CN114935945A - 一种适用于无人机的自主航路规划方法 - Google Patents
一种适用于无人机的自主航路规划方法 Download PDFInfo
- Publication number
- CN114935945A CN114935945A CN202210722866.8A CN202210722866A CN114935945A CN 114935945 A CN114935945 A CN 114935945A CN 202210722866 A CN202210722866 A CN 202210722866A CN 114935945 A CN114935945 A CN 114935945A
- Authority
- CN
- China
- Prior art keywords
- path
- unmanned aerial
- aerial vehicle
- paths
- priority
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
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
本发明提出了一种适用于无人机的自主航路规划方法,该方法能够根据无人机任务需求、导航定位传感器和环境感知传感器得到的传感器信息,通过对无人机周围障碍物和干扰打击威胁程度的动态判断不断调整规划无人机可行路径优先级,确定当前环境下的最优路径,实现自主导航。该方法提升了无人机在复杂环境下的自主决策飞行能力和工作可靠性,具有实现简单、计算量小和自主控制水平高的特点。
Description
技术领域
本发明涉及一种适用于无人机的自主航路规划方法,属于无人机智能协同控制领域。
背景技术
无人机常常面临复杂、瞬息万变的复杂环境,如新目标、新威胁的出现,原航迹上遇到拦截或存在预先未知的障碍以及复杂环境下微小时间延迟。因此,自主、快速规划航迹规划对于无人机是至关重要的。
现有的路径规划技术无法解决快速与多突发威胁的问题,不具备自主任务规划,以及当系统环境发生改变时的自适应能力。无人机智能控制技术是未来无人机控制的发展方向,利用人工智能相关技术整合、重构无人机地面控制站功能,为无人机构建一套简洁高效、灵活可配置、自主化的无人机智能路径规划体系,达到提高无人机生存能力和提升任务效能的目的。
无人机智能路径规划是指在系统允许的情况下,用户可以在系统中规定自主控制程度,而且可以更改,从无到趋于自主,或完全自主,使无人机在恶略环境下可根据任务规划、自主导航定位情况和环境感知情况自主决定飞行路径。但是,目前在无人机自主航路规划方面的还缺少相关的成熟技术。
发明内容
有鉴于此,本发明提出一种适用于无人机的自主航路规划方法。该方法可根据无人机任务规划、导航定位传感器和环境感知传感器得到的传感器信息,在先验信息的辅助下,通过不断的动态调整实现无人机任务路径的自主规划。
为了实现上述目的,本发明采用的技术方案为:
一种适用于无人机的自主航路规划方法,包括以下步骤:
(1)根据无人机任务规划当前路径,并初始化参数,确定当前各类传感器的状态;所述各类传感器包括环境感知类传感器、导航定位类传感器、载体状态类传感器;在k时刻,环境感知类传感器输出周围障碍物信息ak、电磁环境信息bk;导航定位类传感器输出当前的位置信息qk;载体状态传感器输出无人机的当前速度vk;
(2)根据无人机当前速度vk和路径规划决策检测时间tv设置无人机的避障半径Rv,vktv<Rv;
(3)根据无人机的任务和导航定位信息,将当前无人机可行的路径方向分割为M条路径,根据最优路径原则确定M条路径的优先级系数向量ρk=[ρk1,…,ρki,…,ρkM],其中i=1,…,M,λki为k时刻第i条路线的任务完成质量系数,lki为k时刻第i条路线的到达目的地qe的距离,Lk为k时刻到达目的地qe的最短距离;
(4)根据防撞传感器判断M条路径上是否有障碍物,若障碍物距离dki≤Rv,则该条路径不可行,在路径规划中将其剔除;若Rv<dki≤μRv,1<μ<10,则降低该条路径的优先级,即ρki=ξdkiρki,其中ξ为避障优先级调整系数,取值范围为若dki≥μRv,则认为该条路径可行,不调整路径优先级系数;将剩余的M1条路径组成新的路径优先级系数向量其中j=1,…,M1;
(5)根据电磁环境感知传感器判断剩余的M1条路径上是否存在威胁;假设无人机能够探知威胁的距离为RD,RD>>Rv,威胁到无人机的距离为RJ,M1条路径的威胁影响因子分别为设每条路径被影响范围的起止位置分别为则第j条路径上的威胁对无人机的影响为其中,Oj为第j条路径上任意一点,δj为路径影响系数,0<δj≤J/J0,J为到达无人机的干扰功率,J0为能够干扰无人机的最低功率;
(6)比较ρ″kT内M1条路径的优先级系数,找到其中的最大值,该最大值对应的路径即为当前时刻的无人机最优路径;
(7)当环境发生变化时,或超过当前规划的稳定区域,即dF≥Rv时,dF为根据当前路径规划的飞行距离,重新返回步骤(2)进行路径规划。
本发明的有益效果在于:
1、本发明通过实时感知各个传感器状态信息,实时判断当前可行路径,评估当前可行路径的优先级,实时做出航路规划的调整。
2、本发明能够有效提升无人机的自主避障和躲避威胁打击的能力,降低无人机执行任务过程中的资源消耗。
3、本发明方法的运算量小,考虑因素全面,有较好的实用价值。
附图说明
图1为本发明实施例方法的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的说明。
一种适用于无人机的自主航路规划方法,该方法根据无人机任务规划、导航定位传感器和环境感知传感器得到的传感器信息,通过先验信息辅助和不断的判断调整动态实现无人机任务路径的自主规划。
如图1所示,该方法包括以下步骤:
(1)根据无人机任务规划当前路径,并初始化参数,确定当前各类传感器的状态;所述各类传感器包括环境感知类传感器、导航定位类传感器、载体状态类传感器;在k时刻,环境感知类传感器输出周围障碍物信息ak、电磁环境信息bk;导航定位类传感器输出当前的位置信息qk;载体状态传感器输出无人机的当前速度vk;
(2)根据无人机当前速度vk和路径规划决策检测时间tv设置无人机的避障半径Rv,vktv<Rv;
(3)根据无人机的任务和导航定位信息,将当前无人机可行的路径方向分割为M条路径,根据最优路径原则确定M条路径的优先级系数向量ρk=[ρk1,…,ρki,…,ρkM],其中i=1,…,M,λki为k时刻第i条路线的任务完成质量系数,lki为k时刻第i条路线的到达目的地qe的距离,Lk为k时刻到达目的地qe的最短距离;
(4)根据防撞传感器判断M条路径上是否有障碍物,若障碍物距离dki≤Rv,则该条路径不可行,在路径规划中将其剔除;若Rv<dki≤μRv,1<μ<10,则降低该条路径的优先级,即ρki=ξdkiρki,其中ξ为避障优先级调整系数,取值范围为若dki≥μRv,则认为该条路径可行,不调整路径优先级系数;将剩余的M1条路径组成新的路径优先级系数向量其中j=1,…,M1;
(5)根据电磁环境感知传感器判断剩余的M1条路径上是否存在威胁;假设无人机能够探知威胁的距离为RD,RD>>Rv,威胁到无人机的距离为RJ,M1条路径的威胁影响因子分别为设每条路径被影响范围的起止位置分别为则第j条路径上的威胁对无人机的影响为其中,Oj为第j条路径上任意一点,δj为路径影响系数,0<δj≤J/J0,J为到达无人机的干扰功率,J0为能够干扰无人机的最低功率;
(6)比较ρ″kT内M1条路径的优先级系数,找到其中的最大值,该最大值对应的路径即为当前时刻的无人机最优路径;
(7)当环境发生变化时,或超过当前规划的稳定区域,即dF≥Rv时,dF为根据当前路径规划的飞行距离,重新返回步骤(2)进行路径规划。
总之,本发明能够根据无人机任务需求、导航定位传感器和环境感知传感器得到的传感器信息,通过对无人机周围障碍物和干扰打击威胁程度的动态判断不断调整规划无人机可行路径优先级,确定当前环境下的最优路径,实现自主导航。本发明提升了无人机在复杂环境下的自主决策飞行能力和工作可靠性,具有实现简单、计算量小和自主控制水平高的特点。
Claims (1)
1.一种适用于无人机的自主航路规划方法,其特征在于,包括以下步骤:
(1)根据无人机任务规划当前路径,并初始化参数,确定当前各类传感器的状态;所述各类传感器包括环境感知类传感器、导航定位类传感器、载体状态类传感器;在k时刻,环境感知类传感器输出周围障碍物信息ak、电磁环境信息bk;导航定位类传感器输出当前的位置信息qk;载体状态传感器输出无人机的当前速度vk;
(2)根据无人机当前速度vk和路径规划决策检测时间tv设置无人机的避障半径Rv,vktv<Rv;
(3)根据无人机的任务和导航定位信息,将当前无人机可行的路径方向分割为M条路径,根据最优路径原则确定M条路径的优先级系数向量ρk=[ρk1,…,ρki,…,ρkM],其中i=1,…,M,λki为k时刻第i条路线的任务完成质量系数,lki为k时刻第i条路线的到达目的地qe的距离,Lk为k时刻到达目的地qe的最短距离;
(4)根据防撞传感器判断M条路径上是否有障碍物,若障碍物距离dki≤Rv,则该条路径不可行,在路径规划中将其剔除;若Rv<dki≤μRv,1<μ<10,则降低该条路径的优先级,即ρki=ξdkiρki,其中ξ为避障优先级调整系数,取值范围为若dki≥μRv,则认为该条路径可行,不调整路径优先级系数;将剩余的M1条路径组成新的路径优先级系数向量其中j=1,…,M1;
(5)根据电磁环境感知传感器判断剩余的M1条路径上是否存在威胁;假设无人机能够探知威胁的距离为RD,RD>>Rv,威胁到无人机的距离为RJ,M1条路径的威胁影响因子分别为设每条路径被影响范围的起止位置分别为则第j条路径上的威胁对无人机的影响为其中,Oj为第j条路径上任意一点,δj为路径影响系数,0<δj≤J/J0,J为到达无人机的干扰功率,J0为能够干扰无人机的最低功率;
(6)比较ρ″kT内M1条路径的优先级系数,找到其中的最大值,该最大值对应的路径即为当前时刻的无人机最优路径;
(7)当环境发生变化时,或超过当前规划的稳定区域,即dF≥Rv时,dF为根据当前路径规划的飞行距离,重新返回步骤(2)进行路径规划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210722866.8A CN114935945A (zh) | 2022-06-24 | 2022-06-24 | 一种适用于无人机的自主航路规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210722866.8A CN114935945A (zh) | 2022-06-24 | 2022-06-24 | 一种适用于无人机的自主航路规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114935945A true CN114935945A (zh) | 2022-08-23 |
Family
ID=82868457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210722866.8A Pending CN114935945A (zh) | 2022-06-24 | 2022-06-24 | 一种适用于无人机的自主航路规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114935945A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115421505A (zh) * | 2022-11-04 | 2022-12-02 | 北京卓翼智能科技有限公司 | 一种无人机集群系统及无人机 |
-
2022
- 2022-06-24 CN CN202210722866.8A patent/CN114935945A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115421505A (zh) * | 2022-11-04 | 2022-12-02 | 北京卓翼智能科技有限公司 | 一种无人机集群系统及无人机 |
CN115421505B (zh) * | 2022-11-04 | 2023-03-17 | 北京卓翼智能科技有限公司 | 一种无人机集群系统及无人机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Deep reinforcement learning-based path control and optimization for unmanned ships | |
CN109725331B (zh) | 一种基于激光雷达的无人艇避障方法 | |
CN113433933B (zh) | 一种智能水面保洁无人船的自主巡航方法 | |
CN111273670B (zh) | 一种针对快速移动障碍物的无人艇避碰方法 | |
CN113194488A (zh) | 一种无人机轨迹和智能反射面相移联合优化方法及系统 | |
CN111427379B (zh) | 观测驱动的多无人机协同standoff目标跟踪方法 | |
KR20160081906A (ko) | 적응 퍼지 추정기 기반의 필터링 백스테핑 선박 운동 제어 시스템 | |
CN114935945A (zh) | 一种适用于无人机的自主航路规划方法 | |
Smith et al. | Fuzzy logic control of an autonomous underwater vehicle | |
KR101658133B1 (ko) | 선박의 충돌위험도 산출 시스템 | |
CN110940985B (zh) | 一种多uuv跟踪围捕系统及围捕方法 | |
Fu et al. | Multi-behavior fusion based potential field method for path planning of unmanned surface vessel | |
Yan et al. | Obstacle avoidance for unmanned undersea vehicle in unknown unstructured environment | |
CN114527744A (zh) | 基于天牛须搜索优化的无人帆船路径跟踪制导方法 | |
Sun et al. | Cooperative strategy for pursuit-evasion problem in the presence of static and dynamic obstacles | |
Zhao et al. | Autopilot design for unmanned surface vehicle based on CNN and ACO | |
Ašanin et al. | Improved LOS Guidance Law for Path Following of Underactuated USV with Sideslip Compensation | |
CN115145295A (zh) | 一种动态环境下无人机在线自主航迹优化控制方法 | |
JP7156464B2 (ja) | 飛行体およびプログラム | |
CN109213164A (zh) | 基于水面无人艇船体模型的模型预测控制的高速紧急避障方法 | |
Yan et al. | A Path Planning Algorithm based on Artificial Potential Field Method and Ant Colony Algorithm | |
Bykova et al. | Safe navigation algorithm for autonomous underwater vehicles | |
Chamseddine et al. | Optimal position seeking for unmanned aerial vehicle communication relay using only signal strength and angle of arrival | |
CN114047743A (zh) | 一种带预测的无人艇目标跟踪控制方法与系统 | |
Zhao et al. | Real-time path planning for multi-UAVs with share of threats information |
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 |