CN114296482A - 一种基于自变增益策略的无人机集群避障方法 - Google Patents

一种基于自变增益策略的无人机集群避障方法 Download PDF

Info

Publication number
CN114296482A
CN114296482A CN202111680384.2A CN202111680384A CN114296482A CN 114296482 A CN114296482 A CN 114296482A CN 202111680384 A CN202111680384 A CN 202111680384A CN 114296482 A CN114296482 A CN 114296482A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
obst
obstacle
self
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
Application number
CN202111680384.2A
Other languages
English (en)
Other versions
CN114296482B (zh
Inventor
沈凯
丁应和
朱毅晓
李岳伦
钟鼎
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202111680384.2A priority Critical patent/CN114296482B/zh
Publication of CN114296482A publication Critical patent/CN114296482A/zh
Application granted granted Critical
Publication of CN114296482B publication Critical patent/CN114296482B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本公开的基于自变增益策略的无人机集群避障方法，通过获取无人机i的位置坐标向量pi、最大速度vmax、最大加速度amax，以及障碍物中心位置坐标向量pobst和障碍物半径robst；根据所述无人机的最大速度vmax、最大加速度amax和所述障碍物半径robst确定所述无人机和所述障碍物的排斥半径rrep；计算所述无人机i和所述障碍物之间的距离L；当所述距离L小于所述排斥半径rrep时，利用自适应控制函数、无人机i的位置坐标向量pi、障碍物中心位置坐标向量pobst调整所述无人机i的速度，以使无人机i避开障碍物。能够通过获取无人机与障碍物的坐标，调整自身速度，实现个体与障碍物之间的碰撞，解决集群系统中无人机的障碍规避问题。

Description

一种基于自变增益策略的无人机集群避障方法
技术领域
本发明属于无人机集群控制技术领域，特别涉及一种自变增益策略的无人机集群避障方法。
背景技术
随着机械电子技术和控制算法的发展，无人机越来越多进入人们的视野，也扮演着越来越重要的角色，特别是在农业、地面遥感、空中物流、军事察打等领域。与传统飞机相比，无人机最大的特点是采用程控或遥感控制，成本和风险都更低。但单个无人机往往为满足轻量化需求，载荷有限，如军用察打无人机只能携带一定量的燃油和武器。同时对单个无人机来说，仅仅依靠其自身所带传感器，难以高效完成侦察、观测任务。因此无人机集群由于其拥有群体行为的优势，将成为未来无人机应用的重要方向。而现实环境往往是十分复杂和不可控的，其中不可避免地存在影响无人机飞行安全的障碍物。对于遥控无人机，可以轻松地控制其飞离障碍物。但对于分布式无人机集群系统，要求无人机具备更强的自主性，能够通过判断自身与障碍物的距离，控制其飞行速度，避开路径上的障碍物，从而完成集群飞行任务。
目前无人机自主避障方法往往采用P调节器，通过消除误差项实现避障，也就是控制无人机与障碍物保持设定的距离，但采用P调节器时，提前设定增益项的做法，存在许多弊端。增益项过大，将会产生震荡，同时无人机的速度改变过于剧烈，集群飞行安全受到威胁。增益项过小，不能及时阻止碰撞。为了实现精准避障，需要设计一种自变增益策略，动态调整增益项。
发明内容
本发明克服了现有技术的不足之一，提供了一种自变增益策略的无人机集群避障方法，通过获取无人机与障碍物的坐标，调整自身速度，实现个体与障碍物之间的碰撞避免，能够解决集群系统中无人机的障碍物规避问题。
根据本公开的一方面，本发明提供自变增益策略的无人机集群避障方法，所述方法包括：
获取无人机i的位置坐标向量pi、最大速度vmax、最大加速度amax，以及障碍物中心位置坐标向量pobst和障碍物半径robst；
根据所述无人机的最大速度vmax、最大加速度amax和所述障碍物半径robst确定所述无人机和所述障碍物的排斥半径rrep；
计算所述无人机i和所述障碍物之间的距离L；
当所述距离L小于所述排斥半径rrep时，利用自适应控制函数、无人机i的位置坐标向量pi、障碍物中心位置坐标向量pobst调整所述无人机i的速度，以使无人机i避开障碍物。
在一种可能的实现方式中，所述无人机和所述障碍物的排斥半径
Figure BDA0003435859630000021
在一种可能的实现方式中，距离L＝||pi-pobst||。
在一种可能的实现方式中，所述利用自适应控制函数、无人机i的位置坐标向量pi、障碍物中心位置坐标向量pobst调整所述无人机i的速度，包括：
利用所述自适应控制函数改变自变增益因子；
利用所述无人机i的位置坐标向量pi和障碍物中心位置坐标向量pobst计算所述无人机i的位置向量Di,obst；
根据所述自变增益因子、无人机i的位置向量Di,obst调整所述无人机i的速度vi,obst。
在一种可能的实现方式中，所述无人机i的速度
vi,obst＝Kobst·fobst(||pi-pobst||)·max{(rrep-||pi-pobst||),0}·Di,obst，
其中，
Figure BDA0003435859630000022
fobst(||pi-pobst||)为自适应控制函数，Kobst·fobst(||pi-pobst||)为自变增益因子，Kobst为避障增益。
本公开的自变增益策略的无人机集群避障方法，通过获取无人机i的位置坐标向量pi、最大速度vmax、最大加速度amax，以及障碍物中心位置坐标向量pobst和障碍物半径robst；根据所述无人机的最大速度vmax、最大加速度amax和所述障碍物半径robst确定所述无人机和所述障碍物的排斥半径rrep；计算所述无人机i和所述障碍物之间的距离L；当所述距离L小于所述排斥半径rrep时，利用自适应控制函数、无人机i的位置坐标向量pi、障碍物中心位置坐标向量pobst调整所述无人机i的速度，以使无人机i避开障碍物。能够通过获取无人机与障碍物的坐标，调整自身速度，实现个体与障碍物之间的碰撞，解决集群系统中无人机的障碍规避问题。
附图说明
附图用来提供对本申请的技术方案或现有技术的进一步理解，并且构成说明书的一部分。其中，表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案，但并不构成对本申请技术方案的限制。
图1示出了根据本公开一实施例的自变增益策略的无人机集群避障方法流程图；
图2示出了根据本公开另一实施例的自变增益策略的无人机集群避障方法流程图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本发明的保护范围之内。
另外，附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本公开的自变增益策略的无人机集群避障方法，基于自适应控制算法根据无人机距离障碍物的远近改变增益项大小，基于自变增益项调整无人机集群中无人机距离障碍物的速度。该方法使无人机面对障碍物时，当且仅当无人机与障碍物间的距离小于排斥半径时产生自适应地产生排斥，基于自适应增益调整无人机速度的大小和方向。速度方向取决于无人机相对于障碍物的位置，并且是无人机远离障碍物的方向，速度大小与无人机和障碍物间的距离值成反比。
图1和图2分别示出了根据本公开一实施例的自变增益策略的无人机集群避障方法流程图。如图1和图2所示，该方法可以包括：
步骤S1：获取无人机i的位置坐标向量pi、最大速度vmax、最大加速度amax，以及障碍物中心位置坐标向量pobst和障碍物半径robst。
无人机具备导航定位装置(例如GPS、陀螺仪、激光传感器或红外传感器等)、通信装置和控制装置，其中控制装置包括运动控制器和集群控制器两部分，集群控制器通过集群避障算法向运动控制器发送速度命令。
通过无人机具备导航定位装置可以获取得到无人机i的位置坐标向量pi、最大速度vmax、最大加速度amax，以及障碍物中心位置坐标向量pobst和障碍物半径robst。
步骤S2：根据无人机的最大速度vmax、最大加速度amax和所述障碍物半径robst确定所述无人机和所述障碍物的排斥半径rrep(即无人机与障碍物之间的排斥半径)；其中，无人机和所述障碍物的排斥半径
Figure BDA0003435859630000041
步骤S3：计算无人机i和所述障碍物之间的距离L，距离L＝||pi-pobst||。
步骤S4：当距离L小于排斥半径rrep时，利用自适应控制函数、无人机i的位置坐标向量pi、障碍物中心位置坐标向量pobst调整所述无人机i的速度，以使无人机i避开障碍物。
在一示例中，步骤S4可以包括：
利用自适应控制函数改变自变增益因子；
利用无人机i的位置坐标向量pi和障碍物中心位置坐标向量pobst计算所述无人机i的位置向量Di,obst；
根据自变增益因子、无人机i的位置向量Di,obst调整所述无人机i的速度vi,obst。
其中，无人机i的速度vi,obst为：
vi,obst＝Kobst·fobst(||pi-pobst||)·max{(rrep-||pi-pobst||),0}·Di,obst。
式中，自适应控制函数
Figure BDA0003435859630000051
自变增益因子为Kobst·fobst(||pi-pobst||)，Kobst为避障增益，可以通过自适应控制函数调整自变增益因子的大小。
无人机i的位置向量
Figure BDA0003435859630000052
该位置向量的方向为由障碍物指向无人机i的方向。
max{(rrep-||pi-pobst||),0}用来表示无人机i和障碍物之间的距离L与无人机和障碍物的排斥半径rrep，当无人机i和障碍物之间的距离L大于无人机和障碍物的排斥半径rre时，取值为0，否则为rrep-||pi-pobst||。
本发明的自变增益策略的无人机集群避障方法能够使无人机面对障碍物时产生排斥速度，从而实现碰撞避免。以排斥半径(排斥半径)是一个临界值，当无人机与障碍物间的距离小于这个临界值时，避障算法才会产生排斥，既保证了无人机的安全性，又不对集群飞行产生较大的干扰。基于自变增益策略的避障算法，能够动态调整增益项的大小，是对传统P调节器的改进，无人机越靠近障碍物，增益项越大，这种算法在避免震荡、保证集群飞行安全的前提下能够更加快速地调节无人机速度实现碰撞避免。
虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (5)

1.一种基于自变增益策略的无人机集群避障方法，其特征在于，所述方法包括：
获取无人机i的位置坐标向量pi、最大速度vmax、最大加速度amax，以及障碍物中心位置坐标向量pobst和障碍物半径robst；
根据所述无人机的最大速度vmax、最大加速度amax和所述障碍物半径robst确定所述无人机和所述障碍物的排斥半径rrep；
计算所述无人机i和所述障碍物之间的距离L；
当所述距离L小于所述排斥半径rrep时，利用自适应控制函数、无人机i的位置坐标向量pi、障碍物中心位置坐标向量pobst调整所述无人机i的速度，以使无人机i避开障碍物。
2.根据权利要求1所述的无人机集群避障方法，其特征在于，所述无人机和所述障碍物的排斥半径
Figure FDA0003435859620000011
3.根据权利要求2所述的无人机集群避障方法，其特征在于，距离L＝||pi-pobst||。
4.根据权利要求3所述的无人机集群避障方法，其特征在于，所述利用自适应控制函数、无人机i的位置坐标向量pi、障碍物中心位置坐标向量pobst调整所述无人机i的速度，包括：
利用所述自适应控制函数改变自变增益因子；
利用所述无人机i的位置坐标向量pi和障碍物中心位置坐标向量pobst计算所述无人机i的位置向量Di,obst；
根据所述自变增益因子、无人机i的位置向量Di,obst调整所述无人机i的速度vi,obst。
5.根据权利要求4所述的无人机集群避障方法，其特征在于，所述无人机i的速度
vi,obst＝Kobst·fobst(||pi-pobst||)·max{(rrep-||pi-pobst||),0}·Di,obst，
其中，
Figure FDA0003435859620000021
fobst(||pi-pobst||)为自适应控制函数，Kobst·fobst(||pi-pobst||)为自变增益因子，Kobst为避障增益。
CN202111680384.2A 2021-12-27 2021-12-27 一种基于自变增益策略的无人机集群避障方法 Active CN114296482B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111680384.2A CN114296482B (zh) 2021-12-27 2021-12-27 一种基于自变增益策略的无人机集群避障方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111680384.2A CN114296482B (zh) 2021-12-27 2021-12-27 一种基于自变增益策略的无人机集群避障方法

Publications (2)

Publication Number Publication Date
CN114296482A true CN114296482A (zh) 2022-04-08
CN114296482B CN114296482B (zh) 2023-11-28

Family

ID=80975400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111680384.2A Active CN114296482B (zh) 2021-12-27 2021-12-27 一种基于自变增益策略的无人机集群避障方法

Country Status (1)

Country Link
CN (1) CN114296482B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106774336A (zh) * 2017-01-04 2017-05-31 广东华中科技大学工业技术研究院 一种无人艇一字型队到倒v字型队队形变换方法
CN108459612A (zh) * 2017-02-21 2018-08-28 北京航空航天大学 基于人工势场法的无人机编队控制方法及装置
CN109407705A (zh) * 2018-12-14 2019-03-01 厦门理工学院 一种无人机躲避障碍物的方法、装置、设备和存储介质
CN109521794A (zh) * 2018-12-07 2019-03-26 南京航空航天大学 一种多无人机航路规划及动态避障方法
CN109871031A (zh) * 2019-02-27 2019-06-11 中科院成都信息技术股份有限公司 一种固定翼无人机的轨迹规划方法
CN110597059A (zh) * 2019-09-05 2019-12-20 武汉大学 面向无人系统的椋群式智能群体动态网络拓扑构建方法
KR102300324B1 (ko) * 2021-04-30 2021-09-09 세종대학교산학협력단 충돌 방지 알고리즘에 기반한 군집 비행 제어 시스템 및 그 방법
CN113485454A (zh) * 2021-08-23 2021-10-08 南京航空航天大学 几何改进人工势场的无人机避障机动方法和系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106774336A (zh) * 2017-01-04 2017-05-31 广东华中科技大学工业技术研究院 一种无人艇一字型队到倒v字型队队形变换方法
CN108459612A (zh) * 2017-02-21 2018-08-28 北京航空航天大学 基于人工势场法的无人机编队控制方法及装置
CN109521794A (zh) * 2018-12-07 2019-03-26 南京航空航天大学 一种多无人机航路规划及动态避障方法
CN109407705A (zh) * 2018-12-14 2019-03-01 厦门理工学院 一种无人机躲避障碍物的方法、装置、设备和存储介质
CN109871031A (zh) * 2019-02-27 2019-06-11 中科院成都信息技术股份有限公司 一种固定翼无人机的轨迹规划方法
CN110597059A (zh) * 2019-09-05 2019-12-20 武汉大学 面向无人系统的椋群式智能群体动态网络拓扑构建方法
KR102300324B1 (ko) * 2021-04-30 2021-09-09 세종대학교산학협력단 충돌 방지 알고리즘에 기반한 군집 비행 제어 시스템 및 그 방법
CN113485454A (zh) * 2021-08-23 2021-10-08 南京航空航天大学 几何改进人工势场的无人机避障机动方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KAI SHEN 等: "Incremental learning-based land mark recognition for mirco-UAV autonomous landing", 2020 39TH CHINESE CONTROL CONFERENCE (CCC) *
李昶威 等: "基于蝙蝠算法-人工势场的机器人路径规划研究", 制造业自动化, vol. 43, no. 2, pages 76 - 81 *

Also Published As

Publication number Publication date
CN114296482B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
Watanabe et al. Vision-based obstacle avoidance for UAVs
KR102164372B1 (ko) 소형 고정익 무인항공기의 경로 추종 방법 및 이를 이용한 lgvf 경로 추종 제어기
Escobar‐Alvarez et al. R‐ADVANCE: rapid adaptive prediction for vision‐based autonomous navigation, control, and evasion
CN108701362B (zh) 目标跟踪期间的障碍避免
Hérissé et al. A terrain-following control approach for a vtol unmanned aerial vehicle using average optical flow
KR101740312B1 (ko) 무인 항공기의 카메라 조종정보를 이용한 무인 항공기 유도제어 방법
Wenzel et al. Low-cost visual tracking of a landing place and hovering flight control with a microcontroller
Kumar et al. Radar-assisted collision avoidance/guidance strategy for planar flight
Park et al. Collision avoidance for quadrotor using stereo vision depth maps
KR102444076B1 (ko) 운송수단이 추종하는 타킷에 인접하는 비행 패턴을 수립하기 위한 시스템 및 방법
KR20210044671A (ko) 예측적인 드론 착륙을 위한 방법 및 시스템
Zufferey et al. Autonomous flight at low altitude using light sensors and little computational power
CN110737283B (zh) 一种面向视觉集群的编队解耦控制方法
WO2016200629A1 (en) Vehicle collision prevention
Mills et al. Vision based control for fixed wing UAVs inspecting locally linear infrastructure using skid-to-turn maneuvers
Steiner et al. Open-sector rapid-reactive collision avoidance: Application in aerial robot navigation through outdoor unstructured environments
Marinho et al. Guaranteed collision avoidance based on line-of-sight angle and time-to-collision
Moon et al. A hybrid dynamic window approach for collision avoidance of VTOL UAVs
Zhang et al. Monocular vision-based sense and avoid of uav using nonlinear model predictive control
Ottander et al. Precision slung cargo delivery onto a moving platform
US20220004205A1 (en) Path planning for cooperated air vehicles
CN114296482A (zh) 一种基于自变增益策略的无人机集群避障方法
Watanabe Stochastically optimized monocular vision-based navigation and guidance
El-Kalubi et al. Vision-based real time guidance of UAV
Ho et al. Characterization of flow field divergence for MAVs vertical control landing

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