队形重构是集群无人机(UAV)控制的重要问题,指无人机按照要求安全、无碰撞地从一个队形变换到另一个队形,其难点在于快速规划最优安全轨迹并控制无人机进行轨迹姿态的高精度跟踪。针对集群无人机队形重构的上述问题,首先,基于CAPT(Concu...队形重构是集群无人机(UAV)控制的重要问题,指无人机按照要求安全、无碰撞地从一个队形变换到另一个队形,其难点在于快速规划最优安全轨迹并控制无人机进行轨迹姿态的高精度跟踪。针对集群无人机队形重构的上述问题,首先,基于CAPT(Concurrent Assignment and Planning of Trajectories)算法,解决了多无人机的目标分配和轨迹生成的实时性问题,实现了集群无人机的最优安全路径规划;其次,提出一种有限时间多变量积分滑模连续控制算法,解决了无人机轨迹姿态的高精度跟踪问题,并通过MATLAB仿真验证了该控制算法的有效性;最后,为了更加真实直观地演示无人机三维仿真效果,建立了基于Gazebo-ROS的无人机仿真平台,实现了12架四旋翼无人机队形重构"建模-仿真-可视化"的一体化仿真演示,验证了上述路径规划算法和轨迹姿态控制算法的有效性。展开更多
针对无人机编队在复杂机动情形下的协同轨迹规划问题,提出了一种基于路径速度解耦方法的预瞄自适应轨迹规划方法。在路径规划阶段,考虑无人机转弯机动的曲率限制,采用Dubins曲线作为路径构成的基本子结构。为得到最优的Dubins曲线连接...针对无人机编队在复杂机动情形下的协同轨迹规划问题,提出了一种基于路径速度解耦方法的预瞄自适应轨迹规划方法。在路径规划阶段,考虑无人机转弯机动的曲率限制,采用Dubins曲线作为路径构成的基本子结构。为得到最优的Dubins曲线连接控制点,设计了自适应预跟随路径特征的预瞄距离规划算法。在速度规划阶段,针对控制参数化与时间离散化(control parameterization and time discretization,CPTD)的速度规划方法,提出了栅格化空域下差异区间速度规划方法,简称为DIPR。仿真结果表明,预瞄距离自适应算法能够有效优化路径,对比固定预瞄距离方法在转向弧度上平均减少30.70%,在跟踪偏离上减少16.41%,在路径长度上缩短10.87%。对比CPTD方法,DIPR平均提前30代收敛,收敛值平均提高10.67%,编队完成队形集结时间平均缩短15.4 s。得到结果更快更优,并且速度曲线结果连续平滑。展开更多
针对多目标突防组网雷达系统场景,为有效提高干扰效果以及突防成功率,编队航迹规划尤为重要。因此,首先构建航迹规划模型,从飞行器自身约束、航迹安全性、机间协调以及任务完成效果4个方面出发,结合多机伴随式编队及其所处环境特点,提...针对多目标突防组网雷达系统场景,为有效提高干扰效果以及突防成功率,编队航迹规划尤为重要。因此,首先构建航迹规划模型,从飞行器自身约束、航迹安全性、机间协调以及任务完成效果4个方面出发,结合多机伴随式编队及其所处环境特点,提出较为完备的航迹规划准则,形成一个新的整体目标函数;其次,为有效描述每架飞机的机动特性以及伴飞干扰机与目标飞机间的联系,提高算法搜索能力,提出基于多球面矢量(multi-spherical vector-based,MS)方法;为进一步提高算法的探索和开发能力,提出多面球矢量逐航迹点学习混合粒子群优化(multi-spherical vector-based hybrid particle swarm optimization with track point by track point learning,TLHPSO)算法,并将两者相结合,形成基于多面球矢量的逐航迹点学习混合粒子群优化(MS-based hybrid particle swarm optimization with track point by track point learning,MS-TLHPSO)航迹规划方法;最后,构建相应仿真场景进行验证。对比结果表明,MS方法以及TLHPSO优化算法在寻优能力上具有明显优势;同时,所提算法在不同初始场景下最优解的平均值均优于其他算法,充分说明所提算法能够在保证稳定性的前提下规划具有更高可信度的编队航迹。展开更多
为研究无人车编队系统的编队保持、队形重构及队形变换功能,提出一种混合式领航跟随策略,以降低对领航车的依赖并确保编队完整性。开发基于车间(Vehicle to Vehicle,V2V)通信的跟随车独立避障功能,并设计了实时管理编队成员属性并支持...为研究无人车编队系统的编队保持、队形重构及队形变换功能,提出一种混合式领航跟随策略,以降低对领航车的依赖并确保编队完整性。开发基于车间(Vehicle to Vehicle,V2V)通信的跟随车独立避障功能,并设计了实时管理编队成员属性并支持人机交互的编队节点管理系统。提出一种三维空间下的三次样条曲线动态扩展轨迹规划方法,结合V2V通信获取前车位姿信息生成跟随轨迹并实现避障。利用Frenet坐标系解耦车距保持与轨迹跟踪问题,采用PID控制器和线性二次调节(Linear Quadratic Regulator,LQR)控制器分别进行纵向控制和横向轨迹跟踪。研究结果表明:所搭建的仿真环境可快速验证方法性能,显示该方法具有良好的性能;通过实车验证了车辆编队系统的3种功能,通过车距稳定保持,证实所提方法具备良好实时性,能够实现多车编队的有效跟随,通过多种队形的变换以及成员入队离队场景,显示出高度的智能拓展性和适应性。展开更多
Formation keeping is important for multiple Unmanned Aerial Vehicles(multi-UAV)to fully play their roles in cooperative combats and improve their mission success rate.However,in practical applications,it is difficult ...Formation keeping is important for multiple Unmanned Aerial Vehicles(multi-UAV)to fully play their roles in cooperative combats and improve their mission success rate.However,in practical applications,it is difficult to achieve formation keeping precisely and obstacle avoidance autonomously at the same time.This paper proposes a joint control method based on robust H∞ controller and improved Artificial Potential Field(APF)method.Firstly,we build a formation flight model based on the “Leader-Follower”structure and design a robust H∞ controller with three channels X,Y and Z to eliminate dynamic uncertainties,so as to realize high-precision formation keeping.Secondly,to fulfill obstacle avoidance efficiently in complex situations where UAVs fly at high speed with high inertia,this paper comes up with the improved APF method with deformation factor considered.The judgment criterion is proposed and applied to ensure flight safety.In the end,the simulation results show that the designed controller is effective with the formation keeping a high accuracy and in the meantime,it enables UAVs to avoid obstacles autonomously and recover the formation rapidly when coming close to obstacles.Therefore,the method proposed here boasts good engineering application prospect.展开更多
文摘队形重构是集群无人机(UAV)控制的重要问题,指无人机按照要求安全、无碰撞地从一个队形变换到另一个队形,其难点在于快速规划最优安全轨迹并控制无人机进行轨迹姿态的高精度跟踪。针对集群无人机队形重构的上述问题,首先,基于CAPT(Concurrent Assignment and Planning of Trajectories)算法,解决了多无人机的目标分配和轨迹生成的实时性问题,实现了集群无人机的最优安全路径规划;其次,提出一种有限时间多变量积分滑模连续控制算法,解决了无人机轨迹姿态的高精度跟踪问题,并通过MATLAB仿真验证了该控制算法的有效性;最后,为了更加真实直观地演示无人机三维仿真效果,建立了基于Gazebo-ROS的无人机仿真平台,实现了12架四旋翼无人机队形重构"建模-仿真-可视化"的一体化仿真演示,验证了上述路径规划算法和轨迹姿态控制算法的有效性。
文摘针对无人机编队在复杂机动情形下的协同轨迹规划问题,提出了一种基于路径速度解耦方法的预瞄自适应轨迹规划方法。在路径规划阶段,考虑无人机转弯机动的曲率限制,采用Dubins曲线作为路径构成的基本子结构。为得到最优的Dubins曲线连接控制点,设计了自适应预跟随路径特征的预瞄距离规划算法。在速度规划阶段,针对控制参数化与时间离散化(control parameterization and time discretization,CPTD)的速度规划方法,提出了栅格化空域下差异区间速度规划方法,简称为DIPR。仿真结果表明,预瞄距离自适应算法能够有效优化路径,对比固定预瞄距离方法在转向弧度上平均减少30.70%,在跟踪偏离上减少16.41%,在路径长度上缩短10.87%。对比CPTD方法,DIPR平均提前30代收敛,收敛值平均提高10.67%,编队完成队形集结时间平均缩短15.4 s。得到结果更快更优,并且速度曲线结果连续平滑。
文摘针对多目标突防组网雷达系统场景,为有效提高干扰效果以及突防成功率,编队航迹规划尤为重要。因此,首先构建航迹规划模型,从飞行器自身约束、航迹安全性、机间协调以及任务完成效果4个方面出发,结合多机伴随式编队及其所处环境特点,提出较为完备的航迹规划准则,形成一个新的整体目标函数;其次,为有效描述每架飞机的机动特性以及伴飞干扰机与目标飞机间的联系,提高算法搜索能力,提出基于多球面矢量(multi-spherical vector-based,MS)方法;为进一步提高算法的探索和开发能力,提出多面球矢量逐航迹点学习混合粒子群优化(multi-spherical vector-based hybrid particle swarm optimization with track point by track point learning,TLHPSO)算法,并将两者相结合,形成基于多面球矢量的逐航迹点学习混合粒子群优化(MS-based hybrid particle swarm optimization with track point by track point learning,MS-TLHPSO)航迹规划方法;最后,构建相应仿真场景进行验证。对比结果表明,MS方法以及TLHPSO优化算法在寻优能力上具有明显优势;同时,所提算法在不同初始场景下最优解的平均值均优于其他算法,充分说明所提算法能够在保证稳定性的前提下规划具有更高可信度的编队航迹。
文摘为研究无人车编队系统的编队保持、队形重构及队形变换功能,提出一种混合式领航跟随策略,以降低对领航车的依赖并确保编队完整性。开发基于车间(Vehicle to Vehicle,V2V)通信的跟随车独立避障功能,并设计了实时管理编队成员属性并支持人机交互的编队节点管理系统。提出一种三维空间下的三次样条曲线动态扩展轨迹规划方法,结合V2V通信获取前车位姿信息生成跟随轨迹并实现避障。利用Frenet坐标系解耦车距保持与轨迹跟踪问题,采用PID控制器和线性二次调节(Linear Quadratic Regulator,LQR)控制器分别进行纵向控制和横向轨迹跟踪。研究结果表明:所搭建的仿真环境可快速验证方法性能,显示该方法具有良好的性能;通过实车验证了车辆编队系统的3种功能,通过车距稳定保持,证实所提方法具备良好实时性,能够实现多车编队的有效跟随,通过多种队形的变换以及成员入队离队场景,显示出高度的智能拓展性和适应性。
基金supported by Funding from the National Key Laboratory of Rotorcraft Aeromechanics,China(No.61422202108)the National Natural Science Foundation of China(No.52176009).
文摘Formation keeping is important for multiple Unmanned Aerial Vehicles(multi-UAV)to fully play their roles in cooperative combats and improve their mission success rate.However,in practical applications,it is difficult to achieve formation keeping precisely and obstacle avoidance autonomously at the same time.This paper proposes a joint control method based on robust H∞ controller and improved Artificial Potential Field(APF)method.Firstly,we build a formation flight model based on the “Leader-Follower”structure and design a robust H∞ controller with three channels X,Y and Z to eliminate dynamic uncertainties,so as to realize high-precision formation keeping.Secondly,to fulfill obstacle avoidance efficiently in complex situations where UAVs fly at high speed with high inertia,this paper comes up with the improved APF method with deformation factor considered.The judgment criterion is proposed and applied to ensure flight safety.In the end,the simulation results show that the designed controller is effective with the formation keeping a high accuracy and in the meantime,it enables UAVs to avoid obstacles autonomously and recover the formation rapidly when coming close to obstacles.Therefore,the method proposed here boasts good engineering application prospect.
