一种基于鸽子被动式避障飞行的无人机避障导引方法

摘要

本发明是一种基于鸽子被动式避障飞行的无人机避障导引方法，其实现步骤为：步骤一：初始化；步骤二：感知并检测障碍；步骤三：制定避障策略；步骤四：航向导引；步骤五：航向控制；步骤六：更新飞行状态；步骤七：判断是否结束仿真。该方法旨在提供一种在线的无人机避障导引方法，在提高无人机环境适应性的同时，降低无人机单机计算负载，从而有效提高复杂动态任务环境下的无人机自主能力水平。

说明书

技术领域

本发明涉及一种基于鸽子被动式避障飞行的无人机避障导引方法，属于无人机控制领域。

背景技术

无人机(Unmanned Aerial Vehicle,UAV)是一种由自身程序控制或者由无线电遥控的，用来执行特定任务的无人驾驶飞行器，具备机动性强、风险性低、成本较低、可靠性高、适应性强、应用领域广等特质。

由于无人机任务环境往往动态复杂，包含大量不确定、不完全的信息，为提高无人机飞行安全，避障系统开始被广泛运用在无人机上。机上避障系统除依赖传感器技术、图像处理技术获得任务区域内最新的环境信息外，还需要无人机避障导引方法帮助机组人员或作战任务规划人员为执行任务的无人机选择具有最低损耗危险通过任务区域的航路，因此设计合理高效的无人机避障导引方法至关重要。本发明旨在通过设计一种无人机避障导引方法，提高无人机环境适应性等自主能力，使其可以较低的载荷配置高效完成相对复杂的任务。

目前，常见的无人机避障导引方法主要包括基于采样法、基于节点法、基于数学模型法以及进化算法等。其中，基于采样法包括Voronoi图法、概率路标图法、快速扩展随机树法、人工势场法等，均需要预先获知任务区域内的完整障碍信息，无法适应复杂动态的任务环境。基于节点法包括Dijsktra算法、A*算法等，均是基于栅格地图进行启发式搜索，而为生成精确的可行导引航迹，栅格划分应尽可能小，且考虑的邻域应尽可能大，但单机计算负载也随之增大，算法收敛时间也随之变长。基于数学模型法是通过分段线性化和整数规划方法将无人机避障导引问题转化成一个规范的数学问题，进化算法是将无人机避障导引问题转化成一个在约束条件下寻找最优解的组合优化问题，由于二者的计算复杂度过大，因此不适用于在线无人机避障导引。本发明针对现有无人机避障导引方法在环境适应性、收敛时间以及计算复杂度等方面的不足，基于鸽子被动式避障飞行设计了一种在线的无人机避障导引方法。

在自然环境中移动的动物往往需要避开活动路径上的障碍，当其以较高的速度运动时，避障变得十分困难，但自然界中的鸽子进化出了相应的避障能力以实现安全飞行。鸽子避障飞行不是预先规划好的，而是一种被动的反应。鸽子在感知到障碍物后，会立刻调整飞行方向，其往往倾向于尽可能穿过障碍之间最宽敞的空隙，而不是以最小化路程为原则调整飞行方向。鉴于鸽子避障飞行中所体现的被动式、快速性和简单性等特点与无人机避障导引中的环境适应性、收敛时间和计算复杂度等要求有着紧密的契合之处，本发明提出了一种基于鸽子被动式避障飞行的无人机避障导引方法，以解决现有无人机避障导引方法在自主能力以及单机负载上的不足，有效提高无人机自主控制水平。

发明内容

1、发明目的：

本发明提供了一种基于鸽子被动式避障飞行的无人机避障导引方法，其目的是提供一种在线的无人机避障导引方法，旨在提高无人机环境适应性的同时，降低无人机单机计算负载，从而有效提高复杂动态任务环境下的无人机自主能力水平。

2、技术方案：

本发明针对无人机避障导引问题，开发了一种基于鸽子被动式避障飞行的无人机避障导引方法，该方法的框架如图1所示，具体实现步骤如下：

步骤一：初始化

随机生成无人机在初始时刻的二维空间位置(X,Y)、飞行速度V、航向角ψ；随机生成二维空间内的n个圆形障碍，每个障碍的圆心坐标为(x_i,y_i)，半径均为r，其中i＝1,2,...,n为障碍的编号；设定仿真时间t＝1。

步骤二：感知并检测障碍

将无人机视为具有视场角限制θ_lim和感知距离限制R_lim的鸽子，其中0°＜θ_lim≤180°，R_lim＞0。鸽子可检测到位于有效感知区域内的障碍，鸽子的有效感知区域为一个扇形，该扇形的顶点为(X,Y)，半径为R_lim，圆心角为2θ_lim，顶点到弧线中点的方向与ψ一致。即当无人机与障碍i的距离R_i小于等于R_lim，且障碍i到无人机的连线与无人机航向间的夹角小于θ_lim时，无人机可检测到障碍i，其中

步骤三：制定避障策略

鸽子主要根据检测到的障碍间的缝隙制定避障策略。鸽子检测到的障碍间的缝隙可视为由无人机与障碍i间的距离R_i以及无人机航向角ψ与障碍角坐标θ_i间的差异来描述的量，鸽子的避障策略可视为下式所描述的无人机针对障碍i的避障角α_i：

其中

步骤四：航向导引

为保证飞行安全，鸽子会将自身的飞行方向对准最大缝隙。鸽子对准的最大缝隙角坐标可视为下式所描述的无人机期望航向角θ_aim：

θ_aim＝∑(θ_i+α_i)>

步骤五：航向控制

无人机航向控制器可描述为：

其中航向误差θ_e＝ψ-θ_aim，τ为视觉感知传感器时延，K_P、K_I和K_D分别为无人机航向比例控制增益、积分控制增益以及微分控制增益，K_S为惯性稳定控制增益。

步骤六：更新飞行状态

由航向角变化率更新无人机航向角ψ，并由下式更新无人机二维空间位置：

步骤七：判断是否结束仿真

仿真时间t＝t+1。若t大于最大仿真运行时间T_max，则仿真结束并绘制无人机避障飞行轨迹；否则，返回步骤二。

3、优点及效果：

本发明提出了一种基于鸽子被动式避障飞行的无人机避障导引方法。该方法的主要优势主要体现在两个方面：一方面，该方法秉承了鸽子避障飞行中的快速性和简单性，与常见的基于节点法、基于数学模型法以及进化算法的无人机避障导引方法相比，该方法有效降低了单机计算负载；另一方面，该方法是模仿鸽子被动式的避障飞行机制设计的在线无人机避障导引方法，因此相较于常见的基于采样法的无人机避障导引方法，该方法提高了无人机对于复杂动态任务环境的适应能力。

附图说明

图1基于鸽子被动式避障飞行的无人机避障导引框架。

图2无人机避障飞行轨迹。

图中标号及符号说明如下：

(X,Y)——无人机二维空间位置

ψ——无人机航向角

θ_lim——视场角限制

R_lim——感知距离限制

α——避障角

θ_aim——无人机期望航向角

K_P——无人机航向比例控制增益

K_I——无人机航向积分控制增益

K_D——无人机航向微分控制增益

τ——视觉感知传感器时延

K_S——惯性稳定控制增益

x_g——地面坐标系横轴

y_g——地面坐标系纵轴

具体实施方式

见图1至图2，下面通过一个具体的无人机避障实例来验证本发明所提出的方法的有效性。一种基于鸽子被动式避障飞行的无人机避障导引方法，该方法具体步骤如下：

步骤一：初始化

随机生成无人机在初始时刻的二维空间位置(X,Y)，其中X取值范围为0～2m，Y取值范围为8m～12m；无人机飞行速度V＝1m/s，初始航向角ψ＝0°；随机生成二维空间内的20个圆形障碍，每个障碍的圆心坐标为(x_i,y_i)，其中i＝1,2,...,20为障碍的编号，x_i取值范围为7m～13m，y_i取值范围为0～20m；圆形障碍的半径r＝0.1m；设定仿真时间t＝1。

步骤二：感知并检测障碍

将无人机视为具有视场角限制θ_lim＝30°和感知距离限制R_lim＝0.5m的鸽子。鸽子可检测到位于有效感知区域内的障碍，鸽子的有效感知区域为一个扇形，该扇形的顶点为(X,Y)，半径为0.5m，圆心角为60°，顶点到弧线中点的方向与ψ一致。即当无人机与障碍i的距离R_i小于等于0.5m，且障碍i到无人机的连线与无人机航向间的夹角小于30°时，无人机可检测到障碍i，其中

步骤三：制定避障策略

由式(1)得到无人机针对障碍i的避障角α_i。

步骤四：航向导引

由式(2)得到无人机期望航向角θ_aim

步骤五：航向控制

无人机航向控制器可描述为式(3)，其中视觉感知传感器时延τ＝1，无人机航向比例控制增益K_P＝0.25，无人机航向积分控制增益K_I＝0，无人机航向微分控制增益K_D＝0.1，惯性稳定控制增益K_S＝0.05。

步骤六：更新飞行状态

由航向角变化率更新无人机航向角ψ，并由式(4)更新无人机二维空间位置。

步骤七：判断是否结束仿真

仿真时间t＝t+1。若t大于100，则仿真结束，绘制的无人机避障飞行轨迹如图2所示；否则，返回步骤二。