CN108319291B - 一种基于安全边界分析的无人机认知防碰撞控制方法 - Google Patents
一种基于安全边界分析的无人机认知防碰撞控制方法 Download PDFInfo
- Publication number
- CN108319291B CN108319291B CN201711333429.2A CN201711333429A CN108319291B CN 108319291 B CN108319291 B CN 108319291B CN 201711333429 A CN201711333429 A CN 201711333429A CN 108319291 B CN108319291 B CN 108319291B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- collision
- threat
- instruction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 17
- 230000006870 function Effects 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 11
- 230000004888 barrier function Effects 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 230000019771 cognition Effects 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 description 8
- 238000004088 simulation Methods 0.000 description 5
- 230000002265 prevention Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
提出一种种基于安全边界分析的无人机认知防碰撞控制方法,包括下列步骤:无人机防碰撞安全边界的计算;无人机的防碰撞有效指令集的计算;生成无人机防碰撞指令。本发明的方法可以用作无人机的在线障碍规避方法,除此之外之外,本发明的方法还可以用于机器人、无人舰艇等其他无人设备的障碍规避应用。
Description
技术领域
本发明涉及无人机的防碰撞控制技术领域,具体涉及一种基于安全边界分 析的无人机认知防碰撞控制方法。
背景技术
随着中低空空域中的无人机数量日益增多,各类无人机的碰撞事故层出 不穷,严重制约了无人机效能的发挥。与此同时,世界各国都在加紧开发其 通用航空领域的空域资源,因此,在今后很长一段时间内空域中飞行器的数 目将会显著增加,空域中飞行器密度的增大将会使得无人机在执行任务过程 中发生碰撞事故的概率显著增加。在人工操纵时,地面站操纵人员无法实时 了解无人机周围空域的情况,且操纵人员通过数据链对无人机进行操控时, 操控存在很大的滞后性,因此无人机的碰撞规避问题很难仅仅依靠地面操纵人员的操控来得到有效解决。在这样的背景下,无人机必须具备一定的障碍 规避能力。
当前常见的无人机自主碰撞规避方法主要有航路规划法、人工势场法、 几何法等。然而,但在未来高复杂度、高对抗性的环境中,现有的无人机自 主碰撞规避方法存在以下不足:
(1)预规划类型的避障方法只适合于飞行区域中全部障碍已知的碰撞规 避问题,对于突发障碍无法满足实时避障的要求,并且生成的航路不一定是 无人机的可飞航路。
(2)部分障碍规避方法解算较为复杂,在复杂环境中算法的计算量将急 剧增大,一方面无法满足无人机快速避障的实时性要求,另一方面增加了机 载设备的负担。
(3)在现有的无人机防碰撞方法中,大多数都是求解出一个最优防碰撞 解,然而,在无人机实际飞行的过程中,由于环境的复杂性和不确定性,飞 行计划随时可能发生改变,仅仅一个可选避障方案是不够的。
(4)在无人机防碰撞问题中,无人机能够实现防碰撞的边界条件,即安 全边界分析,是一个重要的问题,需要进行求解分析。
发明内容
本发明的方法较详细地分析了无人机与威胁之间的几何关系,求解出了无 人机防碰撞的安全边界以及防碰撞有效指令集,在此基础上提出了基于安全边 界分析的无人机认知防碰撞控制方法。相比于其他无人机防碰撞方法,具有方 法简洁、计算简单、满足实施规划需求等优点。
本发明的基于安全边界分析的无人机认知防碰撞控制方法,包括下列步 骤:
一、无人机防碰撞安全边界的计算
设某一时刻,无人机A的飞行速度为V,当机载环境感知传感器探测到前 方的威胁C时,无人机立即以最小转弯半径R0做紧急避障机动;记无人机与 威胁之间的距离AC=d,无人机与威胁之间连线与正北方向的夹角为β;设无 人机A的碰撞域等效半径为R1,威胁C的碰撞域等效半径为R2;无人机的避 障航迹为其中为弧线段,BF为直线段,在这条航迹上,无人机与 威胁相距最近的点记为B点,BC记为无人机避障过程中与威胁的最小距离; 假设威胁的速度V1的大小保持不变,速度方向无法确定,因此将其在一定时间 τs之后可能出现的区域用一个半径为R3圆形表示,满足关系:
R3-R2=τs·V1 (1)
式中
式中,φmax为无人机的最大滚转角,g为重力加速度,α表示无人机以最小转 弯半径所转动的角度;
在△ACO中,根据余弦定理可以求得
根据无人机在定高平面内协调转弯的几何关系,可以得到无人机的最小转 弯半径:
R0=V2/(g tanφmax) (4)
根据以上分析,对于无人机认知防碰撞来说,只要控制最小距离BC保持 在合理的范围内,即不小于无人机和威胁的碰撞域等效半径之和,就可以使无 人机避免和威胁发生碰撞;即满足条件
BC≥R1+R2+αVV1/(g tanφmax) (5)
极限情况下等式两边相等,可以解算出关系式:
式中d0为无人机与威胁的防碰撞紧急避障距离,对于无人机防碰撞控制问题, 核心的是要控制无人机与威胁的距离d,只要保证d始终大于d0,就可以保证 无人机安全地飞行;因此,可以得到威胁对无人机的防碰撞安全边界划分;
在无人机飞行高度平面内,设距离威胁中心的距离为r,可以定义周围的 空间如下;
威胁区域AA:威胁的碰撞域等效半径范围空间内,即r≤R2;
动态威胁区域BB:不确定动态威胁在一定时间内可能出现的区域,即 R2<r≤τs·V1;
危险区域CC:无人机一定和威胁发生碰撞的区域,即r≤R1/2;
不确定区域DD:无人机与威胁是否发生碰撞取决于无人机的初始状态, 即R1/2<r≤d0;
安全区域EE:无人机与威胁不会发生碰撞,即r>d0;
二、无人机的防碰撞有效指令集的计算
根据防碰撞安全边界的划分,可以十分准确、便捷地判断无人机与威胁的 作用关系,首先提出以下两个概念;
防碰撞有效指令:如果控制指令可以使得无人机始终保持在防碰撞安全区 域,即步骤一中的安全区域EE内运动,则认为此防碰撞指令是有效的;
防碰撞有效指令集:无人机的防碰撞有效指令集是指在当前状态及威胁条 件下,所有防碰撞有效指令构成的集合;
根据上述定义和防碰撞安全边界的内容,无人机防碰撞有效指令集E可以 表示为:
式中,Vc、φc分别表示无人机的速度指令以及无人机的滚转角指令;
防碰撞有效指令集的含义是指无人机在防碰撞安全区域内运动的前提下, 能够保证不与威胁发生碰撞的全部避障控制指令集合;
令d0表示无人机的防碰撞安全区域的边界,假设无人机此时与威胁的距 离d1>d0,EV表示速度指令的防碰撞有效指令集区域,当无人机采用速度V1进行避障时,刚好不会与威胁发生碰撞,速度V1是无人机保持安全飞行的最大 速度,因此无人机的速度有效指令集为V∈[Vmin,V1],该中括号表示集合区间, 即第一个数值表示最小值,第二个表示最大值,其中Vmin表示当无人机与威胁 的距离为d0时,无人机只能以最小飞行速度Vmin飞行时才能避开障碍区域;Eφ 表示滚转角指令的防碰撞有效指令集区域,在其他参数保持不变的前提下,当 无人机采用滚转角φ1进行避障时,刚好不会与威胁发生碰撞,滚转角φ1是无人机保持安全飞行的最小滚转角,因此无人机的滚转角有效指令集为 φ∈[φ1,φmax],其中φmax表示当无人机与威胁的距离为d0时,无人机只能以最 大滚转角φmax才能避开障碍区域;
三、生成无人机防碰撞指令
无人机的认知防碰撞控制策略可以根据防碰撞稳定域和防碰撞有效指令 集提出,主要思想是使无人机通过对环境的感知,实现无人机对当前所处 “域”的认知,再根据任务需求或者性能指标要求进行指令的选择;
设选取避障指令∏时防碰撞稳定的指令集为[∏1,∏2],∏1,∏2分别表示避 障指令的最大和最小值,定义安全性函数为F1(∏),用于描述选择避障指令∏ 后所飞航路对无人机的威胁程度,路程代价函数为F2(∏),用于描述选择避障 指令∏后所飞航路的路程代价;安全性函数F1(∏)和路程代价函数F2(∏)的表 达形式根据无人机实际应用需求而定;
根据安全性函数F1(∏)和路程代价函数F2(∏),得到无人机最终的输出指 令∏out为:
∏out=G[k1F1(∏)+k2F2(∏)]∏∈[∏1,∏2] (10)
其中G(·)表示避障指令函数,ki(i=1,2)表示各个代价的权重。
在本发明的一个实施例中,在步骤二中,威胁条件包括威胁的等效半径、 威胁的方位角、威胁的速度以及无人机的等效半径。
在本发明的一个具体实施例中,在步骤三中,安全性函数使用式(8)的形 式表示:
其中K为常系数,与无人机自身特性有关,di为航路上第i个采样点与威胁的 距离;路程代价函数可以使用式(9)的形式表示:
其中L(t)为避障航程函数,表示避障过程中无人机所飞行的航路,dmax和 dmin分别表示避障过程中无人机与威胁的最大和最小距离。
本发明的方法可以用作无人机的在线障碍规避方法,除此之外之外,本发 明的方法还可以用于机器人、无人舰艇等其他无人设备的障碍规避应用。
附图说明
图1示出无人机与威胁的平面几何关系;
图2示出无人机的安全边界划分;
图3示出无人机的速度有效指令集示意图;
图4示出无人机的滚转角有效指令集示意图;
图5示出无人机速度指令与滚转角指令的有效指令集平面;
图6示出无人机避障航迹;
图7示出无人机与威胁的距离变化规律;
图8示出无人机的航向角变化规律;
图9示出无人机的滚转角及滚转角指令变化规律。
具体实施方式
本发明基于安全边界分析的无人机认知防碰撞控制方法,包括下列步骤:
一、无人机防碰撞安全边界的计算:
设无人机和动态威胁在定高平面内的几何关系如图1所示,在某一时刻, 无人机A的飞行速度为V,当机载环境感知传感器探测到前方的威胁C时,无 人机立即以最小转弯半径R0做紧急避障机动。记无人机与威胁之间的距离 AC=d,无人机与威胁之间连线与正北方向的夹角为β。设无人机A的碰撞域 (称以无人机为中心使其无法避免碰撞的区域为无人机的碰撞域)等效半径为 R1,威胁C的碰撞域等效半径为R2。无人机的避障航迹为其中为弧 线段,BF为直线段,在这条航迹上,无人机与威胁相距最近的点记为B点,BC 记为无人机避障过程中与威胁的最小距离。假设威胁的速度V1的大小保持不 变,速度方向无法确定,因此将其在一定时间τs之后可能出现的区域用一个半 径为R3圆形表示,满足关系:
R3-R2=τs·V1 (1)
式中
式中,φmax为无人机的最大滚转角,g为重力加速度,α表示图1中无人机以 最小转弯半径所转动的角度。
在图1的ΔACO中,根据余弦定理可以求得
根据无人机在定高平面内协调转弯的几何关系,可以得到无人机的最小转 弯半径:
R0=V2/(g tanφmax) (4)
根据以上分析,对于无人机认知防碰撞来说,只要控制最小距离BC保持 在合理的范围内(不小于无人机和威胁的碰撞域等效半径之和),就可以使无 人机避免和威胁发生碰撞。即满足条件
BC≥R1+R2+αVV1/(g tanφmax) (5)
极限情况下等式两边相等,可以解算出关系式:
式中d0为无人机与威胁的防碰撞紧急避障距离,对于无人机防碰撞控制问题, 核心的是要控制无人机与威胁的距离d,只要保证d始终大于d0,就可以保证 无人机安全地飞行。因此,可以得到威胁对无人机的防碰撞安全边界划分,如 图2所示。
在图2中,圆柱体区域表示威胁,在无人机飞行高度平面内,设距离威胁 中心的距离为r,可以定义周围的空间如下。
威胁区域(AA):威胁的碰撞域等效半径范围空间内,即r≤R2。
动态威胁区域(BB):不确定动态威胁在一定时间内可能出现的区域,即 R2<r≤τs·V1。
危险区域(CC):无人机一定和威胁发生碰撞的区域,即r≤R1/2。
不确定区域(DD):无人机与威胁是否发生碰撞取决于无人机的初始状 态,即R1/2<r≤d0。
安全区域(EE):无人机与威胁不会发生碰撞,即r>d0。
二、无人机的防碰撞有效指令集的计算:
根据防碰撞安全边界的划分,可以十分准确、便捷地判断无人机与威胁的 作用关系,首先提出以下两个概念。
防碰撞有效指令:如果控制指令可以使得无人机始终保持在防碰撞安全区 域(即步骤一中的安全区域EE)内运动,则认为此防碰撞指令是有效的。
防碰撞有效指令集:无人机的防碰撞有效指令集是指在当前状态及威胁条 件下(包括威胁的等效半径、威胁的方位角、威胁的速度以及无人机的等效半 径),所有防碰撞有效指令构成的集合。
根据上述定义和防碰撞安全边界的内容,无人机防碰撞有效指令集E可以 表示为:
式中,Vc、φc分别表示无人机的速度指令以及无人机的滚转角指令。
防碰撞有效指令集的含义是指无人机在防碰撞安全区域内运动的前提下, 能够保证不与威胁发生碰撞的全部避障控制指令集合。
在图3和图4中,d0表示无人机的防碰撞安全区域的边界,假设无人机 此时与威胁的距离d1>d0,在图3中,EV所示阴影部分表示速度指令的防碰 撞有效指令集区域,当无人机采用速度V1进行避障时,刚好不会与威胁发生碰 撞,速度V1是无人机保持安全飞行的最大速度,因此无人机的速度有效指令集 为V∈[Vmin,V1](该中括号表示集合区间,即第一个数值表示最小值,第二个 表示最大值),其中Vmin表示当无人机与威胁的距离为d0时,无人机只能以最 小飞行速度Vmin飞行时才能避开障碍区域。在图4中,Eφ所示阴影部分表示 滚转角指令的防碰撞有效指令集区域,在其他参数保持不变的前提下,当无人 机采用滚转角φ1进行避障时,刚好不会与威胁发生碰撞,滚转角φ1是无人机保 持安全飞行的最小滚转角,因此无人机的滚转角有效指令集为φ∈[φ1,φmax], 其中φmax表示当无人机与威胁的距离为d0时,无人机只能以最大滚转角φmax才 能避开障碍区域。
三、生成无人机防碰撞指令
无人机的认知防碰撞控制策略可以根据防碰撞稳定域和防碰撞有效指令 集提出,主要思想是使无人机通过对环境的感知,实现无人机对当前所处 “域”的认知,再根据任务需求或者性能指标要求进行指令的选择。
设选取避障指令∏时防碰撞稳定的指令集为[∏1,∏2],∏1,∏2分别表示避 障指令的最大和最小值,定义安全性函数为F1(∏),用于描述选择避障指令∏ 后所飞航路对无人机的威胁程度,路程代价函数为F2(∏),用于描述选择避障 指令∏后所飞航路的路程代价。安全性函数F1(∏)和路程代价函数F2(∏)的表 达形式可以根据无人机实际应用需求而定,形式不限。在本发明的一个具体实 施例中,安全性函数可以使用式(8)的形式表示:
其中K为常系数,与无人机自身特性有关,di为航路上第i个采样点与威胁的 距离。路程代价函数可以使用式(9)的形式表示:
其中L(t)为避障航程函数,表示避障过程中无人机所飞行的航路,dmax和dmin分别表示避障过程中无人机与威胁的最大和最小距离。那么根据以上两个函 数,可以得到无人机最终的输出指令∏out为:
∏out=G[k1F1(∏)+k2F2(∏)]∏∈[∏1,∏2] (10)
其中G(·)表示避障指令函数,ki(i=1,2)表示各个代价的权重。
具体实施例
利用本发明提出的基于安全边界分析的无人机认知防碰撞控制方法在无 人机防碰撞中进行应用仿真。
对所提防碰撞控制方法进行仿真分析。仿真用固定翼无人机翼展1.37m, 机长0.91m,飞行速度的调节范围:14-30m/s,滚转角调节范围:±35°。
模拟其遇到威胁域等效半径为10米的威胁,改变无人机的速度和滚转角 而形成的防碰撞有效指令集如图5所示。
图中曲面表示无人机在遇到等效半径为10米的威胁时保持有效避障可以 采用的速度指令值Vc以及滚转角指令值φc的有效指令集边界,其中水平横纵 坐标轴分别表示无人机的速度值以及滚转角值的变化范围,纵坐标轴表示防碰 撞安全区域的边界数值。从图中可以分析出,在无人机的速度指令值Vc较小 以及滚转角指令值φc较大的情况下,防碰撞有效指令集∏的边界数值变化率 较小。而在无人机的速度较大以及滚转角较小的情况下,防碰撞有效指令∏的 边界数值迅速增大。由于实验用无人机属于小型无人机,因此在任务允许的前 提下,以较小的巡航速度和较大的滚转角进行避障所具备的安全性较高。
模拟无人机在飞行时遇到突发威胁时的紧急避障情况,如图6所示,为了 方便观察仿真结果,选取仿真飞行中无人机的碰撞域等效半径为10m,威胁区 域的等效半径为50m,无人机初始位置是(0,0),无人机紧急避障的航迹及相 关参数的变化如图6至图9所示。
图6中的大圆形表示突然出现在无人机前方的威胁区域,粗曲线表示无人 机的航迹,航迹上的小圆形表示无人机的等效碰撞区域。图7表示了无人机与 威胁距离的变化规律,图中无人机与威胁的最小距离是威胁的半径与无人机碰 撞区域等效半径之和。图8表示无人机航向角的变化规律。图9中虚线表示无 人机滚转角的指令信号,实线表示无人机滚转角的实际变化。仿真实验表明, 当无人机遇到突发威胁障碍时,所提出防碰撞控制算法可以使无人机安全地避 开障碍。
Claims (3)
1.一种基于安全边界分析的无人机认知防碰撞控制方法,包括下列步骤:
一、无人机防碰撞安全边界的计算
设某一时刻,无人机A的飞行速度为V,当机载环境感知传感器探测到前方的威胁C时,无人机立即以最小转弯半径R0做紧急避障机动;记无人机与威胁之间的距离AC=d,无人机与威胁之间连线与正北方向的夹角为β;设无人机A的碰撞域等效半径为R1,威胁C的碰撞域等效半径为R2;无人机的避障航迹为其中为弧线段,BF为直线段,在这条航迹上,无人机与威胁相距最近的点记为B点,BC记为无人机避障过程中与威胁的最小距离;假设威胁的速度V1的大小保持不变,速度方向无法确定,因此将其在一定时间τs之后可能出现的区域用一个半径为R3圆形表示,满足关系:
R3-R2=τs·V1 (1)
式中
式中,φmax为无人机的最大滚转角,g为重力加速度,α表示无人机以最小转弯半径所转动的角度;
在ΔACO中,根据余弦定理可以求得
根据无人机在定高平面内协调转弯的几何关系,可以得到无人机的最小转弯半径:
R0=V2/(gtanφmax) (4)
根据以上分析,对于无人机认知防碰撞来说,只要控制最小距离BC保持在合理的范围内,即不小于无人机和威胁的碰撞域等效半径之和,就可以使无人机避免和威胁发生碰撞;即满足条件
BC≥R1+R2+αVV1/(g tanφmax) (5)
极限情况下等式两边相等,可以解算出关系式:
式中d0为无人机与威胁的防碰撞紧急避障距离,对于无人机防碰撞控制问题,核心的是要控制无人机与威胁的距离d,只要保证d始终大于d0,就可以保证无人机安全地飞行;因此,可以得到威胁对无人机的防碰撞安全边界划分;
在无人机飞行高度平面内,设距离威胁中心的距离为r,可以定义周围的空间如下;
威胁区域AA:威胁的碰撞域等效半径范围空间内,即r≤R2;
动态威胁区域BB:不确定动态威胁在一定时间内可能出现的区域,即R2<r≤τs·V1;
危险区域CC:无人机一定和威胁发生碰撞的区域,即r≤R1/2;
不确定区域DD:无人机与威胁是否发生碰撞取决于无人机的初始状态,即R1/2<r≤d0;
安全区域EE:无人机与威胁不会发生碰撞,即r>d0;
二、无人机的防碰撞有效指令集的计算
根据防碰撞安全边界的划分,可以十分准确、便捷地判断无人机与威胁的作用关系,首先提出以下两个概念;
防碰撞有效指令:如果控制指令可以使得无人机始终保持在防碰撞安全区域,即步骤一中的安全区域EE内运动,则认为此防碰撞指令是有效的;
防碰撞有效指令集:无人机的防碰撞有效指令集是指在当前状态及威胁条件下,所有防碰撞有效指令构成的集合;
根据上述定义和防碰撞安全边界的内容,无人机防碰撞有效指令集E可以表示为:
式中,Vc、φc分别表示无人机的速度指令以及无人机的滚转角指令;
防碰撞有效指令集的含义是指无人机在防碰撞安全区域内运动的前提下,能够保证不与威胁发生碰撞的全部避障控制指令集合;
令d0表示无人机的防碰撞安全区域的边界,假设无人机此时与威胁的距离d1>d0,EV表示速度指令的防碰撞有效指令集区域,当无人机采用速度V1进行避障时,刚好不会与威胁发生碰撞,速度V1是无人机保持安全飞行的最大速度,因此无人机的速度有效指令集为V∈[Vmin,V1],该中括号表示集合区间,即第一个数值表示最小值,第二个表示最大值,其中Vmin表示当无人机与威胁的距离为d0时,无人机只能以最小飞行速度Vmin飞行时才能避开障碍区域;Eφ表示滚转角指令的防碰撞有效指令集区域,在其他参数保持不变的前提下,当无人机采用滚转角φ1进行避障时,刚好不会与威胁发生碰撞,滚转角φ1是无人机保持安全飞行的最小滚转角,因此无人机的滚转角有效指令集为φ∈[φ1,φmax],其中φmax表示当无人机与威胁的距离为d0时,无人机只能以最大滚转角φmax才能避开障碍区域;
三、生成无人机防碰撞指令
无人机的认知防碰撞控制策略可以根据防碰撞稳定域和防碰撞有效指令集提出,主要思想是使无人机通过对环境的感知,实现无人机对当前所处“域”的认知,再根据任务需求或者性能指标要求进行指令的选择;
设选取避障指令∏时防碰撞稳定的指令集为[∏1,∏2],∏1,∏2分别表示避障指令的最大和最小值,定义安全性函数为F1(∏),用于描述选择避障指令∏后所飞航路对无人机的威胁程度,路程代价函数为F2(∏),用于描述选择避障指令∏后所飞航路的路程代价;安全性函数F1(∏)和路程代价函数F2(∏)的表达形式根据无人机实际应用需求而定;
根据安全性函数F1(∏)和路程代价函数F2(∏),得到无人机最终的输出指令∏out为:
∏out=G[k1F1(∏)+k2F2(∏)]∏∈[∏1,∏2] (10)
其中G(·)表示避障指令函数,ki(i=1,2)表示各个代价的权重。
2.如权利要求1所述的基于安全边界分析的无人机认知防碰撞控制方法,在步骤二中,威胁条件包括威胁的等效半径、威胁的方位角、威胁的速度以及无人机的等效半径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711333429.2A CN108319291B (zh) | 2017-12-13 | 2017-12-13 | 一种基于安全边界分析的无人机认知防碰撞控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711333429.2A CN108319291B (zh) | 2017-12-13 | 2017-12-13 | 一种基于安全边界分析的无人机认知防碰撞控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108319291A CN108319291A (zh) | 2018-07-24 |
CN108319291B true CN108319291B (zh) | 2020-12-11 |
Family
ID=62892462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711333429.2A Expired - Fee Related CN108319291B (zh) | 2017-12-13 | 2017-12-13 | 一种基于安全边界分析的无人机认知防碰撞控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108319291B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109471432B (zh) * | 2018-11-08 | 2021-09-28 | 南京农业大学 | 一种自主导航农用车最短避障路径规划方法 |
CN109557936B (zh) * | 2018-12-03 | 2020-07-07 | 北京航空航天大学 | 基于人工势场法的可垂起无人机机间防碰撞控制方法 |
CN111367309B (zh) * | 2018-12-25 | 2023-09-01 | 杭州海康威视数字技术股份有限公司 | 一种无人机飞行控制方法及装置 |
CN109814594B (zh) * | 2019-01-18 | 2024-04-30 | 深圳市星图智控科技有限公司 | 无人机群防碰撞控制方法、装置及计算机可读存储介质 |
CN109960262B (zh) * | 2019-03-25 | 2020-05-19 | 华中科技大学 | 一种基于几何法的无人艇动态避障方法和*** |
CN110262543B (zh) * | 2019-05-23 | 2020-07-21 | 北京航空航天大学 | 多目标点同时到达约束下的集群四维轨迹规划设计方法 |
CN110244762A (zh) * | 2019-06-17 | 2019-09-17 | 中国科学院自动化研究所 | 基于听声辨位的飞行设备防撞方法及设备、安全*** |
CN111192481B (zh) * | 2019-12-17 | 2021-02-23 | 中国民用航空总局第二研究所 | 一种基于碰撞风险的进离场程序无人机管控区边界确定方法 |
CN114442668B (zh) * | 2022-01-30 | 2023-08-18 | 武汉理工大学 | 载体边界动态保护方法 |
CN116859986B (zh) * | 2023-06-08 | 2024-03-15 | 中铁第四勘察设计院集团有限公司 | 一种既有铁路带状测区的无人机航线规划方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102591358A (zh) * | 2012-03-12 | 2012-07-18 | 北京航空航天大学 | 一种多无人机的动态编队控制方法 |
CN103713642A (zh) * | 2013-12-24 | 2014-04-09 | 北京航空航天大学 | 一种基于扰动流体动态***的无人机三维航路规划方法 |
US9500488B2 (en) * | 2012-03-14 | 2016-11-22 | Lockheed Martin Corporation | Route re-planning using enemy force lethality projection |
CN106292712A (zh) * | 2016-10-25 | 2017-01-04 | 中国人民解放军海军航空工程学院 | 一种基于速度障碍圆弧法的无人飞行器避障方法 |
CN106292709A (zh) * | 2016-10-13 | 2017-01-04 | 北京航空航天大学 | 多无人飞行器避撞控制方法和装置 |
CN106406359A (zh) * | 2016-08-30 | 2017-02-15 | 南京航空航天大学 | 一种基于虚拟目标的固定翼无人机跟踪地面目标制导方法 |
CN106647812A (zh) * | 2017-02-15 | 2017-05-10 | 中国人民解放军海军航空工程学院 | 一种基于保角映射分析的无人飞行器空间避障方法 |
CN106774380A (zh) * | 2016-11-14 | 2017-05-31 | 中国人民解放军海军航空工程学院 | 一种动态不确定环境下无人飞行器平面自主避障方法 |
CN106774425A (zh) * | 2017-03-13 | 2017-05-31 | 南昌航空大学 | 一种无人机飞行导航的方法及*** |
CN106949894A (zh) * | 2017-04-13 | 2017-07-14 | 山东科技大学 | 一种用于无人机自动避撞的最优常值导引指令求解方法 |
-
2017
- 2017-12-13 CN CN201711333429.2A patent/CN108319291B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102591358A (zh) * | 2012-03-12 | 2012-07-18 | 北京航空航天大学 | 一种多无人机的动态编队控制方法 |
US9500488B2 (en) * | 2012-03-14 | 2016-11-22 | Lockheed Martin Corporation | Route re-planning using enemy force lethality projection |
CN103713642A (zh) * | 2013-12-24 | 2014-04-09 | 北京航空航天大学 | 一种基于扰动流体动态***的无人机三维航路规划方法 |
CN106406359A (zh) * | 2016-08-30 | 2017-02-15 | 南京航空航天大学 | 一种基于虚拟目标的固定翼无人机跟踪地面目标制导方法 |
CN106292709A (zh) * | 2016-10-13 | 2017-01-04 | 北京航空航天大学 | 多无人飞行器避撞控制方法和装置 |
CN106292712A (zh) * | 2016-10-25 | 2017-01-04 | 中国人民解放军海军航空工程学院 | 一种基于速度障碍圆弧法的无人飞行器避障方法 |
CN106774380A (zh) * | 2016-11-14 | 2017-05-31 | 中国人民解放军海军航空工程学院 | 一种动态不确定环境下无人飞行器平面自主避障方法 |
CN106647812A (zh) * | 2017-02-15 | 2017-05-10 | 中国人民解放军海军航空工程学院 | 一种基于保角映射分析的无人飞行器空间避障方法 |
CN106774425A (zh) * | 2017-03-13 | 2017-05-31 | 南昌航空大学 | 一种无人机飞行导航的方法及*** |
CN106949894A (zh) * | 2017-04-13 | 2017-07-14 | 山东科技大学 | 一种用于无人机自动避撞的最优常值导引指令求解方法 |
Non-Patent Citations (5)
Title |
---|
Obstacle Avoidance Algorithm for UAVs in Unknown Environment based on Distributional Perception and Decision Making;Zhuofan Xu, Ruixuan Wei, Qirui Zhang, Kai Zhou, and Renke He;《Proceedings of 2016 IEEE Chinese Guidance, Navigation and Control Conference》;20160831;全文 * |
Real-time path planning of unmanned aerial vehicle for target tracking;Peng Yao, Honglun Wang, Zikang Su;《Aerospace Science and Technology》;20151231;第47卷;全文 * |
Unmanned Aerial Vehicle Standoff Target Tracking using Modified Reference Point Guidance;Shulei Wang, Ruixuan Wei, Minghai Lv;《Proceedings of 2014 IEEE Chinese Guidance, Navigation and Control Conference》;20140831;全文 * |
基于层次分解策略无人机编队避障方法;周炜, 魏瑞轩, 董志兴;《***工程与电子技术》;20090531;第31卷(第5期);全文 * |
基于碰撞圆锥的无人机SLAM避障技术研究;王希彬,赵国荣,刘旭;《飞航导弹》;20121231(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108319291A (zh) | 2018-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108319291B (zh) | 一种基于安全边界分析的无人机认知防碰撞控制方法 | |
CN110083159B (zh) | 基于sbg和动态窗口约束的无人船自主动态避碰方法 | |
CN106483974B (zh) | 一种固定翼无人机近距离几何避障方法 | |
CN106949894B (zh) | 一种用于无人机自动避撞的最优常值导引指令求解方法 | |
JP2012126391A (ja) | 管制間隔の喪失回避操縦 | |
Wan et al. | Distributed conflict-detection and resolution algorithm for UAV swarms based on consensus algorithm and strategy coordination | |
CN106373435B (zh) | 面向飞行员的非集中式安全间隔自主保持*** | |
JP2021536394A (ja) | 飛行中の航空機と航空機の航跡の回避 | |
Martel et al. | Unmanned aircraft systems sense and avoid avionics utilizing ADS-B transceiver | |
CN110414042B (zh) | 一种冲突会遇局面下船舶集群态势分析方法 | |
CN108154715A (zh) | 一种侧向碰撞监测方法 | |
Zhang et al. | Real-time flight conflict detection and release based on multi-agent system | |
CN116564140A (zh) | 一种基于通航救援的低空实时飞行冲突探测与解脱方法 | |
Lee | On the Complete Automation of Vertical Flight Aircraft Ship Landing | |
Zhou et al. | Deep learning for unmanned aerial vehicles landing carrier in different conditions | |
Fu et al. | Sense and collision avoidance of unmanned aerial vehicles using geometric guidance and flatness approaches | |
Sláma et al. | Generating safe corridors roadmap for urban air mobility | |
Alturbeh | Collision avoidance systems for UAS operating in civil airspace | |
Rauniyar et al. | 3D Collision Avoidance Algorithm for Small UAVs with Fuzzy Inference System Optimized using Genetic Algorithm | |
CN114035605A (zh) | 一种基于比例导引的飞行器避障方法 | |
Mandapaka et al. | Collision Avoidance Strategies for Cooperative Unmanned Aircraft Systems using Vehicle-to-Vehicle Communications | |
Sun et al. | Velocity obstacle–based conflict resolution and recovery method | |
Ben et al. | Radar-assisted three-dimensional operating detect and avoid system for small unmanned aerial system | |
Tamanakijprasart et al. | Dynamic Path Planning of UAV in Three-dimensional Complex Environment Based on Interfered Fluid Dynamical System | |
Lin et al. | UAV Collision Avoidance with Varying Trigger Time |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201211 |