CN115237150A - 一种固定翼编队避障方法 - Google Patents
一种固定翼编队避障方法 Download PDFInfo
- Publication number
- CN115237150A CN115237150A CN202210500785.3A CN202210500785A CN115237150A CN 115237150 A CN115237150 A CN 115237150A CN 202210500785 A CN202210500785 A CN 202210500785A CN 115237150 A CN115237150 A CN 115237150A
- Authority
- CN
- China
- Prior art keywords
- fixed wing
- pilot
- fixed
- formation
- wing
- 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.)
- Withdrawn
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000002245 particle Substances 0.000 claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 230000004888 barrier function Effects 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 49
- 238000004891 communication Methods 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000005428 wave function Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 238000012958 reprocessing Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 3
- 238000010586 diagram 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
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response 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
本发明公开了一种固定翼编队避障的方法。设定期望速度和位姿，针对领航者固定翼设置路径规划函数；实时获取领航者固定翼的当前位姿，依照飞行路径，更新设定所有固定翼的飞行约束条件；采用量子粒子群算法对路径规划函数求解处理获得领航者固定翼的航点集，控制飞行；利用跟随者固定翼间的相对信息，控制跟随者固定翼跟随领航者固定翼飞行；下一时刻改变后重新处理，不断迭代实时控制固定翼编队飞行。本发明通过领航跟随方式，在分布式和一致性的基础上，实现多无人机编队协同。大大降低了固定翼无人机队形维持的计算难度，提高了避障效果的稳定性，提高了固定翼无人机的避障效果。
Description
技术领域
本发明属于无人机技术领域的一种固定翼无人机飞行控制方法，尤其是一种利用改进粒子群算法和分布式编队结合领航跟随的方法实现固定翼无人机编队避障的方法。
背景技术
随着无人机技术的发展，固定翼在作战中发挥的作用越来越多。而多架无人机集群执行任务的方法，可大幅度提高无人机的任务执行效果，可以完成更加复杂的任务，且能更好的应对危险情况。
而编队执行任务过程中的避障问题是一个必不可少的环节。在固定翼编队避障的过程中，固定翼之间相互通信避障时，计算如何有效且快速的避障是急需解决的，目前尚无较为完整解决方法。
发明内容
本发明所要解决的技术问题是，在已知障碍物各类信息的前提下，在风速扰动和动力学约束下，快速实现编队避障二次追踪路径，并沿路径进行位姿速度的动态分配，实现固定翼集群对于有障碍物的任务路径高效稳定跟踪。
为了克服上述问题，本发明提出了一种利用量子粒子群算法和领航跟随的方法结合分布式编队控制的固定翼无人机编队避障的方法。
为了实现上述技术目的，本发明的技术方案为：
所述的固定翼编队包括领航者固定翼和跟随者固定翼，其中一个固定翼作为领航者固定翼，其余固定翼均作为跟随者固定翼。
步骤S1：设定固定翼编队终点的期望速度和期望位姿，根据领航者固定翼的起始点到终点的期望飞行路径D，针对领航者固定翼设置多种损失函数非线性组合构建的待优化的路径规划函数；
领航者固定翼的起始点到终点的期望飞行路径D由一连串位置坐标点集 [x_d，y_d，z_d]组成的集合，对应着每一时刻领航者固定翼期望到达的位置点，路径规划函数由避障损失函数、速度损失函数、轨迹追踪损失函数三个部分组成，其与领航者固定翼的路径有直接关系，求取路径规划函数的最优解即为领航者固定翼最优的避障路径。
已知一些恒定的约束条件，包括固定翼的转弯半径区间[RMIN，RMAX]，RMIN表示固定翼最小转弯半径，RMAX表示固定翼的最大转弯半径和最低飞行速度vmin，设定固定翼编队终点的期望速度和期望位姿。
步骤S2：实时获取领航者固定翼的当前时刻的位姿Ps，位姿包括位置和姿态，更新设定当前时刻下领航者固定翼对应的期望路径D中的位置[x_d，y_d， z_d]；
步骤S3：采用量子粒子群算法，根据固定翼的当前位姿Ps、已知的障碍物位置信息及其威胁半径、已知的期望飞行路径D，对路径规划函数求解处理获得从领航者固定翼的当前位姿Ps在躲避开临近的障碍物情况下且路径最短位姿变化最少的到期望行进路径D方案下的航点集，使得领航者固定翼按照航点集飞行；
上述具体是根据固定翼的当前位姿Ps、障碍物位置信息及其威胁半径、期望飞行路径D和固定翼的转弯半径区间[RMIN，RMAX]，RMIN表示固定翼最小转弯半径，RMAX表示固定翼的最大转弯半径设置对步骤S1中的路径规划函数的约束条件，以路径规划函数最小化为目标通过量子粒子群算法进行求解。
障碍物位置信息表示为[XOBS,YOBS,ZOBS,ROBS]，其中XOBS,YOBS,ZOBS分别表示障碍物位置的三维坐标，ROBS表示障碍物的半径，障碍物威胁半径表示为Rsafe。
航点集中的每个航点表示[XOPT,YOPT,ZOPT]，其中XOPT,YOPT,ZOPT分别表示航点的三维坐标。
本发明中，在固定翼的行径范围内的障碍物位置信息及其威胁半径均为已知。
步骤S4：设置领航跟随编队模块，利用各个跟随者固定翼之间的相对信息，根据领航者固定翼的航点集航点集实时控制各个跟随者固定翼跟随领航者固定翼飞行；
步骤S5：实时根据下一时刻后领航者固定翼的位姿分别和期望飞行路径D、和障碍物的位置之间的关系发生的改变，重新回到步骤S2，由此不断迭代实时控制领航者固定翼进行实时时刻的飞行轨迹，再由领航跟随编队模块控制跟随者固定翼跟随领航者固定翼进行实时时刻的飞行轨迹。
所述步骤S1中，根据输入的固定翼当前位姿Ps、障碍物位置信息 [XOBS,YOBS,ZOBS,ROBS]及其威胁半径Rsafe、期望的固定翼行进路径D、最小固定翼姿态变动、固定翼的转弯半径区间[RMIN，RMAX]，建立以下损失函数以组成待优化的路径规划函数：
避障损失函数：
速度损失函数：
轨迹追踪损失函数：
Cost_tra＝((psi_d-psi_a)/∏)2+((pit_d-pit_a)/∏)2
最后按照以下公式建立路径规划函数：
Func_tra＝ga_1*Cost_obs+ga_2*Cost_speed+ga_3*Cost_tra
其中，Cost_obs表示位姿损失，Cost_speed表示速度损失，Cost_tra表示轨迹追踪损失，Functr；表示总损失即路径规划函数，∏表示圆周率，x_a、y_a、z_a 为当前时刻下领航者固定翼的三轴坐标位置，x_d、y_d、z_d为当前时刻下期望飞行路径上领航者固定翼的三轴坐标位置，Robs为障碍物实体半径，Rsafe为障碍物威胁半径；u_a、v_a、w_a为当前时刻下领航者固定翼的三轴速度信息，u_d、 v_d、w_d为期望飞行路径上领航者固定翼的三轴速度，psi_a为当前时刻下领航者固定翼的航向角度，pit_a为当前时刻下领航者固定翼的俯仰角度，psi_d为期望飞行路径下领航者固定翼的航向角度，pit_d为期望飞行路径下领航者固定翼的俯仰角度，ga1、ga2、ga3分别为三个损失函数的加权系数。
所述路径规划函数中，以当前时刻下期望飞行路径上领航者固定翼的三轴坐标位置x_d、y_d、z_d，期望飞行路径上领航者固定翼的三轴速度u_d、v_d、 w_d，期望飞行路径下领航者固定翼的航向角度psi_d，期望飞行路径下领航者固定翼的俯仰角度pit_d作为求解的参数。
所述步骤S4具体为：
由领航者固定翼实时在航点集中的当前位置构建获得领航者固定翼的状态矩阵xl，航点集中的当前位置作为状态矩阵xl中的位置，进而根据状态矩阵xl处理获得领航者固定翼的通讯函数F(x)：
其中，F(x)表示领航者固定翼的通讯函数，xl为领航者固定翼的状态矩阵，其中包含三个坐标轴方向上的速度和位置，c为预先设定的耦合系数值，L为图拉普拉斯矩阵，是通过通信矩阵A的入度矩阵减去通信矩阵A得到；
是求取两矩阵的张量积，K是反馈增益矩阵，B为节点运动学矩阵；
进而根据通讯函数F(x)构建闭环方程计算获得实时情况下跟随者固定翼的状态变化量：
L＝diag(A)-A
其中，
为t时刻下的跟随者固定翼的状态变化量，状态变化量包括速度和位置的变化量，IN是N维的单位矩阵，A表示预先设定的通信矩阵，diag(A) 为求取通信矩阵A的节点入度得到的入度矩阵，x(t)表示t时刻下的跟随着固定翼的状态状态包括速度和位置；h表示自设定的队形位置矩阵；
将实时情况下跟随者固定翼的状态变化量输入到跟随者固定翼的飞行控制器中控制跟随者固定翼飞行到下一时刻的位置，进而实时通过方程计算控制跟随者固定翼的飞行路径。
所述的量子粒子群算法中，以路径规划函数的解作为粒子，粒子的状态由波函数来描述，设置进化方程为：
其中，Pid(t+1)为第i个粒子在t+1时刻下的吸引子，这里的d指的是步骤S1中设置的路径规划函数有d个待求的变量，吸引子是指任一粒子期望到达的位置，是由d个量组成的矩阵；Xid(t+1)为在t+1时刻下的第i个粒子的当前位置，这里的d也是指有d个待求的变量；t表示在t时刻下；Pgd(t)表示t 时刻下的最优吸引子；uid(t)表示一个在[0,1]之间均匀分布的随机数；
表示压缩-扩张因子，该值是自设置的参数；w是随机权重向量；MBP(t)是粒子群平均最优位置可由下式得到：
其中，M表示粒子的数目。
所述的量子粒子群算法中，将随机权重向量w设定为按照以下公式计算获得：
w＝0.5*vrandom1+0.01*i*vrandom2
其中，i表示迭代次数，通常设置的总迭代次数为50次，vrandom1和vrandom2分别为在[0,1]的范围内均匀地随机取值的第一、第二系数。
本发明中所述的量子粒子群算法，是在原有的量子粒子群算法的基础上添加动态调整随机权重向量w的取值范围建立改进粒子群算法。特点是在迭代过程中设置一个随迭代次数增加而升高随机权重向量w的模块，这样使得函数在迭代前期可提高了粒子在空间中飞行的随机性和算法的全局收敛能力，平衡了算法全局和局部的搜索能力，而在后期的随机性降低加快了收敛速度。
本发明根据固定翼无人机预设的飞行航迹、当前位姿、最小转弯半径和障碍物位置及威胁半径，实时计算出预估的下一时段内的领航者固定翼的航点及跟随者固定翼的航点。通过量子粒子群算法，将预估的航迹规划问题变成结合约束寻找粒子的最优位置，以此找到最佳航点组成的航迹；通过领航跟随的方法结合分布式编队控制求得跟随者固定翼最佳航点，并据此设置各架固定翼无人机的目标位姿及飞行速度。
本发明设定编队飞行终点的期望速度和期望位姿，设置路径规划函数；实时获取领航者固定翼的当前时刻的位姿，根据前时刻的实际期望飞行路径更新设定飞行约束条件；通过量子粒子群算法，计算设置的约束条件损失函数组成的路径规划函数的最优值，处理得到从固定翼的当前位姿在躲避开临近的障碍物情况下，且路径最短、位姿变化最少的由航点组成的路径，实现避障功能。
本发明通过采用领航跟随的方法，在分布式和一致性的基础上，实现多无人机编队协同。具体采用领航跟随方式通过设定通信矩阵，反馈增益矩阵，阵型矩阵实现跟随者固定翼的队形维持，大大降低了固定翼无人机队形维持的计算难度，提高了固定翼无人机的避障效果。
本发明提供的技术方案带来的益处：
本发明通过量子粒子群算法实现的对于避障后的新航点进行预估，并且会在行经至下一时刻时再次进行预估并且重复这一过程，使得计算得到的航点可以有效避免局部最优，且大大提高了避障效果的稳定性，且经过改进后的量子粒子群算法，收敛速度更快准确性更高。
本发明通过增设构建了领航跟随编队模块，利用一致性和分布式原理结合领航跟随的方法直接求得跟随者固定翼的航点集，使得计算复杂度大幅降低，对于位姿变动的响应更快，提高了系统的稳定性。
附图说明
图1是本发明方法的流程图；
图2是量子粒子群算法的流程图；
图3是使用了领航跟随编队模块的效果图；
图4是使用了本发明生成的编队避障效果图。
具体实施方式
下面结合说明书附图，对本发明的具体工作过程进一步详细说明。
如图1所示，本发明的实施例及其实施过程如下：
步骤S1：设定领航者固定翼无人机的期望速度VE和期望位姿PE，位姿包括固定翼的三维空间中的位置坐标和固定翼的偏航角、俯仰角和滚转角，通过设置对于有关于路径形成各项参数和约束条件的控制率，通过各部分分别加权以损失函数的形式来设置领航者固定翼的待优化路径规划函数。组成的规划函数包括：由与期望位置的误差和与障碍物位置的关系组成位置损失函数、由与期望速度的误差和与期望角速度的误差组成的速度损失函数、与期望航线误差的损失函数、与转弯半径、航线角速度的约束组成的约束损失函数。
根据输入领航者固定翼的当前位姿Ps、障碍物位置信息[XOBS，YOBS，ZOBS，ROBS]及其威胁半径Rsafe、期望领航者固定翼的行进路径D、最小固定翼姿态变动、固定翼的转弯半径区间[RMIN，RMAX]，建立以下损失函数以组成待优化的路径规划函数：
避障损失函数：
速度损失函数：
轨迹追踪损失函数：
Cost_tra＝((psi_d-psi_a)/Π)2+((pit_d-pit_a)/Π)2
最后按照以下公式建立路径规划函数：
Func_tra＝ga_1*Cost_obs+ga-2*Cost_speed+ga_3*Cost_tra
其中，Cost_obs表示位姿损失，Cost_speed表示速度损失，Cost_tra表示轨迹追踪损失，Functra表示总损失即路径规划函数，Π表示圆周率，x_a、y_a、z_a 为当前时刻下领航者固定翼的三轴坐标位置，x_d、y_d、z_d为当前时刻下期望飞行路径上领航者固定翼的三轴坐标位置，Robs为障碍物实体半径，Rsafe为障碍物威胁半径；u_a、v_a、w_a为当前时刻下领航者固定翼的三轴速度信息，u_d、 v_d、w_d为期望飞行路径上领航者固定翼的三轴速度，psi_a为当前时刻下领航者固定翼的航向角度，pit_a为当前时刻下领航者固定翼的俯仰角度，psi_d为期望飞行路径下领航者固定翼的航向角度，pit_d为期望飞行路径下领航者固定翼的俯仰角度，ga1、ga2、ga3分别为三个损失函数的加权系数。
所述路径规划函数中，以当前时刻下期望飞行路径上领航者固定翼的三轴坐标位置x_d、y_d、z_d，期望飞行路径上领航者固定翼的三轴速度u_d、v_d、 w_d，期望飞行路径下领航者固定翼的航向角度psi_d，期望飞行路径下领航者固定翼的俯仰角度pit_d作为求解的参数。
步骤S2：实时获取领航者固定翼的当前位姿Ps，并设定领航者固定翼的期望飞行路径D：
Ps＝[x_a,y_a,z_a,χ_a]
D＝[x_d,y_d,z_d]
其中，x,y,z表示北东地导航坐标系下的三轴方向坐标，χ_a表示领航者固定翼的偏航角、俯仰角、滚转角形成的集，而期望飞行路径D是描述改路径的一些列位置点集，期望飞行路径是预设领航者固定翼的飞行任务，故而设置为已知。x_a，y_a，z_a，χ_a分别表示当前时刻下的三个坐标位置和航向角，xD,yD,zD分别表示期望飞行路径的三个坐标位置。
步骤S3：采用量子粒子群算法，根据步骤S1和步骤S2中得到的信息，领航者固定翼的当前位姿Ps、障碍物位置信息及其威胁半径、已知的期望领航者固定翼的飞行路径D，处理获得从领航者固定翼的当前位姿Ps在躲避开临近的障碍物情况下且路径最短位姿变化最少的到期望行进路径D方案下的航点集；领航者固定翼就可沿着期望航点集中的航点进行飞行以起到在追踪期望行进路径D 的同时完成避障的任务其中粒子的状态由波函数来描述，其进化方程为：由于粒子本身即为领航者固定翼的位姿等各项参数，利用量子粒子群算法求取粒子的最优值即为求取领航者固定翼的最佳避障航线
其中，Pid(t+1)为第i个粒子在t+1时刻下的吸引子，这里的d指的是步骤S1中设置的路径规划函数有d个待求的变量，吸引子是指任一粒子期望到达的位置，Pid(t+1)是由d个量组成的矩阵；Xid(t+1)为在t+1时刻下的第i个粒子的当前位置，这里的d也是指有d个待求的变量；t表示在t时刻下；Pgd(t)表示t时刻下的最优吸引子；uid(t)表示一个在[0,1]之间均匀分布的随机数；
表示压缩-扩张因子，该值是自设置的参数；w是随机权重向量；MBP(t)是粒子群平均最优位置可由下式得到：
其中，M表示粒子的数目，由自己设置。
其主体流程图如图2所示。
步骤S4：设置领航跟随编队模块，基于多智能体系统一致性方法，利用各个跟随者固定翼之间的相对信息，构建如下的闭环方程为：
其中，
为t时刻下的跟随者固定翼的状态变化量，状态变化量包括速度和位置的变化量，IN是N维的单位矩阵，N的值与
的维数相等，
是求取两矩阵的张量积，c为预先设定的耦合系数值，K是反馈增益矩阵。A表示预先设定的通信矩阵，diag(A)为求取通信矩阵A的节点入度得到的入度矩阵，x(t)表示 t时刻下的跟随着固定翼的状态状态包括速度和位置，h表示自设定的队形位置矩阵，L为通过通信矩阵A的入度矩阵减去通信矩阵A得到的图拉普拉斯矩阵，通过公式得到：
L＝diag(A)-A
diag(A)为求取通信矩阵A的节点入度得到的入度矩阵。B为节点运动学矩阵，可表示为：
F(x)表示领航者固定翼无人机的通讯函数，其组成为：
xl为领航者固定翼的状态矩阵，其中包含三个坐标轴方向上的速度和位置。
将实时情况下领航者固定翼的状态变化量xl以通讯矩阵的发生输入到跟随者固定翼的飞行控制器中，在满足我需要的队形下队形由队形位置矩阵h控制，控制跟随者固定翼的状态变化量
飞行到下一时刻的位置，达到编队的效果。
步骤S5：实时根据行经至下一时刻后领航者固定翼的当前位姿，分别和领航者固定翼的期望飞行路径D、和障碍物的位置之间的关系发生改变，重新回到步骤S2，再次计算实际期望路径Ds，不断迭代实时控制领航者固定翼每个时刻的飞行轨迹，再由领航跟随编队模块控制跟随者固定翼每个时刻的飞行轨迹。
至此，将固定翼编队的实际期望路径保持不断更新，其最优路径下的行进状态进行优化重新设置。
本发明方法为了验证可行性，借助Matlab进行仿真，同时在模拟仿真时加入了满足固定翼气动条件的运动学动力学函数来描述固定翼接收到期望航向和速度后的反馈，来增加仿真的可信度。
采用了领航跟随的方法和分布式编队控制结合之后的行径航线如图三所示，可有效地在较短的时间内完成了编队集结的任务。
采用本发明后的结果如图4所示。图中的实线为固定翼已经过的路径，点组成的线为预估出的期望航线，虚线为提前设置的固定翼期望航线。如图3所示，该固定翼编队可在高效避开障碍物的同时实现对于预设期望航线的高效追踪，且可始终保持编队阵型不变。
结果显示，本发明可实现固定翼编队进行避障的目的。
Claims (5)
1.一种固定翼编队避障的方法，其特征在于：该方法具体包括：
步骤S1：设定固定翼编队终点的期望速度和期望位姿，根据领航者固定翼的起始点到终点的期望飞行路径D，针对领航者固定翼设置多种损失函数非线性组合构建的路径规划函数；
步骤S2：实时获取领航者固定翼的当前时刻的位姿Ps，更新设定当前时刻下领航者固定翼对应的期望路径D中的位置[x_d，y_d，z_d]；
步骤S3：采用量子粒子群算法，根据固定翼的当前位姿Ps、障碍物位置信息及其威胁半径、期望飞行路径D，对路径规划函数求解处理获得从领航者固定翼的当前位姿Ps在躲避开临近的障碍物情况下且路径最短位姿变化最少的到期望行进路径D方案下的航点集，使得领航者固定翼按照航点集飞行；
步骤S4：设置领航跟随编队模块，利用各个跟随者固定翼之间的相对信息，根据领航者固定翼的航点集航点集实时控制各个跟随者固定翼跟随领航者固定翼飞行；
步骤S5：实时根据下一时刻后领航者固定翼的位姿分别和期望飞行路径D、和障碍物的位置之间的关系发生的改变，重新回到步骤S2，由此不断迭代实时控制领航者固定翼进行实时时刻的飞行，再由领航跟随编队模块控制跟随者固定翼跟随领航者固定翼进行实时时刻的飞行。
2.根据权利要求1所述的一种固定翼编队避障的方法，其特征在于：
所述步骤S1中，建立以下损失函数以组成待优化的路径规划函数：
避障损失函数：
速度损失函数：
轨迹追踪损失函数：
Cost_tra＝((psi_d-psi_a)/Π)2+((pit_d-pit_a)/∏)2
最后按照以下公式建立路径规划函数：
Func_tra＝ga_1*Cost_obs+ga_2*Cost_speed+ga_3*Cost_tra
其中，Cost_obs表示位姿损失，Cost_speed表示速度损失，Cost_tra表示轨迹追踪损失，Functra表示总损失，П表示圆周率，x_a、y_a、z_a为当前时刻下领航者固定翼的三轴坐标位置，x_d、y_d、z_d为当前时刻下期望飞行路径上领航者固定翼的三轴坐标位置，Robs为障碍物实体半径，Rsafe为障碍物威胁半径；u_a、v_a、w_a为当前时刻下领航者固定翼的三轴速度信息，u_d、v_d、w_d为期望飞行路径上领航者固定翼的三轴速度，psi_a为当前时刻下领航者固定翼的航向角度，pit_a为当前时刻下领航者固定翼的俯仰角度，psi_d为期望飞行路径下领航者固定翼的航向角度，pit_d为期望飞行路径下领航者固定翼的俯仰角度，ga1、ga2、ga3分别为三个损失函数的加权系数。
3.根据权利要求1所述的一种固定翼编队避障的方法，其特征在于：
所述步骤S4具体为：
由领航者固定翼实时在航点集中的当前位置构建获得领航者固定翼的状态矩阵xl，进而根据状态矩阵xl处理获得领航者固定翼的通讯函数F(x)：
其中，F(x)表示领航者固定翼的通讯函数，xl为领航者固定翼的状态矩阵，其中包含三个坐标轴方向上的速度和位置，c为预先设定的耦合系数值，L为图拉普拉斯矩阵；
是求取两矩阵的张量积，K是反馈增益矩阵，B为节点运动学矩阵；
进而根据通讯函数F(x)构建闭环方程计算获得实时情况下跟随者固定翼的状态变化量：
L＝daig(A)-A
其中，
为t时刻下的跟随者固定翼的状态变化量，IN是N维的单位矩阵，A表示预先设定的通信矩阵，diag(A)为求取通信矩阵A的节点入度得到的入度矩阵，x(t)表示t时刻下的跟随着固定翼的状态；h表示自设定的队形位置矩阵；
将实时情况下跟随者固定翼的状态变化量输入到跟随者固定翼的飞行控制器中控制跟随者固定翼飞行到下一时刻的位置。
4.根据权利要求1所述的一种固定翼编队避障的方法，其特征在于：
所述的量子粒子群算法中，以路径规划函数的解作为粒子，粒子的状态由波函数来描述，设置进化方程为：
其中，Pid(t+1)为第i个粒子在t+1时刻下的吸引子；Xid(t+1)为在t+1时刻下的第i个粒子的当前位置；t表示在t时刻下；Pgd(t)表示t时刻下的最优吸引子；uid(t)表示一个在[0,1]之间均匀分布的随机数；
表示压缩-扩张因子，该值是自设置的参数；w是随机权重向量；MBP(t)是粒子群平均最优位置可由下式得到：
其中，M表示粒子的数目。
5.根据权利要求4所述的一种固定翼编队避障的方法，其特征在于：
所述的量子粒子群算法中，将随机权重向量w设定为按照以下公式计算获得：
w＝0.5*vrandom1+0.01*i*vrandom2
其中，i表示迭代次数，vrandom1和vrandom2分别为在[0,1]的范围内均匀地随机取值的第一、第二系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210500785.3A CN115237150A (zh) | 2022-05-09 | 2022-05-09 | 一种固定翼编队避障方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210500785.3A CN115237150A (zh) | 2022-05-09 | 2022-05-09 | 一种固定翼编队避障方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115237150A true CN115237150A (zh) | 2022-10-25 |
Family
ID=83667914
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210500785.3A Withdrawn CN115237150A (zh) | 2022-05-09 | 2022-05-09 | 一种固定翼编队避障方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115237150A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117170410A (zh) * | 2023-11-01 | 2023-12-05 | 北京航空航天大学 | 用于无人机编队飞行的控制方法及相关产品 |
-
2022
- 2022-05-09 CN CN202210500785.3A patent/CN115237150A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117170410A (zh) * | 2023-11-01 | 2023-12-05 | 北京航空航天大学 | 用于无人机编队飞行的控制方法及相关产品 |
| CN117170410B (zh) * | 2023-11-01 | 2024-01-30 | 北京航空航天大学 | 用于无人机编队飞行的控制方法及相关产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Multi-UAV formation control based on a novel back-stepping approach | |
| Rubí et al. | A survey of path following control strategies for UAVs focused on quadrotors | |
| Oliveira et al. | Moving path following for unmanned aerial vehicles with applications to single and multiple target tracking problems | |
| Nguyen et al. | Control algorithms for UAVs: A comprehensive survey | |
| Chen et al. | Path planning for multi-UAV formation | |
| Saska et al. | Motion planning and control of formations of micro aerial vehicles | |
| CN108845588B (zh) | 一种基于非线性制导的四旋翼飞行器轨迹跟踪控制方法 | |
| Oh et al. | Rendezvous and standoff target tracking guidance using differential geometry | |
| Zhang et al. | A novel control approach for flight-stability of fixed-wing UAV formation with wind field | |
| Gautam et al. | Application of guidance laws to quadrotor landing | |
| Wang et al. | Multiple quadrotors formation flying control design and experimental verification | |
| Guo et al. | Distributed cooperative obstacle avoidance and formation reconfiguration for multiple quadrotors: Theory and experiment | |
| CN111414007A (zh) | 多机编队队形控制描述、变换控制和目标跟踪方法 | |
| CN115237150A (zh) | 一种固定翼编队避障方法 | |
| Velagić et al. | Design of LQR controller for 3D trajectory tracking of octocopter unmanned aerial vehicle | |
| Li et al. | A warm-started trajectory planner for fixed-wing unmanned aerial vehicle formation | |
| Park et al. | Formation reconfiguration control with collision avoidance of nonholonomic mobile robots | |
| CN117311388A (zh) | 一种无人直升机集群的编队巡逻飞行方法及装置 | |
| Alexopoulos et al. | Realization of pursuit-evasion games with unmanned aerial vehicles | |
| Vinokursky et al. | Model predictive control for path planning of UAV group | |
| Srivastava et al. | A modified artificial potential field for UAV collision avoidance | |
| Xu et al. | Optimal control of UAV elastic formation based on legendre pseudospectral method | |
| Munoz et al. | Embedded robust nonlinear control for a four-rotor rotorcraft: Validation in real-time with wind disturbances | |
| CN116382078A (zh) | 基于深度强化学习的无人机视觉伺服fov约束控制方法 | |
| Di et al. | A Cooperative-Competitive Strategy for Autonomous Multidrone Racing |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221025 |