CN114564043A - 一种基于自变增益策略的无人机集群目标跟踪方法、系统 - Google Patents
一种基于自变增益策略的无人机集群目标跟踪方法、系统 Download PDFInfo
- Publication number
- CN114564043A CN114564043A CN202210275626.8A CN202210275626A CN114564043A CN 114564043 A CN114564043 A CN 114564043A CN 202210275626 A CN202210275626 A CN 202210275626A CN 114564043 A CN114564043 A CN 114564043A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- targ
- target
- distance
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000003044 adaptive effect Effects 0.000 claims description 13
- 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 4
- 238000011161 development Methods 0.000 abstract description 3
- 230000018109 developmental process Effects 0.000 abstract 1
- 230000008859 change Effects 0.000 description 5
- 230000010355 oscillation Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000035899 viability 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
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自变增益策略的无人机集群目标跟踪方法、系统,在无人机集群跟踪目标的飞行控制中,以自变增益项代替无人机速度控制的固定增益项,分别调整每架无人机的飞行速度。自变增益项的变量为吸引半径与无人机至目标位置距离的差值,吸引半径是一个给定的临界值,当无人机与目标间的距离大于临界值时,目标跟踪算法产生变化的飞行速度,保证无人机稳定在目标的一定距离范围内。将方向向量和吸引半径与无人机至目标位置距离的差值作为无人机飞行速度的决定项,可以实现飞行速度与无人机与目标距离的动态关联,无人机距离较远时快速靠近,距离较近时,速度平缓改变,保证无人机既能快速跟踪目标又能稳定在目标的一定距离范围内。
Description
技术领域
本发明涉及无人机集群控制技术领域,具体涉及一种基于自变增益策略的无人机集群目标跟踪方法、系统。
背景技术
无人化、智能化、集群化是未来飞行器技术发展的必然趋势,无人机集群系统将成为重要的研究领域和发展方向,一方面,无人机具备低成本优势,可以快速补充、大规模装备,但现实中的复杂环境使得单个无人机执行任务时面临着巨大的挑战,首先便是自身载荷有限,容错率不高,一旦受损将终止任务,同时任务执行效率较低,另外单架无人机其智能化程度相比有人机存在不足,在特殊环境如强干扰、高动态的对抗性拒止环境中,适应能力和生存能力都有限。而多无人机协同可以解决这一问题,可以明显扩展任务能力,提高执行效率,特别是无人机集群系统如果拥有较高的群体智能,可以产生1+1大于2的有益效果,通过分布式决策实现能够自组织、协调性好、鲁棒性强的群体飞行。这一目标的实现依赖于无人机系统具备很好的自主性,它区别于自动控制,强调无人机自身在必要的时刻做出决策,而并不是系统依照指令控制执行任务,因为对于不同的集群任务需要设计相应的算法提高无人机自主性。
无人机集群系统一个常见的任务就是目标跟踪,例如追踪敌方车辆进行打击或是跟踪己方目标进行观察、保护、提供支援。此时要求无人机能够快速移动至目标位置,同时停留在它的一定距离范围内,无人机的运动应是平滑的,尽可能减小震荡的。而目前无人机集群的目标跟踪方法一般采用P调节器,这种固定增益项的做法存在诸多弊端,增益项过小将很难快速移动到目标位置,花费时间较长可能导致任务失败,增益项过大,将很难停留在目标的一定距离范围内,出现震荡现象、影响集群飞行的安全性,也不能及时开始执行既定的任务。
为了实现快速、准确的无人机集群目标跟踪,需要设计一种自变增益策略,动态调整增益项。无人机的速度并非简单地通过比例调节器控制,传统的PID控制器应用较广但是由于只有一个固定的增益项,弊端在于如果希望无人机在远处时速度较大从而快速靠近目标,则当其接近目标时无法尽快将速度调节至0,稳定下来,反而会由于速度较快出现震荡现象,这会导致无人机集群在完成目标跟踪后无法继续执行侦察、打击等任务。反之为了保证无人机快速稳定在目标一定距离范围内,无人机集群跟踪目标的速度会变小。
发明内容
有鉴于此,本发明提供了一种基于自变增益策略的无人机集群目标跟踪方法,能够快速跟踪目标又能稳定在目标的一定距离范围内,避免震荡现象。
本发明采用的具体技术方案如下:
一种基于自变增益策略的无人机集群目标跟踪方法,在无人机集群跟踪目标的飞行控制中,以自变增益项代替无人机速度控制的固定增益项,分别调整每架无人机的飞行速度;
所述自变增益项的变量根据吸引半径与无人机至目标位置距离的差值确定;
所述吸引半径为给定的无人机与目标位置的安全距离。
进一步地,所述自变增益项为自适应控制函数与所述固定增益项的乘积;所述自变增益项用公式表示为Ktarg·ftarg(||pi-ptarg||);其中Ktarg表示固定增益项,ftarg(||pi-ptarg||)=||pi-ptarg||表示自适应控制函数;Pi表示无人机i的坐标向量,Ptarg表示目标位置的坐标向量,||||表示取模运算。
进一步地,述无人机的飞行速度由所述自变增益项和吸引半径与无人机至目标位置距离的差值共同决定;所述无人机的飞行速度为:
vi,targ=Ktarg·ftarg(||pi-ptarg||)·min{(ratt-||Pi-Ptarg||),0)·Di,targ
其中,vi,targ为无人机的飞行速度;min{(ratt-||Pi-Ptarg||),0}表示吸引半径ratt与无人机至目标位置距离的差值,当无人机至目标位置距离小于于吸引半径,则为0;无人机至目标位置距离大于吸引半径,则为吸引半径与无人机至目标位置距离的差值,且为负值;ratt表示吸引半径;为方向向量,用于描述从目标指向无人机i的方向。
一种基于自变增益策略的无人机集群目标跟踪系统,包括:自变增益模块、差值模块、吸引半径给定模块和速度模块;
所述自变增益模块用于为所述速度模块提供自变增益项代替无人机速度控制的固定增益项;
所述差值模块用于计算吸引半径与无人机至目标位置距离的差值,并将所述差值作为所述自变增益项的变量提供给所述自变增益模块;
所述吸引半径给定模块用于为所述差值模块提供吸引半径;所述吸引半径为给定的无人机与目标位置的安全距离;
所述速度模块用于根据所述自变增益模块提供的所述自变增益项分别调整每架无人机的飞行速度。
进一步地,在所述自变增益模块中,通过计算自适应控制函数与所述固定增益项的乘积获得所述自变增益项;
所述自变增益项用公式表示为Ktarg·ftarg(||pi-ptarg||);其中Ktarg表示固定增益项,ftarg(||pi-ptarg||)=||pi-ptarg||表示自适应控制函数;Pi表示无人机i的坐标向量,Ptarg表示目标位置的坐标向量,||||表示取模运算。
进一步地,在所述速度模块中,通过所述自变增益项和吸引半径与无人机至目标位置距离的差值共同确定所述无人机的飞行速度;
所述无人机的飞行速度为:
vi,targ=Ktarg·ftarg(||pi-ptarg||)·min{(ratt-||Pi-Ptarg||),0}·Di,targ
其中,vi,targ为无人机的飞行速度;min{(ratt-||Pi-Ptarg||),0}表示吸引半径与无人机至目标位置距离的差值,当无人机至目标位置距离小于于吸引半径,则为0;无人机至目标位置距离大于吸引半径,则为吸引半径与无人机至目标位置距离的差值,且为负值;ratt表示吸引半径;为方向向量,用于描述了从目标指向无人机i的方向。
有益效果:
(1)一种基于自变增益策略的无人机集群目标跟踪方法,在无人机集群跟踪目标的飞行控制中,以自变增益项代替无人机速度控制的固定增益项,分别调整每架无人机的飞行速度。没有简单地控制无人机靠近目标位置,而是使无人机在目标的吸引半径外产生一个自适应的飞行速度,从而实现目标跟踪。其中,吸引半径是一个给定的临界值,当无人机与目标间的距离大于这个临界值时,目标跟踪算法才会产生变化的飞行速度,保证无人机稳定在目标的一定距离范围内。
(2)自变增益项为自适应控制函数与所述固定增益项的乘积,固定增益项可以直接影响无人机追踪目标时速度大小、靠近目标花费的时间和无人机速度改变的快慢,自适应控制函数可以根据距离远近动态获得变量值,进而乘以固定增益项可以动态改变自变增益项的整体大小,使得无人机距离目标越近,自变增益项越小,无人机的飞行速度变化越平缓的目的。避免了由于飞行速度较快出现震荡现象,可以保证无人机集群在完成目标跟踪后可以继续执行侦察、打击等任务。
(3)将方向向量和吸引半径与无人机至目标位置距离的差值作为无人机飞行速度的决定项,可以保证飞行速度的方向与无人机实际需要的飞行方向一致。实现飞行速度与无人机与目标距离的动态关联,无人机距离较远时快速靠近,距离较近时,速度平缓改变,保证无人机既能快速跟踪目标又能稳定在目标的一定距离范围内。
附图说明
图1为一种基于自变增益策略的无人机集群目标跟踪方法流程图。
具体实施方式
一种基于自变增益策略的无人机集群目标跟踪方法、系统,在无人机集群跟踪目标的飞行控制中,以自变增益项代替无人机速度控制的固定增益项,分别调整每架无人机的飞行速度。其中,自变增益项的变量为吸引半径与无人机至目标位置距离的差值,吸引半径是一个给定的临界值,当无人机与目标间的距离大于这个临界值时,目标跟踪算法才会产生变化的飞行速度,保证无人机稳定在目标的一定距离范围内。
下面结合附图并举实施例,对本发明进行详细描述。
如图1所示,在获取无人机位置、目标位置、吸引半径、计算距离以及差值的过程中,并没有严格的先后顺序,为了清楚地展示本方法的技术方案,以流程图和步骤的形式给出技术方案的详细描述。
首先,获取无人机i坐标向量Pi,目标位置的坐标向量Ptarg;给定吸引半径ratt。
之后,判断无人机与目标间的距离值是否大于吸引半径,min{(ratt-||Pi-Ptarg||),0},当无人机至目标位置距离小于于吸引半径,则为0;无人机至目标位置距离大于吸引半径,则为吸引半径与无人机至目标位置距离的差值,且为负值。||||表示取模运算。
之后,计算目标跟踪的自适应控制函数ftarg(||pi-ptarg||)=||pi-ptarg||,该项用于实现自变增益策略,无人机与目标的距离值越大,自变增益项越大。
之后,计算自变增益项,自变增益项为自适应控制函数与固定增益项的乘积。自变增益项用公式表示为Ktarg·ftarg(||pi-ptarg||);其中Ktarg表示固定增益项,ftarg(||pi-ptarg||)=||pi-ptarg||表示自适应控制函数。
最后,计算无人机的飞行速度。无人机的飞行速度由自变增益项和吸引半径与无人机至目标位置距离的差值共同决定;无人机的飞行速度为:
vi,targ=Ktarg·ftarg(||pi-ptarg||)·min{(ratt-||Pi-Ptarg||),0)·Di,targ
其中,vi,targ为无人机的飞行速度;min{(ratt-||Pi-Ptarg||),0}表示吸引半径与无人机至目标位置距离的差值,当无人机至目标位置距离小于于吸引半径,则为0;无人机至目标位置距离大于吸引半径,则为吸引半径与无人机至目标位置距离的差值,且为负值;ratt表示吸引半径;为方向向量,用于描述从目标指向无人机i的方向。
根据上述无人机集群目标跟踪方法可知,无人机集群目标跟踪方法使无人机面对目标时产生自适应的吸引速度即自动变化的飞行速度。吸引速度当且仅当无人机与目标间的距离大于吸引半径时产生。无人机集群目标跟踪方法改变的是无人机速度的大小和方向。无人机的飞行速度的方向取决于无人机相对于目标的位置的距离,并且是无人机靠近目标的方向。
在本发明的具体实施过程中,无人机具备导航定位装置、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,集群控制器通过目标跟踪算法向运动控制器发送速度命令。自变增益策略能够根据无人机距离目标的远近改变自动增益项大小。
根据上述一种基于自变增益策略的无人机集群目标跟踪方法,本发明还提供了一种基于自变增益策略的无人机集群目标跟踪系统,包括:自变增益模块、差值模块、吸引半径给定模块和速度模块。
自变增益模块用于为速度模块提供自变增益项代替无人机速度控制的固定增益项。
差值模块用于计算吸引半径与无人机至目标位置距离的差值,并将差值作为自变增益项的变量提供给自变增益模块。;
吸引半径给定模块用于为差值模块提供吸引半径;吸引半径为给定的无人机与目标位置的安全距离。
速度模块用于根据自变增益模块提供的自变增益项分别调整每架无人机的飞行速度。
在自变增益模块中,通过计算自适应控制函数与固定增益项的乘积获得自变增益项。
自变增益项用公式表示为Ktarg·ftarg(||pi-ptarg||);其中Ktarg表示固定增益项,ftarg(||pi-ptarg||)=||pi-ptarg||表示自适应控制函数;Pi表示无人机i的坐标向量,Ptarg表示目标位置的坐标向量,||||表示取模运算。
在速度模块中,通过自变增益项和吸引半径与无人机至目标位置距离的差值共同确定无人机的飞行速度;
无人机的飞行速度为:
vi,targ=Ktarg·ftarg(||pi-ptarg||)·min((ratt-||Pi-Ptarg||),0}·Di,targ
其中,vi,targ为无人机的飞行速度;min{(ratt-||Pi-Ptarg||),0}表示吸引半径与无人机至目标位置距离的差值,当无人机至目标位置距离小于于吸引半径,则为0;无人机至目标位置距离大于吸引半径,则为吸引半径与无人机至目标位置距离的差值,且为负值;ratt表示吸引半径;为方向向量,用于描述了从目标指向无人机i的方向。
本发明提供的基于自变增益策略的目标跟踪算法,能够动态改变自变增益项的大小,从而使吸引速度能够自适应地变化。无人机的速度并非简单地通过比例调节器控制,传统的PID控制器应用较广但是由于只有一个固定的增益项,弊端在于如果希望无人机在远处时速度较大从而快速靠近目标,则当其接近目标时无法尽快将速度调节至0,稳定下来,反而会由于速度较快出现震荡现象,这会导致无人机集群在完成目标跟踪后无法继续执行侦察、打击等任务。反之为了保证无人机快速稳定在目标一定距离范围内,无人机集群跟踪目标的速度会变小。为了解决上述弊端,本发明采用自变增益项代替固定增益,在速度控制算法中,变量为吸引半径与距离值的差值,自变增益策略主要是根据无人机与目标的距离值来为提供一个变化的增益项。无人机与目标相距越远,增益项越大,调节作用越明显。可以实现无人机距离较远时快速靠近,距离较近时,速度平缓改变,从而快速跟踪目标又能稳定在目标的一定距离范围内,避免震荡现象。
以上的具体实施例仅描述了本发明的设计原理,该描述中的部件形状,名称可以不同,不受限制。所以,本发明领域的技术人员可以对前述实施例记载的技术方案进行修改或等同替换;而这些修改和替换未脱离本发明创造宗旨和技术方案,均应属于本发明的保护范围。
Claims (6)
1.一种基于自变增益策略的无人机集群目标跟踪方法,其特征在于,在无人机集群跟踪目标的飞行控制中,以自变增益项代替无人机速度控制的固定增益项,分别调整每架无人机的飞行速度;
所述自变增益项的变量根据吸引半径与无人机至目标位置距离的差值确定;
所述吸引半径为给定的无人机与目标位置的安全距离。
2.如权利要求1所述的无人机集群目标跟踪方法,其特征在于,所述自变增益项为自适应控制函数与所述固定增益项的乘积;所述自变增益项用公式表示为Ktarg·ftarg(||pi-ptarg||);其中Ktarg表示固定增益项,ftarg(||pi-ptarg||)=||pi-ptarg||表示自适应控制函数;Pi表示无人机i的坐标向量,Ptarg表示目标位置的坐标向量,|| ||表示取模运算。
3.如权利要求2所述的无人机集群目标跟踪方法,其特征在于,所述无人机的飞行速度由所述自变增益项和吸引半径与无人机至目标位置距离的差值共同决定;所述无人机的飞行速度为:
vi,targ=Ktarg·ftarg(||pi-ptarg||)·min{(ratt-||Pi-Ptarg||),0}·Di,targ
4.一种基于自变增益策略的无人机集群目标跟踪系统,其特征在于,包括:自变增益模块、差值模块、吸引半径给定模块和速度模块;
所述自变增益模块用于为所述速度模块提供自变增益项代替无人机速度控制的固定增益项;
所述差值模块用于计算吸引半径与无人机至目标位置距离的差值,并将所述差值作为所述自变增益项的变量提供给所述自变增益模块;
所述吸引半径给定模块用于为所述差值模块提供吸引半径;所述吸引半径为给定的无人机与目标位置的安全距离;
所述速度模块用于根据所述自变增益模块提供的所述自变增益项分别调整每架无人机的飞行速度。
5.如权利要求4所述的无人机集群目标跟踪系统,其特征在于,在所述自变增益模块中,通过计算自适应控制函数与所述固定增益项的乘积获得所述自变增益项;
所述自变增益项用公式表示为Ktarg·ftarg(||pi-ptarg||);其中Ktarg表示固定增益项,ftarg(||pi-ptarg||)=||pi-ptarg||表示自适应控制函数;Pi表示无人机i的坐标向量,Ptarg表示目标位置的坐标向量,|| ||表示取模运算。
6.如权利要求5所述的无人机集群目标跟踪系统,其特征在于,在所述速度模块中,通过所述自变增益项和吸引半径与无人机至目标位置距离的差值共同确定所述无人机的飞行速度;
所述无人机的飞行速度为:
vi,targ=Ktarg·ftarg(||pi-ptarg||)·min{(ratt-||Pi-Ptarg||),0}·Di,targ
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210275626.8A CN114564043A (zh) | 2022-03-21 | 2022-03-21 | 一种基于自变增益策略的无人机集群目标跟踪方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210275626.8A CN114564043A (zh) | 2022-03-21 | 2022-03-21 | 一种基于自变增益策略的无人机集群目标跟踪方法、系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114564043A true CN114564043A (zh) | 2022-05-31 |
Family
ID=81720521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210275626.8A Pending CN114564043A (zh) | 2022-03-21 | 2022-03-21 | 一种基于自变增益策略的无人机集群目标跟踪方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114564043A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117055585A (zh) * | 2023-10-09 | 2023-11-14 | 青州市巨龙环保科技有限公司 | 一种智能水下机器人的智能控制方法和系统 |
-
2022
- 2022-03-21 CN CN202210275626.8A patent/CN114564043A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117055585A (zh) * | 2023-10-09 | 2023-11-14 | 青州市巨龙环保科技有限公司 | 一种智能水下机器人的智能控制方法和系统 |
CN117055585B (zh) * | 2023-10-09 | 2024-03-05 | 青州市巨龙环保科技有限公司 | 一种智能水下机器人的智能控制方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mofid et al. | Adaptive finite-time backstepping global sliding mode tracker of quad-rotor UAVs under model uncertainty, wind perturbation, and input saturation | |
Andersson et al. | Deep learning quadcopter control via risk-aware active learning | |
CN110456821A (zh) | 基于动态触发机制的飞行器轨迹最优控制方法和系统 | |
Aboelela et al. | Design of aerospace control systems using fractional PID controller | |
CN109683471A (zh) | 自抗扰控制方法、装置和系统 | |
CN109765918A (zh) | 一种无人直升机鲁棒自适应补偿控制方法 | |
CN106527462A (zh) | 无人机控制装置 | |
CN114564043A (zh) | 一种基于自变增益策略的无人机集群目标跟踪方法、系统 | |
CN112034858B (zh) | 一种融合弱观测高阶输出数据的无模型自适应艏向控制方法 | |
CN107526296A (zh) | 基于预测建模的高超声速飞行器神经网络学习控制方法 | |
Zheng et al. | Multilayer neural dynamics-based adaptive control of multirotor UAVs for tracking time-varying tasks | |
Souissi et al. | Adaptive control for fully-actuated autonomous surface vehicle with uncertain model and unknown ocean currents | |
KR20180128618A (ko) | 퍼지 pid 제어기를 이용한 유도 시스템 | |
Reinhardt et al. | Control of fixed-wing uav attitude and speed based on embedded nonlinear model predictive control | |
CN113759935B (zh) | 基于模糊逻辑的智能群体编队移动控制方法 | |
Lazim et al. | Intelligent observer-based feedback linearization for autonomous quadrotor control | |
CN107479382A (zh) | 基于在线数据学习的高超声速飞行器神经网络控制方法 | |
Wang et al. | A modified alos method of path tracking for auvs with reinforcement learning accelerated by dynamic data-driven auv model | |
Souza et al. | Passivity based control of a quadrotor UAV | |
CN117193369A (zh) | 预设时间下的无人机集群博弈纳什均衡搜索方法及系统 | |
Ryan et al. | Modelling of quadrotor ground effect forces via simple visual feedback and support vector regression | |
CN115576353A (zh) | 一种基于深度强化学习的飞行器编队控制方法 | |
Liang et al. | Adaptive NN control of integrated guidance and control systems based on disturbance observer | |
Duan et al. | Flight-path tracking control of a transportation aircraft: Comparison of two nonlinear design approaches | |
CN111580550A (zh) | 一种无人机仿人智能控制方法 |
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 |