CN114721423B - 考虑避碰约束的多无人机协同到达预置目标的分配方法 - Google Patents
考虑避碰约束的多无人机协同到达预置目标的分配方法 Download PDFInfo
- Publication number
- CN114721423B CN114721423B CN202210255166.2A CN202210255166A CN114721423B CN 114721423 B CN114721423 B CN 114721423B CN 202210255166 A CN202210255166 A CN 202210255166A CN 114721423 B CN114721423 B CN 114721423B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- aerial vehicles
- collision avoidance
- target
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 230000008569 process Effects 0.000 claims abstract description 38
- 238000012216 screening Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 8
- 230000002265 prevention Effects 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 4
- 238000011217 control strategy Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
-
- 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
本发明公开了一种考虑避碰约束的多无人机协同到达预置目标的分配方法,该方法通过优化初始条件,尽量减小无人机冲突的可能性,从而降低问题的复杂程度,使得分布式无人机群运动过程中,避免大量冲突同时出现;具体来说,根据无人机和目标位置的具体坐标来分批次、分区域地分配任务,相邻批次之间基本不会存在冲突,同一批次内部由于无人机数量有限,同时出现大量冲突的可能性极低,再结合合理的制导控制策略,使得无人机能够顺利地到达预设的目标位置。
Description
技术领域
本发明涉及无人机集群的任务分配及控制方法,具体涉及一种考虑避碰约束的多无人机协同到达预置目标的分配方法。
背景技术
目前的多飞行器避碰方法包括集中式避碰方法与分布式避碰方法。对于集中式飞行器集群避碰过程,将所有信息集中到控制中心,控制中心在各种约束下求解使目标函数值最优的机动方法,能够全面考虑无人机信息和场景信息,得到全局最优的控制方法,但控制中心处理的数据量大,随着无人机数量增加,计算量大增,计算时间难以满足需求。对于分布式飞行器集群避碰过程,每个无人机都有基本的计算能力,可根据局部信息做出机动决策,当相邻的无人机数目增多时,无人机基于局部信息做出的决策并不能达到完美的避碰,可能导致其他冲突。
所以综合来说,集中式无人机群的计算量巨大,不能在有限时间内解决大规模的无人机避碰。分布式无人机群在大规模避碰过程中,当某个无人机的邻机较多,冲突数量较大时,基于局部信息做出的决策并不完全,无法解决大量冲突,无论怎样优化避碰过程,由于算法本质产生的问题都很难解决。
由于上述原因,本发明人对集群内任务分配及避碰控制方法做了深入研究,在分布式无人机群的架构下,已知任务目标时,提前进行目标任务分配,通过优化初始条件和合理的避碰方案来解决上述问题,从而获得一种考虑避碰约束的多无人机协同到达预置目标的分配方法。
发明内容
为了克服上述问题,本发明人进行了锐意研究,设计出一种考虑避碰约束的多无人机协同到达预置目标的分配方法,该方法通过优化初始条件,尽量减小无人机冲突的可能性,从而降低问题的复杂程度,使得分布式无人机群运动过程中,避免大量冲突同时出现;具体来说,根据无人机和目标位置的具体坐标来分批次、分区域地分配任务,相邻批次之间基本不会存在冲突,同一批次内部由于无人机数量有限,同时出现大量冲突的可能性极低,再结合合理的制导控制策略,使得无人机能够顺利地到达预设的目标位置,从而完成本发明。
具体来说,本发明的目的在于提供一种考虑避碰约束的多无人机协同到达预置目标的分配方法,该方法包括如下步骤:
步骤1,从n个无人机组成的集群中挑选出a个无人机,从n个目标位置中挑选出a个目标,对a个无人机和a个目标位置进行匹配;
步骤2,从剩余的n-a个无人机中挑选出b个无人机,从剩余的n-a个目标位置中挑选出b个目标位置,对b个无人机和b个目标位置进行匹配;
步骤3,多次重复步骤2,直到所有无人机和目标都匹配完成;
步骤4,根据无人机坐标、目标位置坐标和无人机当前速度,获得无人机到达匹配的目标位置所需时间,执行n次该过程,获得n个无人机对应的所需时间{t1,t2,…tn},进而获得所需时间的均值t均,将t均作为所需时间的期望值,据此获得每个无人机的加速度大小{a1,a2,…an};
通过比例导引获得每个无人机制导的角速度,记为{ω1,ω2,…ωk,…ωn};
步骤5,在无人机飞向目标位置的过程中,每个无人机都通过交互获得邻机的位置和速度信息,从而每个无人机都筛选出在预定时间τ内能够与其发生碰撞的邻机,并记录其序号;
步骤6,针对每一个记录序号的邻机,无人机获得能够避免与其碰撞的自身机动角度,并分别记录;
步骤7,建立效用函数wij,基于效用函数筛选出能够使平均冲突最大的机动角,记为δφi,进一步获得该机动角δφi对应的的角速度ωc;
步骤8,通过无人机的避碰过程与制导过程加权,获得无人机的实际航向角速度ω,并据此对无人机进行控制。
其中,在步骤1中,读取每个无人机的坐标,筛选出x坐标最小的a个无人机,并按照y坐标大小进行排序,记为{U1,U2,…Ua};
读取每个目标位置的坐标,筛选出x坐标最小的a个目标位置,并按照y坐标大小进行排序,记为{T1,T2,…Ta};
将U1与T1匹配,U2与T2匹配,Ua与Ta匹配。
其中,在步骤2中,所述b的取值小于或等于a。
其中,在步骤5中,每个无人机都获得其自身在时间τ内的的轨迹,还获得其周围预定范围内的邻机的预测轨迹,分别获得时间τ内,无人机与其每一个邻机之间的最小距离rij,当所述最小距离小于安全距离rs时,将该最小距离对应的邻机记录为可能与其发生碰撞的邻机。
其中,在所述步骤6中,获得能够避免碰撞的自身机动角度的过程包括如下子步骤:
子步骤1:获得邻机在τ时间后能够到达的位置,以此位置为中心,以安全距离为半径做圆/球,得到安全区域;
子步骤2:获得至少两个能够使得无人机飞行轨迹与所述安全区域相切的机动角度;
子步骤3:根据无人机的机动能力去除不符合要求的机动角度;优选地,当符合要求的机动角度为两个时,选择较小的角度;当两角度相差不大时,优先进行逆时针机动,作为所述能够避免碰撞的自身机动角度。
其中,所述步骤7包括如下子步骤:
子步骤a:建立如下式(一)中所示的效用函数wij,根据步骤6中获得的第一个机动角度δφi1,在保持邻机速度大小、邻机速度方向、自身速度大小不变的情况下,获得对应的rij,进而获得对应的效用函数wij:
其中,wij表示效用函数,rij表示第i架无人机与其第j个邻机之间在时间τ内的最小距离;ris表示安全距离;
子步骤b:根据下式(二),基于效用函数获得平均冲突W:
其中,W表示平均冲突,i表示第i个无人机,j表示预定时间τ内可能与自身发生碰撞的第j个邻机;ni表示步骤6中获得的第i个无人机的机动角度数量,也是第i个无人机对应的预定时间τ内可能与其发生碰撞的邻机数量;
其中,在所述步骤8中,
当预定时间τ内不存在可能发生碰撞的邻机时,
所述航向角速度ω=ωk,
当预定时间τ内存在可能发生碰撞的邻机时,
所述航向角速度ω=0.2ωk+0.8ωc。
其中,所述安全距离为20-100米,优选为30-80米。
其中,时间τ为1-30秒,优选为5-20秒。
其中,该方法还包括如下步骤:
步骤9,按照预定频率更新各个无人机的位置和速度信息,重复步骤5-8,直至所有无人机都到达目标位置。
本发明所具有的有益效果包括:
(1)根据本发明提供的考虑避碰约束的多无人机协同到达预置目标的分配方法实现了多无人机避碰方法在协同制导过程中的应用,让分布式架构能够应用于大规模的无人机集群;通过初始条件下的任务分配,降低了任务过程中的避碰问题的规模,对于分布式架构无法同时应对大量冲突的情况,有较好的改善;
(2)根据本发明提供的考虑避碰约束的多无人机协同到达预置目标的分配方法将每对冲突的求解过程一次性计算出来,再通过效用函数的筛选方式,达到了简化求解过程的效果,在实际应用中,能够降低无人机的通信次数。
附图说明
图1示出根据本发明一种优选实施方式的考虑避碰约束的多无人机协同到达预置目标的分配方法整体逻辑图;
图2示出本发明实施例一中无人机的飞行轨迹示意图;
图3示出本发明实施例一中最短距离的变化情况示意图;
图4示出本发明实施例二中无人机的飞行轨迹示意图;
图5示出本发明实施例二中最短距离的变化情况示意图。
具体实施方式
下面通过附图和实施例对本发明进一步详细说明。通过这些说明,本发明的特点和优点将变得更为清楚明确。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
根据本发明提供的一种考虑避碰约束的多无人机协同到达预置目标的分配方法,如图1中所示,该方法包括如下步骤:
步骤1,从n个无人机组成的集群中挑选出a个无人机,从n个目标位置中挑选出a个目标,对a个无人机和a个目标位置进行匹配;
其中,n无人机和n个目标位置的坐标都是预先获知的,在此基础上进行任务分配,使得每个无人机都对应到达一个目标位置,这样的操作具有极高的实际应用价值,如无人机集群作战,或者无人机灯光秀等等。
在步骤1中,数量n一般是数量a的四倍以上,a的具体取值,可以根据无人机集群的分布密度选择设置,如设置为5~10。进一步优选地,当a的取值接近n的算数平方根时,整体效果最好,即n的算数平方根四舍五入取整数位时,该整数为a时整体效果最好。
在步骤1中,读取每个无人机的坐标,筛选出x坐标最小的a个无人机,并按照y坐标大小进行排序,记为{U1,U2,…Ua};
读取每个目标位置的坐标,筛选出x坐标最小的a个目标位置,并按照y坐标大小进行排序,记为{T1,T2,…Ta};
将U1与T1匹配,U2与T2匹配,Ua与Ta匹配。在该方法中,无人机和目标位置的坐标都是平面坐标,其纵坐标值都相同,即无人机和目标位置都位于同一个水平面上。
步骤2,从剩余的n-a个无人机中挑选出b个无人机,从剩余的n-a个目标位置中挑选出b个目标位置,对b个无人机和b个目标位置进行匹配;
在步骤2中,具体的处置过程与步骤1中类似,所述b的取值小于或等于a;可以根据具体情况选择设置;
步骤3,多次重复步骤2,直到所有无人机和目标都匹配完成;
每次重复步骤2中,都从上一步骤中剩余的未分配目标的无人机中挑选无人机,若在某次重复步骤2时,剩余的无人机数量不足,则将剩余的无人机与目标位置进行匹配。
步骤4,根据无人机坐标、目标位置坐标和无人机当前速度,获得无人机到达匹配的目标位置所需时间,执行n次该过程,获得n个无人机对应的所需时间{t1,t2,…tn},进而获得所需时间的均值t均,将t均作为所需时间的期望值,据此获得每个无人机的加速度大小{a1,a2,…an};
通过比例导引获得每个无人机制导的角速度,记为{ω1,ω2,…ωk,…ωn};
通过该步骤,为每个无人机获得对应的加速度大小,能够使得n个无人机基本同时到达期望的目标位置。
步骤5,在无人机飞向目标位置的过程中,每个无人机都通过交互获得邻机的位置和速度信息,从而每个无人机都筛选出在预定时间τ内能够与其发生碰撞的邻机,并记录其序号;
其中,所述无人机集群中的每个无人机都实时获知其自身的位置和速度信息,并且能够将该信息传递给其周围预定范围内的邻机。交互时,能够直接获取邻机的飞行状态,再结合自身的位置和速度信息,能够获得相对位置和相对速度;
所述无人机中都设置有卫星接收模块或者惯导模块,能够据此获得自身的位置及速度信息,无人机中还设置有通讯模块,如4G通讯模块或者雷达模块,从而能够执行交互作业。
本申请中所述的预定范围可以根据无人机的速度、安全距离通讯模块的工作能力、环境状况等因素选择设置,如设置为3~5km。
在步骤5中,每个无人机都获得其自身在时间τ内的的轨迹,还获得其周围预定范围内的邻机的预测轨迹,该邻机数量设为m,分别获得时间τ内,无人机与其每一个邻机之间的最小距离rij,即能够获得m个最小距离rij,当所述最小距离小于安全距离时,将该最小距离对应的邻机记录为可能与其发生碰撞的邻机。本申请中,将两个无人机之间的距离小于安全距离的情况认定为碰撞,并且通过控制方法来避免这样的情况发生。
本申请中,所述安全距离为20-100米,优选为30-80米,该距离根据无人机的实际大小选择设置。如果两个无人机在任意时刻的距离小于该安全距离,即可认为这两个无人机会发生碰撞。
本申请中,所述时间τ为1-30秒,优选为5-20秒,该时间根据无人机的速度及整体距离选择设置。
步骤6,针对每一个记录序号的邻机,无人机获得能够避免与其碰撞的自身机动角度,并分别记录;
其中,在所述步骤6中,针对任意一个记录序号的邻机,获得能够避免碰撞的自身机动角度的过程包括如下子步骤:
子步骤1:获得邻机在τ时间后能够到达的位置,以此位置为中心,以安全距离为半径做圆/球,得到安全区域;本申请中可以选择做圆球形,这样的计算量会偏大,但能够针对复杂的无人机运动状态进行避碰控制;也可以选择做平面圆形,即在水平面内解算无人机之间的碰撞关系,并且将所述邻机限定在同一水平面内的无人,针对不同水平面内的无人机,限定其飞行高度,避免竖直方向上出现碰撞。
子步骤2:获得至少两个能够使得无人机飞行轨迹与所述安全区域相切的机动角度;选择做圆形的安全区域时,所述机动角度有两个,当选择做圆球形的安全区域时,该机动角度有无数个。
子步骤3:根据无人机的机动能力去除不符合要求的机动角度;所述机动角度是指无人机当前速度方向与期望轨迹对应的速度方向之间的夹角;无人机的机动能力是指无人机能够在极短时间,如1秒内,使其自身速度方向改变的最大角度;若无人机机动能力对应的最大角度小于所述机动角度,则认定该机动角度不符合要求;优选地,当符合要求的机动角度为两个时,选择较小的角度;两角度相差不大时,即两个角度的差值在1%以内时,优先进行逆时针机动,即尽量让所有无人机的机动方向相同,作为所述能够避免碰撞的自身机动角度。所述无人机的机动能力根据无人机的型号、载重量等具体情况设置。若在此步骤中发现无符合要求的机动角度,则选择符合要求的能够距离邻机最远的机动角度。
步骤7,建立效用函数wij,基于效用函数筛选出能够使得平均冲突最大的机动角,记为δφi,进一步获得该机动角δφi对应的的角速度ωc;
其中,所述步骤7包括如下子步骤:
子步骤a:建立如下式(一)中所示的效用函数wij,根据步骤6中获得的第一个机动角度δφi1,在保持邻机速度大小、邻机速度方向、自身速度大小不变的情况下,根据该第一个机动角度δφi1获得新的自身速度方向,获得对应的rij,进而获得对应的效用函数wij:
其中,wij表示效用函数,rij表示第i架无人机与其第j个邻机之间在时间τ内的最小距离;ris表示安全距离;
子步骤b:根据下式(二),基于效用函数获得平均冲突W:
其中,W表示平均冲突,i表示第i个无人机,j表示预定时间τ内可能与自身发生碰撞的第j个邻机;ni表示步骤6中获得的第i个无人机对应的预定时间τ内可能与其发生碰撞的邻机数量,也是第i个无人机的机动角度数量;
在子步骤c中,重复子步骤a和子步骤bni-1次,每次重复时使用的机动角度都不同,从而获得不同的平均冲突;本申请中通过上述步骤7,能够在综合考虑多个邻机及相应安全距离的情况下,选择最优的角速度。
步骤8,通过无人机的避碰过程与制导过程加权,获得无人机的实际航向角速度ω,并可以据此对无人机进行控制。
其中,在所述步骤8中,
当预定时间τ内不存在可能发生碰撞的邻机时,
所述航向角速度ω=ωk,
其中,ωk为步骤4中比例导引获得的无人机制导的角速度。
当预定时间τ内存在可能发生碰撞的邻机时,
所述航向角速度ω=0.2ωk+0.8ωc。
其中,所述ωk表示通过比例导引获得的该无人机制导的角速度。
本申请人发现通过设置该加权方案,能够在保证无人机飞向目标的基础上,有效地执行避碰作业。
在一个优选的实施方式中,该方法还包括如下步骤:
步骤9,按照预定频率更新各个无人机的位置和速度信息,重复步骤1-5,直至所有无人机都到达目标位置。
本申请中的上述方法可以在无人机飞向目标的过程中安照预定频率更新操作,按照该预定频率获得新的邻机飞行状态;也可以通过模拟计算邻机的目标位置及速度信息来更新邻机状态,从而逐渐预测,直至预测得到从当前时刻到无人机到达目标位置的全飞行路径,可以根据具体的路径长度选择设置。所述预定频率可以设置为1-2秒一次。
实施例1:
固定区域内随机布置40个无人机和40个目标位置,所述无人机的坐标为Ux∈[1000,4000],Uy∈[3000,7000];所述目标位置的坐标为Tx∈[9000,13000],Ty∈[3000,7000];
挑选出x坐标最大的7个无人机,将其以y坐标大小进行排序;挑选出x坐标最大的7个目标位置,将其以y坐标大小进行排序,对7个无人机和7个目标位置进行匹配;
再从剩余的33个无人机中挑选出x坐标最大的7个无人机,将其以y坐标大小进行排序;再从剩余的33个目标位置中挑选出x坐标最大的7个目标位置,将其以y坐标大小进行排序,对7个无人机和7个目标位置进行匹配;依次类推,每次都选择7个无人机和目标位置;第6次挑选时,由于数量不足,将剩余的5个无人机和5个目标位置排序后予以匹配。
根据无人机坐标、目标位置坐标和无人机当前速度,获得无人机到达匹配的目标位置所需时间,执行40次该过程,获得40个无人机对应的所需时间{t1,t2,…t40},进而获得所需时间的均值t均,将t均作为所需时间的期望值,据此获得每个无人机的加速度大小{a1,a2,…a40};
通过比例导引获得每个无人机制导的角速度,记为{ω1,ω2,…ωk,…ω40};
在无人机飞向目标位置的过程中,每个无人机检测30秒内,与周围邻机的最短距离,并记录;针对每一个记录序号的邻机,无人机获得能够避免与其碰撞的自身机动角度,并分别记录;其中避免碰撞的安全距离为70米;
建立效用函数wij,基于效用函数筛选出能够使平均冲突最大的机动角,记为δφi,进一步获得该机动角δφi对应的的角速度ωc;
其中,效用函数wij如下式(一)所示:
根据下式(二),基于效用函数获得平均冲突W:
当30秒内不存在可能发生碰撞的邻机时,
所述航向角速度ω=ωk,
当30秒内存在可能发生碰撞的邻机时,
所述航向角速度ω=0.2ωk+0.8ωc。
通过每个无人机的角速度ω、加速度a,进行仿真,设定仿真的步长为1s,最终得出无人机群在初始任务分配的条件下,考虑避碰的协同制导过程,对无人机飞行过程中每个状态下的最短距离进行统计,对无人机飞行时间进行统计,得到避碰以及协同制导的仿真结果,如图2和图3中所示,其中,图2示出了无人机的飞行轨迹,图3示出了每一时刻无人机间的最短距离。
实施例2
以45架无人机与45个目标排成三角形为目标,在固定区域内随机设置无人机的初始位置、目标的初始位置;所述无人机的坐标为Ux∈[1000,4000],Uy∈[2000,6000],目标位置都集中在Tx∈[9000,13000],Ty∈[3000,7000],目标排成三角形队形;
挑选出x坐标最大的7个无人机,将其以y坐标大小进行排序;挑选出x坐标最大的7个目标位置,将其以y坐标大小进行排序,对7个无人机和7个目标位置进行匹配;
再从剩余的38个无人机中挑选出x坐标最大的7个无人机,将其以y坐标大小进行排序;再从剩余的38个目标位置中挑选出x坐标最大的7个目标位置,将其以y坐标大小进行排序,对7个无人机和7个目标位置进行匹配;依次类推,每次都选择7个无人机和目标位置;
根据无人机坐标、目标位置坐标和无人机当前速度,获得无人机到达匹配的目标位置所需时间,执行45次该过程,获得45个无人机对应的所需时间{t1,t2,…t28},进而获得所需时间的均值t均,将t均作为所需时间的期望值,据此获得每个无人机的加速度大小{a1,a2,…a28};
通过比例导引获得每个无人机制导的角速度,记为{ω1,ω2,…ωk,…ω28};
在无人机飞向目标位置的过程中,每个无人机检测30秒内,与周围邻机的最短距离,并记录;针对每一个记录序号的邻机,无人机获得能够避免与其碰撞的自身机动角度,并分别记录;其中避免碰撞的安全距离为70米;
建立效用函数wij,基于效用函数筛选出能够使平均冲突最大的机动角,记为δφi,进一步获得该机动角δφi对应的的角速度ωc;
其中,效用函数wij如下式(一)所示:
根据下式(二),基于效用函数获得平均冲突W:
当30秒内不存在可能发生碰撞的邻机时,
所述航向角速度ω=ωk,
当30秒内存在可能发生碰撞的邻机时,
所述航向角速度ω=0.2ωk+0.8ωc。
通过每个无人机的角速度ω、加速度a,进行仿真,设定仿真的步长为1s,最终得出无人机群在初始任务分配的条件下,考虑避碰的协同制导过程,对无人机飞行过程中每个状态下的最短距离进行统计,对无人机飞行时间进行统计,得到避碰以及协同制导的仿真结果,如图4和图5中所示,其中,图4示出了无人机的飞行轨迹,图5示出了每一时刻无人机间的最短距离。
通过上述两个实施例可知,本申请提供的考虑避碰约束的多无人机协同到达预置目标的分配方法能够减小无人机计算量,避免出现大量冲突的情况,使得避碰过程平稳有序,确保无人机能够及时安全地到达目标位置。
以上结合了优选的实施方式对本发明进行了说明,不过这些实施方式仅是范例性的,仅起到说明性的作用。在此基础上,可以对本发明进行多种替换和改进,这些均落入本发明的保护范围内。
Claims (11)
1.一种考虑避碰约束的多无人机协同到达预置目标的分配方法,其特征在于,该方法包括如下步骤:
步骤1,从n个无人机组成的集群中挑选出a个无人机,从n个目标位置中挑选出a个目标位置,对a个无人机和a个目标位置进行匹配;
步骤2,从剩余的n-a个无人机中挑选出b个无人机,从剩余的n-a个目标位置中挑选出b个目标位置,对b个无人机和b个目标位置进行匹配;
步骤3,多次重复步骤2,直到所有无人机和目标都匹配完成;
步骤4,根据无人机坐标、目标位置坐标和无人机当前速度,获得无人机到达匹配的目标位置所需时间,执行n次该过程,获得n个无人机对应的所需时间{t1,t2,…tn},进而获得所需时间的均值t均,将t均作为所需时间的期望值,据此获得每个无人机的加速度大小{a1,a2,…an};
通过比例导引获得每个无人机制导的角速度,记为{ω1,ω2,…ωk,…ωn};
步骤5,在无人机飞向目标位置的过程中,每个无人机都通过交互获得邻机的位置和速度信息,从而每个无人机都筛选出在预定时间τ内能够与其发生碰撞的邻机,并记录其序号;
步骤6,针对每一个记录序号的邻机,无人机获得能够避免与其碰撞的自身机动角度,并分别记录;
步骤7,建立效用函数wij,基于效用函数筛选出能够使平均冲突最大的机动角,记为δφi,进一步获得该机动角δφi对应的的角速度ωc;
步骤8,通过无人机的避碰过程与制导过程加权,获得无人机的实际航向角速度ω,并据此对无人机进行控制;
所述步骤7包括如下子步骤:
子步骤a:建立如下式(一)中所示的效用函数wij,根据步骤6中获得的第一个机动角度δφi1,在保持邻机速度大小、邻机速度方向、自身速度大小不变的情况下,获得对应的rij,进而获得对应的效用函数wij:
其中,wij表示效用函数,rij表示第i架无人机与其第j个邻机之间在时间τ内的最小距离;ris表示安全距离;
子步骤b:根据下式(二),基于效用函数获得平均冲突W:
其中,W表示平均冲突,i表示第i个无人机,j表示预定时间τ内可能与自身发生碰撞的第j个邻机;ni表示步骤6中获得的第i个无人机的机动角度数量,也是第i个无人机对应的预定时间τ内可能与其发生碰撞的邻机数量;
2.根据权利要求1所述的考虑避碰约束的多无人机协同到达预置目标的分配方法,其特征在于,
在步骤1中,读取每个无人机的坐标,筛选出x坐标最小的a个无人机,并按照y坐标大小进行排序,记为{U1,U2,…Ua};
读取每个目标位置的坐标,筛选出x坐标最小的a个目标位置,并按照y坐标大小进行排序,记为{T1,T2,…Ta};
将U1与T1匹配,U2与T2匹配,Ua与Ta匹配。
3.根据权利要求1所述的考虑避碰约束的多无人机协同到达预置目标的分配方法,其特征在于,
在步骤2中,所述b的取值小于或等于a。
4.根据权利要求1所述的考虑避碰约束的多无人机协同到达预置目标的分配方法,其特征在于,
在步骤5中,每个无人机都获得其自身在时间τ内的的轨迹,还获得其周围预定范围内的邻机的预测轨迹,分别获得时间τ内,无人机与其每一个邻机之间的最小距离rij,当所述最小距离小于安全距离rs时,将该最小距离对应的邻机记录为可能与其发生碰撞的邻机。
5.根据权利要求1所述的考虑避碰约束的多无人机协同到达预置目标的分配方法,其特征在于,
在所述步骤6中,获得能够避免碰撞的自身机动角度的过程包括如下子步骤:
子步骤1:获得邻机在τ时间后能够到达的位置,以此位置为中心,以安全距离为半径做圆/球,得到安全区域;
子步骤2:获得至少两个能够使得无人机飞行轨迹与所述安全区域相切的机动角度;
子步骤3:根据无人机的机动能力去除不符合要求的机动角度;当符合要求的机动角度为两个时,选择较小的角度,当两角度相差不大时,优先进行逆时针机动,作为所述能够避免碰撞的自身机动角度。
6.根据权利要求1所述的考虑避碰约束的多无人机协同到达预置目标的分配方法,其特征在于,
在所述步骤8中,
当预定时间τ内不存在可能发生碰撞的邻机时,
所述航向角速度ω=ωk,
当预定时间τ内存在可能发生碰撞的邻机时,
所述航向角速度ω=0.2ωk+0.8ωc。
7.根据权利要求4所述的考虑避碰约束的多无人机协同到达预置目标的分配方法,其特征在于,
所述安全距离为20-100米。
8.根据权利要求7所述的考虑避碰约束的多无人机协同到达预置目标的分配方法,其特征在于,
所述安全距离为30-80米。
9.根据权利要求4所述的考虑避碰约束的多无人机协同到达预置目标的分配方法,其特征在于,
时间τ为1-30秒。
10.根据权利要求9所述的考虑避碰约束的多无人机协同到达预置目标的分配方法,其特征在于,
时间τ为5-20秒。
11.根据权利要求1所述的考虑避碰约束的多无人机协同到达预置目标的分配方法,其特征在于,
该方法还包括如下步骤:
步骤9,按照预定频率更新各个无人机的位置和速度信息,重复步骤5-8,直至所有无人机都到达目标位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210255166.2A CN114721423B (zh) | 2022-03-15 | 2022-03-15 | 考虑避碰约束的多无人机协同到达预置目标的分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210255166.2A CN114721423B (zh) | 2022-03-15 | 2022-03-15 | 考虑避碰约束的多无人机协同到达预置目标的分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114721423A CN114721423A (zh) | 2022-07-08 |
CN114721423B true CN114721423B (zh) | 2023-06-06 |
Family
ID=82236651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210255166.2A Active CN114721423B (zh) | 2022-03-15 | 2022-03-15 | 考虑避碰约束的多无人机协同到达预置目标的分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114721423B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116954256B (zh) * | 2023-07-31 | 2024-04-30 | 北京理工大学重庆创新中心 | 一种考虑可达域约束的无人机分布式任务分配方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180005802A (ko) * | 2016-07-07 | 2018-01-17 | 엘지이노텍 주식회사 | 충격완화 유닛 및 이를 포함하는 무인 비행체 |
CN106873628B (zh) * | 2017-04-12 | 2019-09-20 | 北京理工大学 | 一种多无人机跟踪多机动目标的协同路径规划方法 |
CN108388270B (zh) * | 2018-03-21 | 2021-08-31 | 天津大学 | 面向安全域的集群无人机轨迹姿态协同控制方法 |
CN108680063B (zh) * | 2018-05-23 | 2019-08-13 | 南京航空航天大学 | 一种针对大规模无人机集群动态对抗的决策方法 |
CN108958289B (zh) * | 2018-07-28 | 2021-08-13 | 天津大学 | 基于相对速度障碍的集群无人机避碰方法 |
CN110502032B (zh) * | 2019-08-31 | 2021-10-26 | 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 |
CN112130581B (zh) * | 2020-08-19 | 2022-06-17 | 昆明理工大学 | 一种面向空中机动作战的无人机集群协同任务规划方法 |
CN112882493B (zh) * | 2021-01-27 | 2022-04-05 | 北京理工大学 | 基于分布式最优能量mpc的集群协同部署方法 |
-
2022
- 2022-03-15 CN CN202210255166.2A patent/CN114721423B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114721423A (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108549407B (zh) | 一种多无人机协同编队避障的控制算法 | |
CN108594853B (zh) | 无人机队形控制方法 | |
CN110456823B (zh) | 一种针对无人机计算与存储能力受限的双层路径规划方法 | |
CN112880688B (zh) | 基于混沌自适应麻雀搜索算法的无人机三维航迹规划方法 | |
CN108958289B (zh) | 基于相对速度障碍的集群无人机避碰方法 | |
CN112130581B (zh) | 一种面向空中机动作战的无人机集群协同任务规划方法 | |
CN113791634B (zh) | 一种基于多智能体强化学习的多机空战决策方法 | |
CN112666976B (zh) | 一种基于一致性的多无人机集群防撞方法 | |
CN114330115B (zh) | 一种基于粒子群搜索的神经网络空战机动决策方法 | |
CN109871031A (zh) | 一种固定翼无人机的轨迹规划方法 | |
CN111880574B (zh) | 一种无人机避撞方法及系统 | |
CN114063644B (zh) | 基于鸽群反向对抗学习的无人作战飞机空战自主决策方法 | |
Wan et al. | Distributed conflict-detection and resolution algorithm for UAV swarms based on consensus algorithm and strategy coordination | |
CN114721423B (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 | |
CN112733251B (zh) | 一种多无人飞行器协同航迹规划方法 | |
CN113093733B (zh) | 一种无人艇集群对海打击方法 | |
Li et al. | Autonomous maneuver decision-making for a UCAV in short-range aerial combat based on an MS-DDQN algorithm | |
CN115480582A (zh) | 基于lstm的目标的机动预测方法、电子设备和存储介质 | |
CN114815891A (zh) | 一种基于per-idqn的多无人机围捕战术方法 | |
CN116661501B (zh) | 无人机集群高动态环境避障与动平台着降联合规划方法 | |
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 | |
CN115903882A (zh) | 一种视场角约束下集群无人机协同目标跟踪控制方法 | |
CN115202387B (zh) | 一种基于仿鸟类趋光性的固定翼无人机避障控制方法 | |
CN116203989A (zh) | 基于粒子群算法的多无人机协同目标搜索方法及系统 | |
Chen et al. | A two-stage method for UCAV TF/TA path planning based on approximate dynamic programming |
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 |