CN113625755A - 一种仿候鸟迁徙行为的无人机集群自主编队控制方法 - Google Patents
一种仿候鸟迁徙行为的无人机集群自主编队控制方法 Download PDFInfo
- Publication number
- CN113625755A CN113625755A CN202110907956.XA CN202110907956A CN113625755A CN 113625755 A CN113625755 A CN 113625755A CN 202110907956 A CN202110907956 A CN 202110907956A CN 113625755 A CN113625755 A CN 113625755A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- flight
- cluster
- leader
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000001617 migratory effect Effects 0.000 title claims abstract description 29
- 230000005012 migration Effects 0.000 title claims abstract description 22
- 238000013508 migration Methods 0.000 title claims abstract description 22
- 238000004088 simulation Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 4
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000005406 washing Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 230000006399 behavior Effects 0.000 abstract description 17
- 238000011217 control strategy Methods 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 241000271566 Aves Species 0.000 description 19
- 230000004888 barrier function Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 241000272161 Charadriiformes Species 0.000 description 1
- 241001529251 Gallinago gallinago Species 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000011144 upstream manufacturing 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
本发明公开一种仿候鸟迁徙行为的无人机集群自主编队控制方法,其实现步骤为:步骤一:无人机集群初始化;步骤二:确定长机;步骤三:确定各无人机之间的领导关系;步骤四:长机判断前方飞行环境是否存在障碍物;步骤五:环境中无障碍物飞行模式;步骤六:环境中有障碍物飞行模式;步骤七:无人机驾驶仪控制指令更新;步骤八:编队重构。该方法旨在实现多无人机的自主编队飞行,模拟候鸟在长途迁徙时表现出的集群行为,用于设计无人机集群编队控制策略,提高了无人机集群的鲁棒性和对环境的适应性,有效提高无人机自主能力水平。
Description
技术领域
本发明涉及一种仿候鸟迁徙行为的无人机集群自主编队控制方法,属于无人机自主控制领域。
背景技术
无人机(Unmanned Aerial Vehicle,简称UAV)是无人驾驶的飞行器的总称,是利用无线电装置遥控和自身程序控制装置操控的飞行器,有着“平台无人、系统有人”的特殊性。近年来,无人机凭借着建造和使用成本较低、地勤保障要求低、机动性强、安全风险系数小等优势,在军用与民用方面发展迅速,且前景广阔。
随着无人机技术的不断发展,无人机在实践应用中的需求、任务也逐渐复杂、多样化。由于无人机本身体积较小、重量也较轻,在单架无人机执行某些复杂任务时,往往受到其感知能力、载荷能力与计算能力等方面的制约,造成执行效率降低甚至无法顺利完成任务。为克服这一问题,将多架无人机组成拥有共同任务目标的集群,通过每架无人机之间的协调合作,使集群整体效能远超过单机效果的简单叠加。将多架拥有自主飞行能力的无人机,按照一定的空间构型进行排列,在执行任务的过程中,保持一定的编队队形,并实现稳定飞行,当外部环境或任务需求发生改变时,集群的空间架构能够及时产生动态调整,以适应新的飞行环境与任务需求。多无人机自主编队飞行是实现和增强无人机执行任务能力的关键技术之一,集群编队有着单个无人机无法比拟的优势。
目前,无人机自主编队控制方法主要包括:长-僚法、基于行为法、虚拟结构法。长-僚法具有较强的扩展性,对群体通讯要求较低,但依赖于单个目标体状态,有时很难达到预期效果;基于行为法是定义无人机的几种基本控制行为,例如跟随、避障和队形保持等,但该方法依赖于预设信息和触发条件来形成控制指令,整个方法的适应度和灵活性较低;虚拟结构法将编队看作一个虚拟的刚体,设定一个虚拟长机或虚拟的几何中心作为参照点,领导所有无人机运动,该方法克服了长-僚模式中长机出现故障后编队队形无法保持的缺点,但对通讯能力和计算能力要求较高,使得整体的可靠性降低。
在自然界中,鸟群的飞行给人以启发,大约1800种鸟类(占比约20%)是远距离迁徙的候鸟,进行数百至数千公里的季节性长途迁徙。例如,阿穆尔隼在西伯利亚、蒙古和中国东北繁殖,每年秋天穿越印度洋,经过11000公里的旅途飞往南非;北极燕鸥在北极繁衍,但在秋天它们飞到南极过冬,然后在晚春返回北极;斑尾塍鹬能够中途不降落,从澳大利亚一路飞往阿拉斯加,行程长达11677公里,是迄今为止人类发现的不间断迁徙飞行距离最长的鸟类。为了减少在飞行过程中的能量消耗,大型鸟类发展出了一些群集的行为策略,成百上千只鸟类聚集在特定的区域利用热上升气流来获得高度然后进行滑翔飞行,或组成“V”字、梯形编队飞行以通过空气动力学效应减少能源需求。鉴于鸟类迁徙飞行集群行为机制与无人机编队飞行的相似性的启发,本发明提出了一种区别于上述长-僚法、基于行为法、虚拟结构法的一种仿生方法,即一种仿候鸟迁徙行为的无人机集群自主编队控制方法,将鸟群迁徙飞行机制中邻居个体交互、自组织性等特点映射到无人机自主编队方法中,以提高无人机自主编队控制水平。
发明内容
为解决上述问题,本发明提出了一种仿候鸟迁徙行为的无人机集群自主编队控制方法,其目的是提供了一种多无人机自主编队控制方法,旨在依据不同的飞行环境特点,切换飞行模式,提高无人机集群的飞行续航时间、环境适应性与自主能力水平。
本发明提出了一种仿候鸟迁徙行为的无人机集群编队控制方法,适应性较好,为无人机集群的自主编队飞行控制提供了一种可能性手段,该方法的步骤流程图如附图1所示,其中的主要实施步骤如下:
步骤一:无人机集群初始化
随机生成n架无人机的初始状态,包括无人机的编号i,飞行速度Vi,飞行高度Hi,空间位置坐标[Xi,Yi],其中Xi为地面坐标系下的横坐标,Yi为地面坐标系下的纵坐标,航向角ψi以及高度变化率ζi。
步骤二:确定长机
仿照候鸟鸟群中,头鸟位于整个鸟群空间位置的最前方并领导鸟群飞行的特点,沿着集群飞行方向,当前空间位置位于无人机集群最前方的无人机个体视为长机。集群中,除一架长机外,其它无人机均为僚机。
当存在不止一架无人机位于集群最前方时,指定这些无人机中位于最右侧的无人机为集群的长机。
步骤三:确定各无人机之间的领导关系
仿照候鸟迁徙的行为机制,除头鸟外,每只候鸟都会选择飞行方向前方、距离自己最近的个体作为领导者,与其相互交换信息,并根据领导者的飞行状态对自身行为做出调整。在无人机集群中,除长机外,其余无人机均为僚机,每架僚机将飞行方向前方与自己拓扑距离最近的无人机视为领导者,进行信息交互,根据领导者的飞行状态调整自己的飞行状态。长机没有领导者,僚机选择的领导者可以为长机,也可以为其他僚机。两架分别位于(xi,yi),(xj,yj)的无人机,定义两架无人机之间的加权距离为其中0<k<1,权重k的引入使得X方向的权重大于Y方向的权重,这样做是为了控制无人机更倾向于选择自身前向的无人机作为领导者,而非选择侧向距离更近的无人机作为领导者。由步骤二中的确定长机原则可知,当存在不止一架无人机位于集群最前方时,最右侧的无人机作为集群的长机,集群最前方的其余无人机选择自己右侧最近的无人机作为领导者。
候鸟在迁徙飞行过程中,主要与距离自己最近的两个个体进行通信。在这种仿照候鸟迁徙的领导-跟随模式下,无人机集群的编队网络同样采取此局部通信的规则,每架无人机分别与自己的领导者与跟随者之间互相交换彼此的信息,判断下一时刻无人机的运动状态,以此形成稳定的编队。
步骤四:长机判断前方飞行环境是否存在障碍物
候鸟迁徙途中,整个鸟群的飞行方向由头鸟进行决策,跟随者仅根据头鸟的运动状态调节自身的运动状态。当飞行路径中遇到需要躲避的障碍物时,
由步骤三中确认的长机判断前方飞行区域是否存在障碍物,若环境中不存在障碍物,则转到步骤五;若环境中存在障碍物,则转到步骤六。
步骤五:环境中无障碍物飞行模式
仿照候鸟在长途迁徙时,处于鸟群中的从鸟在跟随自己的领导者飞行,跟随位置刚好处于前方领导者翅膀扇动产生尾流的上洗气流最大处。若初始时刻,从鸟的飞行位置处于领导者的左后侧,则它会朝着领导者左后侧的上洗气流最大处飞行;若初始时刻,从鸟的飞行位置处于领导者的右后侧,则它会朝着领导者右后侧的上洗气流最大处飞行。该机制映射到无人机集群中,若僚机的初始飞行位置位于领导者左后侧时,则朝着领导者左后侧的期望跟随位置飞行,若僚机的初始飞行位置位于领导者右后侧时,则朝着领导者右后侧的期望位置飞行。若僚机的初始飞行位置刚好位于领导者的正后方,则统一规定为朝着领导者右后侧的期望跟随位置飞行。所述的期望位置的选择可根据具体的任务需求,人为给定并动态调整。通常情况下,如果对无人机集群的编队构型没有特殊要求,为了提高集群编队飞行的效率,跟随者的期望跟随位置会选在领导者尾流中上洗气流最大处,利用领导者的尾流节约跟随无人机的动能。无人机集群在环境中无障碍物时的飞行编队构型如附图2所示。如图所示,1号无人机为长机,长机为2号无人机与3号无人机的领导者,同理,2号无人机为4号无人机的领导者,3号无人机为5号无人机的领导者。沿着无人机集群飞行方向,长机左侧的无人机均飞行在自身领导者左后侧的期望跟随位置上,长机右侧的无人机飞行在自身领导者右后侧的期望跟随位置上。
步骤六:环境中有障碍物飞行模式
候鸟在长途编队迁徙过程中,飞行方向与路径主要由头鸟进行决定觉得,从鸟根据头鸟的飞行信息跟随飞行。当前方飞行区域遇到障碍物时,由头鸟选择躲避路线,从鸟继续跟随飞行。仿照候鸟鸟群避障机制,无人机集群编队飞行时,长机负责实时探测前方飞行区域的障碍物。若长机探测到前方飞行区域存在障碍,为了充分利用有限的可飞行空间,顺利通过障碍区域避免发生碰撞损伤,则集群采用占用空间更小、更紧密的梯形编队构型。此时,相较于飞行在领导者的上洗气流最大处获得升力节省能量,有效躲避障碍物更为重要。保留步骤三中确定的领导关系,将各僚机的跟随位置调整为各无人机之间能够安全飞行的最小间距,设无人机翼展为b,则左右相邻的两架无人机之间的最小安全飞行间距为直至集群编队中末尾的无人机通过障碍区域。无人机集群通过障碍区域时采取的紧密编队构型如附图3所示,直接跟随1号长机的2号无人机与3号无人机之间的间距为4号无人机跟随在2号无人机正后方,5号无人机跟随在3号无人机正后方,4号无人机与5号无人机之间的间距也为
当无人机探测到前方飞行区域内的障碍物后,无人机受到障碍物的排斥力使其朝远离障碍物的方向运动,排斥力的具体计算公式为:
其中η为排斥力的比例因子且η恒正,ρ(q,qobs)=||qobs-q||为无人机和障碍物qobs之间最小距离,ρ0为无人机能够感知障碍物的最大距离,即障碍物对无人机排斥力的作用范围。当无人机与障碍物之间的距离超过该作用范围时,障碍物对无人机不再产生排斥力。排斥力场相应的排斥力函数为:
无人机集群有障碍物环境下的编队飞行示意图如附图7所示。
步骤七:无人机驾驶仪控制指令更新
当无人机集群中长机根据前方飞行环境确定飞行模式并确定各僚机的期望跟随位置后,集群中的所有无人机执行步骤七,各自生成自身的驾驶仪控制指令,具体方法如下所示。
长机的仿真模型为:
僚机的仿真模型为:
其中,(x,y,VW,ψW,z,ζ)表示的是无人机的六个状态量。x、y、z(z=hW-hL)分别表示的是僚机与领导者之间的距离。VW、ψW分别为僚机的飞行速度、航向角的值。(ψWc,VWc,hWc)分别为僚机的航向角、飞行速度以及飞行高度的控制输入量;τv、τψ和分别表示速度驾驶仪、航向驾驶仪和高度驾驶仪的时间常量。(ψL,VL,hLc)为领导者的航向角、飞行速度以及高度。分别为僚机与领导者之间的纵向、横向以及垂直方向的期望距离,表示动压,S表示无人机的机翼面积,m表示无人机的质量,以及分别为阻力、升力和侧力变化的稳定性导数。
其中,kx、ky、kz、kV和kψ分别为前向误差、侧向误差、高度误差、速度误差和航向角误差的控制增益。
当五架无人机组成的集群由初始状态到形成稳定飞行编队时,各架无人机的方位角、速度与高度的变化曲线分别如附图4、附图5与附图6所示。
步骤八:编队重构
当无人机集群中末尾的无人机通过障碍区域,且长机探测到前方飞行区域不存在障碍物时,由长机发出模式切换指令,将无人机集群编队飞行控制模式切换至环境中无障碍物的飞行模式,再通过邻居间交互的局部通信网络将指令发送至集群中的每架无人机,然后跳转至步骤七,对各架无人机的驾驶仪控制指令进行更新,形成V字形编队飞行,则仿真结束;否则,返回步骤四。
本发明提出了一种仿候鸟迁徙行为的无人机集群自主编队控制方法,其目的是实现多无人机的自主编队飞行。本方法包括了无人机集群编队控制、编队重构以及避障的功能,模拟候鸟在长途迁徙时发展出的集群行为,用于设计无人机集群编队控制策略。本发明面对不同环境与任务时,均表现出较强的适应性与有效性。
附图说明
图中标号及符号说明如下:
图1仿候鸟迁徙行为的无人机集群自主编队控制流程。
图2本发明实施例中5架无人机集群V字形编队示意图
图3本发明实施例中5架无人机集群紧密编队示意图
图4本发明实施例中5架无人机集群编队控制方位角变化曲线
图5本发明实施例中5架无人机集群编队控制速度变化曲线
图6本发明实施例中5架无人机集群编队控制高度变化曲线
图7本发明实施例中仿候鸟迁徙行为的5架无人机集群自主编队飞行航迹
具体实施方式
下面通过一个具体的无人机自主编队控制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Intel Core i7-8750H处理器,2.20GHz主频,16G内存,软件为MATLAB2020a版本。
本方法的具体步骤如下:
步骤一:无人机集群初始化
随机生成5架无人机的初始状态:无人机1到无人机5,飞行速度分别为210m/s、195m/s、175m/s、200m/s和230m/s,沿着X轴的正向飞行,飞行高度分别为5000m、5050m、5100m、4900m和4800m,空间位置坐标分别为[0,-20]、[0,10]、[-10,-30]、[-20,30]、和[-30,30],航向角分别为15°、20°、10°、0°和-10°,高度变化率均为0。
步骤二:确定长机
由于集群沿着X轴正向飞行,在步骤一初始化的5架无人机集群中,位于集群最前方的无人机为无人机1号和无人机2号,依据长机确定原则,当存在不止一架无人机位于集群最前方时,指定这些无人机中位于最右侧的视为集群的长机,即将无人机1号确定为长机。
步骤三:确定各无人机之间的领导关系
无人机1号确定为集群的长机,则无人机2、3、4、5号均为僚机,将飞行方向前方与自己拓扑距离最近的无人机视为领导者,进行跟随飞行与信息交互。无人机1号为无人机2号与无人机3号的领导者,无人机2号为无人机4号的领导者,无人机3号为无人机5号的领导者。
步骤四:长机判断前方飞行环境是否存在障碍物
由无人机1号长机判断前方飞行区域是否存在障碍物,若环境中不存在障碍物,则转到步骤五;若环境中存在障碍物,则转到步骤六。
步骤五:环境中无障碍物飞行模式
当长机探测到的前方飞行区域内不存在障碍物时,5架无人机以V字形编队飞行。由于在初始位置时,无人机2号位于无人机1号左侧,所以无人机2号会飞向无人机1号的左侧期望跟随位置,同理,无人机3号会飞向无人机1号的右侧跟随位置,无人机4号会飞向无人机2号的左侧跟随位置,无人机5号在无人机3号的正后方,按照确定期望跟随位置规则,会飞向无人机3号的右侧期望跟随位置。实例中,僚机与跟随者之间X轴方向的前向期望距离设为10米,Y轴方向的侧向期望距离设为8米。
步骤六:环境中有障碍物飞行模式
当长机探测到的前方飞行区域内存在障碍物时,5架无人机以最小安全飞行距离为期望距离进行紧密编队,保留步骤三中确定的领导者与僚机之间的对应关系,改变僚机与领导者之间的期望距离。实例中,将跟随长机飞行的无人机2号为无人机3号的X轴方向的前向期望距离设为5米,Y轴方向的侧向期望距离设为4米;将无人机4号与无人机五号的跟随期望距离设为前向期望距离5米,侧向期望距离0。
步骤七:无人机驾驶仪控制指令更新
作为长机的无人机1号的控制输入量为[VLc,ψLc,HLc]=[250,10,5900],X方向的PID控制参数为Y方向的PID控制参数为和Z方向的PID控制参数为速度驾驶仪时间常数τV为6秒、航向驾驶仪时间常数τψ为1.3秒,高度驾驶仪时间常数(τa、τb)为(0.55秒,4.58秒),机翼面积S为28平方米,无人机质量m为10000千克,动压q为560.89千克每平方米,阻力变化的稳定性导数为-0.0008、升力变化的稳定性导数为-0.0077、侧力变化的稳定性导数 为(0.0033,-0.0011)。
步骤八:编队重构
当无人机集群中,末尾的无人机通过障碍区域,且长机探测到前方飞行区域不存在障碍物时,无人机集群切换至环境中无障碍物的飞行模式,以V字形编队飞行,则仿真结束;否则,返回步骤四。
Claims (5)
1.一种仿候鸟迁徙行为的无人机集群自主编队控制方法,其特征在于:该方法包括:
步骤一:无人机集群初始化
步骤二:确定长机
当前空间位置位于无人机集群最前方的无人机个体视为长机,集群中,除一架长机外,其它无人机均为僚机;
步骤三:确定各无人机之间的领导关系
在无人机集群中,除长机外,其余无人机均为僚机,每架僚机将飞行方向前方与自己拓扑距离最近的无人机视为领导者,进行信息交互,根据领导者的飞行状态调整自己的飞行状态;两架分别位于(xi,yi),(xj,yj)的无人机,定义两架无人机之间的加权距离为其中0<k<1,权重k的引入使得X方向的权重大于Y方向的权重,使得无人机更倾向于选择自身前向的无人机作为领导者,而非选择侧向距离更近的无人机作为领导者;
无人机集群的编队网络采取局部通信的规则,每架无人机分别与自己的领导者与跟随者之间互相交换彼此的信息,判断下一时刻无人机的运动状态,以此形成稳定的编队;
步骤四:长机判断前方飞行环境是否存在障碍物
当飞行路径中遇到需要躲避的障碍物时,由步骤三中确认的长机判断前方飞行区域是否存在障碍物,若环境中不存在障碍物,则转到步骤五;若环境中存在障碍物,则转到步骤六;
步骤五:环境中无障碍物飞行模式
若僚机的初始飞行位置位于领导者左后侧时,则朝着领导者左后侧的期望跟随位置飞行,若僚机的初始飞行位置位于领导者右后侧时,则朝着领导者右后侧的期望位置飞行,若僚机的初始飞行位置刚好位于领导者的正后方,则统一规定为朝着领导者右后侧的期望跟随位置飞行;
步骤六:环境中有障碍物飞行模式
无人机集群编队飞行时,长机负责实时探测前方飞行区域的障碍物,若长机探测到前方飞行区域存在障碍,保留步骤三中确定的领导关系,将各僚机的跟随位置调整为各无人机之间能够安全飞行的最小间距,设无人机翼展为b,则左右相邻的两架无人机之间的最小安全飞行间距为直至集群编队中末尾的无人机通过障碍区域;
步骤七:无人机驾驶仪控制指令更新
当无人机集群中长机根据前方飞行环境确定飞行模式并确定各僚机的期望跟随位置后,集群中的所有无人机执行步骤七,各自生成自身的驾驶仪控制指令;
步骤八:编队重构
当无人机集群中末尾的无人机通过障碍区域,且长机探测到前方飞行区域不存在障碍物时,由长机发出模式切换指令,将无人机集群编队飞行控制模式切换至环境中无障碍物的飞行模式,再通过邻居间交互的局部通信网络将指令发送至集群中的每架无人机,然后跳转至步骤七,对各架无人机的驾驶仪控制指令进行更新,形成V字形编队飞行;否则,返回步骤四。
2.根据权利要求1所述的一种仿候鸟迁徙行为的无人机集群自主编队控制方法,其特征在于:所述步骤二中,当存在不止一架无人机位于集群最前方时,指定这些无人机中位于最右侧的无人机为集群的长机。
3.根据权利要求1所述的一种仿候鸟迁徙行为的无人机集群自主编队控制方法,其特征在于:步骤五所述的期望位置的选择可根据具体的任务需求动态调整,如果对无人机集群的编队构型没有特殊要求,跟随者的期望跟随位置会选在领导者尾流中上洗气流最大处。
5.根据权利要求1所述的一种仿候鸟迁徙行为的无人机集群自主编队控制方法,其特征在于:所述步骤七的具体过程如下:
长机的仿真模型为:
僚机的仿真模型为:
其中,(x,y,VW,ψW,z,ζ)表示的是无人机的六个状态量;x、y、z(z=hW-hL)分别表示的是僚机与领导者之间的距离;VW、ψW分别为僚机的飞行速度、航向角的值;(ψWc,VWc,hWc)分别为僚机的航向角、飞行速度以及飞行高度的控制输入量;τv、τψ和分别表示速度驾驶仪、航向驾驶仪和高度驾驶仪的时间常量;(ψL,VL,hLc)为领导者的航向角、飞行速度以及高度;分别为僚机与领导者之间的纵向、横向以及垂直方向的期望距离,表示动压,S表示无人机的机翼面积,m表示无人机的质量,以及分别为阻力、升力和侧力变化的稳定性导数;
其中,kx、ky、kz、kV和kψ分别为前向误差、侧向误差、高度误差、速度误差和航向角误差的控制增益。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110907956.XA CN113625755B (zh) | 2021-08-09 | 2021-08-09 | 一种仿候鸟迁徙行为的无人机集群自主编队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110907956.XA CN113625755B (zh) | 2021-08-09 | 2021-08-09 | 一种仿候鸟迁徙行为的无人机集群自主编队控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113625755A true CN113625755A (zh) | 2021-11-09 |
CN113625755B CN113625755B (zh) | 2024-02-27 |
Family
ID=78383687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110907956.XA Active CN113625755B (zh) | 2021-08-09 | 2021-08-09 | 一种仿候鸟迁徙行为的无人机集群自主编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113625755B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114019828A (zh) * | 2021-11-29 | 2022-02-08 | 中国人民解放军国防科技大学 | 一种无人机集群多模态虚实交互仿真系统及方法 |
CN114428516A (zh) * | 2022-01-25 | 2022-05-03 | 长春长光博翔无人机有限公司 | 无人机集群避障方法 |
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 |
CN115390589A (zh) * | 2022-10-27 | 2022-11-25 | 汕头大学 | 无人机集群控制方法、装置、电子设备及存储介质 |
CN116185078A (zh) * | 2023-04-28 | 2023-05-30 | 河北科技大学 | 一种自适应指挥方法、装置、系统及存储介质 |
CN116627179A (zh) * | 2023-07-19 | 2023-08-22 | 陕西德鑫智能科技有限公司 | 无人机编队控制方法及装置 |
CN117555355A (zh) * | 2023-10-07 | 2024-02-13 | 杭州牧星科技有限公司 | 基于人工智能的无人机集群控制方法及其系统 |
CN117555355B (zh) * | 2023-10-07 | 2024-06-07 | 杭州牧星科技有限公司 | 基于人工智能的无人机集群控制方法及其系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491608A (zh) * | 2017-08-18 | 2017-12-19 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种飞机编队飞行的队形参数优化方法及系统 |
CN107703966A (zh) * | 2017-07-06 | 2018-02-16 | 北京航空航天大学 | 一种基于雁群自组织飞行的无人机自主编队控制方法 |
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 |
CN109669475A (zh) * | 2019-01-22 | 2019-04-23 | 北京航空航天大学 | 基于人工蜂群算法的多无人机三维编队重构方法 |
US20200033892A1 (en) * | 2018-07-27 | 2020-01-30 | Ahmad Fareed Aldarwish | Autonomous aircraft control systems and related methods |
US20200031465A1 (en) * | 2018-07-26 | 2020-01-30 | California Institute Of Technology | Systems and Methods for Avian Flock Flight Path Modification using UAVs |
-
2021
- 2021-08-09 CN CN202110907956.XA patent/CN113625755B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107703966A (zh) * | 2017-07-06 | 2018-02-16 | 北京航空航天大学 | 一种基于雁群自组织飞行的无人机自主编队控制方法 |
CN107491608A (zh) * | 2017-08-18 | 2017-12-19 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种飞机编队飞行的队形参数优化方法及系统 |
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 |
US20200031465A1 (en) * | 2018-07-26 | 2020-01-30 | California Institute Of Technology | Systems and Methods for Avian Flock Flight Path Modification using UAVs |
US20200033892A1 (en) * | 2018-07-27 | 2020-01-30 | Ahmad Fareed Aldarwish | Autonomous aircraft control systems and related methods |
CN109669475A (zh) * | 2019-01-22 | 2019-04-23 | 北京航空航天大学 | 基于人工蜂群算法的多无人机三维编队重构方法 |
Non-Patent Citations (1)
Title |
---|
周子为;段海滨;范彦铭;: "仿雁群行为机制的多无人机紧密编队", 中国科学:技术科学, no. 03, 20 March 2017 (2017-03-20) * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114019828A (zh) * | 2021-11-29 | 2022-02-08 | 中国人民解放军国防科技大学 | 一种无人机集群多模态虚实交互仿真系统及方法 |
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 |
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 |
CN114428516A (zh) * | 2022-01-25 | 2022-05-03 | 长春长光博翔无人机有限公司 | 无人机集群避障方法 |
CN114428516B (zh) * | 2022-01-25 | 2024-05-07 | 长春长光博翔无人机有限公司 | 无人机集群避障方法 |
CN115390589A (zh) * | 2022-10-27 | 2022-11-25 | 汕头大学 | 无人机集群控制方法、装置、电子设备及存储介质 |
CN115390589B (zh) * | 2022-10-27 | 2023-02-28 | 汕头大学 | 无人机集群控制方法、装置、电子设备及存储介质 |
CN116185078B (zh) * | 2023-04-28 | 2023-08-04 | 河北科技大学 | 一种自适应指挥方法、装置、系统及存储介质 |
CN116185078A (zh) * | 2023-04-28 | 2023-05-30 | 河北科技大学 | 一种自适应指挥方法、装置、系统及存储介质 |
CN116627179A (zh) * | 2023-07-19 | 2023-08-22 | 陕西德鑫智能科技有限公司 | 无人机编队控制方法及装置 |
CN116627179B (zh) * | 2023-07-19 | 2023-10-31 | 陕西德鑫智能科技有限公司 | 无人机编队控制方法及装置 |
CN117555355A (zh) * | 2023-10-07 | 2024-02-13 | 杭州牧星科技有限公司 | 基于人工智能的无人机集群控制方法及其系统 |
CN117555355B (zh) * | 2023-10-07 | 2024-06-07 | 杭州牧星科技有限公司 | 基于人工智能的无人机集群控制方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113625755B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113625755A (zh) | 一种仿候鸟迁徙行为的无人机集群自主编队控制方法 | |
CN108549407B (zh) | 一种多无人机协同编队避障的控制算法 | |
CN109933086B (zh) | 基于深度q学习的无人机环境感知与自主避障方法 | |
CN108594853A (zh) | 无人机队形控制方法 | |
CN108268053B (zh) | 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 | |
Frank et al. | Hover, transition, and level flight control design for a single-propeller indoor airplane | |
CN110825113B (zh) | 一种适用于四旋翼无人机集群飞行的队形保持方法 | |
CN109521794A (zh) | 一种多无人机航路规划及动态避障方法 | |
CN102591354B (zh) | 供飞行器使用的具有集成的策略命令的飞行管理系统和操作飞行器的方法 | |
CN107703966B (zh) | 一种基于雁群自组织飞行的无人机自主编队控制方法 | |
CN110069075B (zh) | 一种仿鸽群应急避障机制的集群超机动避障方法 | |
US20190227540A1 (en) | Movement control for vehicle formation | |
JP2019218029A5 (zh) | ||
CN110377055A (zh) | 基于改进型人工势场法的无人机三维编队方法 | |
CN103578299B (zh) | 一种模拟航空器飞行过程的方法 | |
CN103324993B (zh) | 一种基于多飞行器协同作战的轨迹优化方法 | |
CN111077909A (zh) | 一种基于视觉信息的新型无人机自组群自洽优化控制方法 | |
Wu et al. | Navigating assistance system for quadcopter with deep reinforcement learning | |
CN108279704B (zh) | 一种增加通信链路的多无人机的协同控制策略 | |
CN104656661B (zh) | 一种公务机下降着陆控制方法 | |
CN109581891A (zh) | 一种无人机的编队仿真方法、系统及存储介质 | |
CN109189092A (zh) | 一种针对二维区域覆盖任务的多机调度方法 | |
CN108446497A (zh) | 一种舰载机集群运动建模仿真方法 | |
CN110986948B (zh) | 一种基于奖励函数优化的多无人机分组协同判断方法 | |
CN115454136B (zh) | 一种无人机集群协同攻防对抗决策方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |