CN109669357A - 多任务无人机的路径规划校验与多平台控制***及方法 - Google Patents
多任务无人机的路径规划校验与多平台控制***及方法 Download PDFInfo
- Publication number
- CN109669357A CN109669357A CN201910112004.1A CN201910112004A CN109669357A CN 109669357 A CN109669357 A CN 109669357A CN 201910112004 A CN201910112004 A CN 201910112004A CN 109669357 A CN109669357 A CN 109669357A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- path
- target
- cluster
- control system
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明具体涉及一种多任务无人机的路径规划校验与多平台控制***及方法,属于无人机技术领域。所述控制***包括无人机和地面站;所述控制方法包括:1)将N个待侦察目标作为数据对象进行聚类分析;2)采用蚁群算法对各聚类内的待侦察目标进行路径规划;3)地面站操作***以取得最大的探测目标总价值和最小的总飞行距离为目标,进行聚类分析;4)生成最佳路径;5)地面站控制***对最佳路径进行仿真校验,并控制无人机根据最佳路径进行实际飞行。本发明能够自动对无人机的飞行路径进行规划,使得无人机在执行任务的过程中,获得最大的收益,同时能够最大程度的减小飞行距离、缩短飞行时间,提高无人机执行任务的效率。
Description
技术领域
本发明属于无人机技术领域,具体涉及一种多任务无人机的路径规划校验与多平台控制***及方法。
背景技术
四轴飞行器近年来在农业植保、侦察探测、抢险救援、信息中继等领域得到广泛应用。然而传统的单一四轴飞行器在执行任务时会有很多的局限性:
比如在航拍领域,但单飞行器进行航拍时只能得到一个视角的图像,不能全方位地进行监测;在快递运送领域,单架四轴飞行器运输量不足,如果做成大负载的四轴飞行器,在进行小量运输时又会造成资源浪费;在森林防火监测时单个四轴飞行器的监测效率低,监控范围与精度不足等。
发明内容
针对上述存在的技术问题,本发明提供一种多任务无人机的路径规划校验与多平台控制***,包括:包括无人机和地面站;
所述无人机包括飞控板、机载计算机、GPS模块、通讯模块和飞行器;所述飞控板分别与机载计算机、GPS模块和飞行器连接;所述通讯模块与飞控板连接;
在进行最佳路径的仿真校验时,所述地面站与无人机的飞控板和机载计算机通过数据线连接;
在进行多平台控制时,所述地面站与无人机的通讯模块之间建立通信链路总线。
所述地面站为PC,其控制***中包括目标规划***、路径规划***、多平台控制***和基于jMAVSim模拟器和无人机数学模型的仿真***。
所述通讯模块采用433M无线模块。
一种多任务无人机的路径规划校验与多平台控制***的控制方法,采用上述的多任务无人机的路径规划校验与多平台控制***,包括以下步骤:
步骤1,在地面站的控制***中建立基于K-Means方法的目标规划***;将N个待侦察目标作为数据对象进行聚类分析,采用K-Means方法,包括以下步骤:
步骤1.1,从N个数据对象中任意选择L个数据对象作为聚类中心;
步骤1.2,将聚类中心以外的L-N个数据对象作为聚类对象,计算每个聚类对象与各个初始聚类中心的距离,并将每个聚类对象归类于距离其最近的初始聚类中心,得到L个聚类;
步骤1.3,对每一个聚类,求聚类中所有数据对象的平均中心;
步骤1.4,计算聚类的平均中心和聚类中心的距离;如果距离小于阈值,则终止计算,得到L个聚类;否则,将平均中心作为聚类中心,返回步骤1.2;
步骤2,在地面站的控制***中建立基于蚁群算法的路径规划***;采用蚁群算法对各聚类内的待侦察目标进行路径规划;
步骤2.1,针对L个聚类中任意一个聚类l,包括C个待侦察目标,将各个待侦查目标的位置设置在路径规划***中;
路径规划***中,所有目标之间两两生成连线,作为无人机从某一目标出发时可选择的路径,即两点路径;为该路径赋予相应的信息素浓度初值Di;信息素浓度初值Di与两点路径上作为起点的目标的自身价值Vj成正比关系,即Di=k×Vj,其中k为比例系数;
步骤2.2,所述聚类l包括D个无人机起飞基地和布置在各个无人机起飞基地的E架无人机;
将距离每个无人机起飞基地最近的目标设为起始目标,得到与每个无人机起飞基地对应的D个起始目标;
控制各个无人机起飞基地的E架无人机飞行至对应的各个起始目标上;
步骤2.3,控制各个无人机从自身所在的目标随机的向其它目标飞行,并设定其不会飞至本步骤中已经过的目标,具体控制方法为:
无人机从起始目标上出发,飞行至下一目标;无人机在任意目标上,均有C-1条可选的两点路径,选择其中任意一条指向其尚未到达过的目标的两点路径;
当无人机遍历过全部的C个待侦察目标后,将其经过的C-1条两点路径进行记录并整合为一条完整路径,回归起始目标;
反复执行上述内容,得到若干条完整路径,直至实验结束;
无人机的飞行过程中,在经过的两点路径上释放信息素,随着时间推移,信息素会逐渐消散;
该段两点路径的实际信息素浓度为信息素浓度初值Di在信息素的释放与消散共同作用后结果;因此,某一两点路径上无人机越多,其实际信息素浓度越高;路径规划***根据实际信息素浓度情况,控制各个无人机优先沿实际信息素浓度高的路径飞行;
步骤2.5,得到聚类l中的信息素浓度最高的完整路径,即优选路径p;
根据本步骤所述方法,得到各个聚类的优选路径;
步骤2的内容全部在路径规划***中运算完成,不进行实际飞行;
步骤3,地面站的控制***以取得最大的探测目标总价值和最小的总飞行距离为目标,进行聚类分析;
步骤3.1,计算优选路径p的探测目标总价值minf1:
探测目标总价值minf1的构成因素包含各个待探测目标的自身价值和探测成功率,其表述为:
式中,PRlp为聚类l的无人机按照优选路径p行动时,对该路径上第j个目标的探测成功率;
在路径p上的第j个目标记为jp,Vj为jp的自身价值,Vjp为jp在路径p上的价值;Vmax为Vjp的最大值;
xlp为聚类l中经过优选路径p的无人机数量;
Na为各个聚类中无人机数量的总和;
步骤3.2,计算优选路径p的总飞行距离minf2:
式中,Dlp为聚类l的无人机按照路径p行动时的飞行距离总和;
Rl为UAV作战半径;
为最长路径的长度,
λ1,λ2为权重,λ1+λ2=1,λ1,λ2≥0;
1/RlNa为规划因子;
根据上述方法,得到各个聚类的优选路径的探测目标总价值和最小的总飞行距离;
步骤3.3,计算目标执行价值f3;
最佳路径的生成过程受到探测目标总价值minf1和总飞行距离minf2的影响;计算各个优选路径的目标执行价值f3:
f3=k1*minf1+k2minf2
k1、k2为权重,k1+k2=1,k1,k2≥0;
步骤4,生成最佳路径;
为实现最大的目标价值,进行G次价值计算,即重复执行G次步骤2-步骤3;每次进行价值计算时,给予不同的比例系数k,计算不同的k带来的G组目标执行价值f3;
地面站的控制***取目标执行价值f3最小的优选路径为最佳路径,计算得到的结果上传至无人机的飞控***,作为无人机的实际飞行路径;
步骤5,地面站控制***对最佳路径进行仿真校验,并控制无人机根据最佳路径进行实际飞行。
所述步骤5中,对最佳路径进行仿真校验,具体方法为:
在地面站的控制***中建立基于jMAVSim模拟器和无人机数学模型的仿真***,对无人机进行硬件在环半物理仿真;
将无人机的飞控板和机载计算机从飞机上拆下,并与地面站通过数据线连接;地面站的仿真***给出不同的飞行环境参数,通过飞控板和机载计算机收到的信号和所给出的指令,模拟无人机的飞行状况;
飞控板和机载计算机根据实际飞行路径生成对飞行器的飞控指令,即对各螺旋桨转速的控制指令;
地面站的仿真***实时读取飞控***的飞控指令,并根据无人机数学模型,解算无人机在飞控指令下的飞行轨迹,并将解算出的无人机位置、速度、方向等信息实时返回飞控板和机载计算机,由其生成下一步飞控指令,由此校验实际飞行路径的可靠性,直至人为终止仿真过程。
所述步骤5,在无人机实际飞行的过程中,根据多平台控制***控制无人机动作,具体为:
各架无人机将自身位置、速度信息以及摄像信息实时传递至通信链路总线,同时从通信链路总线实时共享其它无人机的相关信息,同时地面站根据所述信息进行各架无人机的路径规划,在无人机集群飞行过程中不断更新各架无人机的飞行路径指令,实现无人机编队飞行效果的最优化。
本发明的有益效果:
本发明提出一种多无人机任务的路径规划方法,能够自动对无人机的飞行路径进行规划,使得无人机在执行任务的过程中,获得最大的收益,同时能够最大程度的减小飞行距离、缩短飞行时间,提高无人机执行任务的效率。
本发明设计合理,易于实现,具有很好的实用价值。
附图说明
图1为本发明具体实施方式中所述路径规划校验与多平台控制***在最佳路径的仿真校验时的连接示意图;
图2为本发明具体实施方式中所述路径规划校验与多平台控制***在进行多平台控制时的连接示意图。
图中:1、地面站;2、飞控板;3、机载计算机;4、GPS模块;5、通讯模块;6、飞行器;7、通信链路总线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施实例,对本发明做出进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明提出一种多任务无人机的路径规划校验与多平台控制***,包括无人机和地面站1;
所述无人机包括飞控板2、机载计算机3、GPS模块4、通讯模块5和飞行器6;所述飞控板2分别与机载计算机3、GPS模块4和飞行器6连接;所述通讯模块5与飞控板2连接;
所述地面站1为PC,其控制***中包括目标规划***、路径规划***、多平台控制***和基于jMAVSim模拟器和无人机数学模型的仿真***;
在进行最佳路径的仿真校验时,如图1所示,所述地面站1与无人机的飞控板2通过数据线连接;
在进行多平台控制时,如图2所示,所述地面站1与无人机的通讯模块5之间建立通信链路总线7;
所述通讯模块5采用433M无线模块;
本发明提出一种多任务无人机的路径规划校验与多平台控制***的控制方法,采用上述的多任务无人机的路径规划校验与多平台控制***,包括以下步骤:
步骤1,在地面站1的控制***中建立基于K-Means方法的目标规划***;将N个待侦察目标作为数据对象进行聚类分析,采用K-Means方法,包括以下步骤:
步骤1.1,从N个数据对象中任意选择L个数据对象作为聚类中心;
步骤1.2,将聚类中心以外的L-N个数据对象作为聚类对象,计算每个聚类对象与各个初始聚类中心的距离,并将每个聚类对象归类于距离其最近的初始聚类中心,得到L个聚类;
步骤1.3,对每一个聚类,求聚类中所有数据对象的平均中心;
步骤1.4,计算聚类的平均中心和聚类中心的距离;如果距离小于阈值,则终止计算,得到L个聚类;否则,将平均中心作为聚类中心,返回步骤1.2;
步骤2,在地面站1的控制***中建立基于蚁群算法的路径规划***;采用蚁群算法对各聚类内的待侦察目标进行路径规划;
步骤2.1,针对L个聚类中任意一个聚类l,包括C个待侦察目标,将各个待侦查目标的位置设置在路径规划***中;
路径规划***中,所有目标之间两两生成连线,作为无人机从某一目标出发时可选择的路径,即两点路径;为该路径赋予相应的信息素浓度初值Di;信息素浓度初值Di与两点路径上作为起点的目标的自身价值Vj成正比关系,即Di=k×Vj,其中k为比例系数;
步骤2.2,所述聚类l包括D个无人机起飞基地和布置在各个无人机起飞基地的E架无人机;
将距离每个无人机起飞基地最近的目标设为起始目标,得到与每个无人机起飞基地对应的D个起始目标;
控制各个无人机起飞基地的E架无人机飞行至对应的各个起始目标上;
步骤2.3,控制各个无人机从自身所在的目标随机的向其它目标飞行,并设定其不会飞至本步骤中已经过的目标,具体控制方法为:
无人机从起始目标上出发,飞行至下一目标;无人机在任意目标上,均有C-1条可选的两点路径,选择其中任意一条指向其尚未到达过的目标的两点路径;
当无人机遍历过全部的C个待侦察目标后,将其经过的C-1条两点路径进行记录并整合为一条完整路径,回归起始目标;
反复执行上述内容,得到若干条完整路径,直至实验结束;
无人机的飞行过程中,在经过的两点路径上释放信息素,随着时间推移,信息素会逐渐消散;
该段两点路径的实际信息素浓度为信息素浓度初值Di在信息素的释放与消散共同作用后结果;因此,某一两点路径上无人机越多,其实际信息素浓度越高;路径规划***根据实际信息素浓度情况,控制各个无人机优先沿实际信息素浓度高的路径飞行;
步骤2.5,得到聚类l中的信息素浓度最高的完整路径,即优选路径p;
根据本步骤所述方法,得到各个聚类的优选路径;
步骤2的内容全部在路径规划***中运算完成,不进行实际飞行;
步骤3,地面站1的控制***以取得最大的探测目标总价值和最小的总飞行距离为目标,进行聚类分析;
步骤3.1,计算优选路径p的探测目标总价值minf1:
探测目标总价值minf1的构成因素包含各个待探测目标的自身价值和探测成功率,其表述为:
式中,PRlp为聚类l的无人机按照优选路径p行动时,对该路径上第j个目标的探测成功率;
在路径p上的第j个目标记为jp,Vj为jp的自身价值,Vjp为jp在路径p上的价值;Vmax为Vjp的最大值;
xlp为聚类l中经过优选路径p的无人机数量;
Na为各个聚类中无人机数量的总和;
步骤3.2,计算优选路径p的总飞行距离minf2:
式中,Dlp为聚类l的无人机按照路径p行动时的飞行距离总和;
Rl为UAV作战半径;
为最长路径的长度,
λ1,λ2为权重,λ1+λ2=1,λ1,λ2≥0;
1/RlNa为规划因子;
根据上述方法,得到各个聚类的优选路径的探测目标总价值和最小的总飞行距离;
步骤3.3,计算目标执行价值f3;
最佳路径的生成过程受到探测目标总价值minf1和总飞行距离minf2的影响;计算各个优选路径的目标执行价值f3:
f3=k1*minf1+k2minf2
k1、k2为权重,k1+k2=1,k1,k2≥0;;
步骤4,生成最佳路径;
为实现最大的目标价值,进行G次价值计算,即重复执行G次步骤2-步骤3;每次进行价值计算时,给予不同的比例系数k,计算不同的k带来的G组目标执行价值f3;
地面站1的控制***取目标执行价值f3最小的优选路径为最佳路径,计算得到的结果上传至无人机的飞控***,作为无人机的实际飞行路径;
步骤5,地面站1的控制***对最佳路径进行仿真校验,并控制无人机根据最佳路径进行实际飞行。
所述步骤5中,对最佳路径进行仿真校验,具体方法为:
在地面站1的控制***中建立基于jMAVSim模拟器和无人机数学模型的仿真***,对无人机进行硬件在环半物理仿真;
将无人机的飞控板2和机载计算机3从飞机上拆下,并与地面站1通过数据线连接;地面站1的仿真***给出不同的飞行环境参数,通过飞控板2和机载计算机3收到的信号和所给出的指令,模拟无人机的飞行状况;
飞控板2和机载计算机3根据实际飞行路径生成对飞行器6的飞控指令,即对各螺旋桨转速的控制指令;
地面站1的仿真***实时读取飞控***的飞控指令,并根据无人机数学模型,解算无人机在飞控指令下的飞行轨迹,并将解算出的无人机位置、速度、方向等信息实时返回飞控板2和机载计算机3,由其生成下一步飞控指令,由此校验实际飞行路径的可靠性,直至人为终止仿真过程;
所述步骤5,在无人机实际飞行的过程中,根据多平台控制***控制无人机动作,具体为:
各架无人机将自身位置、速度信息以及摄像信息实时传递至通信链路总线7,同时从通信链路总线7实时共享其它无人机的相关信息,同时地面站1根据所述信息进行各架无人机的路径规划,在无人机集群飞行过程中不断更新各架无人机的飞行路径指令,实现无人机编队飞行效果的最优化。
Claims (6)
1.一种多任务无人机的路径规划校验与多平台控制***,其特征在于,包括:包括无人机和地面站;
所述无人机包括飞控板、机载计算机、GPS模块、通讯模块和飞行器;所述飞控板分别与机载计算机、GPS模块和飞行器连接;所述通讯模块与飞控板连接;
在进行最佳路径的仿真校验时,所述地面站与无人机的飞控板和机载计算机通过数据线连接;
在进行多平台控制时,所述地面站与无人机的通讯模块之间建立通信链路总线。
2.根据权利要求1所述的多任务无人机的路径规划校验与多平台控制***,其特征在于,所述地面站为PC,其控制***中包括目标规划***、路径规划***、多平台控制***和基于jMAVSim模拟器和无人机数学模型的仿真***。
3.根据权利要求1所述的多任务无人机的路径规划校验与多平台控制***,其特征在于,所述通讯模块采用433M无线模块。
4.一种多任务无人机的路径规划校验与多平台控制***的控制方法,其特征在于,采用权利要求2所述的多任务无人机的路径规划校验与多平台控制***,包括以下步骤:
步骤1,在地面站的控制***中建立基于K-Means方法的目标规划***;将N个待侦察目标作为数据对象进行聚类分析,采用K-Means方法,包括以下步骤:
步骤1.1,从N个数据对象中任意选择L个数据对象作为聚类中心;
步骤1.2,将聚类中心以外的L-N个数据对象作为聚类对象,计算每个聚类对象与各个初始聚类中心的距离,并将每个聚类对象归类于距离其最近的初始聚类中心,得到L个聚类;
步骤1.3,对每一个聚类,求聚类中所有数据对象的平均中心;
步骤1.4,计算聚类的平均中心和聚类中心的距离;如果距离小于阈值,则终止计算,得到L个聚类;否则,将平均中心作为聚类中心,返回步骤1.2;
步骤2,在地面站的控制***中建立基于蚁群算法的路径规划***;采用蚁群算法对各聚类内的待侦察目标进行路径规划;
步骤2.1,针对L个聚类中任意一个聚类l,包括C个待侦察目标,将各个待侦查目标的位置设置在路径规划***中;
路径规划***中,所有目标之间两两生成连线,作为无人机从某一目标出发时可选择的路径,即两点路径;为该路径赋予相应的信息素浓度初值Di;信息素浓度初值Di与两点路径上作为起点的目标的自身价值Vj成正比关系,即Di=k×Vj,其中k为比例系数;
步骤2.2,所述聚类l包括D个无人机起飞基地和布置在各个无人机起飞基地的E架无人机;
将距离每个无人机起飞基地最近的目标设为起始目标,得到与每个无人机起飞基地对应的D个起始目标;
控制各个无人机起飞基地的E架无人机飞行至对应的各个起始目标上;
步骤2.3,控制各个无人机从自身所在的目标随机的向其它目标飞行,并设定其不会飞至本步骤中已经过的目标,具体控制方法为:
无人机从起始目标上出发,飞行至下一目标;无人机在任意目标上,均有C-1条可选的两点路径,选择其中任意一条指向其尚未到达过的目标的两点路径;
当无人机遍历过全部的C个待侦察目标后,将其经过的C-1条两点路径进行记录并整合为一条完整路径,回归起始目标;
反复执行上述内容,得到若干条完整路径,直至实验结束;
无人机的飞行过程中,在经过的两点路径上释放信息素,随着时间推移,信息素会逐渐消散;
该段两点路径的实际信息素浓度为信息素浓度初值Di在信息素的释放与消散共同作用后结果;因此,某一两点路径上无人机越多,其实际信息素浓度越高;路径规划***根据实际信息素浓度情况,控制各个无人机优先沿实际信息素浓度高的路径飞行;
步骤2.5,得到聚类l中的信息素浓度最高的完整路径,即优选路径p;
根据本步骤所述方法,得到各个聚类的优选路径;
步骤2的内容全部在路径规划***中运算完成,不进行实际飞行;
步骤3,地面站的控制***以取得最大的探测目标总价值和最小的总飞行距离为目标,进行聚类分析;
步骤3.1,计算优选路径p的探测目标总价值minf1:
探测目标总价值minf1的构成因素包含各个待探测目标的自身价值和探测成功率,其表述为:
式中,PRlp为聚类l的无人机按照优选路径p行动时,对该路径上第j个目标的探测成功率;
在路径p上的第j个目标记为jp,Vj为jp的自身价值,Vjp为jp在路径p上的价值;Vmax为Vjp的最大值;
xlp为聚类l中经过优选路径p的无人机数量;
Na为各个聚类中无人机数量的总和;
步骤3.2,计算优选路径p的总飞行距离minf2:
式中,Dlp为聚类l的无人机按照路径p行动时的飞行距离总和;
Rl为UAV作战半径;
为最长路径的长度,
λ1,λ2为权重,λ1+λ2=1,λ1,λ2≥0;
1/RlNa为规划因子;
根据上述方法,得到各个聚类的优选路径的探测目标总价值和最小的总飞行距离;
步骤3.3,计算目标执行价值f3;
最佳路径的生成过程受到探测目标总价值minf1和总飞行距离minf2的影响;计算各个优选路径的目标执行价值f3:
f3=k1*minf1+k2minf2
k1、k2为权重,k1+k2=1,k1,k2≥0;
步骤4,生成最佳路径;
为实现最大的目标价值,进行G次价值计算,即重复执行G次步骤2-步骤3;每次进行价值计算时,给予不同的比例系数k,计算不同的k带来的G组目标执行价值f3;
地面站的控制***取目标执行价值f3最小的优选路径为最佳路径,计算得到的结果上传至无人机的飞控***,作为无人机的实际飞行路径;
步骤5,地面站控制***对最佳路径进行仿真校验,并控制无人机根据最佳路径进行实际飞行。
5.根据权利要求4所述的多任务无人机的路径规划校验与多平台控制***的控制方法,其特征在于,所述步骤5中,对最佳路径进行仿真校验,具体方法为:
在地面站的控制***中建立基于jMAVSim模拟器和无人机数学模型的仿真***,对无人机进行硬件在环半物理仿真;
将无人机的飞控板和机载计算机从飞机上拆下,并与地面站通过数据线连接;地面站的仿真***给出不同的飞行环境参数,通过飞控板和机载计算机收到的信号和所给出的指令,模拟无人机的飞行状况;
飞控板和机载计算机根据实际飞行路径生成对飞行器的飞控指令,即对各螺旋桨转速的控制指令;
地面站的仿真***实时读取飞控***的飞控指令,并根据无人机数学模型,解算无人机在飞控指令下的飞行轨迹,并将解算出的无人机位置、速度、方向等信息实时返回飞控板和机载计算机,由其生成下一步飞控指令,由此校验实际飞行路径的可靠性,直至人为终止仿真过程。
6.根据权利要求4所述的多任务无人机的路径规划校验与多平台控制***的控制方法,其特征在于,所述步骤5,在无人机实际飞行的过程中,根据多平台控制***控制无人机动作,具体为:
各架无人机将自身位置、速度信息以及摄像信息实时传递至通信链路总线,同时从通信链路总线实时共享其它无人机的相关信息,同时地面站根据所述信息进行各架无人机的路径规划,在无人机集群飞行过程中不断更新各架无人机的飞行路径指令,实现无人机编队飞行效果的最优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910112004.1A CN109669357A (zh) | 2019-02-13 | 2019-02-13 | 多任务无人机的路径规划校验与多平台控制***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910112004.1A CN109669357A (zh) | 2019-02-13 | 2019-02-13 | 多任务无人机的路径规划校验与多平台控制***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109669357A true CN109669357A (zh) | 2019-04-23 |
Family
ID=66151446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910112004.1A Pending CN109669357A (zh) | 2019-02-13 | 2019-02-13 | 多任务无人机的路径规划校验与多平台控制***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109669357A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110149606A (zh) * | 2019-05-10 | 2019-08-20 | 中国联合网络通信集团有限公司 | 利用无人机运送商品的方法和设备 |
CN111240355A (zh) * | 2020-01-10 | 2020-06-05 | 哈尔滨工业大学 | 基于二次聚类的多目标通信无人机的巡航编队规划*** |
CN111724631A (zh) * | 2020-05-29 | 2020-09-29 | 北京三快在线科技有限公司 | 无人机业务管理***、方法、可读存储介质及电子设备 |
CN113671996A (zh) * | 2021-10-22 | 2021-11-19 | 中国电子科技集团公司信息科学研究院 | 一种基于信息素的异构无人机侦察方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819439A (zh) * | 2010-03-16 | 2010-09-01 | 清华大学 | 一种无中心环境下无人机协同模拟平台的控制方法及*** |
CN105225003A (zh) * | 2015-09-23 | 2016-01-06 | 西北工业大学 | 一种布谷鸟搜索算法解决uav多任务侦察决策问题的方法 |
CN105302153A (zh) * | 2015-10-19 | 2016-02-03 | 南京航空航天大学 | 异构多无人机协同察打任务的规划方法 |
CN205507546U (zh) * | 2016-03-25 | 2016-08-24 | 南京航空航天大学 | 一种旋翼机自主空中加油模拟平台 |
CN206541197U (zh) * | 2016-11-22 | 2017-10-03 | 广东东软学院 | 一种用于无人机机群阵列飞行的智能监控*** |
CN107238388A (zh) * | 2017-05-27 | 2017-10-10 | 合肥工业大学 | 多无人机任务分配与航迹规划联合优化方法及装置 |
CN108762300A (zh) * | 2018-05-31 | 2018-11-06 | 智飞智能装备科技东台有限公司 | 一种用于无人机组飞行的地面控制编程*** |
CN108830432A (zh) * | 2018-08-28 | 2018-11-16 | 北京航空航天大学 | 基于少量先验知识的无人机群行动方案搜索方法 |
-
2019
- 2019-02-13 CN CN201910112004.1A patent/CN109669357A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819439A (zh) * | 2010-03-16 | 2010-09-01 | 清华大学 | 一种无中心环境下无人机协同模拟平台的控制方法及*** |
CN105225003A (zh) * | 2015-09-23 | 2016-01-06 | 西北工业大学 | 一种布谷鸟搜索算法解决uav多任务侦察决策问题的方法 |
CN105302153A (zh) * | 2015-10-19 | 2016-02-03 | 南京航空航天大学 | 异构多无人机协同察打任务的规划方法 |
CN205507546U (zh) * | 2016-03-25 | 2016-08-24 | 南京航空航天大学 | 一种旋翼机自主空中加油模拟平台 |
CN206541197U (zh) * | 2016-11-22 | 2017-10-03 | 广东东软学院 | 一种用于无人机机群阵列飞行的智能监控*** |
CN107238388A (zh) * | 2017-05-27 | 2017-10-10 | 合肥工业大学 | 多无人机任务分配与航迹规划联合优化方法及装置 |
US10140875B1 (en) * | 2017-05-27 | 2018-11-27 | Hefei University Of Technology | Method and apparatus for joint optimization of multi-UAV task assignment and path planning |
CN108762300A (zh) * | 2018-05-31 | 2018-11-06 | 智飞智能装备科技东台有限公司 | 一种用于无人机组飞行的地面控制编程*** |
CN108830432A (zh) * | 2018-08-28 | 2018-11-16 | 北京航空航天大学 | 基于少量先验知识的无人机群行动方案搜索方法 |
Non-Patent Citations (4)
Title |
---|
刘丹 等: "多无人机协同覆盖路径规划", 《企业技术开发》 * |
孙魏 等: "基于防御雷达监控的多无人机协同侦察优化模型", 《兵工自动化》 * |
王慧林 等: "多类异构对地观测平台协同任务规划方法", 《航空学报》 * |
程林 等: "基于虚拟现实的无人机飞控***半物理仿真研究", 《中国制造业信息化》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110149606A (zh) * | 2019-05-10 | 2019-08-20 | 中国联合网络通信集团有限公司 | 利用无人机运送商品的方法和设备 |
CN110149606B (zh) * | 2019-05-10 | 2022-04-15 | 中国联合网络通信集团有限公司 | 利用无人机运送商品的方法和设备 |
CN111240355A (zh) * | 2020-01-10 | 2020-06-05 | 哈尔滨工业大学 | 基于二次聚类的多目标通信无人机的巡航编队规划*** |
CN111240355B (zh) * | 2020-01-10 | 2022-04-12 | 哈尔滨工业大学 | 基于二次聚类的多目标通信无人机的巡航编队规划*** |
CN111724631A (zh) * | 2020-05-29 | 2020-09-29 | 北京三快在线科技有限公司 | 无人机业务管理***、方法、可读存储介质及电子设备 |
CN111724631B (zh) * | 2020-05-29 | 2021-09-24 | 北京三快在线科技有限公司 | 无人机业务管理***、方法、可读存储介质及电子设备 |
CN113671996A (zh) * | 2021-10-22 | 2021-11-19 | 中国电子科技集团公司信息科学研究院 | 一种基于信息素的异构无人机侦察方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109669357A (zh) | 多任务无人机的路径规划校验与多平台控制***及方法 | |
Mairaj et al. | Application specific drone simulators: Recent advances and challenges | |
CN107238388B (zh) | 多无人机任务分配与航迹规划联合优化方法及装置 | |
CN107103164B (zh) | 无人机执行多任务的分配方法及装置 | |
Garcia et al. | Multi-uav simulator utilizing x-plane | |
CN109035871A (zh) | 无人机飞行路线规划方法、装置、***及智能终端 | |
CN107832551A (zh) | 一种面向航天装备的组件化体系仿真***及方法 | |
CN106705970A (zh) | 一种基于蚁群算法的多无人机协同路径规划方法 | |
Yaqot et al. | Unmanned aerial vehicle (UAV) in precision agriculture: business information technology towards farming as a service | |
Walter et al. | UAV swarm control: Calculating digital pheromone fields with the GPU | |
CN109559008A (zh) | 施工监控方法、装置及*** | |
Varela et al. | Autonomous UAV based search operations using constrained sampling evolutionary algorithms | |
CN110310298A (zh) | 一种基于循环条件随机场的道路目标实时三维点云分割方法 | |
CN112198892A (zh) | 一种多无人机智能协同突防对抗方法 | |
KR20180067506A (ko) | 무인 차량 시뮬레이터 | |
CN107832939A (zh) | 无人平台空中对抗推演方法及装置 | |
Krishna | Unmanned aerial vehicle Systems in crop production: a compendium | |
CN111813144A (zh) | 一种基于改进羊群算法的多无人机协同航路规划方法 | |
Madey et al. | Design and evaluation of UAV swarm command and control strategies | |
CN114186347A (zh) | 一种多飞行器协同运用仿真*** | |
Letheren et al. | Design and flight testing of a bio-inspired plume tracking algorithm for unmanned aerial vehicles | |
Chabot | Systematic evaluation of a stock unmanned aerial vehicle (UAV) system for small-scale wildlife survey applications | |
CN113962015B (zh) | 一种采用规则控制的空域使用过程仿真模拟***及方法 | |
CN108648510A (zh) | 基于航空器监视数据的航班架次统计方法 | |
Vecchio et al. | MIDGARD: A simulation platform for autonomous navigation in unstructured environments |
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 |