CN116820129A - 一种基于自主协同机制的无人机集群编队方法及系统 - Google Patents
一种基于自主协同机制的无人机集群编队方法及系统 Download PDFInfo
- Publication number
- CN116820129A CN116820129A CN202310775234.2A CN202310775234A CN116820129A CN 116820129 A CN116820129 A CN 116820129A CN 202310775234 A CN202310775234 A CN 202310775234A CN 116820129 A CN116820129 A CN 116820129A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- virtual
- flight
- pose
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 56
- 230000007246 mechanism Effects 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000003993 interaction Effects 0.000 claims abstract description 31
- 239000013598 vector Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 9
- 238000005755 formation reaction Methods 0.000 description 45
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 230000002776 aggregation Effects 0.000 description 5
- 238000004220 aggregation Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种基于自主协同机制的无人机集群编队方法及系统，其方法包括：获取无人机集群中每个无人机的飞行位姿数据，以及目标任务的飞行环境数据，并根据所述飞行位姿数据和飞行环境数据构建双积分系统和无人机信息交互的拓扑图；基于弹性虚拟结构策略和所述无人机信息交互的拓扑图，实时确定虚拟参考点和虚拟领航机；通过虚拟领航机和虚拟参考点，以及自主协同机制，无人机集群中的每个无人机调整自身飞行位姿，以使其飞行位姿与虚拟领航机位姿之间的误差低于预设值。本发明通过构建无人机运动模型和通信模型，并结合虚拟参考点和虚拟领航机，提高了自主性和协调性，进而提高编队的适应性、稳定性和鲁棒性。
Description
技术领域
本发明属于无人机集群控制技术领域，具体涉及一种基于自主协同机制的无人机集群编队方法及系统。
背景技术
近年来，无人机已广泛运用于测绘航拍、工程检修、应急救援等高风险高强度的民用任务。采用无人机协同编队飞行，可以解决大型复杂任务，提升完成任务的效率/效能。但无人机集群在执行民用任务时可能遇到环境(如温度、风力等)突变、生物(鸟类等)碰撞、非生物(如落石)碰撞、定位信号突然中断等危害飞行安全的突发威胁；在一些应用中还极易遭受电磁干扰、外部打击、欺骗定位、网络攻击等不确定性的对抗型突发威胁。为应对上述无人机群的突发威胁，可以通过多无人机动态聚合与自主协同技术对无人机编队进行智能控制。
多无人机动态聚合与自主协同中的动态聚合是对无人机的飞行动态、通信传输、任务载荷、传感器等资源按需共享、动态配系；自主协同是在有限资源环境下实现无人机群规划任务、优化调度、自主避险等的自治控制技术。自主协同的研究主要集中在复杂环境下大规模异构集群分布式感知、智能决策与编队－合围控制等技术方面，并取得了一系列的试验成果。其中，美国的“拒止环境中协同作战项目(CODE)”“快速轻型自主性项目(FLA)”、欧洲的“面向安全无线的高移动性协同工业系统的估计与控制项目”等项目实验显示，无人机群已具备抗复杂或高强度干扰环境、抗无GPS的环境或多机动感知规避等能力。
现有技术中提出了一些无人机编队控制和航迹规划算法，但多侧重于解决无人机飞行过程中的常规障碍规避等问题，对无人机多机之间的协同考虑较少，存在集群队形固定、规模受限等问题，同时复杂场景突发威胁的研究较少，难以解决真实场景下大规模无人机编队飞行问题。
因此，研究突发威胁下的无人机多机动态聚合与自主协同技术，实现无人集群内部个体的智能性，强化个体与群体同步性，将进一步提升无人集群内部个体的自主性能(即任务和运动规划的能力)和智能化程度(即决策和推理的能力)。根据突发场景，解耦编队内无人机的飞行动态、通信传输、任务载荷、传感器等各类资源，在动态汇聚和自主协同算法基础上，按需调配资源、动态编队。最终，实现全局最优解，提高航迹自主规划效率和任务达成度。
发明内容
为提升无人机集群内部个体的智能性和自主性的问题，在本发明的第一方面提供了一种基于自主协同机制的无人机集群编队方法，其方法包括：获取无人机集群中每个无人机的飞行位姿数据，以及目标任务的飞行环境数据，并根据所述飞行位姿数据和飞行环境数据构建双积分系统和无人机信息交互的拓扑图；基于弹性虚拟结构策略和所述无人机信息交互的拓扑图，实时确定虚拟参考点和虚拟领航机；通过虚拟领航机和虚拟参考点，以及自主协同机制，无人机集群中的每个无人机调整自身飞行位姿，以使其飞行位姿与虚拟领航机位姿之间的误差低于预设值。本发明通过构建无人机运动模型和通信模型，并结合虚拟参考点和虚拟领航机，提高了自主性和协调性，进而提高编队的适应性、稳定性和鲁棒性。
在本发明的一些实施例中，所述根据所述飞行位姿数据和飞行环境数据构建双积分系统和无人机信息交互的拓扑图包括：根据每个无人机的飞行位姿数据构建非线性运动方程，并将所述非线性运动方程反馈线性化为双积分系统；根据飞行环境数据和目标任务，构建无人机信息交互的拓扑图。
在本发明的一些实施例中，所述基于弹性虚拟结构策略和无人机信息交互的拓扑图，实时确定虚拟参考点和虚拟领航机包括：基于无人机信息交互的拓扑图和相对位置矢量，确定一个或多个虚拟领航机；基于所述虚拟领航机和预设的相对曲线矢量，确定每个虚拟领航机的虚拟参考点。
进一步的，所述基于所述虚拟领航机和预设的相对曲线矢量，确定每个虚拟领航机的虚拟参考点包括：将无人机集群的几何中心或质心作为虚拟参考点。
在本发明的一些实施例中，所述通过虚拟领航机和虚拟参考点，以及自主协同机制，无人机集群中的每个无人机调整自身飞行位姿，以使其飞行位姿与虚拟领航机位姿之间的误差低于预设值包括：基于虚拟领航机和虚拟参考点，计算每两个无人机之间期望的相对距离；基于每两个无人机之间期望的相对距离，调整自身飞行位姿与虚拟领航机位姿之间的误差低于预设值。
在上述的实施例中，还包括：通过李雅普诺夫函数对虚拟参考点和虚拟领航机进行稳定性评估。
本发明的第二方面，提供了一种基于自主协同机制的无人机集群编队系统，包括：获取模块，用于获取无人机集群中每个无人机的飞行位姿数据，以及目标任务的飞行环境数据，并根据所述飞行位姿数据和飞行环境数据构建双积分系统和无人机信息交互的拓扑图；确定模块，用于基于弹性虚拟结构策略和所述无人机信息交互的拓扑图，实时确定虚拟参考点和虚拟领航机；调整模块，用于通过虚拟领航机和虚拟参考点，以及自主协同机制，无人机集群中的每个无人机调整自身飞行位姿，以使其飞行位姿与虚拟领航机位姿之间的误差低于预设值。
本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明在第一方面提供的基于自主协同机制的无人机集群编队方法。
本发明的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本发明在第一方面提供的基于自主协同机制的无人机集群编队方法。
本发明的有益效果是：
本发明涉及一种基于自主协同机制的无人机集群编队方法及系统，其方法包括：获取无人机集群中每个无人机的飞行位姿数据，以及目标任务的飞行环境数据，并根据所述飞行位姿数据和飞行环境数据构建双积分系统和无人机信息交互的拓扑图；基于弹性虚拟结构策略和所述无人机信息交互的拓扑图，实时确定虚拟参考点和虚拟领航机；通过虚拟领航机和虚拟参考点，以及自主协同机制，无人机集群中的每个无人机调整自身飞行位姿，以使其飞行位姿与虚拟领航机位姿之间的误差低于预设值。本发明通过构建无人机运动模型和通信模型，并结合虚拟参考点和虚拟领航机，提高了自主性和协调性，进而提高编队的适应性、稳定性和鲁棒性。
附图说明
图1为本发明的一些实施例中的基于自主协同机制的无人机集群编队方法的基本流程示意图；
图2为本发明的一些实施例中的基于自主协同机制的无人机集群编队方法的具体流程示意图；
图3为本发明的一些实施例中的无人机集群的虚拟参考点和虚拟领航机效果示意图；
图4为本发明的一些实施例中的基于自主协同机制的无人机集群编队控制示意图；
图5为本发明的一些实施例中的基于自主协同机制的无人机集群编队装置的结构示意图；
图6为本发明的一些实施例中的电子设备的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
参考图1，在本发明的第一方面，提供了一种基于自主协同机制的无人机集群编队方法，其方法包括：S100.获取无人机集群中每个无人机的飞行位姿数据，以及目标任务的飞行环境数据，并根据所述飞行位姿数据和飞行环境数据构建双积分系统和无人机信息交互的拓扑图；S200.基于弹性虚拟结构策略和所述无人机信息交互的拓扑图，实时确定虚拟参考点和虚拟领航机；S300.通过虚拟领航机和虚拟参考点，以及自主协同机制，无人机集群中的每个无人机调整自身飞行位姿，以使其飞行位姿与虚拟领航机位姿之间的误差低于预设值
在本发明的一些实施例的步骤S100中，所述根据所述飞行位姿数据和飞行环境数据构建双积分系统和无人机信息交互的拓扑图包括：
S101.根据每个无人机的飞行位姿数据构建非线性运动方程，并将所述非线性运动方程反馈线性化为双积分系统；
具体地，无人机飞行的非线性动力学方程可表示为：
式中，(x，y)为当前位置，θ为方向角，V为飞行速度，μ为无人机方向角控制参数。根据此模型对无人机机动性能和集群编队之间的相对距离进行表示，可对最大航程、最小转弯半径、最小相对距离等进行建模。
对无人机实际飞行环境的抽象，描述无人机飞行环境特性。将环境模型分为基准模型、障碍模型、威胁模型3个层级。基准模型用以构建数字地图，描述真实环境中的地形起伏，可采取直角坐标系，将飞行区域按单位比例的方格划分为若干网格。障碍模型用以描述建筑、树木、山峰等障碍物。对于建筑、树木等外形相对规则障碍物，可近似为圆柱体建立模型。
可以理解，在编队初步形成阶段，将无人机的非线性运动方程反馈线性化为双积分系统，将无人机的信息交互方式建模为图论中的拓扑图，简化编队间的协调问题，更好对编队初始形成过程进行管理和协调。
参考图2，在步骤S102中，根据飞行环境数据和目标任务，构建无人机信息交互的拓扑图。将编队内单个无人机的飞行动态、通信传输、任务载荷、传感器等各类资源进行解耦后，根据任务环境变化，按照粒度分解原则，将编队目标任务不断分解，以能力需求矢量的形式将任务映射到每架无人机，如图2所示，其中M1－M6表示分解最终形成的任务。在资源解耦合和目标任务分解映射基础上，对已有无人机资源进行智能化调度规划，自动选取合适的无人机组合，实现资源的解耦汇聚和动态重构。
可以理解，从运动数学模型和飞行环境模型两方面进行建模，以及无人机智能体的关联规律，并给出问题中的任务分解与重构集合的动态聚合思路。
参考图3，在本发明的一些实施例的步骤S200中，所述基于弹性虚拟结构策略和无人机信息交互的拓扑图，实时确定虚拟参考点和虚拟领航机包括：
S201.基于无人机信息交互的拓扑图和相对位置矢量，确定一个或多个虚拟领航机；
S202.基于所述虚拟领航机和预设的相对曲线矢量，确定每个虚拟领航机的虚拟参考点。
可以理解，虚拟结构策略具体可分为两种：刚性虚拟结构(RigidVirtualStructure)策略和弹性虚拟结构(FlexibleVirtualStructure)策略。在刚性虚拟结构策略中，每个UAV和虚拟领航者的参考位置之间始终只相差一个恒定的相对直线矢量，因此只要计算出虚拟领航者的参考航迹，结合相对直线矢量，就可以分别得到每个UAV的参考航迹，但这种策略会影响到编队的转弯性能，特别是当虚拟领航者的航迹的曲率是不连续的情况下，而弹性虚拟结构策略可以克服这个缺点，在弹性虚拟结构策略中，除了虚拟领航者之外，还定义了另外一个虚拟参考点，它与原来的虚拟领航者的位置之间相差一个恒定的相对曲线矢量。计算出这个虚拟参考点的航迹后再得到每个UAV的航迹，就可以使得整个编队能够平滑地进行转弯操作。
进一步的，所述基于所述虚拟领航机和预设的相对曲线矢量，确定每个虚拟领航机的虚拟参考点包括：将无人机集群的几何中心或质心作为虚拟参考点。特别地，采用遗传进化搜索算法，将前一虚拟参考点作为种子参考点，确定下一个时刻的虚拟参考点。
参考图4，在本发明的一些实施例的步骤S300中，所述通过虚拟领航机和虚拟参考点，以及自主协同机制，无人机集群中的每个无人机调整自身飞行位姿，以使其飞行位姿与虚拟领航机位姿之间的误差低于预设值包括：
S301.基于虚拟领航机和虚拟参考点，计算每两个无人机之间期望的相对距离；
S302.基于每两个无人机之间期望的相对距离，调整自身飞行位姿与虚拟领航机位姿之间的误差低于预设值。
对于固定翼无人机编队，编队形成的前提条件是实现各机航向角与速度一致。由固定翼无人机动力学特性知，控制飞行速度时需同时控制飞行高度，为控制速度一致性需确保飞行高度稳定。因此，在构建编队队形之前需实现速度，高度与航向角的一致性。主机从机编队中，主机是指编队中没有邻居节点的无人机，一般独立执行路径跟踪算法按预设航迹飞行，或者作为虚拟主机为从机提供参考信息；从机是指编队中可获得邻居节点信息的无人机，从机执行分布式的一致性编队算法。在满足编队形成条件后，无人机编队的速度、高度、航向状态虽然在可控飞行包线内可渐进一致，但并不能收敛至期望的值。为实现编队飞行满足期望状态，采用主机从机模式，由主机提供状态参考信息，从机编队渐进收敛至与主机状态相同的状态。对于编队队形控制，引入虚拟结构队形，针对位置状态使用一致性编队算法设计控制器，实现编队队形控制。
在上述的实施例中，还包括：S400.通过李雅普诺夫函数对虚拟参考点和虚拟领航机进行稳定性评估。
实施例2
参考图5，本发明的第二方面，提供了一种基于自主协同机制的无人机集群编队系统1，包括：获取模块11，用于获取无人机集群中每个无人机的飞行位姿数据，以及目标任务的飞行环境数据，并根据所述飞行位姿数据和飞行环境数据构建双积分系统和无人机信息交互的拓扑图；确定模块12，用于基于弹性虚拟结构策略和所述无人机信息交互的拓扑图，实时确定虚拟参考点和虚拟领航机；调整模块13，用于通过虚拟领航机和虚拟参考点，以及自主协同机制，无人机集群中的每个无人机调整自身飞行位姿，以使其飞行位姿与虚拟领航机位姿之间的误差低于预设值。
进一步的，所述确定模块12包括：第一确定单元，用于基于无人机信息交互的拓扑图和相对位置矢量，确定一个或多个虚拟领航机；第二确定单元，用于基于所述虚拟领航机和预设的相对曲线矢量，确定每个虚拟领航机的虚拟参考点。
实施例3
参考图6，本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明在第一方面的方法。
电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD－ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。需要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于自主协同机制的无人机集群编队方法，其特征在于，包括：
获取无人机集群中每个无人机的飞行位姿数据，以及目标任务的飞行环境数据，并根据所述飞行位姿数据和飞行环境数据构建双积分系统和无人机信息交互的拓扑图；
基于弹性虚拟结构策略和所述无人机信息交互的拓扑图，实时确定虚拟参考点和虚拟领航机；
通过虚拟领航机和虚拟参考点，以及自主协同机制，无人机集群中的每个无人机调整自身飞行位姿，以使其飞行位姿与虚拟领航机位姿之间的误差低于预设值。
2.根据权利要求1所述的基于自主协同机制的无人机集群编队方法，其特征在于，所述根据所述飞行位姿数据和飞行环境数据构建双积分系统和无人机信息交互的拓扑图包括：
根据每个无人机的飞行位姿数据构建非线性运动方程，并将所述非线性运动方程反馈线性化为双积分系统；
根据飞行环境数据和目标任务，构建无人机信息交互的拓扑图。
3.根据权利要求1所述的基于自主协同机制的无人机集群编队方法，其特征在于，所述基于弹性虚拟结构策略和无人机信息交互的拓扑图，实时确定虚拟参考点和虚拟领航机包括：
基于无人机信息交互的拓扑图和相对位置矢量，确定一个或多个虚拟领航机；
基于所述虚拟领航机和预设的相对曲线矢量，确定每个虚拟领航机的虚拟参考点。
4.根据权利要求3所述的基于自主协同机制的无人机集群编队方法，其特征在于，所述基于所述虚拟领航机和预设的相对曲线矢量，确定每个虚拟领航机的虚拟参考点包括：
将无人机集群的几何中心或质心作为虚拟参考点。
5.根据权利要求1所述的基于自主协同机制的无人机集群编队方法，其特征在于，所述通过虚拟领航机和虚拟参考点，以及自主协同机制，无人机集群中的每个无人机调整自身飞行位姿，以使其飞行位姿与虚拟领航机位姿之间的误差低于预设值包括：
基于虚拟领航机和虚拟参考点，计算每两个无人机之间期望的相对距离；
基于每两个无人机之间期望的相对距离，调整自身飞行位姿与虚拟领航机位姿之间的误差低于预设值。
6.根据权利要求1所述的基于自主协同机制的无人机集群编队方法，其特征在于，还包括：通过李雅普诺夫函数对虚拟参考点和虚拟领航机进行稳定性评估。
7.一种基于自主协同机制的无人机集群编队系统，其特征在于，包括：
获取模块，用于获取无人机集群中每个无人机的飞行位姿数据，以及目标任务的飞行环境数据，并根据所述飞行位姿数据和飞行环境数据构建双积分系统和无人机信息交互的拓扑图；
确定模块，用于基于弹性虚拟结构策略和所述无人机信息交互的拓扑图，实时确定虚拟参考点和虚拟领航机；
调整模块，用于通过虚拟领航机和虚拟参考点，以及自主协同机制，无人机集群中的每个无人机调整自身飞行位姿，以使其飞行位姿与虚拟领航机位姿之间的误差低于预设值。
8.根据权利要求7所述的基于自主协同机制的无人机集群编队系统，其特征在于，所述确定模块包括：
第一确定单元，用于基于无人机信息交互的拓扑图和相对位置矢量，确定一个或多个虚拟领航机；
第二确定单元，用于基于所述虚拟领航机和预设的相对曲线矢量，确定每个虚拟领航机的虚拟参考点。
9.一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至6任一项所述的种基于自主协同机制的无人机集群编队方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的种基于自主协同机制的无人机集群编队方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310775234.2A CN116820129A (zh) | 2023-06-27 | 2023-06-27 | 一种基于自主协同机制的无人机集群编队方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310775234.2A CN116820129A (zh) | 2023-06-27 | 2023-06-27 | 一种基于自主协同机制的无人机集群编队方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116820129A true CN116820129A (zh) | 2023-09-29 |
Family
ID=88123676
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310775234.2A Pending CN116820129A (zh) | 2023-06-27 | 2023-06-27 | 一种基于自主协同机制的无人机集群编队方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116820129A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117555350A (zh) * | 2024-01-12 | 2024-02-13 | 沈阳赫霆科技有限公司 | 一种无人机集群监控方法及相关设备 |
-
2023
- 2023-06-27 CN CN202310775234.2A patent/CN116820129A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117555350A (zh) * | 2024-01-12 | 2024-02-13 | 沈阳赫霆科技有限公司 | 一种无人机集群监控方法及相关设备 |
| CN117555350B (zh) * | 2024-01-12 | 2024-04-05 | 沈阳赫霆科技有限公司 | 一种无人机集群监控方法及相关设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rostami et al. | Obstacle avoidance of mobile robots using modified artificial potential field algorithm | |
| Kuriki et al. | Formation control with collision avoidance for a multi-UAV system using decentralized MPC and consensus-based control | |
| Low | A dynamic virtual structure formation control for fixed-wing UAVs | |
| Liu et al. | Mission-oriented miniature fixed-wing UAV swarms: A multilayered and distributed architecture | |
| US10168674B1 (en) | System and method for operator control of heterogeneous unmanned system teams | |
| Hoffmann et al. | Mobile sensor network control using mutual information methods and particle filters | |
| Yan et al. | Consensus formation tracking for multiple AUV systems using distributed bioinspired sliding mode control | |
| Wang et al. | UAV formation obstacle avoidance control algorithm based on improved artificial potential field and consensus | |
| Liu et al. | Evolution-algorithm-based unmanned aerial vehicles path planning in complex environment | |
| CN116820129A (zh) | 一种基于自主协同机制的无人机集群编队方法及系统 | |
| Kim et al. | Flying robots: modeling, control and decision making | |
| Choe et al. | A trajectory-generation framework for time-critical cooperative missions | |
| Yao et al. | Null-space-based modulated reference trajectory generator for multi-robots formation in obstacle environment | |
| Fang et al. | Piecewise-potential-field-based path planning method for fixed-wing UAV formation | |
| Yang et al. | Cooperative deconflicting heading maneuvers applied to unmanned aerial vehicles in non-segregated airspace | |
| Ji et al. | Economy: Point clouds-based energy-efficient autonomous navigation for UAVs | |
| CN117170402A (zh) | 一种基于人工势场的无人机集群避撞方法及系统 | |
| Rucco et al. | A model predictive control-based architecture for cooperative path-following of multiple unmanned aerial vehicles | |
| Wang et al. | Target localization and encirclement control for multi‐UAVs with limited information | |
| Wang et al. | Shortest path planning of UAV for target tracking and obstacle avoidance in 3D environment | |
| Fu et al. | Obstacle avoidance and collision avoidance of UAV swarm based on improved VFH algorithm and information sharing strategy | |
| Saito et al. | Performance evaluation of a DQN-based autonomous aerial vehicle mobility control method in an indoor single-path environment with a staircase | |
| Hoy | Methods for collision-free navigation of multiple mobile robots in unknown cluttered environments | |
| WO2019183959A1 (zh) | 航点的更新方法及可移动平台 | |
| CN114879741B (zh) | 一种分布式的固定翼无人机覆盖控制方法 |
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 |