【《无人机集群编队航路规划实现案例》4800字】

无人机集群编队航路规划实现案例目录TOC\o"1-3"\h\u7405无人机集群编队航路规划实现案例 124360§1.1引言 113336§1.2改进的人工势场算法 215187§1.2.1人工势场法的介绍 218607§1.2.2人工势场法的缺点 222500§1.2.3基于人工势场法进行的改进算法 225372§1.3改进的跟随领航者法 315068§1.3.1跟随领航者法的介绍 37062§1.3.2跟随领航者法的缺点 41258§1.3.3基于跟随领航者法进行的改进 47192§1.4无人机集群航迹规划的仿真实验 415358§1.4.1问题描述与模拟环境的建立 420270§1.4.2无人机的数学模型 54965§1.4.3约束条件 52585§1.4.4仿真步骤 626080§1.5仿真实验的实现 713588§1.5.1单无人机避障的路径规划仿真实现 731056§1.5.2多无人机避障的路径规划仿真实现 719137§1.5.3无人机集群编队飞行仿真实现 88433§1.5.4无人机集群编队路径规划仿真实现 94105§1.5.5多无人机到达预定攻击阵位后的仿真实现 1014905§1.5.6三维可视的仿真实现 11引言无人机集群航线规划难题，结合了前文提出的任务规划解决方案以及具体路径规划解决方案，采用选定编队的舰艇组合队形结构，根据无人机集群执行任务的指令，建立了一个三维可视海战场的模型，并针对该模型所处的仿真环境，应用了人工势场法与跟随领航者法对无人机集群的航路情况进行了规划，并加以运用matlab软件对它们进行了仿真，验证了该解决方案的可行性。改进的人工势场算法人工势场法的介绍现如今，国内外在处理无人机协同避障的问题上，主要采用了两类控制算法，分别为基于规则的协同避障的方法和基于优化的协同避障的方法本文采用的时基于基于规则的协同避障的方法：人工势场法。其基本思想是：为了将机器人在环境中的运动转化为抽象的人工重力场，目标点产生运动机器人的“引力”，运动机械的“障碍”、“排斥力”，归根到底是通过合力控制运动机器人的运动。势场法规划的路径一般比较平稳安全，但该方法具有局部优势。人工势场法的缺点虽然人工势场法的路径比较平滑并且安全，但是存在以下三个缺点：当物体与目的地相距甚远时，重力会变得特别大且相对较小的排斥力无法起到作用，导致其被忽略，从而出现无人机直接撞到障碍上。（2）在无人机飞抵目的地时，若在目的地周围出现障碍物，则会导致无人机开始进入避障状态，其受到的相对与障碍物的斥力远远大于其相对于目标的吸引力，最终导致无人机无法成功的抵达目的地。（3）当无人机在飞行途中遇到障碍物、目的地、无人机处于同一直线，且障碍物处于目的地与无人机之间，导致其所受到的斥力与引力出现大小相等，方向相反的情况，则会导致无人机出现死循环，进入到局部最优解或震荡的情况中。基于人工势场法进行的改进算法针对上述存在的人工势场法的缺点，本文进行了如下算法改进：（1）为避免无人机撞到障碍物上，可以通过更改引力函数，从而使无人机与目的地之间的引力变小，让无人机可以正常的进行避障行动。(4.1)式中，d*goal为目标与物体之间的距离。（2）目标出现在障碍物导致目标无法接近的点附近，引入了一种新的击退功能:（4.2）（4.3）（4.4）（3）为了避免在系统中出现局部最优值问题，本文选择在系统中添加随机扰动，让物体自由地跳出。与梯度下降算法中的局部最佳值问题相类似。改进的跟随领航者法跟随领航者法的介绍跟随领航者法是在基于多无人机的飞行编队控制中比较常见的一种编队控制算法。通常在一个编队中，包含两个组成部分，分别称为领航者和跟随者，并且，一个编队中至少要包括一个领航者，由领航者编队负责整个运动轨迹，跟随者通过控制自己与领航者之间的相对地理位置和方向角的稳定来维持相对稳定的队形，从而构建形成我们所需要的无人机集群编队。跟随领航者法的缺点经典的跟随领航者法分为和两种控制策略。其中，跟随者与领航者的相对距离，代表航向头线与护航线之间的角。在传统的跟随领航者法中，跟随无人机只需要根据领航者的位置、方位信息，进行实时的信息交流，并根据交互的数据进行相应的反馈，这种方法的主要优点是队形的速度和运动完全由领航者的航迹来确定，控制简单；缺点之处在于的方法完全受控于领航者与跟随者之间的距离，方法的问题在于跟随者与领航者的关系过于密切，当两者之间无法保证实时的通信时，会导致跟随者脱离控制，无法保持稳定的队形。基于跟随领航者法进行的改进本文在经典的跟随领航者法的基础上进行改进，综合和两种控制策略的优缺点，提出了的控制策略，该方法可以保证无人机在编队飞行时同时包括和两种控制策略的优点，在无人机编队飞行过程中，既可以保证在通讯实时性较差时的能够稳定运行，又可以将单纯的相对距离控制，转化为距离、方位共同实施调节的目的。无人机集群航迹规划的仿真实验问题描述与模拟环境的建立本文的路径规划目标是无人机从不同方位起飞，通过一段有限的障碍区域，汇集形成无人机集群，沿一条较短的、安全的路径飞向目标区域，随后进行离散以执行各无人机的任务。为应用本论文中的路径规划算法，在进行环境建模前，先做出如下假设：（1）无人机集群系统内各无人机的物理性能、机械特性均相同，可精确的控制每个无人机的运动方向和速度；（2）假设无人机的飞行速度能保持匀速，不会受到风速等因素的影响，能保证均匀一致；（3）无人机集群之中存在自组织网络，能保证无人机集群中存在较为良好的通讯环境与较低的通讯时延，让其可以准确的执行各指令与信息交互。（4）任务信息与任务环境明确，在开始执行任务之前已经探测得出粗略的障碍点与禁飞区位置。无人机的数学模型为相对准确的描述无人机集群在飞行中的位置变化，本文除了描述了无人机的三维位置之外，还引入了无人机的航向角，以作为相应的飞行航路控制量，由此得出的质心运动方程为:（4.5）约束条件无人机在计划和控制中需要考虑的相关条件：（1）边界条件原始无人机位置与目标位置相同，原始扭矩记录为T0，初始无人机矢量记录为T0：（4.6）由于任务分配的结果，每项任务只由一架无人机执行，终端是唯一的对象（Xte，Yte，Zte）。（2）无人机物理限制约束基于无人机物理限制，对无人机的倾角和航向角有以下限制：（4.7）式4.7中，uθmax为最大航迹倾角控制量；uψmax为最大航迹倾角控制量；最小转弯半径为：（4.8）（3）障碍威胁约束在多无人机形成无人机集群编队的过程中，为了防止无人机之间以及无人机与障碍物之间的碰撞，提出了以下约束条件：（4.9）式4.9中，R为无人机与障碍之间最小的安全距离。仿真步骤为了保证无人机能够的准确的进行避障行动，成功完成无人机集群协同航路规划。本文在无人机集合形成无人机集群编队，无人机集群编队到达预计攻击阵位后离散执行各自任务的过程中为保证无人机之间免于碰撞，引入了人工势场法。与此同时，为保证无人机集群编队飞行时的队形稳定，引入了跟随领航者法。具体的步骤为：建立仿真的海战场环境，在无人机起飞阶段添加多个障碍点，在无人机集群编队飞行阶段添加由两个敌方舰艇导致的禁飞区，在无人机俯冲阶段，添加有敌方拦截火力导致的障碍点，形成一个复杂的战场环境。以各无人机初始点的位置，以及无人机集群初始集结位置为参考，初始化生成无人机坐标向量Xj。在无人机运动过程中，时刻计算无人机现在点到障碍点的距离r，若r小于最小安全距离，则开始执行避障算法，调用斥力模块，使无人机获得一个远离障碍点的力。当无人机运动到预定集合点，形成无人机集群后，跟随者与领航者保持相对稳定、精确的跟随状态。当无人机集群运动到预定攻击阵位后，便按照所分配的任务，执行各自任务。仿真实验的实现单无人机避障的路径规划仿真实现本文从单架无人机开始入手，首先构造了一些局部障碍点，随后设立无人机的起始点与目标点，由于人工势场法具有计算量小、容易理解等优点，本文选用人工势场法对于避障问题进行处理，在实验过程中发现其存在的相关缺点，在多次进行改进后，成功克服了这些问题，使单无人机仿真实验取得成功。如图4.1所示。图4.1单无人机避障仿真如图4.1所示，图中蓝色小圆点代表障碍位置，红色点迹为无人机飞行航迹点，粉色点（0，0）为无人机初始位置，红色三角形（30，30）为无人机终点位置，横轴为x坐标，纵轴为y坐标。从图中可以清楚的看到无人机从初始点出发，飞向目标点的过程中，成功的避开了蓝色障碍点的位置，单无人机避障仿真成功实现。多无人机避障的路径规划仿真实现本文在单无人机避障仿真实现之后，开始同时引入多无人机，探索多无人机协同时的避障行动。如图4.2所示。图4.2多无人机避障仿真如图4.2所示，图中小圆点代表障碍位置，粉色*状点迹为无人机1的飞行航迹点，无人机1的初始位置为（-10，9），终点位置为（10，10）；绿色+状点迹为无人机2的飞行航迹点，无人机2的初始位置为（-10，6），终点位置为（10，9）；红色点迹为无人机3的飞行航迹点，无人机3的初始位置为（-10，3），终点位置为（10，8）；蓝色*状点迹为无人机4的飞行航迹点，无人机4的初始位置为（-10，0），终点位置为（10，7）；横轴为x坐标，纵轴为y坐标。从图中可以清楚的看到4架无人机从各自初始点出发，飞向目标点的过程中，均成功的避开了障碍点的位置，简单的多无人机避障仿真成功实现。无人机集群编队飞行仿真实现考虑到在应用人工势场法时会导致无人机集群编队在运动时，由于相互之间的斥力，导致无法维持编队队形的情形出现，因此本文在进行无人机集群运动仿真时，采用了跟随领航者法，使编队队形成功的具有了良好的稳定性。如图4.3所示。图4.3无人机集群编队飞行仿真如图4.3所示，图中粉色点迹为领航无人机的飞行航迹点，领航无人机的初始位置为（0，0），终点位置为（-65，32）；红色点迹为跟随无人机1的飞行航迹点，跟随无人机1的初始位置为（0，-5），终点位置由领航无人机终点位置决定；蓝色点迹为跟随无人机2的飞行航迹点，跟随无人机2的初始位置为（0，5），终点由领航无人机终点位置决定；横轴为x坐标，纵轴为y坐标。在该仿真程序中，领航无人机从初始点出发，按逆时针方向先进行一个大角度的转弯，随后直线飞行一段距离后，再次进行转弯，最后停止。在此过程中，跟随无人机1、2能完美的按照其预设的约束条件完成整段飞行，从图中可以清楚的看到3架无人机在仿真过程中，持续的保证了稳定的编队队形，达到了本文仿真要求，成功实现无人机集群编队队形的仿真。无人机集群编队路径规划仿真实现在成功的实现了无人机集群编队飞行之后，在三维环境中构建一个模拟的海战场环境，并完成无人机集群的航路规划仿真。如图4.4所示。图4.4无人机集群编队避障仿真如图4.4所示，图中存在由4条点迹组成的无人机集群的飞行航迹，在三维可是空间内生成了两个半圆球，用以模拟真实海战场中存在的侦察舰艇的防空侦察区域，横轴为x坐标，纵轴为y坐标，垂直轴为z坐标，从图中可以明确的看到无人机集群成功的规避了禁飞区，并且无人机群在飞行过程中较稳定的保持了编队队形，达到了仿真要求。多无人机到达预定攻击阵位后的仿真实现按照预定计划，在无人机集群成功到达预计攻击阵位后，各无人机开始执行各自的任务。如图4.5所示。图4.5多无人机执行预计任务仿真如图4.5所示，图中粉色点迹为无人机1的飞行航迹点，无人机1的初始位置为（90，8），终点位置为（110，20）；蓝色点迹为无人机2的飞行航迹点，无人机2的初始位置为（90，9），终点位置为（110，12）；红色点迹为无人机3的飞行航迹点，无人机3的初始位置为（90，10），终点位置为（110，14）；绿色点迹为无人机4的飞行航迹点，无人机4的初始位置为（90，11），终点位置为（110，16）；横轴为x坐标，纵轴为y坐标。在该仿真程序中，无人机集群成功抵达了预定攻击阵位，开始从协同编队飞行状态转为协同搜索攻击状态，开始执行各自所分配的任务。三维可视的仿真实现综合三段无人