CN110727274A - 一种基于无人船***的带有避碰且保持连通性的编队控制方法 - Google Patents
一种基于无人船***的带有避碰且保持连通性的编队控制方法 Download PDFInfo
- Publication number
- CN110727274A CN110727274A CN201911136383.4A CN201911136383A CN110727274A CN 110727274 A CN110727274 A CN 110727274A CN 201911136383 A CN201911136383 A CN 201911136383A CN 110727274 A CN110727274 A CN 110727274A
- Authority
- CN
- China
- Prior art keywords
- unmanned
- unmanned ship
- ship
- potential field
- connectivity
- 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
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 62
- 238000012423 maintenance Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000006870 function Effects 0.000 title claims description 44
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 238000013528 artificial neural network Methods 0.000 claims abstract description 16
- 238000005312 nonlinear dynamic Methods 0.000 claims abstract description 9
- 238000011426 transformation method Methods 0.000 claims abstract description 4
- 101150080778 INPP5D gene Proteins 0.000 claims description 140
- 239000000126 substance Substances 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 239000002131 composite material Substances 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 5
- 230000008878 coupling Effects 0.000 abstract description 3
- 238000010168 coupling process Methods 0.000 abstract description 3
- 238000005859 coupling reaction Methods 0.000 abstract description 3
- 238000000926 separation method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
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)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于无人船***的带有避碰且保持连通性的编队控制方法,由于多个无人船***具有复杂的耦合和不确定的非线性动态特性,使得具有避碰和保持连通性的分布式编队控制难以实现。采用坐标变换方法解决无人船的复杂耦合问题同时结合神经网络的方法解决无人船***的未知非线性动态。对于多个无人船的分布式编队控制,由于避免碰撞而导致的无人船之间分离距离过大,其将对连通性维护产生负面影响,该方法将吸引势函数和排斥势函数集成到领导者‑跟随者队形框架中,可以有效地解决该问题。根据图论、矩阵论和Lyapunov稳定性理论,该方法可以同时实现多个无人船编队控制、避碰和连通性维护三个控制目标。
Description
技术领域
本发明涉及信息技术与无人船编队分布式控制技术领域,具体而言,尤其涉及一种基于无人船***的带有避碰且保持连通性的编队控制方法。
背景技术
随着人工智能技术与计算机技术的发展,无人船感知能力与无人船控制器计算能力飞速提升,无人船智能化需求随之增加。又因为单无人船的作业能力有限,多船编队与协作有利于提高作业效率与作业能力,多船编队成为智能无人船研究热点。在无人船编队实际应用中,必然会涉及到队内无人船相互碰撞和队内无人船通性保持等实际问题。需要无人船能实时感知自身安全动态且和他船保持连通性,结合无人船编队队内交互与数据融合来实现无人船全方位感知、通过控制无人船航速航向等运动状态排除航行危险并与队内无人船保持通讯。
人工势场法首先由Khatib提出,由于人工势场法模型较为简单,计算资源需求小,实时性较强等优点,在移动智能体实时避碰与避障控制中得到广泛的应用。其核心理论是通过建立复合势场,当环境中他船与本船的相对距离小于一个预设值时,势场产生一个虚拟排斥力将智能体推离其他无人船或者障碍物。当环境中他船与本船的相对距离由于避碰规则变大且大于一个预设值,使其难以保持其连通性时,势场产生一个虚拟吸引力将智能体吸引向与其通信的无人船。人工势场法仅利用无人船所感知的局部信息,通过人工势场法产生的虚拟排斥力与吸引力既保证了队内无人船避碰同时又保证了连通性。
发明内容
根据上述提出由于多个无人船***具有复杂的耦合和不确定的非线性动态特性,使得具有避碰和保持连通性的分布式编队控制难以实现。并且对于多个无人船的分布式编队控制,由于避免碰撞而导致的无人船之间过大的分离距离将对连通性维护产生负面影响。为同时实现多个无人船编队控制、避碰和连通性维护三个控制目标。本发明提供一种基于无人船***的带有避碰且保持连通性的编队控制方法。
本发明采用的技术手段如下:
一种基于无人船***的带有避碰且保持连通性的编队控制方法,包括以下步骤:
S1、根据工程实际情况将三自由度的随船坐标系通过坐标变换法转换成三自由度大地坐标系,并建立跟踪目标虚拟无人船运动模型;
S2、引入径向基函数神经网络逼近无人船的非线性动态问题,径向基函数神经网络逼近连续函数的形式如下:
其中,ci和κi分别表示高斯函数的中心和宽度;
S3、确定基于图论的分布式编队控制策略,通过跟踪虚拟目标无人船实现多个无人船编队控制;
S4、通过随船坐标系,采用人工势场法保持两个无人船之间的适当距离,建立无人船避碰斥力场和保持队内无人船连通性的引力场,并且根据无人船航速与传感器感知范围设定势场的触发距离与势场力梯度大小;
S5、通过将吸引和排斥势函数集成到领导者跟随者形成框架中,计算出无人船所受的控制力矩;在复合力矩的作用下,同时实现多个无人船的编队控制,避免碰撞和保持连通性三个控制目标。
进一步地,所述的步骤S1具体包括:
S11、通过全球定位***、雷达图像、AIS数据和无人船上的传感器采集并建立以无人船自身为原点的直角坐标系,并通过采集到的信息确定编队内邻近的其他船在坐标系中的位置坐标;
S12、在多个无人船***中,无人船三自由度运动模型可表示为:
i=1,2,…,n
其中,ηi(t)=[xi(t),yi(t),ψi(t)]T∈R3表示固定在地面框架下的位置pi(t)=(xi(t),yi(t))∈R2和航向角ψi(t);vi(t)=[ui(t),vi(t),ri(t)]T∈R3表示车体固定框架下的速度矢量,其中ui(t)、vi(t)和ri(t)为三自由度对应的纵荡速度、横摆速度和横摆角速度;τi=[τui,τvi,τri]T表示***的控制输入,Mi表示附加质量效应和惯性矩阵;Ci表示科里奥利力和向心矩阵;Di表示流体动力阻尼矩阵,旋转矩阵Ri(ψi)表示从随船固定框架到大地固定框架的坐标变换;
S13、设定领导者无人船运动模型,具体如下:
其中,ηd(t)=[xd(t),yd(t),ψd(t)]T∈R3,vd(t)=[ud(t),vd(t),rd(t)]T∈R3分别表示领导者无人船的位置和速度状态向量;fd(·)∈R3→R3×3表示理想的光滑未知非线性动态。
进一步地,所述的步骤S3具体包括:
S31、计算位置和速度相关的整体编队误差:
则全局编队误差可以描述如下:
S32、设计分布式自适应编队控制器,具体如下:
其中,ki表示正增益参数;
S33、设计神经网络权值矩阵的自适应更新规律,具体如下:
其中,Υi和σi表示正参数。
进一步地,所述的步骤S4具体包括:
S41、根据卫星***获得队内所有无人船的位置信息,结合相关避碰及连通性要求建立无人船间斥力场与障碍物边界斥力场;
S42、根据感知距离或雷达设备精度设定势场外界与内界的切线距离,无人船间避碰势场为包围整个无人船的圆形势场,无人船间连通性维护势场为包围整个无人船的圆形势场,圆形连通性维护势场半径大于避碰势场半径;
S43、如果一对无人船i和无人船j满足||dij(t)||>2rca,则在任何时候两个无人船完全避免碰撞,否则,多个无人船无法避免碰撞;如果另一对无人船满足||dij(t)||<rcm,则在任何时候两个无人船都可以成功地保持其连接性,否则,多个无人船的连接将失败;
S44、提取航道与障碍物数据,并通过编队通信网获得队内所有无人船的位置信息,根据相关信息建立无人船间斥力场与保持连通性引力场;
所述无人船间斥力场具体为:
无人船所受到相邻j船的排斥力为邻船避碰势场函数的负梯度,表示如下:
无人船受到的避碰势场排斥力合力表示为:
所述保持连通性引力场的势场函数如下:
连通性维护势场吸引力大小为:
无人船受到的连通性维护势场吸引力合力为:
进一步地,所述的步骤S5具体包括:
S51、利用电子海图、船载差分GPS、AIS数据,船载摄像头与距离传感器,建立船载感知信息平台,对无人船航行避碰危险进行预警,并对连通性情况进行实时监测;
S52、计算复合势场对无人船的合力矩,根据无人船艏向将该力矩分解为无人船艏向方向的力矩与垂直于无人船艏向方向的力矩,具体如下:
较现有技术相比,本发明具有以下优点:
1、本发明提供的基于无人船***的带有避碰且保持连通性的编队控制方法,通过设置两个势函数,在无人船距离过近时触发避碰排斥势场,使得无人船之间距离变大避免相互碰撞,同时,又在无人船距离过大时触发保持连通性的吸引势场,使得无人船之间距离变小,不会超出无人船之间的最大通信范围。
2、本发明提供的基于无人船***的带有避碰且保持连通性的编队控制方法,同时实现多个无人船编队控制、避碰和连通性维护三个控制目标。
3、本发明提供的基于无人船***的带有避碰且保持连通性的编队控制方法,通过将吸引和排斥势函数集成到领导者跟随者形成框架中,使得队内无人船之间的距离保持在一个恰当的范围内同时保证编队的稳定。
基于上述理由本发明可在信息技术与无人船编队分布式控制等领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明方法流程图。
图2为本发明中人工势场法的原理图。
图3为本发明人工势场法触发条件原理图。
图4为本发明避碰和连通性维护示意图。
图5为本发明实施例提供的无人船编队通信关系图。
图6为本发明具有避碰和连通性维护性能的多无人船距离图。
图7为本发明具有避碰和连通性维护性能的多无人船编队效果示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示,本发明提供了一种基于无人船***的带有避碰且保持连通性的编队控制方法,包括以下步骤:
S1、根据工程实际情况将三自由度的随船坐标系通过坐标变换法转换成三自由度大地坐标系,并建立跟踪目标虚拟无人船运动模型;
进一步地,作为本发明优选的实施方式,所述的步骤S1具体包括:
S11、通过全球定位***、雷达图像、AIS数据和无人船上的传感器采集并建立以无人船自身为原点的直角坐标系,并通过采集到的信息确定编队内邻近的其他船在坐标系中的位置坐标;
S12、在多个无人船***中,无人船三自由度运动模型可表示为:
i=1,2,…,n
其中,ηi(t)=[xi(t),yi(t),ψi(t)]T∈R3表示固定在地面框架下的位置pi(t)=(xi(t),yi(t))∈R2和航向角ψi(t);vi(t)=[ui(t),vi(t),ri(t)]T∈R3表示车体固定框架下的速度矢量,其中ui(t)、vi(t)和ri(t)为三自由度对应的纵荡速度、横摆速度和横摆角速度;τi=[τui,τvi,τri]T表示***的控制输入,Mi表示附加质量效应和惯性矩阵;Ci表示科里奥利力和向心矩阵;Di表示流体动力阻尼矩阵,旋转矩阵Ri(ψi)表示从随船固定框架到大地固定框架的坐标变换;
S13、设定领导者无人船运动模型,具体如下:
其中,ηd(t)=[xd(t),yd(t),ψd(t)]T∈R3,vd(t)=[ud(t),vd(t),rd(t)]T∈R3分别表示领导者无人船的位置和速度状态向量;fd(·)∈R3→R3×3表示理想的光滑未知非线性动态。
S2、引入径向基函数神经网络逼近无人船的非线性动态问题,径向基函数神经网络逼近连续函数的形式如下:
其中,ci和κi分别表示高斯函数的中心和宽度;
S3、确定基于图论的分布式编队控制策略,通过跟踪虚拟目标无人船实现多个无人船编队控制;
进一步地,作为本发明优选的实施方式,所述的步骤S3具体包括:
S31、计算位置和速度相关的整体编队误差:
则全局编队误差可以描述如下:
S32、设计分布式自适应编队控制器,具体如下:
其中,ki表示正增益参数;
S33、设计神经网络权值矩阵的自适应更新规律,具体如下:
其中,Υi和σi表示正参数。
S4、通过随船坐标系,采用人工势场法保持两个无人船之间的适当距离,建立无人船避碰斥力场和保持队内无人船连通性的引力场,并且根据无人船航速与传感器感知范围设定势场的触发距离与势场力梯度大小;
进一步地,作为本发明优选的实施方式,所述的步骤S4具体包括:
S41、根据卫星***获得队内所有无人船的位置信息,结合相关避碰及连通性要求建立无人船间斥力场与障碍物边界斥力场;
S42、根据感知距离或雷达设备精度设定势场外界与内界的切线距离,如图2所示,无人船间避碰势场为包围整个无人船的圆形势场,无人船间连通性维护势场为包围整个无人船的圆形势场,圆形连通性维护势场半径大于避碰势场半径;如图4所示,显示了无人机的避碰和连通性维护区域,半径为rca黑色的圆盘表示无人船的避碰范围,半径为dca红色虚线圆圈表示无人船的避碰触发范围,半径为rcm的蓝色虚线圆圈表示无人船的连接维护范围,半径为dcm的红色虚线圆圈表示无人船的连接维护触发范围。
S43、如图3所示,如果一对无人船i和无人船j满足||dij(t)||>2rca,则在任何时候两个无人船完全避免碰撞,否则,多个无人船无法避免碰撞;如果另一对无人船满足||dij(t)||<rcm,则在任何时候两个无人船都可以成功地保持其连接性,否则,多个无人船的连接将失败;
S44、提取航道与障碍物数据,并通过编队通信网获得队内所有无人船的位置信息,根据相关信息建立无人船间斥力场与保持连通性引力场;如图7所示,本实施例中,无人船编队由一个虚拟的领航者和四个跟随者组成,所有跟随者的控制方法步骤完全相同,在本实施例中,设计了两种势函数,吸引、排斥势函数:
所述无人船间斥力场具体为:
无人船所受到相邻j船的排斥力为邻船避碰势场函数的负梯度,表示如下:
无人船受到的避碰势场排斥力合力表示为:
所述保持连通性引力场的势场函数如下:
连通性维护势场吸引力大小为:
无人船受到的连通性维护势场吸引力合力为:
S5、通过将吸引和排斥势函数集成到领导者跟随者形成框架中,计算出无人船所受的控制力矩;在复合力矩的作用下,同时实现多个无人船的编队控制,避免碰撞和保持连通性三个控制目标。
进一步地,作为本发明优选的实施方式,所述的步骤S5具体包括:
S51、利用电子海图、船载差分GPS、AIS数据,船载摄像头与距离传感器,建立船载感知信息平台,对无人船航行避碰危险进行预警,并对连通性情况进行实时监测;
S52、计算复合势场对无人船的合力矩,根据无人船艏向将该力矩分解为无人船艏向方向的力矩与垂直于无人船艏向方向的力矩,具体如下:
在本发明中,我们在仿真实验中将APF的参数定义为rca=0.2、dca=1.3dcm=2.3和rcm=3.0,如图4所示,考虑到碰撞避免和连接性维护性能的多个无人船的编队轨迹。每个无人船的轨迹变化不太明显,但我们可以通过图5清楚地注意到每个时刻的距离。同时,如图6所示,提供了考虑到避免碰撞和连接性维护性能的关于多个无人船在每个时刻之间的距离曲线图。可以看出无人船成功地避免了碰撞,距离||dij(t)||<rcm=3.0,无人船都可以保持必要的连通。
进一步地,作为本发明优选的实施方式,为实现本发明所提供的带有避碰且保持连通性的无人船编队航行控制算法,跟随者之间具备无线通信能力,跟随者可以发送彼此位置、参考速度和参考航向等信息。又由于需要每个无人船的位置建立人工势场,一种典型但不限于此的控制***配置包括无线通信电台、航行控制计算机、航速控制板、横向推进器、发动机、舵角执行机构、GPS及航姿测量设备、舵以及舵角传感器。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的范围。
Claims (5)
1.一种基于无人船***的带有避碰且保持连通性的编队控制方法,其特征在于,包括以下步骤:
S1、根据工程实际情况将三自由度的随船坐标系通过坐标变换法转换成三自由度大地坐标系,并建立跟踪目标虚拟无人船运动模型;
S2、引入径向基函数神经网络逼近无人船的非线性动态问题,径向基函数神经网络逼近连续函数的形式如下:
其中,ci和κi分别表示高斯函数的中心和宽度;
S3、确定基于图论的分布式编队控制策略,通过跟踪虚拟目标无人船实现多个无人船编队控制;
S4、通过随船坐标系,采用人工势场法保持两个无人船之间的适当距离,建立无人船避碰斥力场和保持队内无人船连通性的引力场,并且根据无人船航速与传感器感知范围设定势场的触发距离与势场力梯度大小;
S5、通过将吸引和排斥势函数集成到领导者跟随者形成框架中,计算出无人船所受的控制力矩;在复合力矩的作用下,同时实现多个无人船的编队控制,避免碰撞和保持连通性三个控制目标。
2.根据权利要求1所述的基于无人船***的带有避碰且保持连通性的编队控制方法,其特征在于,所述的步骤S1具体包括:
S11、通过全球定位***、雷达图像、AIS数据和无人船上的传感器采集并建立以无人船自身为原点的直角坐标系,并通过采集到的信息确定编队内邻近的其他船在坐标系中的位置坐标;
S12、在多个无人船***中,无人船三自由度运动模型可表示为:
i=1,2,…,n
其中,ηi(t)=[xi(t),yi(t),ψi(t)]T∈R3表示固定在地面框架下的位置pi(t)=(xi(t),yi(t))∈R2和航向角ψi(t);vi(t)=[ui(t),vi(t),ri(t)]T∈R3表示车体固定框架下的速度矢量,其中ui(t)、vi(t)和ri(t)为三自由度对应的纵荡速度、横摆速度和横摆角速度;τi=[τui,τvi,τri]T表示***的控制输入,Mi表示附加质量效应和惯性矩阵;Ci表示科里奥利力和向心矩阵;Di表示流体动力阻尼矩阵,旋转矩阵Ri(ψi)表示从随船固定框架到大地固定框架的坐标变换;
S13、设定领导者无人船运动模型,具体如下:
其中,ηd(t)=[xd(t),yd(t),ψd(t)]T∈R3,vd(t)=[ud(t),vd(t),rd(t)]T∈R3分别表示领导者无人船的位置和速度状态向量;fd(·)∈R3→R3×3表示理想的光滑未知非线性动态。
4.根据权利要求1所述的基于无人船***的带有避碰且保持连通性的编队控制方法,其特征在于,所述的步骤S4具体包括:
S41、根据卫星***获得队内所有无人船的位置信息,结合相关避碰及连通性要求建立无人船间斥力场与障碍物边界斥力场;
S42、根据感知距离或雷达设备精度设定势场外界与内界的切线距离,无人船间避碰势场为包围整个无人船的圆形势场,无人船间连通性维护势场为包围整个无人船的圆形势场,圆形连通性维护势场半径大于避碰势场半径;
S43、如果一对无人船i和无人船j满足||dij(t)||>2rca,则在任何时候两个无人船完全避免碰撞,否则,多个无人船无法避免碰撞;如果另一对无人船满足||dij(t)||<rcm,则在任何时候两个无人船都可以成功地保持其连接性,否则,多个无人船的连接将失败;
S44、提取航道与障碍物数据,并通过编队通信网获得队内所有无人船的位置信息,根据相关信息建立无人船间斥力场与保持连通性引力场;
所述无人船间斥力场具体为:
无人船所受到相邻j船的排斥力为邻船避碰势场函数的负梯度,表示如下:
无人船受到的避碰势场排斥力合力表示为:
所述保持连通性引力场的势场函数如下:
连通性维护势场吸引力大小为:
无人船受到的连通性维护势场吸引力合力为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911136383.4A CN110727274B (zh) | 2019-11-19 | 2019-11-19 | 一种基于无人船***的带有避碰且保持连通性的编队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911136383.4A CN110727274B (zh) | 2019-11-19 | 2019-11-19 | 一种基于无人船***的带有避碰且保持连通性的编队控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110727274A true CN110727274A (zh) | 2020-01-24 |
CN110727274B CN110727274B (zh) | 2022-09-02 |
Family
ID=69224556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911136383.4A Active CN110727274B (zh) | 2019-11-19 | 2019-11-19 | 一种基于无人船***的带有避碰且保持连通性的编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110727274B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111506079A (zh) * | 2020-05-13 | 2020-08-07 | 浙江大学 | 一种考虑障碍物避让的新型无人船虚拟结构编队控制方法 |
CN112180954A (zh) * | 2020-07-28 | 2021-01-05 | 北京理工大学 | 一种基于人工势场的无人机避障方法 |
CN112650231A (zh) * | 2020-12-15 | 2021-04-13 | 哈尔滨工程大学 | 一种实现避碰和避障的欠驱船编队控制*** |
CN112965497A (zh) * | 2021-02-23 | 2021-06-15 | 武汉理工大学 | 一种船舶编队控制方法、装置及存储介质 |
CN113189979A (zh) * | 2021-04-02 | 2021-07-30 | 大连海事大学 | 一种无人船的分布式队列有限时间控制方法 |
CN113419428A (zh) * | 2021-07-14 | 2021-09-21 | 大连海事大学 | 基于3d映射制导的usv-uav协同路径跟踪自适应控制器设计方法 |
US20210295708A1 (en) * | 2020-03-18 | 2021-09-23 | Ship And Ocean Industries R&D Center | Vessel collision avoiding method and system based on artificial potential field |
CN114089754A (zh) * | 2021-11-11 | 2022-02-25 | 中国船舶重工集团公司第七一九研究所 | 一种基于人工智能的自主路径规划方法和*** |
CN114296473A (zh) * | 2021-11-30 | 2022-04-08 | 北京航空航天大学 | 一种避免碰撞和通信中断的多智能体自适应编队控制方法 |
CN114355879A (zh) * | 2021-11-26 | 2022-04-15 | 珠海云洲智能科技股份有限公司 | 无人船及其编队的队形保持控制方法 |
CN117950409A (zh) * | 2024-03-26 | 2024-04-30 | 山东科技大学 | 基于领导-追随模型的多无人船***协同控制方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106054875A (zh) * | 2016-05-25 | 2016-10-26 | 北京航空航天大学 | 一种分布式多机器人动态网络连通性控制方法 |
CN107085427A (zh) * | 2017-05-11 | 2017-08-22 | 华南理工大学 | 一种基于领导跟随结构的无人水面艇编队控制方法 |
CN107491086A (zh) * | 2017-08-03 | 2017-12-19 | 哈尔滨工业大学深圳研究生院 | 时变网络拓扑下的无人机编队避障方法及*** |
CN109765892A (zh) * | 2019-01-16 | 2019-05-17 | 大连海事大学 | 一种无人船集群的碰撞自规避编队控制器结构及设计方法 |
-
2019
- 2019-11-19 CN CN201911136383.4A patent/CN110727274B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106054875A (zh) * | 2016-05-25 | 2016-10-26 | 北京航空航天大学 | 一种分布式多机器人动态网络连通性控制方法 |
CN107085427A (zh) * | 2017-05-11 | 2017-08-22 | 华南理工大学 | 一种基于领导跟随结构的无人水面艇编队控制方法 |
CN107491086A (zh) * | 2017-08-03 | 2017-12-19 | 哈尔滨工业大学深圳研究生院 | 时变网络拓扑下的无人机编队避障方法及*** |
CN109765892A (zh) * | 2019-01-16 | 2019-05-17 | 大连海事大学 | 一种无人船集群的碰撞自规避编队控制器结构及设计方法 |
Non-Patent Citations (4)
Title |
---|
ARINDAM MONDAL 等: "A Novel Multi-agent Formation Control Law WithCollision Avoidance", 《IEEE/CAA JOURNAL OF AUTOMATICA SINICA》 * |
朱旭等: "基于改进人工势场的无人机编队防碰撞控制方法", 《哈尔滨工程大学学报》 * |
王钦钊等: "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》 * |
贾永楠等: "多机器人编队控制研究进展", 《工程科学学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11676494B2 (en) * | 2020-03-18 | 2023-06-13 | Ship And Ocean Industries R&D Center | Vessel collision avoiding method and system based on artificial potential field |
US20210295708A1 (en) * | 2020-03-18 | 2021-09-23 | Ship And Ocean Industries R&D Center | Vessel collision avoiding method and system based on artificial potential field |
CN111506079A (zh) * | 2020-05-13 | 2020-08-07 | 浙江大学 | 一种考虑障碍物避让的新型无人船虚拟结构编队控制方法 |
CN111506079B (zh) * | 2020-05-13 | 2021-08-03 | 浙江大学 | 一种考虑障碍物避让的无人船虚拟结构编队控制方法 |
CN112180954A (zh) * | 2020-07-28 | 2021-01-05 | 北京理工大学 | 一种基于人工势场的无人机避障方法 |
CN112650231B (zh) * | 2020-12-15 | 2022-07-15 | 哈尔滨工程大学 | 一种实现避碰和避障的欠驱船编队控制*** |
CN112650231A (zh) * | 2020-12-15 | 2021-04-13 | 哈尔滨工程大学 | 一种实现避碰和避障的欠驱船编队控制*** |
CN112965497A (zh) * | 2021-02-23 | 2021-06-15 | 武汉理工大学 | 一种船舶编队控制方法、装置及存储介质 |
CN113189979A (zh) * | 2021-04-02 | 2021-07-30 | 大连海事大学 | 一种无人船的分布式队列有限时间控制方法 |
CN113189979B (zh) * | 2021-04-02 | 2023-12-01 | 大连海事大学 | 一种无人船的分布式队列有限时间控制方法 |
CN113419428A (zh) * | 2021-07-14 | 2021-09-21 | 大连海事大学 | 基于3d映射制导的usv-uav协同路径跟踪自适应控制器设计方法 |
CN113419428B (zh) * | 2021-07-14 | 2024-01-16 | 大连海事大学 | 基于3d映射制导的机/船协同路径跟踪控制器设计方法 |
CN114089754A (zh) * | 2021-11-11 | 2022-02-25 | 中国船舶重工集团公司第七一九研究所 | 一种基于人工智能的自主路径规划方法和*** |
CN114355879A (zh) * | 2021-11-26 | 2022-04-15 | 珠海云洲智能科技股份有限公司 | 无人船及其编队的队形保持控制方法 |
CN114296473A (zh) * | 2021-11-30 | 2022-04-08 | 北京航空航天大学 | 一种避免碰撞和通信中断的多智能体自适应编队控制方法 |
CN117950409A (zh) * | 2024-03-26 | 2024-04-30 | 山东科技大学 | 基于领导-追随模型的多无人船***协同控制方法及*** |
CN117950409B (zh) * | 2024-03-26 | 2024-06-07 | 山东科技大学 | 基于领导-追随模型的多无人船***协同控制方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110727274B (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110727274B (zh) | 一种基于无人船***的带有避碰且保持连通性的编队控制方法 | |
CN110471427B (zh) | 一种基于路径规划与人工势场法的船舶编队智能避碰方法 | |
Seo et al. | Collision avoidance strategies for unmanned aerial vehicles in formation flight | |
Gao et al. | Coordinated target tracking by multiple unmanned surface vehicles with communication delays based on a distributed event-triggered extended state observer | |
Ryan et al. | An overview of emerging results in cooperative UAV control | |
Bertaska et al. | Experimental evaluation of automatically-generated behaviors for USV operations | |
Wei et al. | MPC-based motion planning and control enables smarter and safer autonomous marine vehicles: Perspectives and a tutorial survey | |
Tan et al. | Coordination control for multiple unmanned surface vehicles using hybrid behavior-based method | |
US20100179760A1 (en) | Avoidance manoeuvre generator for an aircraft | |
Bechlioulis et al. | Robust formation control for multiple underwater vehicles | |
de Angelis et al. | Multirotor aircraft formation flight control with collision avoidance capability | |
US20180165974A1 (en) | Vehicle collision prevention | |
Gonzalez-Garcia et al. | Path-following and LiDAR-based obstacle avoidance via NMPC for an autonomous surface vehicle | |
Gong et al. | Safe-critical formation reconfiguration of multiple unmanned surface vehicles subject to static and dynamic obstacles based on guiding vector fields and fixed-time control barrier functions | |
Frew et al. | Flight demonstrations of self-directed collaborative navigation of small unmanned aircraft | |
Wheeler et al. | Cooperative tracking of moving targets by a team of autonomous UAVs | |
Vijayakumari et al. | Receding-horizon trajectory planning for multiple uavs using particle swarm optimization | |
Hafez et al. | UAVs in formation and dynamic encirclement via model predictive control | |
Gonzalez-Garcia et al. | Robust visual tracking control based on adaptive sliding mode strategy: Quadrotor UAV-catamaran USV heterogeneous system | |
Zhang et al. | Monocular vision-based sense and avoid of uav using nonlinear model predictive control | |
Wang et al. | Safer uav piloting: A robust sense-and-avoid solution for remotely piloted quadrotor uavs in complex environments | |
Jianzhang et al. | Swarm control of USVs based on adaptive back-stepping combined with sliding mode | |
Rajasree et al. | Optimal formation control of unmanned aerial vehicles with obstacle avoidance | |
Amendola et al. | Single Reinforcement Learning Policy for Landing a Drone Under Different UGV Velocities and Trajectories | |
Pant et al. | Obstacle Avoidance Method for UAVs using Polar Grid |
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 |