一种基于雁群自组织飞行的无人机自主编队控制方法

摘要

本发明是一种基于雁群自组织飞行的无人机自主编队控制方法，其实现步骤为：步骤一：初始化；步骤二：确定长机；步骤三：确定各僚机的引导机；步骤四：确定引导机相对各僚机的期望位置；步骤五：防撞；步骤六：生成无人机自驾仪控制输入指令；步骤七：将自驾仪控制输入指令输入无人机模型；步骤八：判断是否结束仿真；该方法旨在提供一种分布式的无人机自主编队控制方法，在提高无人机机群鲁棒性和适应性的同时，降低无人机单机计算和通信负载，从而有效提高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雁群自组织飞行的无人机自主编队控制方法，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由无线电遥控的，用来执行特定任务的无人驾驶飞行器，具有“平台无人、系统有人”的属性和环境适应能力强、自主程度高、非接触、零伤亡、可长时间工作的特点，在军事和民用领域中具有广阔的应用发展前景。

由于单无人机在感知范围、任务载重、计算能力等方面均存在限制，在执行某些复杂任务时效率低下或无法完成。与单无人机相比，无人机自主编队可以低成本、高分散的组织形式满足功能需求，以去中心化自组网提升系统高效信息共享、抗故障与自愈能力，以功能分布化提高体系生存率和效率交换比，已成为无人机发展的重要趋势。无人机自主编队，是指多架具有自主能力的无人机按照一定结构形式进行三维空间排列，且在飞行过程中可保持稳定队形，并能根据外部情况和任务需求进行队形动态调整，以体现整个机群的协调一致性。虽然无人机自主编队飞行可提高系统性能，但多个飞行器并存也导致了一些新的问题，比如系统协调管理的难度提升，系统整体状态的不确定性增加，系统对通信的依赖性加大，因此设计合理高效的无人机自主编队控制方法至关重要。本发明旨在通过设计一种无人机自主编队控制方法，提高无人机自主编队控制水平，使其可以较低的载荷配置高效完成相对复杂的任务，从而具备一定智能等级的自主能力。

目前，常见的无人机自主编队控制方法主要包括长机-僚机式、基于行为、虚拟结构等。其中长机-僚机式，需要预设编队结构，在机群故障方面鲁棒性差；基于行为法是根据预设信息和触发条件形成控制指令，缺乏适应性；虚拟结构法类似一种集中式控制，对计算能力依赖性强，对机间通信要求高。本发明针对现有无人机自主编队控制方法在鲁棒性、适应性等方面的自主能力不足以及计算和通信负载过大的问题，基于雁群自组织飞行设计了一种分布式的无人机自主编队控制方法。

雁群线性编队飞行是自然界中存在的一种普遍现象，是群居性个体为适应生存环境，历经长期演化后与生俱来的生存本领。雁群通过个体决策，最终使得整个群体从宏观上涌现出自组织性、协作性、稳定性及对环境的适应性；无人机自主编队的目的则是通过分布式决策实现能够自组织、协调性好和鲁棒性强的编队飞行。鉴于雁群飞行机制中去中心化的邻近个体交互、整体的自组织性等特点与无人机自主编队控制的局部性、分布式和鲁棒性等要求有着紧密的契合之处，本发明提出了一种基于雁群自组织飞行的无人机自主编队控制方法，以解决现有无人机自主编队控制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编队控制水平。

发明内容

1、发明目的：

本发明提供了一种基于雁群自组织飞行的无人机自主编队控制方法，其目的是提供一种分布式的无人机自主编队控制方法，旨在提高无人机机群鲁棒性和适应性的同时，降低无人机单机计算和通信负载，从而有效提高无人机自主能力水平。

2、技术方案：

本发明针对无人机编队控制问题，开发了一种基于雁群自组织飞行的无人机自主编队控制方法，该方法的实现流程如图1所示，具体实现步骤如下：

步骤一：初始化

随机生成n架无人机的初始飞行状态，包括空间位置(Xⁱ,Yⁱ,hⁱ)、水平速度Vⁱ，航向角ψⁱ以及高度变化率ζⁱ，其中i为无人机的编号；设定当前仿真时间t＝0。

步骤二：确定长机

将n架无人机组成的机群视为一个雁群，其中每架无人机为雁群中的一个个体，飞行状态不受其他无人机影响的长机为雁群中的头雁。当前空间位置位于雁群最前方的个体，视为该雁群的头雁；当存在多个个体位于雁群最前方时，这些个体中空间位置位于雁群最左边的个体，视为该雁群的头雁。即当且仅当不存在无人机j满足X^j≥Xⁱ且Y^j≥Yⁱ时，有Num_L＝i，其中Num_L为长机对应的无人机编号，X为无人机在地面坐标系下的横轴坐标，Y为无人机在地面坐标系下的纵轴坐标，i为无人机的编号

步骤三：确定各僚机的引导机

将僚机视为从雁，并将僚机对应的引导机视为前雁，其中除长机外机群中的其余无人机均为僚机，影响某一僚机飞行状态的无人机为该僚机的引导机，引导机可为长机，也可为僚机。每个从雁选择当前位于前方且水平面上相距最近的个体作为前雁；前方若无个体时，从雁选择当前与自身并排的个体中，在水平面上相距最近的个体作为前雁；若可选择的前雁不唯一时，从雁选择编号最小的个体作为前雁。即当且仅当不存在无人机j'满足X^j'≥Xⁱ且R^ij'＜R^ij时或满足X^j'≥Xⁱ，R^ij'＝R^ij且j'＜j时，有其中为僚机i和无人机j间的水平距离，为僚机i对应的引导机的编号。

步骤四：确定引导机相对各僚机的期望位置

当某一从雁的当前空间位置位于头雁右侧时，该从雁会选择飞向其对应前雁的右侧期望位置，反之该从雁会选择飞向其对应前雁的左侧期望位置。前雁相对于对应从雁的期望位置即为引导机相对于僚机的期望位置。即当时，有当时，有

其中和分别为引导机相对于僚机i的前向期望位置和侧向期望位置，x_exp和y_exp分别为前向期望距离和侧向期望距离。

步骤五：防撞

当任两架无人机的当前位置不满足安全条件时，为防止碰撞，位于下方的无人机将下降一段指定距离。即当|x|≤x_min，|y|≤y_min，|z|≤z_min且z＜0时，若i＝Num_L，则有若i≠Num_L，

则有否则若i＝Num_L，则有若i≠Num_L，则有zⁱ＝0。其中，(x,y,z)是某架无人机在无人机i旋转坐标系下的位置，该旋转坐标系的原点O位于无人机i的中心，x轴与Vⁱ一致，z轴沿垂直方向(向下为正)，y轴垂直于Oxz平面(机体右侧为正)；为长机高度保持自驾仪的控制输入，h_c为防撞控制距离，为引导机相对于僚机i的垂向期望位置，x_min、y_min和z_min分别为前向安全距离、侧向安全距离和垂向安全距离，h为无人机飞行高度。

步骤六：生成无人机自驾仪控制输入指令

长机速度保持自驾仪控制输入和航向保持自驾仪控制输入分别为上一采样时刻的对应状态，即僚机的速度保持自驾仪控制输入V_Wc、航向保持自驾仪控制输入ψ_Wc以及高度保持自驾仪控制输入h_Wc可描述为：

其中和分别是x、y和z通道的PID控制参数，为x通道的误差，为y通道的误差，为z通道的误差，k_x、k_V、k_y、k_ψ和k_z分别为前向误差、速度误差、侧向误差、航向误差以及高度误差的控制增益。

步骤七：将自驾仪控制输入指令输入无人机模型

若无人机i为长机，将和输入下式所描述的长机模型，得到下一仿真时间的无人机状态：

其中τ_V、τ_ψ和(τ_a,τ_b)分别为速度保持自驾仪、航向保持自驾仪以及高度保持自驾仪的时间常数。

若无人机i为僚机，将和输入下式所描述的僚机模型，得到下一仿真时间的无人机状态：

其中是无人机的高度保持自驾仪的控制输入，是平均动压，S是翼面积，m是毛重，以及分别是阻力、侧力和升力变化的稳定性导数。

步骤八：判断是否结束仿真

仿真时间t＝t+ts，其中ts为采样时间。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机群飞行轨迹和状态曲线；否则，返回步骤二。

3、优点及效果：

本发明提出了一种基于雁群自组织飞行的无人机自主编队控制方法。该方法的主要优势主要体现在两个方面：一方面，该方法是模仿雁群飞行中去中心化的邻近个体交互机制设计的一种分布式的无人机自主编队控制方法，因此相较于常见的虚拟结构等集中式无人机自主编队控制方法，该方法降低了单机计算和通信负载；另一方面，该方法秉承了雁群飞行机制中的自组织性，与常见的长机-僚机式、基于行为法等依赖预设信息的无人机自主编队控制方法，具有更高的鲁棒性和适应性，进而有效提高了无人机自主能力水平。

附图说明

图1基于雁群自组织飞行的无人机自主编队控制流程。

图2无人机机群飞行轨迹。

图3无人机机群高度曲线。

图4无人机机群水平速度曲线。

图5无人机机群航向角曲线。

图6无人机机群高度变化率曲线。

图中标号及符号说明如下：

t——仿真时间

i——无人机编号

n——无人机数量

T_max——最大仿真运行时间

ts——采样时间

N——不满足条件(否)

Y——满足条件(是)

h——无人机高度

V——无人机速度

ψ——无人机航向角

ζ——无人机高度变化率

具体实施方式

见图1至图6，下面通过一个具体的无人机自主编队控制实例来验证本发明所提出的方法的有效性。实验计算机配置为Intel Core i7-6700HQ处理器，2.60Ghz主频，16G内存，软件为MATLAB 2014a版本。该方法具体步骤如下：

步骤一：初始化

随机生成12架无人机的初始飞行状态：无人机1至无人机12的初始空间位置分别为(4.3200m,4.0930m,112.9507m)、(8.2271m,8.6110m,117.4897m)、(12.4510m,12.7517m,104.2471m)、(16.1673m,16.4915m,102.8107m)、(20.2292m,20.4849m,133.3898m)、(23.8720m,23.6837m,121.6000m)、(28.1967m,27.7187m,132.6017m)、(32.1072m,31.8181m,120.0093m)、(35.4427m，36.2482m，103.7010m)、(40.1160m，39.3100m，130.6508m)、(43.6097m，44.0691m，116.8043m)以及(47.2467m，47.6949m，132.6842m)，初始水平速度均为42m/s，初始航向角均为0°，初始高度变化率均为0m/s²；设定当前仿真时间t＝0s。

步骤二：确定长机

将12架无人机组成的机群视为一个雁群，其中每架无人机为雁群中的一个个体，长机为雁群中的头雁。空间位置位于雁群最前方的12号个体，视为该雁群的头雁。即长机对应的无人机编号Num_L＝12。

步骤三：确定各僚机的引导机

将僚机视为从雁，并将僚机对应的引导机视为前雁。每个从雁选择当前位于前方且水平面上相距最近的个体作为前雁；前方若无个体时，从雁选择当前与自身并排的个体中，在水平面上相距最近的个体作为前雁；若可选择的前雁不唯一时，从雁选择编号最小的个体作为前雁。实例中，2号～12号个体分别是1号～11号个体的前雁。即僚机i对应的引导机编号分别为：

步骤四：确定引导机相对各僚机的期望位置

当某一从雁的当前空间位置位于头雁右侧时，该从雁会选择飞向其对应前雁的右侧期望位置，反之该从雁会选择飞向其对应前雁的左侧期望位置。前雁相对于对应从雁的期望位置即为引导机相对于僚机的期望位置。实例中，前向期望距离x_exp＝3.9200m，侧向期望距离y_exp＝1.5394m，引导机相对各僚机的前向期望位置均为3.9200m，纵向期望位置均为-1.5394m。

步骤五：防撞

当任两架无人机的当前位置不满足安全条件时，为防止碰撞，位于下方的无人机将下降一段指定距离。实例中，前向安全距离x_min、侧向安全距离y_min以及垂向安全距离z_min分别为2.7500m、2.1560m以及0.8956m，防撞控制距离h_c＝1.6284m。当存在某架无人机在无人机i旋转坐标系下的位置(x,y,z)满足|x|≤x_min，|y|≤y_min，|z|≤z_min且z＜0时，若i＝12，则长机高度保持自驾仪的控制输入若i≠12，则引导机相对于僚机i的垂向期望位置否则若i＝12，则若i≠12，则

步骤六：生成无人机自驾仪控制输入指令

长机速度保持自驾仪控制输入和航向保持自驾仪控制输入分别为上一采样时刻的对应状态，即由式(1)得到僚机的速度保持自驾仪控制输入V_Wc、航向保持自驾仪控制输入ψ_Wc以及高度保持自驾仪控制输入h_Wc，其中x通道的PID控制参数

y通道的PID控制参数

z通道的PID控制参数

前向误差控制增益k_x＝-10，速度误差控制增益k_V＝3，侧向误差控制增益k_y＝-0.1，航向误差控制增益k_ψ＝1，高度误差控制增益k_z＝10。

步骤七：将自驾仪控制输入指令输入无人机模型

若无人机i为长机，将和输入式(2)所描述的长机模型，得到下一仿真时间的无人机状态，其中速度保持自驾仪时间常数τ_V＝5s，航向保持自驾仪时间常数τ_ψ＝0.75s，高度保持自驾仪时间常数(τ_a,τ_b)＝(0.3075,3.85)。若无人机i为僚机，将和输入式(3)所描述的僚机模型，得到下一仿真时间的无人机状态,其中是无人机的高度保持自驾仪的控制输入，平均动压翼面积S＝1.37m²，毛重m＝20.64kg，阻力变化的稳定性导数侧力变化的稳定性导数升力变化的稳定性导数

步骤八：判断是否结束仿真

仿真时间t＝t+0.01s。若t大于6s，则仿真结束并绘制无人机机群飞行轨迹和状态曲线；否则，返回步骤二。全过程无人机飞行轨迹、高度曲线、水平速度曲线、航向角曲线以及高度变化率曲线分别如图2至图6所示。无人机仿真验证了通过本发明所提出的基于雁群自组织飞行的无人机自主编队控制方法，无人机机群可实现自主编队。