CN114111448B - 适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法 - Google Patents

适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法 Download PDF

Info

Publication number
CN114111448B
CN114111448B CN202111413632.7A CN202111413632A CN114111448B CN 114111448 B CN114111448 B CN 114111448B CN 202111413632 A CN202111413632 A CN 202111413632A CN 114111448 B CN114111448 B CN 114111448B
Authority
CN
China
Prior art keywords
agent
target
arc length
aerial
tangential
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
Application number
CN202111413632.7A
Other languages
English (en)
Other versions
CN114111448A (zh
Inventor
邵星灵
夏逸
李东光
张文栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North University of China
Original Assignee
North University of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North University of China filed Critical North University of China
Priority to CN202111413632.7A priority Critical patent/CN114111448B/zh
Publication of CN114111448A publication Critical patent/CN114111448A/zh
Application granted granted Critical
Publication of CN114111448B publication Critical patent/CN114111448B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41—WEAPONS
    • F41G—WEAPON SIGHTS; AIMING
    • F41G3/00—Aiming or laying means
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41—WEAPONS
    • F41G—WEAPON SIGHTS; AIMING
    • F41G7/00—Direction control systems for self-propelled missiles
    • F41G7/008—Combinations of different guidance systems
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Abstract

本发明公开了一种适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法，涉及导航、制导与控制领域。首先针对非完整约束模型描述的一类空中多智能体，围绕运动目标多视角探测的需求，确定椭圆轨道的多个几何参量；然后计算惯性系下智能体和目标之间的视线角，表征多个参量；其次利用极坐标描述的曲线积分定理，获取相邻空中智能体间的投影弧长；再次构建空中多智能体椭圆轨道协同环绕制导律；最后运用速度矢量合成原理，生成速度和航向角指令，设计航向角速度，最终驱动空中多智能体以预设的多个参量值沿着椭圆轨道飞行观测。本发明借助投影弧长协同误差调控集群行为，赋予了多智能体沿椭圆航路形成均匀分布编队样式的能力。

Description

适用于运动目标多视角探测的空中多智能体椭圆轨道协同环 绕跟踪方法
技术领域
本发明涉及导航、制导与控制领域，具体为一种适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法。
背景技术
空中多智能体是指将挂载任务载荷的低成本运动体基于开放式体系架构进行综合集成，以网络通信为中心，以智能涌现为核心，以平台间的协同交互为基础，形成的一类高度可重构、按需设计的网络化无人系统。相较于单体，多智能体协同拥有显著的任务执行满意度、鲁棒性与灵活性，在电子侦查、指挥调度、军事对抗、编队搜索、集群打击等方面具有广泛的军/民两用价值，近年来引发了航空航天、自动化和人工智能领域国内外研究学者的高度关注。协同环绕控制是多智能体执行上述任务的重要途经，是网络化环境下实现协同效能增强的关键抓手。例如，为适应复杂动态战场环境和侦察、打击、毁伤评估等多样化任务需求，往往需要部署空中多智能体以集群方式在防空区域外对敏感目标、重要区域实施协同环绕观测与隐蔽性跟踪。
当前，国内外的协同环绕控制主要聚焦于构造合适的分布式制导律，实现圆形轨道导引下的相位同步，在极端对抗环境下执行协同精细观测面临任务效能不足、适应性弱等弊端。例如，在军事侦察中，为了避免空中智能体被敌方雷达探测，往往需要与目标维持适当的对峙距离，但过大的相对距离势必导致观测效能显著下降；反之，若缩小包围半径，则大大增加了暴露与捕获风险。椭圆轨道协同环绕是近年来发展起来的解决低空精细观测与监视的得力手段，与圆形轨道相比具有更高的效费比和环境适应能力。然而，如何设计椭圆轨道导引下的分布式协同控制器，确保多智能体环绕椭圆执行对地目标协同跟踪与观测，目前还是开放性问题。此外，已报道的结果中常常利用相位协同偏差实现圆形轨迹导引下的多智能体等相位同步，难以适用于更为一般的椭圆轨道协同环绕场景。基于上述所存在的问题或弊端，需要改进或者提出新的方法来解决这些问题。
发明内容
围绕动态目标精细侦察、重要区域多角度覆盖与封锁、态势周期性感知与认知对分布式环绕协同控制技术的迫切需求，本发明也为了解决已有圆形环绕编队策略在应对低空精细侦察任务时存在观测航路不紧凑诱发的任务满意度不高、能量消耗过多等问题，提供了一种适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法。
本发明是通过如下技术方案来实现的：一种适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法，包括如下步骤：
a)针对非完整约束模型描述的一类空中多智能体，如飞航式导弹，固定翼无人机等，围绕运动目标多视角探测的需求，确定椭圆轨道的几何参数、智能体数量、邻居间的通信拓扑关系；具体步骤如下：
a1)针对以非完整约束模型描述的一类空中多智能体，运动学模型如下：
Figure BDA0003374444220000021
其中，xi(t)和yi(t)分别为第i个空中智能体惯性系x和y方向的位置，ψi(t)为第i个空中智能体的航向角，vi(t)和ωi(t)为第i个空中智能体的控制输入，分别为线速度和航向角速度指令；
a2)围绕运动目标多视角探测的需求，确定椭圆轨道的几何参数，包括椭圆轨道长半轴参量a、短半轴参量b和旋转角α，智能体数量N；邻居间的通信拓扑关系由图论理论中的邻接矩阵A＝[aij]来确定，其中，aij为智能体之间的通信权重系数，aij＝1表示第i个智能体可以接收到第j个智能体的信息，反之，aij＝0。
b)根据空中多智能体和运动目标的相对几何，计算惯性系下智能体和目标之间的视线角，表征依赖时变视线角的智能体与目标连线方向上的径向单位向量、智能体与目标连线和椭圆交点的切向单位向量和期望的椭圆时变环绕半径；具体步骤如下：
b1)根据空中多智能体和运动目标的相对几何，计算惯性系下智能体和目标之间的视线角
Figure BDA0003374444220000022
Figure BDA0003374444220000031
其中，xt(t)和yt(t)分别表示目标在惯性系x和y方向的位置；
b2)根据惯性系下智能体和目标之间的视线角
Figure BDA0003374444220000032
计算智能体与目标连线方向上的径向单位向量
Figure BDA0003374444220000033
智能体与目标连线和椭圆交点的切向单位向量
Figure BDA0003374444220000034
其中，
Figure BDA0003374444220000035
b3)根据惯性系下智能体和目标之间的视线角
Figure BDA0003374444220000036
计算期望的椭圆时变环绕半径
Figure BDA0003374444220000037
Figure BDA0003374444220000038
c)将目标与智能体的连线与惯性系x轴之间的旋转角视为积分自变量，以第i个智能体的旋转角为积分起点，以第j个智能体的旋转角为积分终点，利用极坐标描述的曲线积分定理，获取相邻空中智能体间的投影弧长；具体步骤如下：
将目标与智能体的连线与惯性系x轴之间的旋转角视为积分自变量，以第i个智能体的旋转角θi(t)为积分起点，以第j个智能体的旋转角θj(t)为积分终点，利用极坐标系描述的曲线积分定理，获取相邻空中智能体间的投影弧长fi j(t)，公式如下：
Figure BDA0003374444220000039
其中，Ω＝{1,...,N}，θi(t)为第i个智能体和目标的连线与惯性系x轴的夹角，并且与视线角
Figure BDA0003374444220000041
满足如下关系：
Figure BDA0003374444220000042
d)根据步骤a)、b)和c)的结果，通过在径向方向引入相对距离误差反馈，在切向方向构造期望的切向速度分量和基于信息一致性的投影弧长协同误差项，并与目标速度叠加，构建适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕制导律；具体步骤如下：
d1)根据步骤a)的空中多智能体间的通信拓扑关系，计算切向方向基于信息一致性的投影弧长协同误差：
Figure BDA0003374444220000043
其中，
Figure BDA0003374444220000044
为智能体i和j之间的投影弧长控制偏差，fd表示相邻空中多智能体间的期望弧长间距，记为：
Figure BDA0003374444220000045
其中T为椭圆系数。
d2)根据步骤a)、b)和c)的结果，通过在径向方向引入相对距离误差反馈，在切向方向构造期望的切向速度分量和基于信息一致性的投影弧长协同误差项，并与目标速度叠加，设计如下的制导率，提供期望的速度矢量：
Figure BDA0003374444220000046
其中，
Figure BDA0003374444220000047
h0为正的可调增益；ρi(t)为空中智能体i与目标之间的实际距离，ui(t)＝[uix(t),uiy(t)]T表示第i个智能体惯性系下期望的速度矢量，vt(t)＝[vtx(t),vty(t)]T表示运动目标惯性系下的速度矢量，η为期望的切向速度分量。
e)结合步骤d)获得的协同环绕制导律，运用速度矢量合成原理，生成速度和航向角指令，设计基于比例微分的航向角速度，最终驱动空中多智能体以预设的相邻弧长、期望的环绕半径和切向速度沿着椭圆轨道飞行观测；具体步骤如下：
e1)结合步骤d)获得的协同环绕制导律，运用速度矢量合成原理，生成速度指令vi(t)和航向角指令ψdi(t)：
Figure BDA0003374444220000051
e2)设计基于比例微分的航向角速度ωi(t)，最终驱动空中多智能体以预设的相邻弧长、期望的环绕半径和切向速度沿着椭圆轨道飞行观测：
Figure BDA0003374444220000052
其中，kψ为正的航向角误差比例系数。
与现有技术相比本发明具有以下有益效果：本发明所提出的一种适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法，弥补了已有圆形环绕编队策略在应对低空精细侦察任务时观测航路不紧凑诱发的任务满意度不高、能量消耗过多等缺陷，借助投影弧长协同误差调控集群行为，赋予了多智能体沿椭圆航路形成均匀分布编队样式的能力，对于解决单条闭合曲线路径导引下的协同编队控制问题具有重要的参考价值。
附图说明
图1为本发明的控制结构框图。
图2为本发明所涉及的空中多智能体与运动目标的相对几何示意图。
图3为本发明所涉及的空中多智能体通信拓扑关系。
图4为惯性系下针对运动目标的空中多智能体编队几何样式。
图5为相对坐标系下空中多智能体在暂态收敛阶段、沿椭圆轨道调节阶段、等弧长协同编队阶段的位置剖面。
具体实施方式
以下结合具体实施例及附图对本发明作进一步说明。
一种适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法，如图1所示，包括如下步骤：
a)针对非完整约束模型描述的一类空中多智能体，(如飞航式导弹，固定翼无人机等)：围绕运动目标多视角探测的需求，确定椭圆轨道的几何参数、智能体数量、邻居间的通信拓扑关系；具体步骤如下：
a1)针对以非完整约束模型描述的一类空中多智能体，运动学模型如下：
Figure BDA0003374444220000061
其中，xi(t)和yi(t)分别为第i个空中智能体惯性系x和y方向的位置，ψi(t)如图2所示为第i个空中智能体的航向角，vi(t)和ωi(t)为第i个空中智能体的控制输入，分别为线速度和航向角速度指令；
a2)围绕运动目标多视角探测的需求，采用椭圆轨道的几何参数，包括椭圆轨道长半轴参量a、短半轴参量b和旋转角α，智能体数量N；邻居间的通信拓扑关系由图论理论中的邻接矩阵A＝[aij]来确定，其中，aij为智能体之间的通信权重系数，aij＝1表示第i个智能体可以接收到第j个智能体的信息，反之，aij＝0，图3所示的通信拓扑关系由邻接矩阵A表示为：
Figure BDA0003374444220000062
b)根据空中多智能体和运动目标的相对几何，计算惯性系下智能体和目标之间的视线角，表征依赖时变视线角的智能体与目标连线方向上的径向单位向量、智能体与目标连线和椭圆交点的切向单位向量和期望的椭圆时变环绕半径；具体步骤如下：
b1)根据空中多智能体和运动目标的相对几何，计算惯性系下如图2所示的智能体和目标之间的视线角
Figure BDA0003374444220000063
Figure BDA0003374444220000064
其中，xt(t)和yt(t)分别表示目标在惯性系x和y方向的位置。
b2)根据惯性系下智能体和目标之间的视线角
Figure BDA0003374444220000071
计算如图2所示的智能体与目标连线方向上的径向单位向量
Figure BDA0003374444220000072
智能体与目标连线和椭圆交点的切向单位向量
Figure BDA0003374444220000073
其中，
Figure BDA0003374444220000074
b3)根据惯性系下智能体和目标之间的视线角
Figure BDA0003374444220000075
计算如图2所示期望的椭圆时变环绕半径
Figure BDA0003374444220000076
Figure BDA0003374444220000077
c)将目标与智能体的连线与惯性系x轴之间的旋转角视为积分自变量，以第i个智能体的旋转角为积分起点，以第j个智能体的旋转角为积分终点，利用极坐标描述的曲线积分定理，获取相邻空中智能体间的投影弧长；具体步骤如下：
如图2所示，将目标与智能体的连线与惯性系x轴之间的旋转角视为积分自变量，以第i个智能体的旋转角θi(t)为积分起点，以第j个智能体的旋转角θj(t)为积分终点，利用极坐标系描述的曲线积分定理，获取相邻空中智能体间的投影弧长fi j(t)，公式如下：
Figure BDA0003374444220000078
其中，Ω＝{1,...,N}，θi(t)为第i个智能体和目标的连线与惯性系x轴的夹角，并且与视线角
Figure BDA0003374444220000079
满足如下关系：
Figure BDA00033744442200000710
d)根据步骤a)、b)和c)的结果，通过在径向方向引入相对距离误差反馈，在切向方向构造期望的切向速度分量和基于信息一致性的投影弧长协同误差项，并与目标速度叠加，构建适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕制导律；具体步骤如下：
d1)根据步骤a)的空中多智能体间的通信拓扑关系A＝[aij]，计算切向方向基于信息一致性的投影弧长协同误差：
Figure BDA0003374444220000081
其中，
Figure BDA0003374444220000082
为智能体i和j之间的投影弧长控制偏差，fd表示相邻空中多智能体间的期望弧长间距，记为：
Figure BDA0003374444220000083
其中T为椭圆系数；
d2)根据步骤a)、b)和c)的结果，通过在径向方向引入相对距离误差反馈，在切向方向构造期望的切向速度分量和基于信息一致性的投影弧长协同误差项，并与目标速度叠加，设计如下的制导率，提供期望的速度矢量：
Figure BDA0003374444220000084
其中，
Figure BDA0003374444220000085
h0为正的可调增益；ρi(t)为空中智能体i与目标之间的实际距离，ui(t)＝[uix(t),uiy(t)]T表示第i个智能体惯性系下期望的速度矢量，vt(t)＝[vtx(t),vty(t)]T表示运动目标惯性系下的速度矢量，η为期望的切向速度分量。
e)结合步骤d)获得的协同环绕制导律，运用速度矢量合成原理，生成速度和航向角指令，设计基于比例微分的航向角速度，最终驱动空中多智能体以预设的相邻弧长、期望的环绕半径和切向速度沿着椭圆轨道飞行观测；具体步骤如下：
e1)结合步骤d)获得的协同环绕制导律，运用速度矢量合成原理，生成速度指令vi(t)和航向角指令ψdi(t)：
Figure BDA0003374444220000086
e2)设计基于比例微分的航向角速度ωi(t)，最终驱动空中多智能体以预设的相邻弧长、期望的环绕半径和切向速度沿着椭圆轨道飞行观测：
Figure BDA0003374444220000091
其中，kψ为正的航向角误差比例系数。
f)将给出的一种适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法应用于步骤a)提出的动力学模型中进行仿真，智能体的个数为10；具体实施步骤如下：
f1)确定椭圆轨道的几何参数如表1所示。
表1椭圆轨道的几何参数
Figure BDA0003374444220000092
f2)确定每个空中智能体的初始坐标、初始航向角和初始旋转角，如表2所示。
表2每个空中智能体的初始参数
Figure BDA0003374444220000093
Figure BDA0003374444220000101
f3)确定每个空中智能体期望的切向速度分量为η＝0.75km/s，增益系数h0＝0.5，航向角误差比例系数kψ＝0.5。假设目标在惯性系x轴和y轴的速度为vx＝0.0254km/s,vy＝0.0254km/s，在所提协同控制策略下进行仿真，结果如图4所示。以运动目标为相对坐标系圆心，空中多智能体在暂态收敛阶段、沿椭圆轨道调节阶段、等弧长协同编队阶段的位置剖面如图5所示。
本发明要求保护的范围不限于以上具体实施方式，而且对于本领域技术人员而言，本发明可以有多种变形和更改，凡在本发明的构思与原则之内所作的任何修改、改进和等同替换都应包含在本发明的保护范围之内。

Claims (1)

1.一种适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法，其特征在于：包括如下步骤：
a)针对非完整约束模型描述的一类空中多智能体，围绕运动目标多视角探测的需求，确定椭圆轨道的几何参数、智能体数量、邻居间的通信拓扑关系；
a1)针对以非完整约束模型描述的一类空中多智能体，运动学模型如下：
Figure FDA0004046126960000011
其中，xi(t)和yi(t)分别为第i个空中智能体惯性系x和y方向的位置，ψi(t)为第i个空中智能体的航向角，vi(t)和ωi(t)为第i个空中智能体的控制输入，分别为线速度和航向角速度指令；
a2)围绕运动目标多视角探测的需求，确定椭圆轨道的几何参数，包括椭圆轨道长半轴参量a、短半轴参量b和旋转角α，智能体数量N；邻居间的通信拓扑关系由图论理论中的邻接矩阵A＝[aij]来确定，其中，aij为智能体之间的通信权重系数，aij＝1表示第i个智能体可以接收到第j个智能体的信息，反之，aij＝0；
b)根据空中多智能体和运动目标的相对几何，计算惯性系下智能体和目标之间的视线角，表征依赖时变视线角的智能体与目标连线方向上的径向单位向量、智能体与目标连线和椭圆交点的切向单位向量、期望的椭圆时变环绕半径；
b1)根据空中多智能体和运动目标的相对几何，计算惯性系下智能体和目标之间的视线角
Figure FDA0004046126960000012
Figure FDA0004046126960000013
其中，xt(t)和yt(t)分别表示目标在惯性系x和y方向的位置；
b2)根据惯性系下智能体和目标之间的视线角
Figure FDA0004046126960000014
计算智能体与目标连线方向上的径向单位向量
Figure FDA0004046126960000021
智能体与目标连线和椭圆交点的切向单位向量
Figure FDA0004046126960000022
其中，
Figure FDA0004046126960000023
b3)根据惯性系下智能体和目标之间的视线角
Figure FDA0004046126960000024
计算期望的椭圆时变环绕半径
Figure FDA0004046126960000029
Figure FDA0004046126960000025
c)将目标与智能体的连线与惯性系x轴之间的旋转角视为积分自变量，以第i个智能体的旋转角为积分起点，以第j个智能体的旋转角为积分终点，利用极坐标描述的曲线积分定理，获取相邻空中智能体间的投影弧长；具体为：
将目标与智能体的连线与惯性系x轴之间的旋转角视为积分自变量，以第i个智能体的旋转角θi(t)为积分起点，以第j个智能体的旋转角θj(t)为积分终点，利用极坐标系描述的曲线积分定理，获取相邻空中智能体间的投影弧长fi j(t)，公式如下：
Figure FDA0004046126960000026
其中，Ω＝{1,...,N}，θi(t)为第i个智能体和目标的连线与惯性系x轴的夹角，并且与视线角
Figure FDA0004046126960000027
满足如下关系：
Figure FDA0004046126960000028
d)根据步骤a)、b)和c)的结果，通过在径向方向引入相对距离误差反馈，在切向方向构造期望的切向速度分量和基于信息一致性的投影弧长协同误差项，并与目标速度叠加，构建适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕制导律；
d1)根据步骤a)的空中多智能体间的通信拓扑关系，计算切向方向基于信息一致性的投影弧长协同误差：
Figure FDA0004046126960000031
其中，
Figure FDA0004046126960000032
为智能体i和j之间的投影弧长控制偏差，fd表示相邻空中多智能体间的期望弧长间距，记为：
Figure FDA0004046126960000033
其中T为椭圆系数；
d2)根据步骤a)、b)和c)的结果，通过在径向方向引入相对距离误差反馈，在切向方向构造期望的切向速度分量和基于信息一致性的投影弧长协同误差项，并与目标速度叠加，设计如下的制导率，提供期望的速度矢量：
Figure FDA0004046126960000034
其中，
Figure FDA0004046126960000035
h0为正的可调增益；ρi(t)为空中智能体i与目标之间的实际距离，ui(t)＝[uix(t),uiy(t)]T表示第i个智能体惯性系下期望的速度矢量，vt(t)＝[vtx(t),vty(t)]T表示运动目标惯性系下的速度矢量，η为期望的切向速度分量；
e)结合步骤d)获得的协同环绕制导律，运用速度矢量合成原理，生成速度和航向角指令，设计基于比例微分的航向角速度，最终驱动空中多智能体以预设的相邻弧长、期望的环绕半径和切向速度沿着椭圆轨道飞行观测：
e1)结合步骤d)获得的协同环绕制导律，运用速度矢量合成原理，生成速度指令vi(t)和航向角指令ψdi(t)：
Figure FDA0004046126960000036
e2)设计基于比例微分的航向角速度ωi(t)，最终驱动空中多智能体以预设的相邻弧长、期望的环绕半径和切向速度沿着椭圆轨道飞行观测：
Figure FDA0004046126960000041
其中，kψ为正的航向角误差比例系数。
CN202111413632.7A 2021-11-25 2021-11-25 适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法 Active CN114111448B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111413632.7A CN114111448B (zh) 2021-11-25 2021-11-25 适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111413632.7A CN114111448B (zh) 2021-11-25 2021-11-25 适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法

Publications (2)

Publication Number Publication Date
CN114111448A CN114111448A (zh) 2022-03-01
CN114111448B true CN114111448B (zh) 2023-03-03

Family

ID=80373148

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111413632.7A Active CN114111448B (zh) 2021-11-25 2021-11-25 适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法

Country Status (1)

Country Link
CN (1) CN114111448B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101373386A (zh) * 2008-09-03 2009-02-25 东南大学 基于投影的多运动体协同路径跟踪控制方法
US10168674B1 (en) * 2013-04-22 2019-01-01 National Technology & Engineering Solutions Of Sandia, Llc System and method for operator control of heterogeneous unmanned system teams
CN109917795A (zh) * 2019-04-23 2019-06-21 大连海事大学 一种欠驱动无人船集群协同制导结构及设计方法
CN110568845A (zh) * 2019-08-26 2019-12-13 广东工业大学 一种协同机器人的相互碰撞规避方法
CN113406967A (zh) * 2021-06-17 2021-09-17 北京航空航天大学 一种多航天器分布式协同编队控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7912631B2 (en) * 2006-01-19 2011-03-22 Raytheon Company System and method for distributed engagement

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101373386A (zh) * 2008-09-03 2009-02-25 东南大学 基于投影的多运动体协同路径跟踪控制方法
US10168674B1 (en) * 2013-04-22 2019-01-01 National Technology & Engineering Solutions Of Sandia, Llc System and method for operator control of heterogeneous unmanned system teams
CN109917795A (zh) * 2019-04-23 2019-06-21 大连海事大学 一种欠驱动无人船集群协同制导结构及设计方法
CN110568845A (zh) * 2019-08-26 2019-12-13 广东工业大学 一种协同机器人的相互碰撞规避方法
CN113406967A (zh) * 2021-06-17 2021-09-17 北京航空航天大学 一种多航天器分布式协同编队控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
具有弱通讯的多智能体分布式自适应协同跟踪控制;张普等;《系统工程与电子技术》;20210228;第43卷(第2期);第487-498页 *
基于相对方位信息和单间距测量的多智能体编队协同控制;叶结松等;《航空学报》;20210731;第42卷(第7期);第480-491页 *
面向目标对峙跟踪的四旋翼协同编队控制方法;邵星灵等;《无人系统技术》;20200131;第3卷(第1期);第11-18页 *

Also Published As

Publication number Publication date
CN114111448A (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
Hao et al. Formation flight of fixed-wing UAV swarms: A group-based hierarchical approach
Karimi et al. Optimal maneuver-based motion planning over terrain and threats using a dynamic hybrid PSO algorithm
Oh et al. Rendezvous and standoff target tracking guidance using differential geometry
Duan et al. Multiple UAVs/UGVs heterogeneous coordinated technique based on receding horizon control (RHC) and velocity vector control
Cai et al. Path planning for UAV tracking target based on improved A-star algorithm
Zhao et al. Obstacle avoidance for multi-missile network via distributed coordination algorithm
Chen et al. Path planning for UAVs formation reconfiguration based on Dubins trajectory
Hafez et al. Encirclement of multiple targets using model predictive control
Yu et al. Distributed back-stepping consensus protocol for attitude synchronization and tracking on undirected graphs
Baldi et al. Adaptation to unknown leader velocity in vector-field UAV formation
Misovec et al. Low-observable nonlinear trajectory generation for unmanned air vehicles
Tan et al. Tracking of ground mobile targets by quadrotor unmanned aerial vehicles
CN107703970A (zh) 无人机集群环绕追踪方法
Song et al. Multi-UAV Cooperative Target Tracking Method using sparse A search and Standoff tracking algorithms
CN114111448B (zh) 适用于运动目标多视角探测的空中多智能体椭圆轨道协同环绕跟踪方法
McFarland et al. Motion planning for reduced observability of autonomous aerial vehicles
Perhinschi et al. Development of a simulation environment for autonomous flight control algorithms
El-Kalubi et al. Vision-based real time guidance of UAV
Wang et al. Shortest path planning of UAV for target tracking and obstacle avoidance in 3D environment
Zhu et al. Three-dimensional formation keeping of multi-UAV based on consensus
Chen et al. Flight parameter model based route planning method of UAV using stepped-adaptive improved particle swarm optimization
Zollars et al. Optimal Path Planning for SUAS Target Observation through Constrained Urban Environments using Simplex Methods
Sinha et al. Three-dimensional autonomous guidance for enclosing a stationary target within arbitrary smooth geometrical shapes
Ma et al. Receding Horizon Control with Extended Solution for UAV Path Planning
Li et al. Adaptive sliding mode formation control for multiple flight vehicles with considering autopilot dynamic

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