生物启发的多无人机协同四维航迹规划方法研究

摘要

多无人机在协同执行同时攻击、编队形成等飞行任务时，通常需要严格按照期望时间飞抵指定的目标点，因而多机协同四维航迹（三维位置与时间）规划技术日益受到青睐。该技术能够有效降低航迹的不确定性，提高任务执行的安全性和可靠性;并可对任务空域进行有效利用，获得更优化的协同航迹。针对多机协同四维航迹规划问题进行研究具有良好的理论意义和广阔的应用前景。
　　广义tau理论是一种生物启发的四维运动规划理论，采用当前与目标运动状态之间的间距闭合的时间信息进行制导。基于广义tau理论的tau制导策略能够真正进行时空的同步规划，且形式简洁，适合应用于多机协同四维航迹规划中。
　　本文以生物启发的多无人机协同四维航迹规划方法为研究内容，将tau制导策略应用于多机协同四维航迹规划中，重点研究了符合无人机需求的tau制导策略，并在此基础上对集中式、分布式和基于多智能体Q学习算法的协同四维航迹规划方法进行研究;进而，利用tau制导策略的时空协同性质，构建了四维tau制导矢量场，并用其解决多机协同standoff跟踪问题。
　　本文的主要研究工作和贡献如下:
　　1、系统地综述了多无人机协同四维航迹规划的研究现状，回顾了生物启发的广义tau理论及其制导策略的研究历程和进展，并总结了已有tau制导策略的优缺点和应用范围。
　　2、针对已有tau制导策略存在的缺陷和四维航迹规划的应用需求，对制导策略进行创新。首先，针对已有策略航迹空间调整范围小、初始加速度非零的缺陷，提出了基于简谐运动的本征tau-harmonic制导策略，提升了航迹的可飞性和空间形状调整能力。其次，针对始末速度非零的四维运动规划问题，通过在本征tau-gravity(tau-G)制导策略的虚拟制导运动中加入初速度，提出了改进tau-G制导策略，能够满足编队形成、目标的持续跟踪等任务的应用需求。
　　3、基于tau-harmonic制导策略，提出了一种集中式多机协同四维航迹规划方法。该方法采用tau-harmonic策略描述四维航迹，设计了集中式四维航迹规划问题，并用粒子群优化获取最佳航迹参数。航迹之间的无碰需求通过冲突检测和消解方法加以保证。对多机同时到达任务的大量仿真结果表明，该集中式四维航迹规划方法具有较好的收敛性和更强的冲突消解能力，能够提供更可飞和更安全的四维航迹。
　　4、利用改进tau-G制导策略，提出了一种分布式多机协同四维航迹规划方法。该方法将集中式航迹优化问题分解为局部优化问题，每架飞机根据本地和邻居信息对局部优化问题进行求解。为了应对环境和通信拓扑的突变，采用时间采样和冲突事件双重驱动的分布式滚动优化方法不断对航迹进行优化和改进。与分布式预测控制对照的综合飞行任务仿真结果表明，该分布式协同航迹规划方法能够严格按照期望时间导引无人机以期望速度通过目标点，且能够更高效地提供费用小、安全性高的四维航迹。
　　5、为了提升多无人机航迹规划的自主性和灵活性，提出了一种基于多智能体Q学习算法的协同四维航迹规划方法。各无人机采用连续状态-连续动作的WireFitting Neural Network Q学习算法对基于改进tau-G策略的航迹规划任务进行学习训练，多无人机系统的学习用Win or Learn Fast-Policy Hill Climbing算法进行组织;为提升算法对不同任务环境的适应性，在有效通信的机群中引入学习经验交流机制。对综合飞行任务的动态仿真结果表明，该方法能够在分布式航迹规划任务中更加高效地提供满足可飞性、安全性和任务需求的四维航迹。
　　6、利用tau-G制导策略将时间信息引入矢量场中，构建了四维tau制导矢量场，可严格按照期望时间将无人机的位置导引至目标圆上;进而利用tau矢量场解决有时间约束的多机协同standoff跟踪问题。对典型协同standoff跟踪任务的仿真结果表明，tau矢量场提供的制导策略具有计算负荷低、跟踪偏差小、可飞性好、安全性高等优势，能够更好地满足多机协同任务的四维制导需求。

目录

声明

致谢

摘要

图目录

表目录

符号说明

第1章 绪论

1．1 研究背景与意义

1．2 多无人机协同4D航迹规划研究现状

1．2．1 国外研究现状

1．2．2 国内研究水平

1．2．3 小结

1．3 广义tau理论在运动规划瓴域的研究现状

1．3．1 Tau理论

1．3．2 广义tau理论

1．3．3 Tau制导策略

1．3．4 Tau制导策略在运动规划中的应用

1．4 本文主要工作和内容安排

1．4．1 本文的研究内容和主要贡献

1．4．2 本文的章节安排

第2章 生物启发的4D航迹制导策略

2．1 广义tau理论及已有tau制导策略

2．1．1 广义tau理论

2．1．2 已有tau制导策略

2．2 基于简谐运动的本征tau-harmonic制导策略

2．3 改进tau-G制导策略

2．3．1 改进tau-G制导策略

2．3．2 使策略有效的耦合系数取值范围

2．3．3 制导过程中的速度极值

2．4 本章小结

第3章 基于tau-H策略的集中式多UAV协同4D航迹规划

3．1 引言

3．2 集中式4D航迹规划问题

3．3 集中式4D航迹规划方法

3．3．1 航迹优化算法

3．3．2 冲突检测与消解算法

3．3．3 协同4D航迹规划算法完整流程

3．4 仿真结果与分析

3．4．1 全局4D航迹优化

3．4．2 算法整体性能

3．4．3 4D航迹跟踪

3．5 本章小结

第4章 基于改进tau-G策略的分布式多UAV 4D航迹规划

4．1 引言

4．2 分布式4D航迹规划问题

4．2．1 分布式多UAV体系结构

4．2．2 基于改进tau-G策略的4D航迹规划

4．2．3 分布式4D航迹优化问题

4．3 分布式4D航迹规划方法

4．3．1 基于分布式滚动优化的协同4D航迹优化

4．3．2 局部航迹优化问题的优化算法

4．4 基于Matlab虚拟现实工具箱的可视化仿真系统搭建

4．4．1 Matlab虚拟现实工具箱

4．4．2 分布式多UAV系统的Simulink模型设计

4．4．3 虚拟现实工具箱与Simulink模型的交互

4．5 仿真结果与分析

4．5．1 编队集结

4．5．2 运动目标跟踪

4．5．3 仿真全过程的性能

4．6 本章小结

第5章 基于多智能体Q学习算法的4D航迹规划

5．1 引言

5．2 基于WFNNQ学习的4D航迹规划

5．2．1 4D航迹规划的状态与动作

5．2．2 WFNNQ学习算法

5．2．3 航迹回报函数的设计

5．3 基于多智能体WFNNQ的4D航迹规划

5．3．1 已有多智能体Q学习算法

5．3．2 基于WoLF-PHC的多UAV 4D航迹规划

5．4 仿真结果与分析

5．4．1 仿真全过程的性能

5．4．2 编队集结

5．4．3 运动目标跟踪

5．5 本章小结

第6章 基于tau矢量场的多UAV协同4D制导

6．1 引言

6．2 四维tau制导矢量场的构建

6．3 基于τVFG的多机协同standoff跟踪

6．3．1 多机协同standoff跟踪问题

6．3．2 基于τVFG的多机协同standoff跟踪方法

6．3．3 仿真结果与分析

6．4 本章小结

第7章 总结与展望

7．1 全文总结

7．2 未来工作展望

参考文献

作者简历

攻读博士学位期间的主要研究成果