CN110737283B - 一种面向视觉集群的编队解耦控制方法 - Google Patents
一种面向视觉集群的编队解耦控制方法 Download PDFInfo
- Publication number
- CN110737283B CN110737283B CN201911065465.4A CN201911065465A CN110737283B CN 110737283 B CN110737283 B CN 110737283B CN 201911065465 A CN201911065465 A CN 201911065465A CN 110737283 B CN110737283 B CN 110737283B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- coordinate system
- following
- piloting
- 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.)
- Active
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 55
- 230000000007 visual effect Effects 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 13
- 230000001133 acceleration Effects 0.000 claims abstract description 28
- 230000008859 change Effects 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims abstract description 5
- 239000003795 chemical substances by application Substances 0.000 description 22
- 238000011217 control strategy Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 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
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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
本发明涉及一种面向视觉集群的编队解耦控制方法,包括如下步骤:设计编队构型,确定各跟随智能体和领航智能体间的视线角和相对距离约束;规划编队航迹,并在任务执行前加载到主领航无人机。各级跟随无人机利用视觉传感器和图像处理算法获得与对应领航无人机的相对距离、视线角状态信息,利用滤波算法获得各状态变化率信息。各级跟随无人机利用视线坐标系下的解耦控制律求得指令加速度,并结合自身控制能力,按优先级由高到低依次为高低角、方位角,相对距离控制的顺序来分配无人机控制能力,确定速度坐标系下的需求机动加速度。本发明实现了无人机间视线角和相对距离的解耦控制,并能分优先级控制相对距离、视线高低角和视线方位角。
Description
技术领域
本发明集群编队技术领域,特别是涉及一种面向视觉集群的编队解耦控制方法。
背景技术
近些年,视觉集群编队由于其响应速度快、抗干扰性好和独立性强等突出优势受到广泛关注。通信是编队智能体感知相邻智能体状态的主要方式,但通信常常伴有传输延迟和信息不同步等不足,严重影响了编队对高动态不确定复杂任务环境的适应性。视觉集群编队可直接利用视觉传感器感知的相邻智能体状态信息进行控制,消除了信息传输延迟和不同步的影响。同时,视觉集群编队的信息感知不宜受到电磁环境的干扰,并且可用于非合作智能体状态信息的感知。此外,为保证信息发送和接收的有效范围,通信装置需消耗较大能量,但视觉传感器通常功耗较低,保证了编队更长的有效作业时间。
但相比于通信,编队智能体利用视觉传感器可获得的相邻智能体信息少,形式也较单一,这加大了视觉集群编队控制的难度。利用视觉传感器或者借助于某些图像处理算法,编队智能体仅可获得相邻智能体的视线角和距离信息,并且受视觉传感器视场和工作模式约束,编队智能体往往只能感知特定方向的相邻智能体。感知信息减少与非对称性使得基于通信的编队控制策略不再适用,视觉集群编队需结合其可用信息特殊性设计相应编队控制策略。
此外,受控智能体的控制特性对编队控制策略的实际性能也有重要影响。对于固定翼无人机型编队,其控制力主要源于气动力和发动机推力。受无人机气动布局、结构特性和控制方式等因素影响,无人机的侧向机动能力、法向机动能力和轴向机动能力均存在限制,使得无法。因此,编队控制策略的制定还需要考虑控制能力约束。
发明内容
本发明提出一种面向视觉集群的编队解耦控制方法,实现了无人机间视线角和相对距离的解耦控制,并能分优先级控制相对距离、视线高低角和视线方位角。
本发明包括如下步骤:
第一步:设计编队构型,确定编队智能体间的拓扑结构关系,以及各跟随智能体和领航智能体间的几何约束;
第二步:将智能体间的几何约束转为智能体间的视线高低角、视线方位角和高低角约束;
第三步:规划编队航迹,并在任务执行前加载到主领航无人机;
第四步:各级次领航无人机和跟随无人机利用视觉传感器和图像处理算法获得与对应领航无人机的相对距离、视线高低角和视线方位角状态信息,并利用滤波算法获得各状态变化率信息;
第五步:各级跟随无人机利用视线坐标系下的解耦控制律求得指令加速度;
第六步:各级跟随无人机结合自身控制能力,按优先级由高到低依次为高低角、方位角,相对距离控制的顺序来分配无人机控制能力,确定速度坐标系下的需求机动加速度;
第七步:无人机执行加速度,然后返回第四步;
第八步:任务执行完毕,无人机停止运动。
进一步地,所述第一步中编队智能体间的拓扑结构关系为,编队由n架固定翼无人机组成,依次编号为v1、v2、……、vn,n≥2;指定v1为主领航无人机,各级跟随无人机同时也是上一级跟随无人机的领航无人机。
进一步地,所述第五步中解耦控制律为如下形式:
其中,ov-xvyvzv记为跟随无人机的速度坐标系,os-xsyszs为视线坐标系;o为原点,xyz为三个坐标轴;速度坐标系和速度坐标系原点重合;视线坐标系由速度坐标系按zy顺序旋转得到;
xs轴由跟随无人机中心指向领航无人机中心,βv,ij和εv,ij为视线坐标系相对于速度坐标系的旋转欧拉角,rij为相对距离;
a表示加速度,其下标i和j分别表示跟随无人机和领航无人机,下标xs、ys、和zs分别表示加速度在视线系三坐标轴的分量;
*表示对应变量的期望值,带有不同下标的参数k表示控制系数。
进一步地,第六步中按如下策略分配无人机控制能力,
若有工况一:
若有工况二:
且
同时按期望指令控制相对距离、高低角和方位角的过载超过机动能力限制,但仅按期望控制高低角和方位角过载机动能力在无人机机动能力范围内时,则令:
其中kr取值如下:
若有工况三:
且
同时按期望指令控制高低角和方位角的过载超过无人机机动能力限制,但仅按期望控制高低角的过载需求在无人机机动能力范围内时,则令:
其中kβ取值如下:
若有工况四:
仅按期望指令控制高低角的过载都已超过无人机机动能力限制,则令:
其中kε取值如下:
本发明提出的解耦控制方法实现了利用视觉测量信息的编队直接控制,便于分析视觉信息测量精度对编队实际控制效果的影响。发明同时考虑了无人机的实际控制特性,使得可充分利用无人机控制能力实现编队关键状态的优先控制。
附图说明
图1编队拓扑结构;
图2领航无人机在跟随无人机速度坐标系下的相对几何关系;
图3本发明方法流程图。
具体实施方式
针对跟随-领航型视觉集群型编队,本发明将通过分析跟随无人机和领航无人机的相对运动特性,提出一种可对视线高低角、视线方位角和距离解耦控制的策略,然后结合固定翼无人机控制特性,提出一种按高低角、方位角和距离高低优先级的控制能力分配策略。
下面结合附图对本发明作进一步详细描述:
第一步:确定基本参数
假设所研究编队由n架固定翼无人机组成,依次编号为v1、v2、……、vn,其中n≥2。不失一般性,指定v1为主领航无人机,其它无人机相对于领航无人机形成图1所示的拓扑结构关系,可以看出各级跟随无人机同时也是上一级跟随无人机的领航无人机。
编队期望构型由指定各跟随无人机vi相对于领航无人机vj的期望相对位置矢量rij确定,参考坐标系为跟随无人机的速度坐标系。注意到,相对位置矢量等价于跟随与领航无人机的视线高低角、视线方位角和相对距离,因此可由期望相对位置矢量确定期望视线高低角、视线方位角和相对距离。
第二步:确定测量***需求
针对本发明提出的编队控制策略,为控制编队维持期望构型、按期望机动,各跟随无人机需要领航无人机的视线高低角和方位角,相对距离、高低角变化率、方位角变化率和相对距离变化率。基于此需求,跟随无人机可安装摄像头、光电吊舱等光电传感器测得领航无人机的视线高低角、方位角,然后利用传感器图像匹配获得相对距离,最后在利用滤波获得视线高低角变化率、方位角变化率和相对距离变化率的估计值。此外,各无人机还需安装惯导装置以测得自身的位置、速度和姿态等信息。
第三步:编队控制策略
图2给出了领航无人机跟随无人机间的相对几何关系,其中ov-xvyvzv记为跟随无人机的速度坐标系,os-xsyszs为视线坐标系,可由速度坐标系按“ZY”顺序旋转得到,xs轴由跟随无人机中心指向领航无人机中心,βv,ij和εv,ij为视线坐标系相对于速度坐标系的旋转欧拉角,rij为相对距离。
以rij、βv,ij、εv,ij和它们的变化率为状态变量,可在视线坐标系下将领航无人机相对于跟随无人机的相对运动关系表示为:
其中a表示加速度,其下标i和j分别表示跟随无人机和领航无人机,下标xs、ys、和zs分别表示加速度在视线系三坐标轴的分量。
由上式可以看出各状态呈非线性变化,且相互耦合。为消除耦合项,达到独立控制相对距离、高低角和方位角的效果,基于反馈线性化技术设计如下形式的控制律:
其中上标“*”表示对应变量的期望值,带有不同下标的参数k表示控制系数。
假设领航智能体匀速运动,即有aj,xs=aj,ys=aj,zs=0,则将上式控制律带入相对运动方程可得:
由上式可以看出,在所设计控制律作用下,跟随无人机与领航无人机的相对速度、高低角和方位角可实现解耦控制。基于目标匀速运动的假设,可知理想情况下跟随无人机与领航无人机的相对距离变化率、方位角变化率和高低角变化率均为零,因此,相对距离、方位角和高低角控制的动态特性可视为:
结合经典控制对二阶***的分析结论,可根据期望的动态特性设计上式中带不同下标的控制系数k。
第四步:控制能力分配
考虑由多架固定翼无人机构成的集群编队,各无人机通过调整姿态获得不同攻角和侧滑角,可得不同大小的气动力,沿其速度系可分解为升力、侧力和阻力。同时无人机在体轴上安装有螺旋桨,旋转时可产生沿体系向前的推力。假设无人机实际飞行过程中攻角和侧滑角很小,则可将推力施加方向近似视为与速度方向平行。
受无人机气动、结构、材料和螺旋桨功率等特性约束,无人机的升力、侧力和阻力均存在过载限制,分别记为:
定义:
若有工况一:
若有工况二:
且
即同时按期望指令控制相对距离、高低角和方位角的过载超过机动能力限制,但仅按期望控制高低角和方位角过载机动能力在无人机机动能力范围内时,采用如下分配策略:
其中kr取值如下:
若有工况三:
且
即同时按期望指令控制高低角和方位角的过载超过无人机机动能力限制,但仅按期望控制高低角的过载需求在无人机机动能力范围内时,采用如下分配策略:
其中kβ取值如下:
若有工况四:
即仅按期望指令控制高低角的过载都已超过无人机机动能力限制,则采取如下分配策略:
其中kε取值如下:
如图3所示,本发明的具体实施流程如下:
1)设计编队构型,确定编队智能体间的拓扑结构关系,以及各跟随智能体和领航智能体间的几何约束。
2)将智能体间的几何约束转为智能体间的视线高低角、视线方位角和高低角约束;
3)规划编队航迹,并在任务执行前加载到主领航无人机。
4)各级次领航无人机和跟随无人机利用视觉传感器和图像处理算法获得与对应领航无人机的相对距离、视线高低角和视线方位角状态信息,并利用滤波算法获得各状态变化率信息。
5)各级跟随无人机利用视线坐标系下的解耦控制律求得指令加速度。
6)各级跟随无人机结合自身控制能力,按优先级由高到低依次为高低角、方位角,相对距离控制的顺序来分配无人机控制能力,确定速度坐标系下的需求机动加速度。
7)无人机执行加速度,然后返回第四步。
8)任务执行完毕,无人机停止运动。
本发明针对跟随-领航型视觉集群编队,通过分析跟随无人机和领航无人机的相对运动特性,实现了对视线高低角、视线方位角和距离解耦控制,然后结合固定翼无人机控制特性,按高低角、方位角和距离高低优先级的控制能力进行分配。发明考虑了固定翼无人机的动力特性,有针对性的实现编队控制。更有效的实现有效控制。
Claims (1)
1.一种面向视觉集群的编队解耦控制方法,其特征在于,包括如下步骤:
第一步:设计编队构型,确定编队智能体间的拓扑结构关系,以及各跟随智能体和领航智能体间的几何约束;
第二步:将智能体间的几何约束转为智能体间的视线高低角、视线方位角和高低角约束;
第三步:规划编队航迹,并在任务执行前加载到主领航无人机;
第四步:各级次领航无人机和跟随无人机利用视觉传感器和图像处理算法获得与对应领航无人机的相对距离、视线高低角和视线方位角状态信息,并利用滤波算法获得各状态变化率信息;
第五步:各级跟随无人机利用视线坐标系下的解耦控制律求得指令加速度;
第六步:各级跟随无人机结合自身控制能力,按优先级由高到低依次为高低角、方位角,相对距离控制的顺序来分配无人机控制能力,确定速度坐标系下的需求机动加速度;
第七步:无人机执行加速度,然后返回第四步;
第八步:任务执行完毕,无人机停止运动,
所述第一步中编队智能体间的拓扑结构关系为,编队由n架固定翼无人机组成,依次编号为v1、v2、……、vn,n≥2;指定v1为主领航无人机,各级跟随无人机同时也是上一级跟随无人机的领航无人机,
所述第五步中解耦控制律为如下形式:
其中,ov-xvyvzv记为跟随无人机的速度坐标系,os-xsyszs为视线坐标系;o为原点,xyz为三个坐标轴;速度坐标系和速度坐标系原点重合;视线坐标系由速度坐标系按zy顺序旋转得到;
xs轴由跟随无人机中心指向领航无人机中心,βv,ij和εv,ij为视线坐标系相对于速度坐标系的旋转欧拉角,rij为相对距离;
a表示加速度,其下标i和j分别表示跟随无人机和领航无人机,下标xs、ys、和zs分别表示加速度在视线系三坐标轴的分量;
*表示对应变量的期望值,带有不同下标的参数k表示控制系数,
所述第六步中按如下策略分配无人机控制能力,
若有工况一:
若有工况二:
且
同时按期望指令控制相对距离、高低角和方位角的过载超过机动能力限制,但仅按期望控制高低角和方位角过载机动能力在无人机机动能力范围内时,则令:
其中kr取值如下:
若有工况三:
且
同时按期望指令控制高低角和方位角的过载超过无人机机动能力限制,但仅按期望控制高低角的过载需求在无人机机动能力范围内时,则令:
其中kβ取值如下:
若有工况四:
仅按期望指令控制高低角的过载都已超过无人机机动能力限制,则令:
其中kε取值如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911065465.4A CN110737283B (zh) | 2019-11-04 | 2019-11-04 | 一种面向视觉集群的编队解耦控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911065465.4A CN110737283B (zh) | 2019-11-04 | 2019-11-04 | 一种面向视觉集群的编队解耦控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110737283A CN110737283A (zh) | 2020-01-31 |
CN110737283B true CN110737283B (zh) | 2022-09-27 |
Family
ID=69272149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911065465.4A Active CN110737283B (zh) | 2019-11-04 | 2019-11-04 | 一种面向视觉集群的编队解耦控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110737283B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111554128B (zh) * | 2020-04-27 | 2021-05-04 | 深圳市高巨创新科技开发有限公司 | 集群无人机的编号方法及终端 |
CN111650963B (zh) * | 2020-06-03 | 2023-08-18 | 中国人民解放军军事科学院国防科技创新研究院 | 一种面向垂直起降固定翼无人机的视觉集群编队控制方法 |
CN112099505B (zh) * | 2020-09-17 | 2021-09-28 | 湖南大学 | 一种低复杂度的移动机器人视觉伺服编队控制方法 |
CN113759982B (zh) * | 2021-10-19 | 2024-05-28 | 中国人民解放军军事科学院国防科技创新研究院 | 一种仅基于视线测量信息的无人机编队相对状态估计方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103631141A (zh) * | 2013-12-11 | 2014-03-12 | 北京航空航天大学 | 一种基于透光性假说的飞行器密集自主编队控制方法 |
CN103699106A (zh) * | 2013-12-30 | 2014-04-02 | 合肥工业大学 | 基于VR-Forces仿真平台的多无人机协同任务规划仿真*** |
CN103713641A (zh) * | 2013-12-19 | 2014-04-09 | 北京航空航天大学 | 一种飞行器密集自主编队的队形拆分方法 |
CN104901727A (zh) * | 2014-02-26 | 2015-09-09 | 清华大学 | 无人机队列编队协同的通信控制***和方法 |
CN105204499A (zh) * | 2015-10-09 | 2015-12-30 | 南京航空航天大学 | 基于未知输入观测器的直升机协同编队故障诊断方法 |
CN110162094A (zh) * | 2019-06-13 | 2019-08-23 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于视觉测量信息的密集编队控制方法 |
-
2019
- 2019-11-04 CN CN201911065465.4A patent/CN110737283B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103631141A (zh) * | 2013-12-11 | 2014-03-12 | 北京航空航天大学 | 一种基于透光性假说的飞行器密集自主编队控制方法 |
CN103713641A (zh) * | 2013-12-19 | 2014-04-09 | 北京航空航天大学 | 一种飞行器密集自主编队的队形拆分方法 |
CN103699106A (zh) * | 2013-12-30 | 2014-04-02 | 合肥工业大学 | 基于VR-Forces仿真平台的多无人机协同任务规划仿真*** |
CN104901727A (zh) * | 2014-02-26 | 2015-09-09 | 清华大学 | 无人机队列编队协同的通信控制***和方法 |
CN105204499A (zh) * | 2015-10-09 | 2015-12-30 | 南京航空航天大学 | 基于未知输入观测器的直升机协同编队故障诊断方法 |
CN110162094A (zh) * | 2019-06-13 | 2019-08-23 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于视觉测量信息的密集编队控制方法 |
Non-Patent Citations (4)
Title |
---|
"A robust UAS video stabilization method with hierarchical clustering";Lei Chen等;《2016 Integrated Communications Navigation and Surveillance (ICNS)》;20161231;全文 * |
"Time-varying formation control for unmanned aerial vehicles with switching interaction topologies";Xiwang Dong等;《Control Engineering Practice》;20160131;全文 * |
"基于神经网络的飞行器协同编队控制研究";陈昶荣等;《控制与信息技术》;20190805(第4期);全文 * |
"无人机编队飞行在长输管道巡检方面的应用设计";陈磊等;《自动化应用》;20161231(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110737283A (zh) | 2020-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110737283B (zh) | 一种面向视觉集群的编队解耦控制方法 | |
CN107957730B (zh) | 一种无人飞行器稳定飞行控制方法 | |
US20230144408A1 (en) | Autonomous Aerial Vehicle Hardware Configuration | |
CN104062977B (zh) | 基于视觉slam的四旋翼无人机全自主飞行控制方法 | |
CN109991991B (zh) | 一种无人直升机鲁棒容错跟踪方法 | |
CN108052008B (zh) | 一种倾转旋翼飞行器过渡态切换过程的几何最优控制器设计方法 | |
CN109856972B (zh) | 一种无人直升机鲁棒容错跟踪控制方法 | |
CN111650963B (zh) | 一种面向垂直起降固定翼无人机的视觉集群编队控制方法 | |
CN107563044B (zh) | 基于在线安全学习的四旋翼无人机路径跟踪控制方法 | |
CN105022401A (zh) | 基于视觉的多四旋翼无人机协同slam的方法 | |
Lee et al. | Obstacle avoidance using image-based visual servoing integrated with nonlinear model predictive control | |
CN109358646B (zh) | 带有乘性噪声的导弹自主编队队形随机控制***建模方法 | |
CN116182837A (zh) | 基于视觉激光雷达惯性紧耦合的定位建图方法 | |
US10915117B2 (en) | Control of vehicle movement by application of geometric algebra and state and error estimation | |
Mills et al. | Vision based control for fixed wing UAVs inspecting locally linear infrastructure using skid-to-turn maneuvers | |
CN111290426B (zh) | 一种航空器自动规避逃逸路径的预测控制方法 | |
CN110673623B (zh) | 一种基于双环pd控制算法控制的四旋翼无人机着陆方法 | |
CN112947569B (zh) | 基于预设性能四旋翼无人机视觉伺服目标跟踪控制方法 | |
US20240076066A1 (en) | Fixed-wing unmanned aerial vehicle capable of high angle-of-attack maneuvering | |
CN111880574A (zh) | 一种无人机避撞方法及*** | |
Jacquet et al. | Perception-constrained and Motor-level Nonlinear MPC for both Underactuated and Tilted-propeller UAVS | |
CN115712308A (zh) | 基于分布式模型预测控制及队形控制的多机编队防撞方法 | |
Bodi et al. | Reinforcement learning based UAV formation control in GPS-denied environment | |
Wang et al. | Development of an unmanned helicopter for vertical replenishment | |
CN111506114A (zh) | 一种飞行器编队控制方法 |
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 |