CN117782108A - 应用于海洋中尺度漩涡探测的多无人机定位系统及方法 - Google Patents
应用于海洋中尺度漩涡探测的多无人机定位系统及方法 Download PDFInfo
- Publication number
- CN117782108A CN117782108A CN202410212720.8A CN202410212720A CN117782108A CN 117782108 A CN117782108 A CN 117782108A CN 202410212720 A CN202410212720 A CN 202410212720A CN 117782108 A CN117782108 A CN 117782108A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- vortex
- search
- positioning
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 128
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 20
- 230000007246 mechanism Effects 0.000 claims description 14
- 230000002265 prevention Effects 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 9
- 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 6
- 238000005457 optimization Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本发明公开一种应用于海洋中尺度漩涡探测的多无人机定位系统及方法,首先通过卫星获取中尺度漩涡的模糊位置,然后利用无人机携带温度传感器,根据中尺度漩涡内部水温与周围水温相差较大这一特点,利用基于改进矩形波式Z字形遍历的漩涡发现方法和基于PSO的漩涡跟踪方法,实现了对温度的实时监测和漩涡中心的精准定位。解决了根据海面高度异常数据不能检测到中尺度的漩涡以及由海表面温度数据跟踪漩涡存在不稳定性的问题。
Description
技术领域
本发明涉及智能控制、无人机定位领域,尤其是一种应用于海洋中尺度漩涡探测的多无人机定位系统及方法。
背景技术
现有的海洋中尺度漩涡定位一般采用卫星遥感技术,主要通过物质示踪、海表面温度数据和海面高度异常数据进行统计分析。物质示踪方法利用了漩涡的物质裹挟和输运能力,使用光谱仪和合成孔径雷达进行探测,该方法较其他尺寸的漩涡,在中尺度漩涡观测上有优势,但无法完全反映漩涡实际的动态过程;海表面温度数据分析法利用的是暖涡和冷涡分别存在以涡心为中心的海水温度正、负异常,使用星载红外传感器进行探测,该方法可以提取较小尺度的漩涡,但跟踪漩涡时存在不稳定性;海面高度异常数据分析法利用的是漩涡环流的地转效应,它使得暖涡中心为海面高度极大值,冷涡中心为极小值,使用雷达高度计进行探测,该方法跟踪漩涡相对稳定,但不能检测到中尺度的漩涡。总结来说,现有方法无法同时满足探测多尺度漩涡和稳定跟踪漩涡的要求,并且也无法对漩涡的中心进行快速、精准地定位。
发明内容
发明目的:利用无人机携带温度传感器,设计了基于改进矩形波式Z字形遍历的漩涡发现方法和基于PSO的漩涡跟踪方法,控制无人机定位中尺度漩涡中心,实现对漩涡的中心进行快速、精准地定位。
技术方案:一种应用于海洋中尺度漩涡探测的多无人机定位系统,所述系统包括地面站系统和无人机系统,在地面站系统和无人机系统中运行多无人机定位方法;所述无人机系统,包括飞行控制器、定位模块、通信模块、温度传感器模块,所述定位模块、通信模块、温度传感器模块均与飞行控制器的无人机控制单元相连;
所述地面站系统通过MAVLINK协议发送地面站系统的数据至飞行控制器,飞行控制器通过MAVLINK消息接收进程进行接收数据并解析,解析完毕后通过uORB机制发布至无人机系统,无人机系统在自定义进程中运行多无人机定位方法,通过uORB机制对数据进行订阅获取;无人机系统接收到一键起飞指令后,无人机起飞,执行多无人机定位方法;利用温度传感器,实现对温度的实时监测和中尺度漩涡中心的定位;
所述多无人机定位方法包括基于改进矩形波式Z字形遍历的漩涡发现方法和基于PSO的漩涡跟踪方法。
进一步的,所述地面站系统,包括预规划模块、搜索监控模块和数据转发模块;所述预规划模块是用户在设置完待搜索区域及参数后,利用改进矩形波式Z字形遍历的漩涡发现方法自动为每架无人机生成航路,并将航路点上传至无人机系统保存;所述搜索监控模块对搜索过程中的无人机的状态进行实时监控,同时通过发送控制指令实现对无人机的实时控制;所述数据转发模块将多无人机旋涡中心定位过程中的避碰速度和基于PSO的漩涡跟踪方法的全局最优位置信息进行计算和转发。
进一步的,所述搜索监控模块在搜索的过程中,多无人机定位进程需要将实时的搜索进度信息通过uORB机制发布至无人机系统,然后由MAVLINK消息发送进程订阅,将信息封装为MAVLINK消息帧并发送回地面站系统。
进一步的,无人机执行多无人机定位方法,将得出的期望位置/速度的控制指令通过uORB机制发布,由飞行控制器控制进程订阅,实现无人机的自主控制。
进一步的,地面站系统和无人机系统之间采用基于地面站数据转发的星型通信拓扑;星型通信拓扑中每架无人机只与地面站通信,基于PSO的漩涡跟踪方法以及无人机避碰通信需求通过地面站转发的方式满足。
进一步的,在地面站系统利用无人机位置和适应度信息实时计算出每架无人机的避碰速度以及全局最优无人机位置信息,当无人机之间的距离小于安全距离以及全局最优无人机位置发生更新时,将避碰速度和全局最优无人机位置转发给无人机。
进一步的,基于改进矩形波式Z字形遍历的漩涡发现方法包括航路预规划方法和轨迹跟踪方法;所述航路预规划方法预规划航线,为每架无人机规划漩涡中心的搜索路线;所述轨迹跟踪方法计算无人机沿预规划航线飞行时的期望飞行速度;在无人机沿预规划航线飞行的过程中,利用人工势场法设计避碰策略。
进一步的,所述航路预规划方法包括以下步骤:
(1)建立区域边界约束函数组
假定存储的第i个坐标点为,查找/>中的最大最小值,获取最大最小值坐标,以此确定目标区域,建立目标区域边界约束函数组;
(2)全区域航路规划
沿X轴方向扫描搜索时,在[Xmin,Xmax]之间按搜索间隔进行切分,求出所有的切分点,将经过切分点并与搜索方向垂直的直线作为切分线,根据设置的搜索方向依次求出切分线与区域边界约束函数组的交点,将交点作为搜索的路径点;
(3)子区域划分
假设搜索无人机数量为N,搜索整个区域所需的总的搜索路径长度为T,则每个子区域的搜索路径总长度为T/N,以从搜索方向开始的第一条搜索路线开始,依次增加子区域的搜索路线,每增加一条,计算子区域总的搜索路线长度,当总的搜索路线长度大于T/N时,则将该子区域路线进行保存,并以下一条路线作为新的起始路线,继续进行下一个子区域的划分,直至整个待搜索区域划分完毕;
(4)子区域路径生成
计算起降点与子区域上下左右四个顶点的距离,选取距离最近的点作为搜索路径的起始点,然后依次遍历所有的搜索路径点,在最后一个路径点返回起降点。
进一步的,所述轨迹跟踪方法计算无人机沿航线飞行时的期望速度,无人机的期望速度包含两部分:va垂直于航线,当无人机偏离航线时使无人机回到航线上,vb与航线平行;假设无人机从飞往/>,无人机当前位置为P(x,y)无人机期望飞行速度/>的计算步骤如下:
(1)求从点指向点/>的单位向量Ui
(2)求va和vb
G1和G2为参数,其中G1为垂直于航线方向的速度的增益,该参数越大,无人机向航线靠拢的速度越快,反之向航线靠拢的速度越慢;G2为平行于航线方向的速度的增益,该参数越大,无人机沿航线飞行的速度越快,反之沿航线飞行的速度越慢;
(3)求总的期望速度Vtra
。
进一步的,基于PSO的漩涡跟踪方法进行涡流中心定位,方法终止条件是当无人机群全局极值满足温度确认条件时自动终止涡流中心跟踪定位任务;所述温度确认条件包括:
条件1:集群中所有无人机与全局最优位置之间的平均距离小于给定阈值;
条件2:全局最优位置连续10个迭代周期没有发生变化。
进一步的,基于PSO的漩涡跟踪方法进行涡流中心定位,当方法在最大时间内仍未发现最低或最高温度,则强制终止方法。
有益效果:同时满足探测多尺度漩涡和稳定跟踪漩涡的要求,并且实现对漩涡的中心进行快速、精准地定位。
附图说明
图1是无人机软件框图;
图2是无人机的通信网络拓扑方案图;
图3是航路预规划方法的搜索区域设定;
图4是航路预规划方法的搜索区域划分;
图5是航路预规划方法的单独一个子区域示意图;
图6是航路预规划方法的无人机搜索路径;
图7是航线跟踪方法中无人机轨迹跟踪示意图;
图8是涡流发现过程中的无人机避碰策略示意图;
图9是改进粒子群优化方法涡流中心跟踪流程图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明解决如下问题:(1)设计了一种基于改进矩形波式Z字形遍历的漩涡发现方法,解决了根据海面高度异常数据不能检测到中尺度的漩涡的问题。(2)设计了一种基于PSO的漩涡跟踪方法,解决了由海表面温度数据跟踪漩涡存在不稳定性的问题。
本发明解决其技术问题所采用的技术方案是:首先通过卫星获取中尺度漩涡的模糊位置,再利用无人机群携带温度传感器进行探测。设计的中尺度漩涡中心的多无人机定位系统主要包含地面站系统、无人机系统两部分。其中无人机系统是执行搜索任务的载体,地面站系统用于无人机的监控管理以及数据处理。
所述的无人机系统,硬件部分包含飞行控制器、定位模块、通信模块、温度传感器模块等一些关键部件。
所述飞行控制器采用PIXHAWK4飞控,该飞控采用双处理器架构,主处理器主要负责飞控的核心方法,协处理器用于提供丰富的接口,主处理器和协处理器通过串口进行数据交互。
所述定位模块能为飞控提供位置数据,采用差分GNSS(RTK)进行定位,RTK型号为BT-F9PK4,将定位模块与PX4飞控的GPS MODULE端口相连。
所述通信模块选取加拿大Microhard公司生产的P900数传模块。
所述温度传感器模块选取DS18B20测温模块。
所述定位模块、通信模块、温度传感器模块均与无人机控制单元相连。
所述无人机系统,软件部分中PX4采用NUTTX嵌入式实时操作系统,将多无人机定位方法在自定义进程中进行实现,通过uORB机制订阅获取运行方法所需的自身状态信息,运行方法所需的地面站端的数据(如航点、一键起飞指令等)由地面站端通过MAVLINK协议发送至飞行控制器,飞行控制器通过 MAVLINK 消息接收进程进行接收并解析,解析完毕后通过uORB机制发布,然后在多无人机定位进程中对相应的消息进行订阅获取。在获取到运行方法所需的数据以及接收到一键起飞指令后,无人机起飞执行涡流中心定位方法。
所述地面站系统,是在QGroundControl(QGC)的基础上进行开发,使其适用于多无人机涡流中心定位任务。QGC 地面站基于QT软件框架,界面设计采用QML(QTQuick)语言编写,后端逻辑采用C++语言编写,通过QT的元对象系统实现QML对C++功能的调用。QT用“信号-槽”实现不同C++类之间的解耦合调用,当一个特定事件在对象中发生的时候(例如一个按钮被点击),会发射一个特定的信号。当一个信号被发射时,与其相关联的槽函数将被立刻执行。多个槽函数可以与同一个信号相关联,一个槽函数也可以关联多个信号。
所述地面站系统,其主要功能包括预规划、搜索监控和数据转发三部分。预规划的功能是用户在设置完待搜索区域、参数等相关信息后,利用设计的涡流发现预规划方法自动为每架无人机生成航路,并将航路点上传至无人机端保存。搜索监控用于对搜索过程中的无人机的状态进行实时的显示,同时可以通过发送控制指令实现对无人机的实时控制。数据转发部分的功能是利用多无人机旋涡中心定位过程中需要用的避碰速度和PSO的全局最优位置信息进行计算和转发。
所述地面站系统,其软件架构包括用户界面层、方法应用层和通信接口层。用户界面层是用户操作地面站的接口,采用QML语言设计,为用户提供了一系列可视化的操作页面。用户可以通过这些用户界面实现对相关方法的调用以及对系统的状态进行监控。方法应用层是地面站系统的核心,采用C++语言编写,主要包含了旋涡发现航路预规划方法的实现以及相关转发数据的计算。通信接口层是地面站和无人机进行数据交互的接口,采用C++语言编写,负责MAVLINK数据的发送和接收。
在图1中,将多无人机定位方法在自定义进程中进行实现,通过uORB机制订阅获取运行方法所需的自身状态信息,运行方法所需的地面站端的数据(如航点、一键起飞指令等)由地面站端通过MAVLINK协议发送至飞行控制器,飞行控制器通过MAVLINK消息接收进程进行接收并解析,解析完毕后通过uORB机制发布,然后在多无人机定位进程中对相应的消息进行订阅获取。在获取到运行方法所需的数据以及接收到一键起飞指令后,无人机起飞执行涡流中心定位方法,将得出的期望位置/速度等控制指令通过uORB机制发布,最终由无人机飞行控制进程订阅,作为PX4中的位置/速度控制方法的期望控制输入,实现无人机的自主控制。在搜索的过程中,多无人机定位进程还需要将实时的搜索进度等信息通过uORB机制发布,然后由MAVLINK消息发送进程订阅,将相关的信息封装为MAVLINK消息帧并发送至地面站端。
在图2中,采用基于地面站数据转发的星型通信拓扑。星型通信拓扑中每架无人机只与地面站通信,无人机之间不存在通信连接,PSO以及无人机避碰通信需求通过地面站转发的方式满足。在地面站端利用无人机位置和适应度信息实时计算出每架无人机的避碰速度以及全局最优无人机位置信息,仅当无人机之间的距离小于安全距离以及全局最优无人机位置发生更新时,才将避碰速度和全局最优无人机位置转发给无人机。
在图3中,给出了顶点为坐标点1到坐标点 5 的凸多边形,以该凸多边形为例介绍航路预规划方法。
在图4中,以沿X轴方向扫描搜索为例,在[Xmin,Xmax]之间按搜索间隔进行切分,求出所有的切分点。将经过切分点并与搜索方向垂直的直线作为切分线,根据设置的搜索方向依次求出切分线与约束函数组的交点,将交点作为搜索的路径点。
在图5中,假设搜索无人机数量为N、根据第三步求得搜索整个区域所需的总的搜索路径长度为T,则每个子区域的搜索路径总长度为T/N。以从搜索方向开始的第一条搜索路线开始,依次增加子区域的搜索路线,每增加一条,计算子区域总的搜索路线长度,当总的搜索路线长度大于T/N时,则将该子区域路线进行保存,并以下一条路线作为新的起始路线,继续进行下一个子区域的划分,直至整个待搜索区域划分完毕。
在图6中,计算起降点与子区域左右两边四个顶点的距离,选取距离最近的点作为搜索路径的起始点,然后依次遍历所有的搜索路径点,在最后一个路径点返回起降点。
在图7中,航线跟踪方法的作用是计算无人机沿航线飞行时的期望速度,无人机的期望速度包含两部分:va垂直于航线,其作用是当无人机偏离航线时使无人机回到航线上,vb为巡航速度,与航线平行,总的期望速度Vtra为:
。
在图8中,涡流中心发现航路规划方法分别为每架无人机规划了不同的子区域,因此无人机之间不存在碰撞问题,但是预规划航线上可能存在障碍物,因此无人机在执行规划的航路时需要考虑搜索路径上的障碍物。
在图9中,是无人机利用改进粒子群优化方法进行涡流中心跟踪的步骤。其中,方法终止条件是指当满足温度确认条件时自动终止温度定位任务。由于无人机全局极值为无人机群发现的最佳位置,因此,利用无人机全局极值状态的变化判断是否发现最低或最高温度,在跟踪过程中,如果无人机群全局极值的状态同时满足下面两个条件,则认为无人机群已发现最低或最高温度,也就是漩涡中心。
条件1:集群中所有无人机与全局最优位置之间的平均距离小于给定阈值。
条件2:全局最优位置连续10个迭代周期没有发生变化。
条件1表明无人机群已经收敛到一个小区域,而条件2表明全局极值的稳定及持久。如果无人机群在跟踪的过程中满足温度确认条件,则立刻停止跟踪,输出结果。此外,考虑到无人机的续航问题,还需设置最大迭代时间。当方法在最大时间内仍未发现最低或最高温度,则强制终止方法。
本发明公开一种应用于海洋中尺度漩涡探测的多无人机定位系统,首先通过卫星获取中尺度漩涡的模糊位置,然后利用无人机携带温度传感器,根据中尺度漩涡内部水温与周围水温相差较大这一特点,利用基于改进矩形波式Z字形遍历的漩涡发现方法和基于PSO的漩涡跟踪方法,实现了对温度的实时监测和漩涡中心的精准定位。解决了根据海面高度异常数据不能检测到中尺度的漩涡以及由海表面温度数据跟踪漩涡存在不稳定性的问题。
Claims (8)
1.应用于海洋中尺度漩涡探测的多无人机定位方法,其特征在于,所述方法包括基于改进矩形波式Z字形遍历的漩涡发现方法和基于PSO的漩涡跟踪方法;基于改进矩形波式Z字形遍历的漩涡发现方法包括航路预规划方法和轨迹跟踪方法;所述航路预规划方法预规划航线,为每架无人机规划漩涡中心的搜索路线;所述轨迹跟踪方法计算无人机沿预规划航线飞行时的期望飞行速度;在无人机沿预规划航线飞行的过程中,利用人工势场法设计避碰策略;基于PSO的漩涡跟踪方法进行涡流中心定位;
所述航路预规划方法包括以下步骤:
(1)建立区域边界约束函数组:
假定存储的第i个坐标点为,查找/>中的最大最小值,获取最大最小值坐标,以此确定目标区域,建立目标区域边界约束函数组;
(2)全区域航路规划:
沿X轴方向扫描搜索时,在[Xmin,Xmax]之间按搜索间隔进行切分,求出所有的切分点,将经过切分点并与搜索方向垂直的直线作为切分线,根据设置的搜索方向依次求出切分线与区域边界约束函数组的交点,将交点作为搜索的路径点;
(3)子区域划分:
假设搜索无人机数量为N,搜索整个区域所需的总的搜索路径长度为T,则每个子区域的搜索路径总长度为T/N,以从搜索方向开始的第一条搜索路线开始,依次增加子区域的搜索路线,每增加一条,计算子区域总的搜索路线长度,当总的搜索路线长度大于T/N时,则将该子区域路线进行保存,并以下一条路线作为新的起始路线,继续进行下一个子区域的划分,直至整个待搜索区域划分完毕;
(4)子区域路径生成:
计算起降点与子区域上下左右四个顶点的距离,选取距离最近的点作为搜索路径的起始点,然后依次遍历所有的搜索路径点,在最后一个路径点返回起降点;
所述轨迹跟踪方法计算无人机沿航线飞行时的期望速度,无人机的期望速度包含两部分:va垂直于航线,当无人机偏离航线时使无人机回到航线上,vb与航线平行;假设无人机从飞往/>,无人机当前位置为P(x,y),无人机期望飞行速度的计算步骤如下:
(1)求从点指向点/>的单位向量Ui:
;
(2)求va和vb:
;
G1和G2为参数,其中G1为垂直于航线方向的速度的增益,该参数越大,无人机向航线靠拢的速度越快,反之向航线靠拢的速度越慢;G2为平行于航线方向的速度的增益,该参数越大,无人机沿航线飞行的速度越快,反之沿航线飞行的速度越慢;
(3)求总的期望速度Vtra:
。
2.根据权利要求1所述的应用于海洋中尺度漩涡探测的多无人机定位方法,其特征在于,所述基于PSO的漩涡跟踪方法终止条件是当无人机群全局极值满足温度确认条件时自动终止涡流中心跟踪定位任务;所述温度确认条件包括:
条件1:集群中所有无人机与全局最优位置之间的平均距离小于给定阈值;
条件2:全局最优位置连续10个迭代周期没有发生变化;
当基于PSO的漩涡跟踪方法在最大时间内仍未发现最低或最高温度,则强制终止基于PSO的漩涡跟踪方法。
3.利用权利要求1-2所述方法的应用于海洋中尺度漩涡探测的多无人机定位系统,其特征在于,所述系统包括地面站系统和无人机系统,在地面站系统和无人机系统中运行多无人机定位方法;所述无人机系统,包括飞行控制器、定位模块、通信模块、温度传感器模块;所述定位模块、通信模块、温度传感器模块均与飞行控制器的无人机控制单元相连;
所述地面站系统通过MAVLINK协议发送地面站系统的数据至飞行控制器,飞行控制器通过MAVLINK消息接收进程进行接收数据并解析,解析完毕后通过uORB机制发布至无人机系统,无人机系统在自定义进程中运行多无人机定位方法,通过uORB机制对数据进行订阅获取;无人机系统接收到一键起飞指令后,无人机起飞,执行多无人机定位方法;利用温度传感器,实现对温度的实时监测和中尺度漩涡中心的定位。
4.根据权利要求3所述的应用于海洋中尺度漩涡探测的多无人机定位系统,其特征在于,所述地面站系统,包括预规划模块、搜索监控模块和数据转发模块;所述预规划模块是用户在设置完待搜索区域及参数后,利用改进矩形波式Z字形遍历的漩涡发现方法自动为每架无人机生成航路,并将航路点上传至无人机系统保存;所述搜索监控模块对搜索过程中的无人机的状态进行实时监控,同时通过发送控制指令实现对无人机的实时控制;所述数据转发模块将多无人机旋涡中心定位过程中的避碰速度和基于PSO的漩涡跟踪方法的全局最优位置信息进行计算和转发。
5.根据权利要求4所述的应用于海洋中尺度漩涡探测的多无人机定位系统,其特征在于,所述搜索监控模块在搜索的过程中,需要将实时的搜索进度信息通过uORB机制发布至无人机系统,然后由MAVLINK消息发送进程订阅,将信息封装为MAVLINK消息帧并发送回地面站系统。
6.根据权利要求3所述的应用于海洋中尺度漩涡探测的多无人机定位系统,其特征在于,无人机将得出的期望位置/速度的控制指令通过uORB机制发布,由飞行控制器控制进程订阅。
7.根据权利要求3所述的应用于海洋中尺度漩涡探测的多无人机定位系统,其特征在于,地面站系统和无人机系统之间采用基于地面站数据转发的星型通信拓扑;星型通信拓扑中每架无人机只与地面站通信,基于PSO的漩涡跟踪方法以及无人机避碰通信需求通过地面站转发的方式实现。
8.根据权利要求7所述的应用于海洋中尺度漩涡探测的多无人机定位系统,其特征在于,在地面站系统利用无人机位置和适应度信息实时计算出每架无人机的避碰速度以及全局最优无人机位置信息,当无人机之间的距离小于安全距离以及全局最优无人机位置发生更新时,将避碰速度和全局最优无人机位置转发给无人机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410212720.8A CN117782108B (zh) | 2024-02-27 | 应用于海洋中尺度漩涡探测的多无人机定位系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410212720.8A CN117782108B (zh) | 2024-02-27 | 应用于海洋中尺度漩涡探测的多无人机定位系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117782108A true CN117782108A (zh) | 2024-03-29 |
CN117782108B CN117782108B (zh) | 2024-05-10 |
Family
ID=
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080023566A (ko) * | 2006-09-11 | 2008-03-14 | 엘지전자 주식회사 | 복합기능을 구비한 네비게이션 시스템 및 그 동작방법 |
FR3041121A1 (fr) * | 2016-06-16 | 2017-03-17 | Airbus | Procede de controle d'un aeronef suiveur par rapport a des tourbillons generes par un aeronef meneur |
CN109470308A (zh) * | 2018-11-22 | 2019-03-15 | 浙江海洋大学 | 监测海洋漩涡参数遥感装置 |
CN111695299A (zh) * | 2020-06-04 | 2020-09-22 | 哈尔滨工程大学 | 一种中尺度涡轨迹预测方法 |
CN113741449A (zh) * | 2021-08-30 | 2021-12-03 | 南京信息工程大学 | 一种面向海空协同观测任务的多智能体控制方法 |
CN116907452A (zh) * | 2023-06-06 | 2023-10-20 | 中国海洋大学 | 基于集群auv数据驱动的亚中尺度涡观测方法 |
CN117213448A (zh) * | 2023-11-07 | 2023-12-12 | 中国人民解放军国防科技大学 | 一种海洋次中尺度锋面调查方法 |
CN117272615A (zh) * | 2023-09-08 | 2023-12-22 | 东北大学 | 一种基于流场速度矢量象限角的海洋涡旋识别方法 |
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080023566A (ko) * | 2006-09-11 | 2008-03-14 | 엘지전자 주식회사 | 복합기능을 구비한 네비게이션 시스템 및 그 동작방법 |
FR3041121A1 (fr) * | 2016-06-16 | 2017-03-17 | Airbus | Procede de controle d'un aeronef suiveur par rapport a des tourbillons generes par un aeronef meneur |
CN109470308A (zh) * | 2018-11-22 | 2019-03-15 | 浙江海洋大学 | 监测海洋漩涡参数遥感装置 |
CN111695299A (zh) * | 2020-06-04 | 2020-09-22 | 哈尔滨工程大学 | 一种中尺度涡轨迹预测方法 |
CN113741449A (zh) * | 2021-08-30 | 2021-12-03 | 南京信息工程大学 | 一种面向海空协同观测任务的多智能体控制方法 |
CN116907452A (zh) * | 2023-06-06 | 2023-10-20 | 中国海洋大学 | 基于集群auv数据驱动的亚中尺度涡观测方法 |
CN117272615A (zh) * | 2023-09-08 | 2023-12-22 | 东北大学 | 一种基于流场速度矢量象限角的海洋涡旋识别方法 |
CN117213448A (zh) * | 2023-11-07 | 2023-12-12 | 中国人民解放军国防科技大学 | 一种海洋次中尺度锋面调查方法 |
Non-Patent Citations (1)
Title |
---|
汪承义等: "基于卫星影像的自动提取中尺度漩涡方法研究", 《理论研究》, 30 June 2007 (2007-06-30), pages 3 - 6 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108594849B (zh) | 一种基于毫米波雷达的无人机避障方法 | |
Liu et al. | Self-adaptive dynamic obstacle avoidance and path planning for USV under complex maritime environment | |
CN102707724B (zh) | 一种无人机的视觉定位与避障方法及系统 | |
Liu et al. | High speed navigation for quadrotors with limited onboard sensing | |
Vidal et al. | Pursuit-evasion games with unmanned ground and aerial vehicles | |
Saunders et al. | Static and dynamic obstacle avoidance in miniature air vehicles | |
US20200117220A1 (en) | Swarm path planner system for vehicles | |
CN105892489A (zh) | 一种基于多传感器融合的自主避障无人机系统及控制方法 | |
CN110825108B (zh) | 一种在同一空域内多架跟踪无人机的协同防碰撞方法 | |
CN105549616A (zh) | 一种基于激光阵列的多轴无人机避障系统及其避障方法 | |
CN113467500B (zh) | 一种基于双目视觉的无人机非合作目标追踪系统 | |
CN112558608A (zh) | 一种基于无人机辅助的车机协同控制及路径优化方法 | |
Petrlík et al. | Coverage optimization in the cooperative surveillance task using multiple micro aerial vehicles | |
CN115933754A (zh) | 基于毫米波雷达和双目视觉的电力巡检无人机避障方法 | |
CN112379697A (zh) | 轨迹规划方法、装置、轨迹规划器、无人机及存储介质 | |
WO2021037071A1 (zh) | 一种飞行控制方法及相关装置 | |
Meng et al. | Flight conflict resolution for civil aviation based on ant colony optimization | |
Bai et al. | Cooperative trajectory optimization for unmanned aerial vehicles in a combat environment | |
CN113721653B (zh) | 一种飞行器航迹实时规划系统 | |
Zhao et al. | Relative localization for uavs based on april-tags | |
KR102058510B1 (ko) | 무인비행체의 안전 운영을 위한 장애물 정보를 제공하는 방법 및 이를 위한 지도 서버, 그리고 이를 포함하는 무선통신망 기반의 무인비행체 자동운항 운영 시스템 | |
CN117782108B (zh) | 应用于海洋中尺度漩涡探测的多无人机定位系统及方法 | |
Bodi et al. | Reinforcement learning based UAV formation control in GPS-denied environment | |
Yang et al. | Optimization of dynamic obstacle avoidance path of multirotor UAV based on ant colony algorithm | |
CN117782108A (zh) | 应用于海洋中尺度漩涡探测的多无人机定位系统及方法 |
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 | ||
GR01 | Patent grant |