[发明专利]分布式多无人机编队群集行为动态障碍物避障控制方法

说明书

本发明属于无人机编队飞行控制领域，为针对存在机间气流干扰下的无人机编队保持和规避动态障碍物的需求，设计一种基于群集行为的分布式多无人机编队控制和避障控制算法，实现无人机编队的避障飞行。本发明采取的技术方案是，分布式多无人机编队群集行为动态障碍物避障控制方法，步骤如下：步骤1)确定无人机编队的通信拓扑结构图；步骤2)确定无人机编队系统模型；步骤3)势场函数设计；步骤4)群集避障控制律设计。本发明主要应用于无人机编队飞行控制场合。

技术领域

本发明属于无人机编队飞行控制研究领域。针对存在机间气流干扰下的无人机编队保持和规避动态障碍物的需求，设计一套基于群集行为的分布式多无人机编队控制和避障控制算法。

背景技术

近年来，随着无人机发展的日益成熟，单架无人机已逐渐不能满足一些复杂任务的需要，研究人员开始对多无人机编队协同控制展开研究。和单无人机相比，无人机编队在协同侦查、区域搜索、灾难救援等领域具有着巨大的优势。但由于通信时延、气流扰动、外部障碍和环境不确定性等复杂因素影响，多无人机协同控制和单无人机相比也具有更大的挑战性。

多无人机的队形保持控制是无人机编队飞行的基础，编队的安全飞行离不开可靠的队形控制方法，国内外的研究人员对此展开了研究，并取得了大量成果。美国宾夕法尼亚大学的 Kumar V等基于领航者-跟随者方法，通过构造无人机之间距离和方位的形状矢量来确定期望编队队形，之后各无人机独立计算其飞行轨迹，实现了能够在三维环境中快速移动同时保持紧密队形的无人机编队。美国宾夕法尼亚大学的Turpin M等基于虚拟结构的方法，通过将编队整体分成几个具有虚拟刚性结构的小组实现了近二十架微型四旋翼的编队飞行，从而在牺牲灵活性的基础上减少了路径规划时间。以上方法均采用集中式的通信策略，中心节点通信负担大、计算量大，系统的容错能力差。近年来，由于分布式通信策略具有可扩展性强、灵活性高等特点，研究人员开始将研究目光转向分布式控制。北京航空航天大学的段海滨等采用基于行为的方法，将鸽群的层次学习行为应用到无人机编队中，实现了无人机编队的保持和轨迹跟踪，最后通过数值仿真验证了算法的有效性。墨西哥新莱昂自治大学的Garcia O等基于多无人机系统提出了分布式鲁棒一致性协议，将一致性协议与super-twisting算法相结合，应用于各无人机的控制器设计中，实现了无人机编队在扰动条件下的队形保持与飞行，并证明了系统在有限时间内的收敛性，最后在包含三架无人机的实验平台上进行了室内实验验证。在分布式控制的方法中，编队中的无人机仅需与邻域中的无人机之间进行局部通信，便能实现对整个编队队形的控制，并且分布式控制能够减轻系统的通信负担，使无人机编队系统更具有扩展性和鲁棒性。

无人机编队系统在避障方面问题复杂，和单机避障相比，不仅需要考虑外部障碍，还需考虑编队内部的避碰、避障完成后队形的重构等问题。瑞士苏黎世联邦理工学院的Alonso- Mora J等基于速度障碍法将运动连续性、避碰、避障等问题转化为凸优化问题的限制条件，通过构建代价函数来求解出最优速度解，最终实现了三维环境中的多无人机局部运动规划、避碰和避障。荷兰代尔夫特理工大学的Zhu H等采用非线性模型预测控制(Non-linear Model Predictive Control，NMPC)规划具有较小碰撞概率的安全轨迹的方法，实现了16架无人机交换位置的数值仿真，两架无人机避开实验人员的实验。然而，上述文献中的无人机之间并未形成编队，多无人机在空间以无序的状态避障后到达各自目标点。对于编队系统避障问题，美国密西西比州立大学的Ming Xin等以人工势场函数为基础，构造避障惩罚函数，通过构建最优控制框架解决了多智能体一致性问题和避障问题，并证明了算法的全局渐进稳定性和最优性，最后给出数值仿真结果说明算法的可行性。北京航空航天大学的董希旺等以一致性协议为基础构造时变编队，并通过设置虚拟领导者引导编队移动，避障方法采用人工势场法，最后通过数值仿真验证了时变编队飞行过程中躲避静态障碍物的能力。