[发明专利]一种基于轨迹映射的无人机拖曳式空中回收轨迹优化方法

说明书

本发明公开了一种基于轨迹映射的无人机拖曳式空中回收轨迹优化方法，属于无人机导航、制导与控制领域。本发明提出轨迹映射的思想，首先建立缆绳‑浮标‑无人机组合体运动模型，并对回收系统的剖面数据进行参数化表示，作为轨迹映射网络的输入；然后基于深度学习利用BiGRU建立输入和输出(浮标‑无人机组合体的回收轨迹)之间的精确映射关系，得到轨迹映射网络。最后，基于此轨迹映射网络实时预测不同回收指令下的真实回收轨迹，并采用灰狼优化算法得到最优回收指令，即可得到回收系统的最优回收轨迹。本发明基于不同环境条件均能实现无人机实时在线准确地快速稳定回收，同时降低优化算法的负担。

技术领域

本发明属于无人机导航、制导与控制领域，具体涉及一种基于轨迹映射的无人机拖曳式空中回收轨迹优化方法。

背景技术

无人机拖曳式空中回收是指小型固定翼无人机在空中与缆绳拖曳的浮标对接锁定后，由卷盘回收缆绳进而将无人机收回到运输机(母机)货舱中的过程，如图1所示。无人机空中回收技术可以消除无人机对可靠陆基/舰基的依赖，有效扩展无人机的作战范围。在回收过程中需要对无人机的回收轨迹进行优化，以使无人机平稳快速地被收回。如何实现对无人机回收轨迹的在线优化是一个亟需解决的问题。

无人机的回收轨迹不仅与期望的回收轨迹有关，还受缆绳回收速度和加速度以及机翼折叠的时机和速度的影响。因此，在优化回收轨迹时不仅要优化期望的轨迹，还要优化缆绳回收速度和加速度以及机翼折叠的时机和速度。需要强调的是，上述优化变量与回收轨迹之间的映射关系并不解析，无法直接采用传统的数值优化算法进行优化。首先，期望轨迹与实际轨迹之间的关系不解析，在考虑位置跟踪控制器性能以及缆绳-浮标-无人机组合体复杂动力学特性情况下，期望的轨迹并不会被严格无误的跟踪。其次，缆绳回收速度和机翼折叠对回收轨迹的影响隐含在回收系统模型中，无法显式表达。一种最直接的方法是利用整个回收系统模型进行预测，即输入回收指令，通过对模型的数值求解来预测回收轨迹。这种方法综合考虑了缆绳-浮标-无人机组合体的动力学特性和控制器的性能，以及缆绳回收和机翼折叠带来的影响，但由于整个回收系统的动力学模型十分复杂，包含数十上百个微分方程，难以进行实时预测，无法在线使用。为提高优化效率，若像现有的轨迹优化方法一样，在轨迹优化时只考虑简化的运动学模型而不全面考虑回收系统各因素的影响，那么实际轨迹和优化出的指令轨迹不可避免的会存在较大的偏差，很有可能会导致实际的回收轨迹出现大幅的飘摆，影响回收任务的安全性。无人机拖曳式空中回收作为一项新兴技术，目前还没有与回收轨迹优化相关的研究文献。

近年来，随着新一代人工智能技术的发展，深度学习所表现出的强大的非线性拟合能力，为求解复杂非线性问题提供了可能。通过轨迹映射的思想，利用深度学习建立无人机回收系统中回收指令和回收轨迹之间的精确映射关系，进而实现在线优化回收轨迹，为解决上述问题的提供了途径。

发明内容

为提高无人机回收过程的稳定性和快速性，本发明提出一种基于轨迹映射的无人机拖曳式空中回收轨迹优化方法。所提方法可以建立无人机回收指令和实际回收轨迹之间精确的映射关系，在进行轨迹优化时能够充分考虑回收系统的跟踪特性，实时准确预测不同回收指令所对应的真实回收轨迹，大幅提高规划轨迹的可跟踪性，实现规划即跟踪。

一种基于轨迹映射的无人机拖曳式空中回收轨迹优化方法，具体包括如下步骤：

步骤一、对无人机回收系统建立缆绳和浮标-无人机组合体的非线性运动模型；

具体如下：

(1)基于多刚体理论建立缆绳运动模型；

将缆绳离散为N段等长圆柱形的刚性连杆，连杆之间用无摩擦的球形铰链节点相连，忽略连杆的延展性和柔性，并假设连杆的重量被等效在连杆的两端节点处，即认为第i个连杆的质量的一半和第i+1个连杆质量的一半集中在第i个连杆末端的铰链节点处，得到一个多刚体动力学系统。具体为：