | 基于时变网络拓扑的无人机编队方法 | |
Rosalie et al. | Coverage optimization with connectivity preservation for uav swarms applying chaotic dynamics | |
CN113552899B (zh) | 一种通信链路受限下的多无人机自主协同搜索方法 | |
Zhu et al. | Path planning of multi-UAVs based on deep Q-network for energy-efficient data collection in UAVs-assisted IoT | |
CN113495574B (zh) | 一种无人机群飞行的控制方法、装置 | |
CN111983923B (zh) | 一种受限多智能体系统编队控制方法、系统及设备 | |
Wang et al. | An intelligent UAV based data aggregation algorithm for 5G-enabled internet of things | |
Sharma et al. | Efficient cooperative relaying in flying ad hoc networks using fuzzy-bee colony optimization | |
CN114518772B (zh) | 一种拒止环境下无人机蜂群自组织方法 | |
CN114828146A (zh) | 一种基于神经网络和迭代学习的无人集群地理位置路由方法 | |
Yu et al. | Distributed generation and control of persistent formation for multi-agent systems | |
CN113985915A (zh) | 一种高阶群系统多领导者分簇编队跟踪控制方法 | |
CN113625767A (zh) | 一种基于优选信息素灰狼算法的固定翼无人机集群协同路径规划方法 | |
CN111024081B (zh) | 一种无人机群对单移动时敏目标侦察路径规划方法 | |
Devaraju et al. | A connectivity-aware pheromone mobility model for autonomous uav networks | |
CN110673651A (zh) | 一种通信受限条件下的无人机群鲁棒编队方法 | |
Wang et al. | Knowledge distillation based cooperative reinforcement learning for connectivity preservation in uav networks | |
CN115390583A (zh) | 无人机集群鲁棒分布式固定时间二部包含控制方法 | |
CN112867023B (zh) | 一种通过动态调度无人终端最小化感知数据获取时延方法 | |
CN114598721A (zh) | 基于轨迹与资源联合优化的高能效数据收集方法及系统 |
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 |