CN114167896A - 一种基于状态预测的人工势能场无人机集群控制方法 - Google Patents
一种基于状态预测的人工势能场无人机集群控制方法 Download PDFInfo
- Publication number
- CN114167896A CN114167896A CN202111495809.2A CN202111495809A CN114167896A CN 114167896 A CN114167896 A CN 114167896A CN 202111495809 A CN202111495809 A CN 202111495809A CN 114167896 A CN114167896 A CN 114167896A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- cluster
- drone
- control input
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 31
- 238000005381 potential energy Methods 0.000 claims abstract description 19
- 230000008859 change Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 4
- 239000000872 buffer Substances 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 238000004364 calculation method Methods 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
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000000007 visual effect Effects 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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
本发明公开了一种基于状态预测的人工势能场无人机集群控制方法,首先获取无人机集群的初始状态信息;再计算集群中每架无人机在时刻t的预测状态;然后计算每架无人机的规避碰撞控制输入和队形保持控制输入;最后计算集群中每架无人机的控制输入,并根据控制输入进行集群状态更新。本发明使用状态预测建模改进后的人工势场方法能够为无人机预留更多空间缓冲,及时响应队形的变化,降低实际情况中延迟对无人机集群的影响,以及其他不确定因素对集群完成预设目标的影响。
Description
技术领域
本发明属于无人机技术领域,具体涉及一种无人机集群控制方法。
背景技术
随着无人机的应用范围不断拓展,任务类型越来越广泛,无人机的应用逐步从单架无人机向多无人机组成的集群发展。无人机集群不仅能形成协调有序的集体运动模式,还能对外界刺激做出快速一致的反应,具有分布广、自组织性强、协调性和稳定性强、环境适应能力强等特点。相比于单架无人机而言,无人机集群提供了一种看待问题分布式的视角,可以将控制权限分布在每架无人机上,具有许多明显的优势:1)可以实现单架无人机无法实现的复杂任务;2)设计和制造多架控制逻辑相对简单的无人机比单架控制逻辑复杂无人机更简单、成本更低;3)多架无人机的并行性可以提高执行任务的效率;4)针对具体情况无人机集群可以提供更多解决方案并优化选择方案,灵活性更高;5)通过增加冗余度,消除失效点,可以增加鲁棒性。
在快速变化的环境中,所有无人机需要稳定、快速地调整当前状态,迅速形成一个编队,并保持集群内的通讯连接。同时,每架无人机要能够实时判断环境中的障碍物以及编队中其他成员的位置,并避免碰撞发生,如图3所示。而随着无人机的任务环境日趋复杂,任务区域无人机的规模和密度不断上升,无人机集群的飞行控制以及安全将会面临一系列挑战,因此寻求一种鲁棒性强、控制效果显著的无人机集群控制方法是目前亟待解决的一个问题。
目前无人机集群的协作控制中的队形控制和规避障碍已经有很多相对成熟的算法,如人工势场法,它是一种局部避障算法,引导集群朝势能降低的方向移动,具有实时性强、低计算量、应用广泛、安全可靠的特点。但在考虑现实情况中的通讯延迟、物理延迟,或控制过程中由于集群自身建模误差或来自环境的未知干扰造成的不确定性后,两架无人机之间的距离有可能会快速缩短至安全距离内,这就需要无人机集群具有快速避障的能力。而基于传统人工势场法的集群避障算法容易陷入局部最优解,导致无人机集群避障失败。国内外学者对此提出了各种改进方法,往往是通过在设计控制器时加入额外信息,如相对位置、通信感知信息、角度信息、方向变化权重等。但加入过多的信息会导致避障控制方法难以实现,或难以在真实场景中应用。综上,只有提出一种更为高效、简单的避障策略,才能实现算法在现实情况下的落地应用。
发明内容
为了克服现有技术的不足,本发明提供了一种基于状态预测的人工势能场无人机集群控制方法,首先获取无人机集群的初始状态信息;再计算集群中每架无人机在时刻t的预测状态;然后计算每架无人机的规避碰撞控制输入和队形保持控制输入;最后计算集群中每架无人机的控制输入,并根据控制输入进行集群状态更新。本发明使用状态预测建模改进后的人工势场方法能够为无人机预留更多空间缓冲,及时响应队形的变化,降低实际情况中延迟对无人机集群的影响,以及其他不确定因素对集群完成预设目标的影响。
本发明解决其技术问题所采用的技术方案包括如下步骤:
步骤1:获取无人机集群的初始状态信息;
定义目标队形为pd,rin为碰撞规避距离,rout为队形保持距离,R为最大通信距离;
步骤2:计算集群中每架无人机在时刻t的预测状态,时刻t无人机i的预测位置预测速度得到 pi(t)表示时刻t无人机i的位置,μ1和μ2分别表示预测位置影响因子和预测速度影响因子,ui(t-1)表示上一时刻的加速度向量;
其中,k2为队形保持势能函数的可调参数;
步骤4:计算集群中每架无人机的控制输入,并根据控制输入进行集群状态更新;
时刻t在位置pi处的无人机i的控制输入为:
根据控制输入,更新每一架无人机的速度和位置信息:
pi(t+1)=pi(t)+vi(t)
vi(t+1)=vi(t)+ui(t)。
优选地,所述k1=k2=2,μ1=μ2=0.35。
本发明的有益效果如下:
1)本发明在实际应用中的鲁棒性更好。使用状态预测建模改进后的人工势场方法能够为无人机预留更多空间缓冲,及时响应队形的变化,降低实际情况中延迟对无人机集群的影响,以及其他不确定因素对集群完成预设目标的影响。
2)本发明在实现碰撞规避和队形保持的目标时,提出了新的势能函数,使无人机集群能够在从初始位置到目标位置的过程中完成队形中领队者的平滑切换。
3)本发明将最大安全速度限制引入控制器的设计中,避免了实际场景中过快的速度变化带来的不确定性。
附图说明
图1为本发明方法的流程图。
图2为本发明方法计算流程图。
图3为本发明背景技术里无人机碰撞规避控制示意图。
图4为本发明实施例碰撞规避和队形保持问题实例图。
图5为本发明实施例计算得到的行进路线示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
为了解决现有无人机集群控制方法在真实场景下无法解决不确定因素带来的无人机集群碰撞规避和队形保持问题,本发明提出一种基于状态预测的人工势能场无人机集群控制方法,基于人工势场方法,设置了最大安全速度限制,并利用状态预测建模为无人机完成任务提供更多缓冲空间,可解决无人机间碰撞规避和队形保持问题,尤其可解决传统方法在真实场景下的应用问题。
一种基于状态预测的人工势能场无人机集群控制方法,包括如下步骤:
步骤1:获取无人机集群的初始状态信息;
定义目标队形为pd,rin为碰撞规避距离,rout为队形保持距离,R为最大通信距离;
步骤4:计算集群中每架无人机的控制输入,并根据控制输入进行集群状态更新;
时刻t在位置pi处的无人机i的控制输入为:
根据控制输入,更新每一架无人机的速度和位置信息:
pi(t+1)=pi(t)+vi(t)
vi(t+1)=vi(t)+ui(t)。
具体实施例:
以一个包含12架无人机的集群为例,无人机集群的初始位置和目标位置如图4所示,无人机的个数可以根据实际情况进行调整。实例中通过在保持整体配置不变的情况下,这些无人机需要在从初始位置抵达目标位置的过程中,将领队者由12号无人机变为8号无人机。整个过程中,8号无人机需要避开路径中的其他无人机,并保持集群总体的队形不变。根据任务目标要求,将rin设置为1,rout设置为5,R=20,k1=k2=2,最大安全速度vm=35,μ1=μ2=0.35。首先,获取目标点的坐标pd,记录至本地计算机,同时无人机将初始位置坐标pi(0)、速度信息vi(0)上传至本地计算机。本地计算机根据目标点坐标和无人机集群的位置、速度信息建模预测每架无人机的状态,根据预测状态分别计算时刻t下的规避碰撞控制输入队形保持控制输入以及最大速度限制项,并计算最终施加在每架无人机上的控制输入。其次,无人机接收到数据后将速度数据传输到运动控制单元,进而控制无人机的移动路径。重复上述过程,直至无人机集群到达目标点并变换为目标队形。无人机集群的行进路线如图5所示。
Claims (2)
1.一种基于状态预测的人工势能场无人机集群控制方法,其特征在于,包括如下步骤:
步骤1:获取无人机集群的初始状态信息;
定义目标队形为pd,rin为碰撞规避距离,rout为队形保持距离,R为最大通信距离;
步骤2:计算集群中每架无人机在时刻t的预测状态,时刻t无人机i的预测位置预测速度得到 pi(t)表示时刻t无人机i的位置,μ1和μ2分别表示预测位置影响因子和预测速度影响因子,ui(t-1)表示上一时刻的加速度向量;
其中,k2为队形保持势能函数的可调参数;
步骤4:计算集群中每架无人机的控制输入,并根据控制输入进行集群状态更新;
时刻t在位置pi处的无人机i的控制输入为:
根据控制输入,更新每一架无人机的速度和位置信息:
pi(t+1)=pi(t)+vi(t)
vi(t+1)=vi(t)+ui(t)。
2.根据权利要求1所述的一种基于状态预测的人工势能场无人机集群控制方法,其特征在于,所述k1=k2=2,μ1=μ2=0.35。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111495809.2A CN114167896B (zh) | 2021-12-09 | 2021-12-09 | 一种基于状态预测的人工势能场无人机集群控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111495809.2A CN114167896B (zh) | 2021-12-09 | 2021-12-09 | 一种基于状态预测的人工势能场无人机集群控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114167896A true CN114167896A (zh) | 2022-03-11 |
CN114167896B CN114167896B (zh) | 2023-06-23 |
Family
ID=80484780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111495809.2A Active CN114167896B (zh) | 2021-12-09 | 2021-12-09 | 一种基于状态预测的人工势能场无人机集群控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114167896B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180040795A (ko) * | 2016-10-13 | 2018-04-23 | 한국기술교육대학교 산학협력단 | 중심좌표를 이용한 드론 편대의 충돌 방지 방법 |
CN110502032A (zh) * | 2019-08-31 | 2019-11-26 | 华南理工大学 | 一种基于行为控制的无人机集群编队飞行方法 |
CN110865653A (zh) * | 2019-12-02 | 2020-03-06 | 西北工业大学 | 一种分布式集群无人机队形变换方法 |
CN113268076A (zh) * | 2021-03-06 | 2021-08-17 | 南京航空航天大学 | 一种多无人机集群编队协同控制算法 |
-
2021
- 2021-12-09 CN CN202111495809.2A patent/CN114167896B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180040795A (ko) * | 2016-10-13 | 2018-04-23 | 한국기술교육대학교 산학협력단 | 중심좌표를 이용한 드론 편대의 충돌 방지 방법 |
CN110502032A (zh) * | 2019-08-31 | 2019-11-26 | 华南理工大学 | 一种基于行为控制的无人机集群编队飞行方法 |
CN110865653A (zh) * | 2019-12-02 | 2020-03-06 | 西北工业大学 | 一种分布式集群无人机队形变换方法 |
CN113268076A (zh) * | 2021-03-06 | 2021-08-17 | 南京航空航天大学 | 一种多无人机集群编队协同控制算法 |
Non-Patent Citations (1)
Title |
---|
赵刚;黄席樾;: "障碍空间中的飞行器编队与集群控制研究", 系统仿真学报, no. 2 * |
Also Published As
Publication number | Publication date |
---|---|
CN114167896B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110502032B (zh) | 一种基于行为控制的无人机集群编队飞行方法 | |
CN108549407B (zh) | 一种多无人机协同编队避障的控制算法 | |
CN108196579B (zh) | 基于几何分布的无人机分级编队方法 | |
CN111522258B (zh) | 多无人机协同控制仿真系统及其构建方法、仿真方法 | |
CN110989626B (zh) | 一种基于控制参数化的无人机路径规划方法 | |
CN112666976B (zh) | 一种基于一致性的多无人机集群防撞方法 | |
CN112068586B (zh) | 一种空间时间联合优化的四旋翼无人飞行器轨迹规划方法 | |
CN113900449B (zh) | 多无人机轨迹规划方法、装置、无人机及存储介质 | |
CN114138002A (zh) | 分布式多无人机编队群集行为动态障碍物避障控制方法 | |
CN113759935B (zh) | 基于模糊逻辑的智能群体编队移动控制方法 | |
CN112462777A (zh) | 一种考虑操纵性差异的船舶编队路径主动协调系统及方法 | |
CN115712308A (zh) | 基于分布式模型预测控制及队形控制的多机编队防撞方法 | |
CN110632940B (zh) | 一种带混合量化器的多无人机主动抗干扰时变轨迹跟踪控制方法 | |
CN114510081A (zh) | 通信延迟约束下的多无人机集群导航方法 | |
CN114167896B (zh) | 一种基于状态预测的人工势能场无人机集群控制方法 | |
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 | |
CN115617039B (zh) | 一种基于事件触发的分布式仿射无人艇编队控制器构建方法和无人艇编队控制方法 | |
CN114721423A (zh) | 考虑避碰约束的多无人机协同到达预置目标的分配方法 | |
CN112462801A (zh) | 一种仿真模型多机编队的方法 | |
CN116774735B (zh) | 一种基于边缘计算的无人机集群轨迹规划方法及系统 | |
Li et al. | Fast Formation Transformation and Obstacle Avoidance Control for Multi-agent System | |
CN117193368B (zh) | 一种多无人机协同编队避障保性能控制方法 | |
CN117193370A (zh) | 基于风险评估的四旋翼无人机安全快速飞行方法 | |
CN117826828A (zh) | 一种基于三次曲线的集群目标追踪方法 | |
CN118192608A (zh) | 分布式在线多机轨迹规划方法及系统 |
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 |