基于群集智能的多无人机协同区域巡视控制方法

摘要

本公开提供一种基于群集智能的多无人机协同区域巡视控制方法，使N架无人机在各自的目标位置做圆周运动，最终实现对目标区域的协同覆盖巡视，且达到稳定状态时，N架无人机进入同步监视模式或平衡监视模式，从而能够使多架无人机进行协同作业，扩大可巡视区域或提高巡视效果，且自主化程度高。

说明书

技术领域

本公开涉及多无人机集群控制技术领域，尤其涉及一种基于群集智能的多无人机协同区域巡视控制方法。

背景技术

在军事和民用领域，常需要使用无人机在某一区域上空进行反复的飞行且其飞行轨迹能覆盖目标区域以完成侦察、监视、测绘、航拍等任务，我们将此类任务称之为区域巡视。

在无人机巡视领域，比如安防领域的对目标区域进行巡查监视，军用领域对敌方战场进行侦察监视等应用场景中，现有的方案中所使用的无人机大多是单架无人机，或多架无人机编队飞行。

然而，在实现本公开的过程中，本申请发明人发现，单架无人机的巡视区域较小，巡视效果较差，并且现有的方案大多是通过工作人员手动遥控，即使有少量的自动化巡视方案，但自主化程度不高，无法做到多架无人机协同自主飞行，现有技术中的多无人机编队算法仅实现了对轨迹的协同，没有实现对无人机相位(航向角)的协同控制，即无法实现让所有无人机做圆周运动的同时还能让它们的相位保持同步状态(所有无人机具有相同的航向角)或平衡状态(所有无人机的航向角均匀的分布在0-360°之间)。

公开内容

(一)要解决的技术问题

基于上述技术问题，本公开提供一种基于群集智能的多无人机协同区域巡视控制方法，以缓解现有技术中的无人机控制方案巡视区域小，巡视效果差，自主化程度低，无法实现对无人机相位的协同控制的技术问题。

(二)技术方案

本公开提供一种基于群集智能的多无人机协同区域巡视控制方法，使N架无人机在各自的目标位置做圆周运动，最终实现对目标区域的协同覆盖巡视，且达到稳定状态时，N架所述无人机进入同步监视模式或平衡监视模式，N≥2，包括：

步骤A：对巡视区域分割，控制N架无人机飞往各自指定位置；

步骤B：建立目标方程，使该目标方程取得极小值时，N架所述无人机的相位达到期望的相位分布；

步骤C：确定该目标方程在求取极小值过程中的下降方向和步长，并根据期望的相位分布，确定N架所述无人机的控制率；

步骤D：基于下降方向与步长，迭代计算所述控制率，并将所述控制率发送至N架所述无人机；

步骤E：重复步骤C至步骤D，直至终止协同巡视模式。

在本公开的一些实施例中，所述步骤B中，所述目标方程如下式所示：

其中，θ＝[θ₁，...，θ_N]^T，θ的每一个元素是每个所述无人机的相位角，当到达其惟一的极大值点时，N架所述无人机的相位角相同；当到达其惟一极小值点时，N架所述无人机的相位平衡。

在本公开的一些实施例中，所述步骤C中，基于BFGS方法，确定该目标方程在求取极小值过程中的下降方向。

在本公开的一些实施例中，所述步骤C中，该目标方程在求取极小值过程中的下降方向如下式所示：

其中，k表示第k次采集时刻。

在本公开的一些实施例中，所述步骤C中，通过线性搜索算法确定合适的步长。

在本公开的一些实施例中，通过线性搜索算法确定合适的步长，包括确定a₁∈(0，1)，α∈(0，1)，令j＝0；迭代j值，令j＝j+1，直至f(x_k+α^jd_k)≤f(x_k)+a₁α^jg^T(x_k)d_k；迭代结束，令α_k＝α^j。

在本公开的一些实施例中，所述步骤C中：

同步监视模式下的控制率如下式所示：

平衡监视模式下的控制率如下式所示：

其中，ω₀＝[ω₁，...，ω_N]^T，用于设定N架所述无人机的角速度。

在本公开的一些实施例中，所述步骤D包括：

步骤D1：算法初始化，包括：获取N架所述无人机的初始相位、设定巡航速度、期望角速度ω₀以及对称正定矩阵B_k初始值B₀＝I_n；

步骤D2：在迭代计算过程中根据下式更新B_k：

其中，s_k＝x_k+1-x_k，y_k＝g_k+1-g_k，B_k是一个n×n对称正定矩阵；

步骤D3：确保B_k+1的正定性，并避免其接近奇异值。

在本公开的一些实施例中，所述步骤D2中，依据的值判断B_k+1的正定性：其中，当时，B_k+1为正定矩阵；当时，B_k+1为非正定矩阵，此时令B_k+1＝B_k。

在本公开的一些实施例中，所述步骤D2中，若B_k接近奇异值，通过下式对B_k进行修正：

其中，为修正后的B_k，ε是一个接近于0的正数，λ_min是B_k的最小特征值。

(三)有益效果

从上述技术方案可以看出，本公开提供的基于群集智能的多无人机协同区域巡视控制方法具有以下有益效果的其中之一或其中一部分：

(1)本公开提供的基于群集智能的多无人机协同区域巡视控制方法，能够使多架无人机进行协同作业，扩大可巡视区域(每个无人机负责一块区域，同时可巡视面积就会扩大)或提高巡视效果(多架无人机在同一区域以不同高度巡视，可以弥补一架无人机巡视精度不够的缺点)；

(2)本公开提供的基于群集智能的多无人机协同区域巡视控制方法相比于现有技术中的手动遥控方案自主化程度高；

(3)本公开提供的基于群集智能的多无人机协同区域巡视控制方法能够使所有无人机做圆周运动的同时还能让它们的相位保持同步状态或平衡状态。

附图说明

图1为本公开提供的基于群集智能的多无人机协同区域巡视控制方法的步骤流程图。

图2为本公开提供的基于群集智能的多无人机协同区域巡视控制方法的运算逻辑结构图。

图3为利用本公开提供的基于群集智能的多无人机协同区域巡视控制方法控制3架无人机实现同步监视模式的仿真结果图。

图4为利用本公开提供的基于群集智能的多无人机协同区域巡视控制方法控制3架无人机实现平衡监视模式的仿真结果图。

具体实施方式

本公开提供的基于群集智能的多无人机协同区域巡视控制方法能够使多架无人机进行协同作业，扩大可巡视区域并提高巡视效果。

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

本公开提供一种基于群集智能的多无人机协同区域巡视控制方法，使N架无人机在各自的目标位置做圆周运动，最终实现对目标区域的协同覆盖巡视，且达到稳定状态时，N架无人机进入同步监视模式(所有无人机具有相同的航向角)或平衡监视模式(所有无人机的航向角均匀的分布在0-360°之间)，N≥2，如图1至图2所示，包括：

步骤A：对巡视区域分割，控制N架无人机飞往各自指定位置；

步骤B：建立目标方程，使该目标方程取得极小值时，N架所述无人机的相位达到期望的相位分布；

步骤C：确定该目标方程在求取极小值过程中的下降方向和步长，并根据期望的相位分布，确定N架无人机的控制率；

步骤D：基于下降方向与步长，迭代计算所述控制率，并将所述控制率发送至N架所述无人机；

步骤E：重复步骤C至步骤D，直至终止协同巡视模式。

为使本公开实施例提供的基于群集智能的多无人机协同区域巡视控制方法更便于理解，以下通过建立系统模型，对本公开实施例提供的基于群集智能的多无人机协同区域巡视控制方法进行解释说明：

在一组含有N个无人机的无人机集群中，第m个无人机的系统模型描述为：

其中θ^m是第m个无人机的相位角，x^m，是第m个无人机的位置坐标，m＝1，...，N。Δt是采样时间，假定无人机m有一个正的定常巡航速度v_m＞0，且是其控制输入，为了便于分析，在本实施例中，省略Δt，并且上标m和下标m具有相同的含义。

为了定义一组N个无人机需要形成的两种期望形式(同步监视模式和平衡监视模式)的相位分布，首先通过下式定义参数p_θ：

同步相位分布的定义为：当所有无人机的相位都相同时，对于m，n＝1，...，N，随着t→∞，|p_θ|→1，即：随着t→∞，θ_m-θ_n→0；

平衡相位分布的定义为：各个无人机的相位值使得随着t→∞，|p_θ|→0。

为了使多架无人机的相位达到期望的相位分布，定义如下的目标的方程g_pθ(θ)：

其中，θ＝[θ₁，...，θ_N]^T，θ的每一个元素对应每个无人机的相位角；当达到其惟一的极大值点时，所有无人机的相位角相同；当达到其惟一极小值点时，所有无人机的相位平衡。

在本公开的一些实施例中，步骤B中，目标方程如下式所示：

其中，当到达其惟一的极大值点时(即到达其唯一的极小值点时)，N架无人机的相位角相同；当到达其惟一极小值点时(即到达其唯一的极小值点时)，N架无人机的相位平衡。

由于目标函数的形式是一个无约束非线性优化问题，无法直接求出问题的解析解，因此在本公开实施例中采用迭代优化算法，进行迭代求解。现有技术中常用的基于下降方向的优化算法中，根据下降方向的不同分为三种，第一种为梯度下降法其计算量小但收敛速度慢；第二种为牛顿法其收敛速度快但计算量大，第三种是BFGS方法，其计算量和梯度下降法相同，但收敛速度接近牛顿法，因此，在本公开的一些实施例中，步骤C中，基于BFGS方法，确定该目标方程在求取极小值过程中的下降方向。

在本公开的一些实施例中，步骤C中，该目标方程在求取极小值过程中的下降方向如下式所示：

其中，k表示第k次采集时刻。

在本公开的一些实施例中，步骤C中，通过线性搜索算法确定合适的步长，包括：

确定a₁∈(0，1)，α∈(0，1)，令j＝0；

迭代j值，令j＝j+1，直至满足：

f(x_k+α^jd_k)≤f(x_k)+a₁α^jg^T(x_k)d_k

迭代结束，令α_k＝α^j。

在本公开的一些实施例中，所述步骤C中：

为了令无人机在以给定的角速度做圆周运动的同时实现同步相位分布，确定控制率如下式所示：

为了令无人机在以给定的角速度做圆周运动的同时实现平衡相位分布，确定控制率如下式所示：

其中，ω₀＝[ω₁，...，ω_N]^T，用于设定N架所述无人机的角速度，采用上述控制率，N架无人机到达同步相位分布或平衡相位分布后将在各自位置做圆周运动，其各自运动半径r_m＝v_m/|ω_m|。

在本公开的一些实施例中，步骤D包括：

步骤D1：算法初始化，包括：获取N架所述无人机的初始相位、设定巡航速度、期望角速度ω₀以及对称正定矩阵B_k初始值B₀＝I_n；

步骤D2：在迭代计算过程中根据下式更新B_k：

其中，s_k＝x_k+1-x_k，y_k＝g_k+1-g_k，B_k是一个n×n对称正定矩阵；

步骤D3：确保B_k+1的正定性，并避免其接近奇异值。

在本公开的一些实施例中，通过线搜索确定步长的方法并不能保证B_k的正定性，因此在步骤D2中，依据的值判断B_k+1的正定性：其中，当时，B_k+1为正定矩阵；当时，B_k+1为非正定矩阵，此时令B_k+1＝B_k，即：

实际应用中，B_k有时会接近奇异值，从而导致计算不准确，甚至导致程序崩溃，因此，在步骤D2中，若B_k接近奇异值，通过下式对B_k进行修正：

其中，为修正后的B_k，ε是一个接近于0的正数，λ_min是B_k的最小特征值。

以下以两具体实施例，验证本公开实施例提供的基于群集智能的多无人机协同区域巡视控制方法的有效性：

实施例1：在本实施例中，一组包含三个无人机的无人机集群在初始位置的巡航速度分别为v₁＝1.5，v₂＝1，v₃＝0.8，初始相角分别为θ₁＝3π/4，θ₂＝π/2，θ₃＝π/4，如图3(a)所示，设定目标函数并采用同步相位模式的控制率，期望角速度设定为ω₁＝ω₂＝ω₃＝0.5，仿真结果如图3(b)所示，从初始位置出发后，经过短暂的调整过程，所有无人机以期望的角速度围绕各自的目标圆心做圆周运动，并且，所有无人机的航向角可以始终保持一致。

实施例2：在本实施例中，一组包含三个无人机的无人机集群在初始位置的巡航速度分别为v₁＝1.5，v₂＝1，v₃＝0.8，初始相角分别为θ₁＝3π/4，θ₂＝π/2，θ₃＝π/4，如图4(a)所示，设定目标函数并采用平衡相位模式的控制率，期望角速度设定为ω₁＝ω₂＝ω₃＝0.5，仿真结果如图4(b)所示，从初始位置出发后，经过短暂的调整过程，所有无人机以期望的角速度做圆周运动的同时可以实现航向角成平衡模式分布。

依据以上描述，本领域技术人员应当对本公开实施例提供的基于群集智能的多无人机协同区域巡视控制方法有了清楚的认识。

综上所述，本公开提供的基于群集智能的多无人机协同区域巡视控制方法通过建立目标方程，并对目标方程求取极小值，从而实现多架无人机进行协同作业，扩大可巡视区域并提高巡视效果。

还需要说明的是，实施例中提到的方向用语，例如“上”、“下”、“前”、“后”、“左”、“右”等，仅是参考附图的方向，并非用来限制本公开的保护范围。贯穿附图，相同的元素由相同或相近的附图标记来表示。在可能导致对本公开的理解造成混淆时，将省略常规结构或构造。

并且图中各部件的形状和尺寸不反映真实大小和比例，而仅示意本公开实施例的内容。另外，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。

类似地，应当理解，为了精简本公开并帮助理解各个公开方面中的一个或多个，在上面对本公开的示例性实施例的描述中，本公开的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本公开要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如前面的权利要求书所反映的那样，公开方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本公开的单独实施例。

以上所述的具体实施例，对本公开的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本公开的具体实施例而已，并不用于限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。