CN109871032A - 一种基于模型预测控制的多无人机编队协同控制方法 - Google Patents

一种基于模型预测控制的多无人机编队协同控制方法 Download PDF

Info

Publication number
CN109871032A
CN109871032A CN201910173841.5A CN201910173841A CN109871032A CN 109871032 A CN109871032 A CN 109871032A CN 201910173841 A CN201910173841 A CN 201910173841A CN 109871032 A CN109871032 A CN 109871032A
Authority
CN
China
Prior art keywords
unmanned plane
formation
navigator
pilot point
plane
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.)
Granted
Application number
CN201910173841.5A
Other languages
English (en)
Other versions
CN109871032B (zh
Inventor
秦小林
许洋
刘佳
张力戈
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Information Technology Co Ltd of CAS
Original Assignee
Chengdu Information Technology Co Ltd of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Information Technology Co Ltd of CAS filed Critical Chengdu Information Technology Co Ltd of CAS
Priority to CN201910173841.5A priority Critical patent/CN109871032B/zh
Publication of CN109871032A publication Critical patent/CN109871032A/zh
Application granted granted Critical
Publication of CN109871032B publication Critical patent/CN109871032B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying

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

本发明涉及一种基于模型预测控制的多无人机编队协同控制方法，包含以下步骤：步骤一：初始化任务要求和相关控制参数等；步骤二：对领航无人机进行初步航迹规划；步骤三：通过传感器实时检测飞行区域环境情况，判断并选取合适飞行编队，计算(更新)虚拟编队引导点；步骤四：根据所计算的虚拟编队引导点，以该引导点作为代价计算参考值，计算代价函数，采用基于分布式模型预测控制的粒子群优化策略进行飞行控制；步骤五：重复步骤二、步骤三和步骤四，控制多无人机编队协同飞行，直到到达目标位置。本发明有效解决了复杂环境下的编队协同控制问题，使得多无人机***在飞行过程中，具有稳定的队形保持能力，以及高效的队形变换能力。

Description

一种基于模型预测控制的多无人机编队协同控制方法
技术领域
本发明涉及一种基于模型预测控制的多无人机编队协同控制方法，属于考虑路径信息的多个飞行器编队的航迹规划控制策略领域。
背景技术
随着无人机控制技术日趋成熟，无人机已广泛应用于战场环境侦察、地面目标打击、电力巡线、航拍等军事和民用领域。与此同时，多无人机编队协同控制也迅速成为近年来的一个前沿领域，采用多无人机编队协同飞行可充分利用有限的单机资源，共同执行大范围目标搜索、自然灾害灾情获取、农林作业、协同攻击等复杂任务。因此，对多无人机编队协同控制展开深入研究具有重要意义。
与单无人机飞行相比，多无人机编队协同控制不仅要解决编队无人机的航迹规划问题，更重要的是如何让编队无人机在飞行过程中完成队形的形成、重构以及保持。面对复杂环境及任务的突然变化，能够尽可能短时间快速地生成各项性能指标最优的队形，是多无人机编队协同控制方法好坏的评价指标。恰当的队形变换方案能够提高燃料使用效率、灵活应对突发情况，实现编队的安全快速飞行。然而目前在编队协同控制，尤其是在队形保持和变换方面，并没有较为突出的方法，传统方法在队形变换中效率低下，在复杂环境中很难得到应用。
发明内容
有鉴于此，本发明提供一种基于模型预测控制的多无人机编队协同控制方法，通过构造出虚拟编队引导点，然后利用模型预测控制的思想，结合分布式控制方法，将编队协同控制转化为滚动在线优化问题，之后针对障碍约束，通过代价函数来定义评价函数并应用快速粒子群优化算法对优化问题进行求解，从而实现复杂环境下的多无人机编队协同控制。
为达到上述目的，本发明提供如下技术方案：
一种基于模型预测控制的多无人机编队协同控制方法，包括如下步骤：
步骤一：根据多无人机编队控制相关约束，初始化任务要求和相关控制参数等；
步骤二：根据环境、任务及无人机相关约束，对领航无人机进行初步航迹规划；
步骤三：通过传感器实时检测飞行区域环境情况，判断并选取合适飞行编队，计算(更新)虚拟编队引导点；
步骤四：根据所计算的虚拟编队引导点，以该引导点作为代价计算参考值，根据跟随无人机所在位置，确定无人机与虚拟编队引导点的对应关系，采用基于分布式模型预测控制的粒子群优化策略进行飞行控制；
步骤五：重复步骤二、步骤三和步骤四，控制多无人机编队协同飞行，直到到达目标位置。
进一步，所述的步骤一具体为：建立xoy二维平面坐标系，对于每一架无人机：单独设置基本参数——起始位置Pintl、最大速度vmax、最大加速度amax、传感器检测半径rdet、最小安全距离Rmin等，初始化任务要求——目标位置Pend，同时，初始化滚动时域步数Hp、粒子最大迭代次数I、粒子群数量N、采样时间Δt；对含有M架无人机的无人机群：设置通讯半径rc以及无人机编号排序{aj|j＝1，2，...，M}，其中a1为根节点领航无人机。
进一步，步骤二所述的航迹规划具体为：对根节点领航无人机采用迪杰斯特拉(Dijkstra)算法初步计算全局代价，再利用模型预测控制将航迹规划问题转化为滚动时域的优化问题，通过快速粒子群优化算法对该优化问题进行求解，得到根节点领航无人机的下一时刻位置(xlo，ylo)，和下一时段的位置变化量(Δxl，Δyl)，其中，(xlo，ylo)也是下一时刻根节点领航无人机的虚拟点坐标。
进一步，所述的步骤三包括以下步骤：
(1)使用传感器实时检测领航无人机周围检测半径为rdet区域内的环境情况，根据检测到的障碍物情况，计算通道宽度d，选取合适的编队队形最大宽度半径rf，满足Rmin≤rf＜d/2；
(2)设根节点层为第1层，从根节点开始逐层遍历，将无人机群按照进行完全二叉树拓展编队，节点处为领航无人机，该节点父子关系中的无人机满足公式①，并计算虚拟编队相关参数xf、yf、xm、ym；
其中，(xl，yl)为节点领航无人机的下一时刻位置；(Δxl，Δyl)为节点领航无人机下一时段的位置变化量；(xm，ym)为连线中点的坐标值；(xf，yf)为虚拟编队引导点连线中点到某一虚拟引导点的向量值；ld为引导点连线与领航无人机的距离，cld为减幅权重，为避免领航无人机出现转弯角度过大，造成大幅度甩尾情况，由多次实验结果人为设定，通常取cld＝1；θ为领航无人机速度方向与x轴的夹角；当R≥2Rmin时，否则R＝0，其中n为跟随的无人机在二叉树的层数。
(3)求解出该节点领航无人机引导的无人机虚拟编队引导点的坐标；
其中，(xi，yi)为第i个虚拟引导点的坐标，i＝1，2。
(4)将第n-1层的无人机作为节点领航无人机，即把(xi，yi)作为(xl，yl)，依次计算第n层跟随无人机的虚拟编队引导点坐标。其中，当n＞2时，第n-1层第一架节点领航无人机有左右孩子跟随无人机，即采用公式②时i＝1和i＝2的情形，其余的节点领航无人机只有右孩子跟随无人机，即采用公式②中只计算i＝2的情形。
(5)重复步骤(2)、(3)、(4)，继续计算下一层的虚拟编队引导点，直至M架无人机都飞行在编队内。如果第n层无人机间距小于最小安全距离时，即R＜＝Rmin，则不再继续计算虚拟编队引导点，此时无人机实际架数多于虚拟编队引导点，多出的无人机只需在飞行过中，第n层保持ld距离跟随第n-1层，第n-1层保持ld距离跟随第n-2层，依次递推下去。
本发明的有益效果在于：本发明提供了一种基于模型预测控制的多无人机编队协同控制方法，通过构造出虚拟编队引导点，利用粒子群优化算法，完成多无人机编队协同控制过程的求解，结合分布式策略，将多无人机协同控制转换为相应约束条件下的各无人机自主控制，能够在复杂环境下，实现无人机编队飞行过程中队形保持的稳定性以及队形之间转换的高效性，且虚拟编队引导点与粒子群优化算法的结合使用，使得其求解过程简单、计算复杂度低、精度高。
附图说明
为了使本发明的目的、技术方案，本发明提供如下附图进行说明：
图1为一种基于模型预测控制的多无人机编队协同控制方法流程图；
图2为虚拟编队引导示意图；
图3为本发明实施例的轨迹规划结果。
具体实施方式
下面将结合附图1，对本发明的优选实施例进行详细的描述。
实施例：一种基于模型预测控制的三架无人机编队协同控制方法流程图，包括如下步骤：
步骤一、建立xoy二维平面坐标系，假设每一架无人机性能参数相同，粒子群算法参数相同，相关具体参数参考表1。领航无人机a1初始位置为(25，0)，目标位置为(-28，-6)；跟随无人机的a2和a3初始位置分别为(26，0)，(27，0)。
步骤二、根据环境、任务及无人机相关约束，对领航无人机采用迪杰斯特拉(Dijkstra)算法初步计算全局代价，再利用模型预测控制将航迹规划问题转化为滚动时域的优化问题，通过快速粒子群优化算法对该优化问题进行求解，得到领航无人机的下一时刻位置(xlo，ylo)，和下一时段的位置变化量(Δxl，Δyl)，其中，(xlo，ylo)也是下一时刻领航无人机的虚拟点坐标。
步骤三、通过传感器实时检测飞行区域环境情况，判断并选取合适飞行编队，计算(更新)虚拟编队引导点，具体为：
(1)使用传感器实时检测领航无人机周围检测半径为rdet区域内的环境情况，根据检测到的障碍物情况，计算通道宽度d，选取合适的编队队形最大宽度半径rf，满足Rmin≤rf＜d/2；
(2)计算虚拟编队相关参数xf、yf、xm、ym；
(3)求解出跟随无人机a2和a3的虚拟引导点坐标(x1，y1)和(x2，y2)。
步骤四、根据所计算的虚拟编队引导点，以该引导点作为代价计算参考值设计评价函数，即对应的虚拟编队引导点坐标，以每一架无人机预测航迹端点在滚动时域的位置(xi(k+Hp+1)，yi(k+Hp+1))，i＝1，2，3，与对应目标位置的距离作为此处的代价函数。然后结合环境约束和通讯范围约束，采用基于分布式模型预测控制的粒子群优化策略进行飞行控制；
步骤五、重复步骤二、步骤三和步骤四，控制多无人机编队协同飞行，直到到达目标位置或非常接近目标位置的区域(半径为ε的圆内)，任务结束。
表1 本发明实施例的相关设定参数
通过本发明具体实施例可以看出，本发明能够很好的实现复杂环境下多无人机编队协同控制飞行。根据如图3所示的轨迹规划结果可以看出，在保证避开障碍物的同时，多无人机***能够保持稳定的编队队形飞行，以及实现高效的编队队形变换。
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其做出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (4)

1.一种基于模型预测控制的多无人机编队协同控制方法，其特征在于，该方法包含以下步骤：
步骤一：根据多无人机编队控制相关约束，初始化任务要求和相关控制参数等；
步骤二：根据环境、任务及无人机相关约束，对领航无人机进行初步航迹规划；
步骤三：通过传感器实时检测飞行区域环境情况，判断并选取合适飞行编队，计算(更新)虚拟编队引导点；
步骤四：根据所计算的虚拟编队引导点，以该引导点作为代价计算参考值，根据跟随无人机所在位置，确定无人机与虚拟编队引导点的对应关系，采用基于分布式模型预测控制的粒子群优化策略进行飞行控制；
步骤五：重复步骤二、步骤三和步骤四，控制多无人机编队协同飞行，直到到达目标位置。
2.根据权利要求1所述的一种基于模型预测控制的多无人机编队协同控制方法，其特征在于，所述的步骤一具体为：建立xoy二维平面坐标系，对于每一架无人机：单独设置基本参数——起始位置最大速度vmax、最大加速度amax、传感器检测半径rdet、最小安全距离Rmin等，初始化任务要求——目标位置Pend，同时，初始化滚动时域步数Hp、粒子最大迭代次数I、粒子群数量N、采样时间Δt；对含有M架无人机的无人机群：设置通讯半径rc以及无人机编号排序{aj|j＝1，2，...，M}，其中a1为根节点领航无人机。
3.根据权利要求1所述的一种基于模型预测控制的多无人机编队协同控制方法，其特征在于，所述步骤二所述的航迹规划具体为：对根节点领航无人机采用迪杰斯特拉(Dijkstra)算法初步计算全局代价，再利用模型预测控制将航迹规划问题转化为滚动时域的优化问题，通过快速粒子群优化算法对该优化问题进行求解，得到根节点领航无人机的下一时刻位置(xlo，ylo)，和下一时段的位置变化量(Δxl，Δyl)，其中，(xlo，ylo)也是下一时刻根节点领航无人机的虚拟点坐标。
4.根据权利要求1所述的一种基于模型预测控制的多无人机编队协同控制方法，其特征在于，所述的步骤三包括以下步骤：
(1)使用传感器实时检测领航无人机周围检测半径为rdet区域内的环境情况，根据检测到的障碍物情况，计算通道宽度d，选取合适的编队队形最大宽度半径rf，满足Rmin≤rf＜d/2；
(2)设根节点层为第1层，从根节点开始逐层遍历，将无人机群按照进行完全二叉树拓展编队，节点处为领航无人机，该节点父子关系中的无人机满足公式①，并计算虚拟编队相关参数xf、yf、xm、ym；
其中，(xl，yl)为节点领航无人机的下一时刻位置；(Δxl，Δyl)为节点领航无人机下一时段的位置变化量；(xm，ym)为连线中点的坐标值；(xf，yf)为虚拟编队引导点连线中点到某一虚拟引导点的向量值；ld为引导点连线与领航无人机的距离，cld为减幅权重，为避免领航无人机出现转弯角度过大，造成大幅度甩尾情况，由多次实验结果人为设定，通常取cld＝1；θ为领航无人机速度方向与x轴的夹角；当R≥2Rmin时，否则R＝0，其中n为跟随的无人机在二叉树的层数。
(3)求解出该节点领航无人机引导的无人机虚拟编队引导点的坐标；
其中，(xi，yi)为第i个虚拟引导点的坐标，i＝1，2。
(4)将第n-1层的无人机作为节点领航无人机，即把(xi，yi)作为(xl，yl)，依次计算第n层跟随无人机的虚拟编队引导点坐标。其中，当n＞2时，第n-1层第一架节点领航无人机有左右孩子跟随无人机，即采用公式②时i＝1和i＝2的情形，其余的节点领航无人机只有右孩子跟随无人机，即采用公式②中只计算i＝2的情形。
(5)重复步骤(2)、(3)、(4)，继续计算下一层的虚拟编队引导点，直至M架无人机都飞行在编队内。如果第n层无人机间距小于最小安全距离时，即则不再继续计算虚拟编队引导点，此时无人机实际架数多于虚拟编队引导点，多出的无人机只需在飞行过中，第n层保持ld距离跟随第n-1层，第n-1层保持ld距离跟随第n-2层，依次递推下去。
CN201910173841.5A 2019-03-04 2019-03-04 一种基于模型预测控制的多无人机编队协同控制方法 Active CN109871032B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910173841.5A CN109871032B (zh) 2019-03-04 2019-03-04 一种基于模型预测控制的多无人机编队协同控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910173841.5A CN109871032B (zh) 2019-03-04 2019-03-04 一种基于模型预测控制的多无人机编队协同控制方法

Publications (2)

Publication Number Publication Date
CN109871032A true CN109871032A (zh) 2019-06-11
CN109871032B CN109871032B (zh) 2022-03-22

Family

ID=66919962

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910173841.5A Active CN109871032B (zh) 2019-03-04 2019-03-04 一种基于模型预测控制的多无人机编队协同控制方法

Country Status (1)

Country Link
CN (1) CN109871032B (zh)

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110286693A (zh) * 2019-07-29 2019-09-27 深圳市高巨创新科技开发有限公司 无人机编队的航迹控制方法及终端
CN110502032A (zh) * 2019-08-31 2019-11-26 华南理工大学 一种基于行为控制的无人机集群编队飞行方法
CN110989526A (zh) * 2019-12-10 2020-04-10 南京航空航天大学 一种双agv协同运载控制***及方法
CN111077902A (zh) * 2019-12-04 2020-04-28 淮阴工学院 基于虚拟结构的多翼伞协同编队控制方法和控制***
CN111399537A (zh) * 2020-03-27 2020-07-10 西北工业大学 一种基于航路点的分布式无人机动态编队切换方法
CN111399538A (zh) * 2020-03-27 2020-07-10 西北工业大学 一种基于时间一致性的分布式无人机绕飞编队方法
CN111413966A (zh) * 2020-03-12 2020-07-14 天津大学 一种递进式模型预测无人驾驶规划跟踪协同控制方法
CN111443728A (zh) * 2020-03-25 2020-07-24 北京航空航天大学 一种基于混沌灰狼优化的无人机编队控制方法
CN112462801A (zh) * 2020-11-16 2021-03-09 西安羚控电子科技有限公司 一种仿真模型多机编队的方法
CN112596516A (zh) * 2020-11-30 2021-04-02 南京理工大学 基于Dubins曲线的多车队形切换方法
CN112975982A (zh) * 2021-03-16 2021-06-18 北京理工大学 一种基于脑机融合的空地协同多机器人***
CN113220021A (zh) * 2021-05-06 2021-08-06 西北工业大学 基于虚拟领导者的飞行编队协同自适应跟踪控制方法
CN113253761A (zh) * 2021-06-08 2021-08-13 北京远度互联科技有限公司 实时路径规划方法、装置、可移动载具及存储介质
CN113361504A (zh) * 2021-08-10 2021-09-07 南京邮电大学 一种基于无人机协同组网的边缘群体智能方法
CN113359853A (zh) * 2021-07-09 2021-09-07 中国人民解放军国防科技大学 一种无人机编队协同目标监视的路径规划方法及***
CN113485452A (zh) * 2021-08-20 2021-10-08 电子科技大学 一种基于领航跟随的无人机编队控制方法
CN113805605A (zh) * 2021-08-30 2021-12-17 湖北航天技术研究院总体设计所 一种飞行轨迹规划方法及***
CN113805587A (zh) * 2021-09-17 2021-12-17 中国人民解放军国防科技大学 多无人车分布式编队控制方法、装置和设备
CN114115262A (zh) * 2021-11-23 2022-03-01 上海交通大学 基于方位角信息的多auv执行器饱和协同编队控制***和方法
CN114384929A (zh) * 2021-12-02 2022-04-22 上海航天控制技术研究所 一种基于偏差优化启发式算法的无人集群编队控制方法
CN115097865A (zh) * 2022-06-27 2022-09-23 中国人民解放军海军航空大学 一种多机编队避障的航迹规划方法
CN115562342A (zh) * 2022-10-24 2023-01-03 南京航空航天大学 多飞行器任务分配、航迹规划和编队控制一体化博弈方法
CN116700357A (zh) * 2023-08-07 2023-09-05 国网安徽省电力有限公司合肥供电公司 一种架空输电线路无人机编队智能巡检方法
CN116859736A (zh) * 2023-07-07 2023-10-10 哈尔滨工程大学 面向无人艇编队护航任务的编队重构控制方法
WO2024144985A1 (en) * 2022-12-19 2024-07-04 Zoox, Inc. Machine-learned cost estimation in tree search trajectory generation for vehicle control

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101795221A (zh) * 2010-01-29 2010-08-04 中国科学院空间科学与应用研究中心 机群编队的组网拓扑结构和组合多址体制设计方法
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
CN103995539A (zh) * 2014-05-15 2014-08-20 北京航空航天大学 一种无人机自主编队评价指标与mpc编队控制方法
CN108388269A (zh) * 2018-03-17 2018-08-10 青岛理工大学 基于四旋翼飞行器的无人机编队飞行控制方法
CN108873894A (zh) * 2018-06-11 2018-11-23 上海大学 一种基于多无人艇的目标跟踪协同控制***和方法
CN109032136A (zh) * 2018-07-23 2018-12-18 西北工业大学 基于主从分布式模型预测控制的欠驱动多无人船编队跟踪方法
CN109375643A (zh) * 2018-10-24 2019-02-22 中北大学 基于领航-跟随式三角形编队的多四旋翼对峙跟踪目标制导律

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101795221A (zh) * 2010-01-29 2010-08-04 中国科学院空间科学与应用研究中心 机群编队的组网拓扑结构和组合多址体制设计方法
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
CN103995539A (zh) * 2014-05-15 2014-08-20 北京航空航天大学 一种无人机自主编队评价指标与mpc编队控制方法
CN108388269A (zh) * 2018-03-17 2018-08-10 青岛理工大学 基于四旋翼飞行器的无人机编队飞行控制方法
CN108873894A (zh) * 2018-06-11 2018-11-23 上海大学 一种基于多无人艇的目标跟踪协同控制***和方法
CN109032136A (zh) * 2018-07-23 2018-12-18 西北工业大学 基于主从分布式模型预测控制的欠驱动多无人船编队跟踪方法
CN109375643A (zh) * 2018-10-24 2019-02-22 中北大学 基于领航-跟随式三角形编队的多四旋翼对峙跟踪目标制导律

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
PABLO GARCIA-AUNON: "Control optimization of an aerial robotic swarm in a search task and its adaptation to different scenarios", 《JOURNAL OF COMPUTATIONAL SCIENCE》 *
WEN YUAN1, QINGYANG CHEN,ZHONGXI HOU,YUE LI: "Multi-UAVs Formation Flight Control Based on Leader-Follower Pattern", 《PROCEDINGS OF THE 36TH CHINESE CONTROL CONFERENCE》 *
ZHIHAO CAI: "Formation Control of Multiple Unmanned Aerial Vehicles by Event-Triggered Distributed Model Predictive Control", 《IEEE ACCESS》 *
华思亮: "基于模型预测控制的无人机编队自主重构研究", 《***仿真学报》 *
张友安: "基于VL-APF方法的多无人机编队形成与保持", 《飞行力学》 *
王文彬，秦小林，张力戈，张国华: "基于滚动时域的无人机动态航迹规划", 《智能***学报》 *
王钦钊，程金勇，李小龙: "基于多虚拟领航者的多机器人编队控制方法", 《装甲兵工程学院学报》 *
许洋: "多无人机自适应编队协同航迹规划", 《计算机应用》 *

Cited By (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110286693A (zh) * 2019-07-29 2019-09-27 深圳市高巨创新科技开发有限公司 无人机编队的航迹控制方法及终端
CN110502032A (zh) * 2019-08-31 2019-11-26 华南理工大学 一种基于行为控制的无人机集群编队飞行方法
CN110502032B (zh) * 2019-08-31 2021-10-26 华南理工大学 一种基于行为控制的无人机集群编队飞行方法
CN111077902A (zh) * 2019-12-04 2020-04-28 淮阴工学院 基于虚拟结构的多翼伞协同编队控制方法和控制***
WO2021114888A1 (zh) * 2019-12-10 2021-06-17 南京航空航天大学 一种双agv协同运载控制***及方法
CN110989526A (zh) * 2019-12-10 2020-04-10 南京航空航天大学 一种双agv协同运载控制***及方法
CN110989526B (zh) * 2019-12-10 2022-04-08 南京航空航天大学 一种双agv协同运载控制***及方法
CN111413966B (zh) * 2020-03-12 2022-04-29 天津大学 一种递进式模型预测无人驾驶规划跟踪协同控制方法
CN111413966A (zh) * 2020-03-12 2020-07-14 天津大学 一种递进式模型预测无人驾驶规划跟踪协同控制方法
CN111443728A (zh) * 2020-03-25 2020-07-24 北京航空航天大学 一种基于混沌灰狼优化的无人机编队控制方法
CN111443728B (zh) * 2020-03-25 2021-05-28 北京航空航天大学 一种基于混沌灰狼优化的无人机编队控制方法
CN111399538A (zh) * 2020-03-27 2020-07-10 西北工业大学 一种基于时间一致性的分布式无人机绕飞编队方法
CN111399538B (zh) * 2020-03-27 2022-06-24 西北工业大学 一种基于时间一致性的分布式无人机绕飞编队方法
CN111399537B (zh) * 2020-03-27 2022-06-24 西北工业大学 一种基于航路点的分布式无人机动态编队切换方法
CN111399537A (zh) * 2020-03-27 2020-07-10 西北工业大学 一种基于航路点的分布式无人机动态编队切换方法
CN112462801A (zh) * 2020-11-16 2021-03-09 西安羚控电子科技有限公司 一种仿真模型多机编队的方法
CN112596516A (zh) * 2020-11-30 2021-04-02 南京理工大学 基于Dubins曲线的多车队形切换方法
CN112975982A (zh) * 2021-03-16 2021-06-18 北京理工大学 一种基于脑机融合的空地协同多机器人***
CN113220021A (zh) * 2021-05-06 2021-08-06 西北工业大学 基于虚拟领导者的飞行编队协同自适应跟踪控制方法
CN113220021B (zh) * 2021-05-06 2022-08-09 西北工业大学 基于虚拟领导者的飞行编队协同自适应跟踪控制方法
CN113253761A (zh) * 2021-06-08 2021-08-13 北京远度互联科技有限公司 实时路径规划方法、装置、可移动载具及存储介质
CN113253761B (zh) * 2021-06-08 2021-11-09 北京远度互联科技有限公司 实时路径规划方法、装置、可移动载具及存储介质
CN113359853A (zh) * 2021-07-09 2021-09-07 中国人民解放军国防科技大学 一种无人机编队协同目标监视的路径规划方法及***
CN113361504B (zh) * 2021-08-10 2021-11-16 南京邮电大学 一种基于无人机协同组网的边缘群体智能方法
CN113361504A (zh) * 2021-08-10 2021-09-07 南京邮电大学 一种基于无人机协同组网的边缘群体智能方法
CN113485452A (zh) * 2021-08-20 2021-10-08 电子科技大学 一种基于领航跟随的无人机编队控制方法
CN113805605B (zh) * 2021-08-30 2023-08-01 湖北航天技术研究院总体设计所 一种飞行轨迹规划方法及***
CN113805605A (zh) * 2021-08-30 2021-12-17 湖北航天技术研究院总体设计所 一种飞行轨迹规划方法及***
CN113805587A (zh) * 2021-09-17 2021-12-17 中国人民解放军国防科技大学 多无人车分布式编队控制方法、装置和设备
CN113805587B (zh) * 2021-09-17 2023-08-15 中国人民解放军国防科技大学 多无人车分布式编队控制方法、装置和设备
CN114115262B (zh) * 2021-11-23 2024-02-02 上海交通大学 基于方位角信息的多auv执行器饱和协同编队控制***和方法
CN114115262A (zh) * 2021-11-23 2022-03-01 上海交通大学 基于方位角信息的多auv执行器饱和协同编队控制***和方法
CN114384929B (zh) * 2021-12-02 2023-09-12 上海航天控制技术研究所 一种基于偏差优化启发式算法的无人集群编队控制方法
CN114384929A (zh) * 2021-12-02 2022-04-22 上海航天控制技术研究所 一种基于偏差优化启发式算法的无人集群编队控制方法
CN115097865A (zh) * 2022-06-27 2022-09-23 中国人民解放军海军航空大学 一种多机编队避障的航迹规划方法
CN115097865B (zh) * 2022-06-27 2023-09-22 中国人民解放军海军航空大学 一种多机编队避障的航迹规划方法
CN115562342A (zh) * 2022-10-24 2023-01-03 南京航空航天大学 多飞行器任务分配、航迹规划和编队控制一体化博弈方法
WO2024144985A1 (en) * 2022-12-19 2024-07-04 Zoox, Inc. Machine-learned cost estimation in tree search trajectory generation for vehicle control
CN116859736A (zh) * 2023-07-07 2023-10-10 哈尔滨工程大学 面向无人艇编队护航任务的编队重构控制方法
CN116700357A (zh) * 2023-08-07 2023-09-05 国网安徽省电力有限公司合肥供电公司 一种架空输电线路无人机编队智能巡检方法
CN116700357B (zh) * 2023-08-07 2023-12-22 国网安徽省电力有限公司合肥供电公司 一种架空输电线路无人机编队智能巡检方法

Also Published As

Publication number Publication date
CN109871032B (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
CN109871032A (zh) 一种基于模型预测控制的多无人机编队协同控制方法
Sang et al. The hybrid path planning algorithm based on improved A* and artificial potential field for unmanned surface vehicle formations
YongBo et al. Three-dimensional unmanned aerial vehicle path planning using modified wolf pack search algorithm
US11727812B2 (en) Airplane flight path planning method and device based on the pigeon-inspired optimization
Huang et al. Adaptive cylinder vector particle swarm optimization with differential evolution for UAV path planning
CN108958285B (zh) 一种基于分解思想的高效多无人机协同航迹规划方法
CN110488859B (zh) 一种基于改进Q-learning算法的无人机航路规划方法
CN109521794A (zh) 一种多无人机航路规划及动态避障方法
CN109144102A (zh) 一种基于改进蝙蝠算法的无人机航路规划方法
CN106705970A (zh) 一种基于蚁群算法的多无人机协同路径规划方法
CN110428111A (zh) Uav/ugv协同长时多任务作业轨迹规划方法
CN110470301A (zh) 多动态任务目标点下的无人机路径规划方法
CN107608372A (zh) 一种基于改进rrt算法与改进ph曲线相结合的多无人机协同航迹规划方法
CN110471426A (zh) 基于量子狼群算法的无人驾驶智能车自动避碰方法
CN103557867A (zh) 一种基于稀疏a*搜索的三维多uav协同航迹规划方法
CN105512769A (zh) 基于遗传规划的无人机航迹规划***及方法
CN111443728B (zh) 一种基于混沌灰狼优化的无人机编队控制方法
CN113268081B (zh) 一种基于强化学习的小型无人机防控指挥决策方法及***
Ke et al. Cooperative path planning for air–sea heterogeneous unmanned vehicles using search-and-tracking mission
CN113805609A (zh) 一种混沌迷失鸽群优化机制的无人机群目标搜索方法
CN115047910A (zh) 一种基于雁形阵的无人机编队巡航控制方法
Zhong et al. Particle swarm optimization with orientation angle-based grouping for practical unmanned surface vehicle path planning
Ariff et al. Waypoint navigation of small-scale UAV incorporating dynamic soaring
Short et al. Abio-inspiredalgorithminimage-based pathplanning and localization using visual features and maps
Liu et al. Discrete pigeon-inspired optimization-simulated annealing algorithm and optimal reciprocal collision avoidance scheme for fixed-wing UAV formation assembly

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