CN111596684A - 固定翼无人机密集编队与防撞避障半实物仿真***及方法 - Google Patents
固定翼无人机密集编队与防撞避障半实物仿真***及方法 Download PDFInfo
- Publication number
- CN111596684A CN111596684A CN202010390695.4A CN202010390695A CN111596684A CN 111596684 A CN111596684 A CN 111596684A CN 202010390695 A CN202010390695 A CN 202010390695A CN 111596684 A CN111596684 A CN 111596684A
- Authority
- CN
- China
- Prior art keywords
- computer
- unmanned aerial
- formation
- aerial vehicle
- data
- 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 225
- 238000004088 simulation Methods 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 47
- 230000009466 transformation Effects 0.000 claims abstract description 26
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 238000005755 formation reaction Methods 0.000 claims description 224
- 230000008878 coupling Effects 0.000 claims description 31
- 238000010168 coupling process Methods 0.000 claims description 31
- 238000005859 coupling reaction Methods 0.000 claims description 31
- 238000005259 measurement Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 23
- 230000004888 barrier function Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000014759 maintenance of location Effects 0.000 claims description 2
- 238000012795 verification Methods 0.000 abstract description 8
- 238000013461 design Methods 0.000 abstract description 5
- 238000005381 potential energy Methods 0.000 description 11
- 230000033001 locomotion Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000001808 coupling effect Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000037424 autonomic function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000001846 repelling effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect 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
-
- 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种固定翼无人机密集编队与防撞避障半实物仿真***及方法,***包括无人机平台、仿真计算机、地面站计算机、三维态势计算机、串口\网络转换模块和网络交换机,可以完成对小型固定翼无人机的密集编队控制算法、密集队形设计方法、自主规避防撞算法、队形变换与重构算法的半实物仿真验证,可以对单独某一项算法进行验证,也可以对算法进行组合验证,作为无人机密集编队的演示验证平台,可对密集编队的小型固定翼原理样机研制及地面试验进行充分的验证和优化。
Description
技术领域
本发明属于无人机密集编队技术领域,尤其涉及一种小型固定翼无人机密集编队与防撞避障半实物仿真***及方法。
背景技术
无人机编队飞行就是将多架具有自主功能的无人机按照一定的结构形式进行三维空间排列,使其在飞行过程中保持稳定的队形,并能根据外部情况和任务需求进行动态调整。无人机密集编队是一种新的编队飞行模式,它将多架无人机按照一定的队形进行排列,要求相邻无人机的机间距离不超过一定范围,并在飞行过程中保持队形不变。相对于大中型无人机编队,小型固定翼无人机密集编队中气流扰动的影响更为明显,气流扰动会对无人机密集编队的姿态及相对位置造成重要的影响,这对于小型固定翼无人机密集编队队形保持至关重要。无人机编队在进行障碍物规避时,由于有多架无人机存在,必须控制无人机在编队中机间不发生碰撞的同时,实现对障碍物的防撞避障。
现有的固定翼无人机密集编队与防撞避障的算法验证,大多是通过数字仿真的方式进行,缺乏一套完整的半实物仿真***,把真实的无人机接入到仿真闭环中,对小型固定翼无人机密集编队与防撞避障涉及到的密集编队控制算法、队形变换与重构算法、气动耦合对密集编队的影响、自主规避防撞算法进行***化的验证,以便测试密集编队与防撞避障中各算法的可行性和可靠性,为密集编队飞行完成协同任务的工程化实现提供技术支撑。
发明内容
要解决的技术问题
为了解决小型固定翼无人机密集编队与防撞避障半实物仿真验证问题,本发明提出一种小型固定翼无人机密集编队与防撞避障半实物仿真***及方法,该***及方法用于验证小型固定翼无人机密集编队与防撞避障中涉及到的密集编队控制算法、队形变换与重构算法、气动耦合对密集编队的影响、自主规避防撞算法等。
技术方案
一种固定翼无人机密集编队与防撞避障半实物仿真***,其特征在于包括无人机平台、仿真计算机、地面站计算机、三维态势计算机、串口\网络转换模块和网络交换机;所述无人机平台包含机载计算机、舵机和电池,机载计算机硬件内部独立运行密集编队控制算法、自主规避防撞算法、单机基本气动数据、无人机六自由度动力学运动学模型;机载计算机通过RS232\RS422串口接收仿真计算机输出的模型数据,接收并响应地面站计算机发出的控制指令,机载计算机运行内部控制算法和模型,计算生成舵机控制指令,把舵机控制指令发送给舵机,把无人机状态参数通过RS232\RS422串口发送给地面站计算机和仿真计算机;所述的舵机由电子调速器和无刷电机组成,电子调速器响应机载计算机的舵机控制指令,用于驱动无刷电机,无刷电机接收执行电子调速器的控制指令,并反馈指令执行结果;所述的地面站计算机安装有地面站控制软件,对小型固定翼无人机密集编队队形文件进行加载,对密集编队队形进行变换,对任务航线进行加载,对障碍物模型进行加载,地面站计算机把模型文件发送给仿真计算机,并对无人机密集编队飞行数据进行记录和回放;所述的仿真计算机运行数字模型,接收地面站计算机发送的无人机密集编队队形文件,运行密集编队队形模型、队形变换重构算法和编队机间测距模型,把密集编队队形数据发送给机载计算机,作为其编队控制的输入;仿真计算机运行障碍物测距模型,把障碍物数据发送给机载计算机,作为自主规避防撞控制的输入;仿真计算机运行气动耦合模型,计算无人机密集编队中气动耦合对无人机产生的影响,把气动耦合数据发送给机载计算机,作为在密集编队中对单机基本气动数据修正的输入;仿真计算机运行传感器模型,作为无人机六自由度动力学运动学模型的输入;所述的三维态势计算机对小型固定翼无人机密集编队队形进行三维态势显示,并对全部无人机的飞行状态信息进行三维场景显示,对集群无人机飞行过程中探测到的障碍物进行显示;所述的串口\网络转换模块是把机载计算机通过串口RS232\RS422传输的飞行参数信息,转换为UDP数据传输并发送给网络交换机,串口\网络转换模块把接收到的地面站计算机和仿真计算机通过UDP数据传输的信息,转换为串口RS232\RS422传输的数据发送给机载计算机,实现串口数据与网络数据的相互转换;所述的网络交换机把机载计算机、地面站计算机、仿真计算机、三维态势计算机连接成局域网,通讯方案采用局域网UDP通讯方案;采用UDP通讯实现地面站计算机单独给某个无人机平台发送命令的功能,实现地面站计算机\仿真计算机\三维态势计算机和所有机载计算机相互通讯的功能。
一种固定翼无人机密集编队与防撞避障半实物仿真方法,其特征在于步骤如下:
步骤1:在地面站计算机加载密集编队数量、初始密集编队队形文件、队形变换后的队形文件、任务航线、障碍物模型,地面站计算机把上述文件发送给仿真计算机;
步骤2:仿真计算机接收地面站计算机发送的初始无人机密集编队队形,运行密集编队队形模型;仿真计算机接收队形变换指令和队形变换后的队形文件,运行队形变换重构算法,生成队形变换过程中的实时队形;仿真计算机运行编队机间测距模型,模拟无人机在机间测距中获得的机间测距数据;仿真计算机运行气动耦合模型,计算无人机机间距离对无人机气动耦合的影响;仿真计算机运行障碍物测距模型,计算密集编队任务航线中无人机与障碍物之间的相对位置关系;仿真计算机运行传感器模型,计算无人机机载传感器信息;无人机密集编队中任一无人机具有唯一的编号,仿真计算机把仿真计算获得的密集编队队形、机间测距数据、气动耦合数据、障碍物测距数据、传感器数据发送给密集编队队形中对应编号无人机平台中的机载计算机;
步骤3:机载计算机接收到仿真计算机发送的气动耦合数据,把气动耦合数据加注到单机基本气动数据模型中,对气动数据进行修正,得到密集编队中无人机的气动数据;机载计算机运行无人机六自由度动力学运动学模型,接收仿真计算机发送的密集编队队形、机间测距数据和传感器数据,运行密集编队控制算法,计算获得无人机的舵机控制量、姿态、速度、位置;机载计算机接收仿真计算机发送的障碍物测距数据,运行自主规避防撞算法,计算获得无人机编队在防撞避障过程中的舵机控制量、姿态、速度、位置;机载计算机把舵机控制量发送给舵机,把姿态、速度、位置发送给仿真计算机、地面站计算机、三维态势计算机;
步骤4:无人机平台中的舵机执行机载计算机发送的舵机控制量,并反馈给机载计算机执行情况;
步骤5:仿真计算机在接收到所有机载计算机的数据后,运行密集编队队形模型,计算无人机密集编队中的队形保持情况,更新密集编队机间测距数据、障碍物测距数据和传感器数据,把数据发送给机载计算机,与机载计算机形成仿真闭环;
步骤6:三维态势计算机对无人机密集编队队形进行三维显示,把编队中所有无人机的姿态位置进行显示,对密集编队中遇到障碍物进行防撞避障的结果进行三维显示。
有益效果
本发明提出的一种小型固定翼无人机密集编队与防撞避障半实物仿真***及方法,有益效果包括:
(1)小型固定翼无人机密集编队与防撞避障半实物仿真***采用模块化设计的方式,可以完成对小型固定翼无人机的密集编队控制算法、密集队形设计方法、自主规避防撞算法、队形变换与重构算法的半实物仿真验证,可以对单独某一项算法进行验证,也可以对算法进行组合验证,作为无人机密集编队的演示验证平台,可对密集编队的小型固定翼原理样机研制及地面试验进行充分的验证和优化。
(2)小型固定翼无人机密集编队与防撞避障半实物仿真方法中无人机平台内部运行机载计算机程序和六自由度动力学运动学模型,不需要仿真计算机运行无人机的六自由度动力学运动学模型,操作简单,模块化设计,可以方便的添加无人机编队的数量,而不需要更改仿真模型,机载计算机也可直接用于实物飞行,而不需要更改机载计算机程序。
(3)一种小型固定翼无人机密集编队与防撞避障半实物仿真***及方法具有可拓展性,能验证无人机密集编队的性能,实现多种异构机型、多种编队队形,可进行队形变换、障碍物防撞避障,并考虑固定翼无人机密集编队中气动耦合对无人机的影响。
附图说明
图1为本发明提出的小型固定翼无人机密集编队与防撞避障半实物仿真***架构图。
图2为本发明提出的小型固定翼无人机密集编队与防撞避障半实物仿真方法流程框图。
图3为本发明实施例建立的小型固定翼无人机“长僚机”编队模式的队形文件加载示意图。
图4为本发明实施例建立的小型固定翼无人机密集编队控制算法***结构图。
图5为本发明实施例建立的防撞避障模拟流程框图。
图6为本发明实施例建立的小型固定翼无人机密集编队与防撞避障半实物仿真***算法接口示意图。
图7为本发明实施例建立的小型固定翼无人机密集编队控制流程图。
具体实施方式
现结合实施例、附图对本发明作进一步描述:
本实施例提出一种小型固定翼无人机密集编队与防撞避障半实物仿真***及方法,所述***包括:无人机平台、仿真计算机、地面站计算机、三维态势计算机、串口\网络转换模块和网络交换机。
进一步地,所述无人机平台包含机载计算机、舵机和电池。
具体地,所述机载计算机采用因诺公司生产的FC-L1P机载计算机,机载计算机硬件内部独立运行密集编队控制算法、自主规避防撞算法、单机基本气动数据、无人机六自由度动力学运动学模型。机载计算机通过RS232\RS422串口接收仿真计算机输出的模型数据,接收并响应地面站计算机发出的控制指令,机载计算机运行内部控制算法和模型,计算生成舵机控制指令,把舵机控制指令发送给舵机,把姿态轨迹等无人机状态参数通过RS232\RS422串口发送给地面站计算机和仿真计算机。
具体地,所述舵机由电子调速器和无刷电机组成,电机采用朗宇公司生产的X6212S电机,电子调速器采用好盈飞腾FlyFun-40A-OPTO电子调速器,电子调速器响应机载计算机的舵机控制指令,用于驱动无刷电机,无刷电机接收执行电子调速器的控制指令,并反馈指令执行结果。
具体地,所述电池采用TATTU动力电池,为机载计算机、舵机提供稳定的电压,维持无人机平台机载设备的正常工作。
进一步地,所述地面站计算机安装有地面站控制软件,可以对小型固定翼无人机密集编队队形文件进行加载,对密集编队队形进行变换,对任务航线进行加载,对障碍物模型进行加载,地面站计算机把模型文件发送给仿真计算机,并对无人机密集编队飞行数据进行记录和回放。
进一步地,所述仿真计算机主要运行数字模型,接收地面站计算机发送的无人机密集编队队形文件,运行密集编队队形模型、队形变换重构算法和编队机间测距模型,把密集编队队形数据发送给机载计算机,作为其编队控制的输入;仿真计算机运行障碍物测距模型,把障碍物数据发送给机载计算机,作为自主规避防撞控制的输入;仿真计算机运行气动耦合模型,计算无人机密集编队中气动耦合对无人机产生的影响,把气动耦合数据发送给机载计算机,作为在密集编队中对单机基本气动数据修正的输入;仿真计算机运行传感器模型,作为无人机六自由度动力学运动学模型的输入。
进一步地,所述三维态势计算机对小型固定翼无人机密集编队队形进行三维态势显示,并对全部无人机的姿态、航迹等飞行状态信息进行三维场景显示,对集群无人机飞行过程中探测到的障碍物进行显示,增强用户的视觉体验。
具体地,所述地面站计算机、仿真计算机、三维态势显示计算机均采用Windows10操纵***。
进一步地,机载计算机通过串口RS232\RS422传输的飞行参数信息,经串口\网络转换模块转换为UDP数据,传输并发送给网络交换机;地面站计算机和仿真计算机通过UDP数据传输的信息,经串口\网络转换模块转换为串口RS232\RS422传输的数据,传输并发送给机载计算机,实现串口数据与网络数据的相互转换。
进一步地,所述网络交换机采用主要进行半实物仿真***的通信,把机载计算机、地面站计算机、仿真计算机、三维态势计算机连接成局域网,通讯方案采用局域网UDP通讯方案。采用UDP通讯实现地面站计算机单独给某个无人机平台发送命令的功能,实现地面站计算机\仿真计算机\三维态势计算机和所有机载计算机相互通讯的功能。
本实施例提出的一种小型固定翼无人机密集编队与防撞避障半实物仿真方法,包括以下步骤:
步骤一:在地面站计算机加载密集编队数量、初始密集编队队形文件、队形变换后的队形文件、任务航线、障碍物模型,地面站计算机把上述文件发送给仿真计算机。
具体地,小型固定翼无人机密集编队方式采用“长僚机”的编队模式,地面站计算机加载小型固定翼无人机密集编队队形文件如图3所示,地面站计算机可以通过任意工具编辑队形,所有队形的接口统一,更改队形方便。
步骤二:仿真计算机接收到地面站计算机发送的初始无人机密集编队队形,运行密集编队队形模型;仿真计算机接收到队形变换指令和队形变换后的队形文件,运行队形变换重构算法,生成队形变换过程中的实时队形;仿真计算机运行编队机间测距模型,模拟无人机在机间测距中获得的机间测距数据;仿真计算机运行气动耦合模型,计算无人机机间距离对无人机气动耦合的影响;仿真计算机运行障碍物测距模型,计算密集编队任务航线中无人机与障碍物之间的相对位置关系;仿真计算机运行传感器模型,计算无人机惯性导航、卫星导航、动静压传感器等机载传感器信息。无人机密集编队中任一无人机具有唯一的编号,仿真计算机把仿真计算获得的密集编队队形、机间测距数据、气动耦合数据、障碍物测距数据、传感器数据发送给密集编队队形中对应编号无人机平台中的机载计算机。
具体地,仿真计算机接收到地面站计算机发送的无人机密集编队队形,把各僚机相对于长机的相对位置(xn,yn,zn)记录下来,作为密集编队队形模型中各无人机相对位置进行保持的输入。
具体地,仿真计算机接收到小型固定翼无人机密集编队机间距离,运行气动耦合模型,计算获得无人机在编队中的气动耦合影响,其中Cin=f(xin,yin,zin),ΔCn表示第n个无人机在密集编队中受气动耦合的影响,m表示密集编队的无人机数量,(xin,yin,zin)表示第i个无人机与第n个无人机的机间距离,Cin表示第i个无人机对第n个无人机的气动耦合影响。
具体地,仿真计算机接收到地面站计算机发送的密集编队队形文件,将无人机视作质点,机载计算机基于机间距离进行势函数控制。仿真计算机接收到地面站计算机发送的队形变换控制指令和编队变换后的密集编队队形文件,运行队形变换重构算法,生成实时的队形变换中各无人机的相对运动轨迹。
具体地,小型固定翼无人机密集编队队形重构算法中,从一种队形变换到另一种队形需要时间ΔT,每经过Δt时间,根据T0<t<T0+ΔT对无人机速度进行控制,其中,队形变换中控制时间间隔为Δt,T0为队形变换中起始时刻,u0为Δt时刻前的无人机速度输入,ui(t)为Δt时刻后的无人机速度输入,为无人机的实际速度输入,T0<t<T0+ΔT,f(t)为队形变换中的缓冲函数。在这个控制输入作用下,无人机密集编队队形变换中保持无人机间的期望距离,实现队形变换过程中的重构。
具体地,小型固定翼无人机密集编队与防撞避障采用两种定位方式,长机采用卫星导航和激光雷达测距两种定位方式,确定小型固定翼无人机密集编队在空间的绝对位置和长机与障碍物之间的距离,僚机采用激光雷达定位方式,确定僚机与长机或僚机与僚机之间的相对位置关系。在仿真计算机中,长机位置由任务加载的航线确定其在空间的绝对位置,障碍物测距模型由激光雷达的性能参数决定,当激光雷达识别到障碍物时,小型固定翼无人机密集编队进行防撞避障策略,实时计算机长机同障碍物之间的距离;机间测距模型实时解算无人机激光雷达探测到的相关无人机信息,并解算其与长机之间的相对位置关系。障碍物模型采用常规的无限高圆柱形模型,设置障碍物空间几何位置为(x,y),障碍物的半径为R,地面站计算机编辑输入障碍物信息,然后将障碍物信息发送给仿真计算机,各模型根据自身的运动状态和障碍物信息换算得到避障传感器信息,避障算法根据传感器信息进行运算。
步骤三:机载计算机接收到仿真计算机发送的气动耦合数据,把气动耦合数据加注到单机基本气动数据模型中,对气动数据进行修正,得到密集编队中无人机的气动数据;机载计算机运行无人机六自由度动力学运动学模型,接收仿真计算机发送的密集编队队形、机间测距数据和传感器数据,运行密集编队控制算法,计算获得无人机的舵机控制量、姿态、速度、位置等信息;机载计算机接收仿真计算机发送的障碍物测距数据,运行自主规避防撞算法,计算获得无人机编队在防撞避障过程中的舵机控制量、姿态、速度、位置等信息。机载计算机把舵机控制量发送给舵机,把姿态、速度、位置等飞行状态信息发送给仿真计算机、地面站计算机、三维态势计算机。
具体地,小型固定翼无人机密集编队中单架无人机在空间的运动通过六自由度来描述,分别是无人机质心沿三个轴向的运动和无人机绕三个轴的转动,每个自由度包含动力学方程和运动学方程。
具体地,无人机的气动模型由升力模型、阻力模型、侧力模型、俯仰力矩模型、偏航力矩模型、滚转力矩模型组成,无人机的气动模型根据 和获取,其中L、D、Y、Mm、Ml、Mn为无人机的升力、阻力、侧力、俯仰力矩、滚转力矩、偏航力矩,CL、CD、CY、Cm、Cl、Cn为无人机的升力系数、阻力系数、侧力系数、俯仰力矩系数、滚转力矩系数、偏航力矩系数,ρ、V、S、b、c为空气密度、飞行速度、参考面积、机翼展长、机翼平均气动弦长。
具体地,计算小型固定翼无人机在密集编队中的气动参数C=C0+ΔC,其中C0表示单机基本气动数据,包含CL、CD、CY、Cm、Cl、Cn,ΔC表示该无人机在密集编队中受到的气动耦合影响,包含ΔCL、ΔCD、ΔCY、ΔCm、ΔCl、ΔCn,即步骤二中仿真计算机发送给无人机机载计算机的气动耦合数据。
具体地,小型固定翼无人机密集编队控制算法和自主规避防撞算法均采用势函数方法,在势函数的理论基础上,设计一种编队控制方案,通过对于目标势函数以及机间势函数的选取,可以将密集编队聚拢在指定形状的区域内,使其形成一个大致形状的区域编队,同时在形成编队过程中防止了机间的碰撞情况,在编队探测到障碍物后,使编队自主规避障碍物,防止编队撞上障碍物。
具体地,为了使编队中所有无人机个体趋向各自目标区域,定义一组不等式作为全局目标函数:fG(Δpi)=[fG1(Δpio1),fG2(Δpio2),...fGM(ΔpioM)]T≤0,目标函数的作用是定义出一片区域为期望区域,其中第i架无人机的位置坐标由pi表示,Δpiol=pi-pol,pol是第l个区域的参考点坐标,l=1,2,...,M,M是目标函数的总个数。定义第i架无人机的势能量函数为:其中kl为正实数,则第i架无人机的全局目标函数的势能量函数关于Δpiol的偏导数可写为:当pi趋于目标区域的边界时,fGl(Δpiol)趋于零,当pi处于目标区域内时,fGl(Δpiol)持续为零。当pi在目标区域之外时,控制无人机i向势能量的负梯度方向运动,即以-Δξi的速度矢量运动,则无人机i受到目标区域的吸引,向着势能量减少的方向运动,也即向目标区域方向运动,当距离目标区域越近时,势能量越小,速度越小,当进入目标区域时,势能为零,速度减为零。
具体地,为了使编队中所有无人机个体之间保持最小距离并且避免碰撞,设定目标函数为:gLij(Δpij)=r2-||Δpij||2≤0,其中Δpij=pi-pj,r为无人机间应保持的安全距离,所有无人机间的安全距离一致。无人机密集编队中势能量函数为:其中kij为正实数,N为无人机密集编队的数量,对势能量函数求关于Δpij的偏导数:当Δpij<r,其势能量为正值,控制无人机i向势能量的负梯度方向运动,即以-Δεi的速度矢量运动,无人机i和无人机j相互排斥,当其距离增大到r时势能量减小至零,排斥速度为零,机间达到了距离保持防碰撞的目的。
具体地,运行无人机密集编队控制算法,可知密集编队中无人机i的控制速度矢量为:vg=vo-Δξi-Δεi,其中vo为目标区域的速度,-Δξi为无人机趋向目标区域的速度,-Δεi为无人机机间防撞的速度。无人机单机控制算法利用PID控制方法设计飞行控制律,控制无人机的姿态及航迹,采用势函数方法求解出无人机速度控制指令。无人机密集编队控制***结构如图4所示。
具体地,小型固定翼无人机密集编队自主规避防撞算法也采用势函数方法,如图5所示,得到目标与障碍物之间的距离,由势函数方法求解出无人机运动速度,达到障碍物规避的目的。
步骤四:无人机平台中的舵机执行机载计算机发送的舵机控制量,并反馈给机载计算机执行情况。
步骤五:仿真计算机获得所有机载计算机的数据后,运行密集编队队形模型,计算无人机密集编队中实时的队形保持情况,如图6和图7所示,更新编队测距数据、障碍物测距数据和传感器等数据,发送给机载计算机,与机载计算机形成闭环。
步骤六:三维态势计算机对无人机密集编队队形进行三维显示,把编队中所有无人机的姿态位置等信息进行显示,对密集编队中遇到障碍物进行防撞避障的结果进行三维显示。
Claims (2)
1.一种固定翼无人机密集编队与防撞避障半实物仿真***,其特征在于包括无人机平台、仿真计算机、地面站计算机、三维态势计算机、串口\网络转换模块和网络交换机;所述无人机平台包含机载计算机、舵机和电池,机载计算机硬件内部独立运行密集编队控制算法、自主规避防撞算法、单机基本气动数据、无人机六自由度动力学运动学模型;机载计算机通过RS232\RS422串口接收仿真计算机输出的模型数据,接收并响应地面站计算机发出的控制指令,机载计算机运行内部控制算法和模型,计算生成舵机控制指令,把舵机控制指令发送给舵机,把无人机状态参数通过RS232\RS422串口发送给地面站计算机和仿真计算机;所述的舵机由电子调速器和无刷电机组成,电子调速器响应机载计算机的舵机控制指令,用于驱动无刷电机,无刷电机接收执行电子调速器的控制指令,并反馈指令执行结果;所述的地面站计算机安装有地面站控制软件,对小型固定翼无人机密集编队队形文件进行加载,对密集编队队形进行变换,对任务航线进行加载,对障碍物模型进行加载,地面站计算机把模型文件发送给仿真计算机,并对无人机密集编队飞行数据进行记录和回放;所述的仿真计算机运行数字模型,接收地面站计算机发送的无人机密集编队队形文件,运行密集编队队形模型、队形变换重构算法和编队机间测距模型,把密集编队队形数据发送给机载计算机,作为其编队控制的输入;仿真计算机运行障碍物测距模型,把障碍物数据发送给机载计算机,作为自主规避防撞控制的输入;仿真计算机运行气动耦合模型,计算无人机密集编队中气动耦合对无人机产生的影响,把气动耦合数据发送给机载计算机,作为在密集编队中对单机基本气动数据修正的输入;仿真计算机运行传感器模型,作为无人机六自由度动力学运动学模型的输入;所述的三维态势计算机对小型固定翼无人机密集编队队形进行三维态势显示,并对全部无人机的飞行状态信息进行三维场景显示,对集群无人机飞行过程中探测到的障碍物进行显示;所述的串口\网络转换模块是把机载计算机通过串口RS232\RS422传输的飞行参数信息,转换为UDP数据传输并发送给网络交换机,串口\网络转换模块把接收到的地面站计算机和仿真计算机通过UDP数据传输的信息,转换为串口RS232\RS422传输的数据发送给机载计算机,实现串口数据与网络数据的相互转换;所述的网络交换机把机载计算机、地面站计算机、仿真计算机、三维态势计算机连接成局域网,通讯方案采用局域网UDP通讯方案;采用UDP通讯实现地面站计算机单独给某个无人机平台发送命令的功能,实现地面站计算机\仿真计算机\三维态势计算机和所有机载计算机相互通讯的功能。
2.一种固定翼无人机密集编队与防撞避障半实物仿真方法,其特征在于步骤如下:
步骤1:在地面站计算机加载密集编队数量、初始密集编队队形文件、队形变换后的队形文件、任务航线、障碍物模型,地面站计算机把上述文件发送给仿真计算机;
步骤2:仿真计算机接收地面站计算机发送的初始无人机密集编队队形,运行密集编队队形模型;仿真计算机接收队形变换指令和队形变换后的队形文件,运行队形变换重构算法,生成队形变换过程中的实时队形;仿真计算机运行编队机间测距模型,模拟无人机在机间测距中获得的机间测距数据;仿真计算机运行气动耦合模型,计算无人机机间距离对无人机气动耦合的影响;仿真计算机运行障碍物测距模型,计算密集编队任务航线中无人机与障碍物之间的相对位置关系;仿真计算机运行传感器模型,计算无人机机载传感器信息;无人机密集编队中任一无人机具有唯一的编号,仿真计算机把仿真计算获得的密集编队队形、机间测距数据、气动耦合数据、障碍物测距数据、传感器数据发送给密集编队队形中对应编号无人机平台中的机载计算机;
步骤3:机载计算机接收到仿真计算机发送的气动耦合数据,把气动耦合数据加注到单机基本气动数据模型中,对气动数据进行修正,得到密集编队中无人机的气动数据;机载计算机运行无人机六自由度动力学运动学模型,接收仿真计算机发送的密集编队队形、机间测距数据和传感器数据,运行密集编队控制算法,计算获得无人机的舵机控制量、姿态、速度、位置;机载计算机接收仿真计算机发送的障碍物测距数据,运行自主规避防撞算法,计算获得无人机编队在防撞避障过程中的舵机控制量、姿态、速度、位置;机载计算机把舵机控制量发送给舵机,把姿态、速度、位置发送给仿真计算机、地面站计算机、三维态势计算机;
步骤4:无人机平台中的舵机执行机载计算机发送的舵机控制量,并反馈给机载计算机执行情况;
步骤5:仿真计算机在接收到所有机载计算机的数据后,运行密集编队队形模型,计算无人机密集编队中的队形保持情况,更新密集编队机间测距数据、障碍物测距数据和传感器数据,把数据发送给机载计算机,与机载计算机形成仿真闭环;
步骤6:三维态势计算机对无人机密集编队队形进行三维显示,把编队中所有无人机的姿态位置进行显示,对密集编队中遇到障碍物进行防撞避障的结果进行三维显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010390695.4A CN111596684B (zh) | 2020-05-11 | 2020-05-11 | 固定翼无人机密集编队与防撞避障半实物仿真***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010390695.4A CN111596684B (zh) | 2020-05-11 | 2020-05-11 | 固定翼无人机密集编队与防撞避障半实物仿真***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111596684A true CN111596684A (zh) | 2020-08-28 |
CN111596684B CN111596684B (zh) | 2023-03-31 |
Family
ID=72185518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010390695.4A Active CN111596684B (zh) | 2020-05-11 | 2020-05-11 | 固定翼无人机密集编队与防撞避障半实物仿真***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111596684B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112034736A (zh) * | 2020-09-07 | 2020-12-04 | 中国航空工业集团公司成都飞机设计研究所 | 一种低耦合的无人机模拟训练方法及*** |
CN112947125A (zh) * | 2021-05-13 | 2021-06-11 | 北京航空航天大学 | 一种基于高速串行总线的嵌入式无人机集群仿真*** |
CN113220034A (zh) * | 2021-05-18 | 2021-08-06 | 北京航空航天大学 | 自主重构和人工干预重构相结合的无人机集群重构*** |
CN113238583A (zh) * | 2021-07-14 | 2021-08-10 | 四川腾盾科技有限公司 | 一种固定翼无人机密集编队飞行与防撞控制方法 |
CN113433836A (zh) * | 2021-06-01 | 2021-09-24 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种无人机半物理集成验证平台 |
CN113467275A (zh) * | 2021-08-16 | 2021-10-01 | 北京航空航天大学 | 一种基于实物机载设备的无人机集群飞行仿真*** |
CN113985918A (zh) * | 2021-10-29 | 2022-01-28 | 西北工业大学 | 一种考虑气动耦合的无人机密集编队建模方法及*** |
CN114217640A (zh) * | 2021-12-16 | 2022-03-22 | 西北工业大学 | 一种飞机多机密集编队安全飞行控制方法及*** |
CN118034087A (zh) * | 2024-03-07 | 2024-05-14 | 北京理工大学长三角研究院(嘉兴) | 一种无人机集群飞行仿真*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016197986A1 (zh) * | 2015-06-12 | 2016-12-15 | 北京中飞艾维航空科技有限公司 | 一种无人机高精度自主避障飞行方法 |
CN106444423A (zh) * | 2016-09-30 | 2017-02-22 | 天津大学 | 室内多无人机编队飞行仿真验证平台及其实现方法 |
CN106643348A (zh) * | 2017-02-22 | 2017-05-10 | 哈尔滨工业大学 | 一种导弹半物理仿真装置 |
CN107357308A (zh) * | 2017-07-07 | 2017-11-17 | 南京邮电大学 | 基于随机时延描述数据丢失的多无人机编队控制方法 |
CN107422748A (zh) * | 2017-06-29 | 2017-12-01 | 南京航空航天大学 | 一种固定翼无人机编队制导装置及协同跟踪制导方法 |
CN107807661A (zh) * | 2017-11-24 | 2018-03-16 | 天津大学 | 轨迹控制室内四旋翼无人机编队演示验证平台及方法 |
CN207301789U (zh) * | 2017-08-31 | 2018-05-01 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于小型四旋翼的无人机编队算法验证*** |
CN108549407A (zh) * | 2018-05-23 | 2018-09-18 | 哈尔滨工业大学(威海) | 一种多无人机协同编队避障的控制算法 |
US20190088156A1 (en) * | 2017-08-25 | 2019-03-21 | Aurora Flight Sciences Corporation | Virtual Reality System for Aerial Vehicle |
CN110309579A (zh) * | 2019-06-27 | 2019-10-08 | 复旦大学 | 一种针对弹性飞机阵风响应的仿真分析方法和*** |
-
2020
- 2020-05-11 CN CN202010390695.4A patent/CN111596684B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016197986A1 (zh) * | 2015-06-12 | 2016-12-15 | 北京中飞艾维航空科技有限公司 | 一种无人机高精度自主避障飞行方法 |
CN106444423A (zh) * | 2016-09-30 | 2017-02-22 | 天津大学 | 室内多无人机编队飞行仿真验证平台及其实现方法 |
CN106643348A (zh) * | 2017-02-22 | 2017-05-10 | 哈尔滨工业大学 | 一种导弹半物理仿真装置 |
CN107422748A (zh) * | 2017-06-29 | 2017-12-01 | 南京航空航天大学 | 一种固定翼无人机编队制导装置及协同跟踪制导方法 |
CN107357308A (zh) * | 2017-07-07 | 2017-11-17 | 南京邮电大学 | 基于随机时延描述数据丢失的多无人机编队控制方法 |
US20190088156A1 (en) * | 2017-08-25 | 2019-03-21 | Aurora Flight Sciences Corporation | Virtual Reality System for Aerial Vehicle |
CN207301789U (zh) * | 2017-08-31 | 2018-05-01 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于小型四旋翼的无人机编队算法验证*** |
CN107807661A (zh) * | 2017-11-24 | 2018-03-16 | 天津大学 | 轨迹控制室内四旋翼无人机编队演示验证平台及方法 |
CN108549407A (zh) * | 2018-05-23 | 2018-09-18 | 哈尔滨工业大学(威海) | 一种多无人机协同编队避障的控制算法 |
CN110309579A (zh) * | 2019-06-27 | 2019-10-08 | 复旦大学 | 一种针对弹性飞机阵风响应的仿真分析方法和*** |
Non-Patent Citations (2)
Title |
---|
张佳龙 等: "基于一致性算法的无人机协同编队避障研究", 《西安交通大学学报》 * |
潘晓宁: "分布交互式实时三维飞行仿真平台的综合设计", 《计算机仿真》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112034736A (zh) * | 2020-09-07 | 2020-12-04 | 中国航空工业集团公司成都飞机设计研究所 | 一种低耦合的无人机模拟训练方法及*** |
CN112947125A (zh) * | 2021-05-13 | 2021-06-11 | 北京航空航天大学 | 一种基于高速串行总线的嵌入式无人机集群仿真*** |
CN112947125B (zh) * | 2021-05-13 | 2021-07-13 | 北京航空航天大学 | 一种基于高速串行总线的嵌入式无人机集群仿真*** |
CN113220034A (zh) * | 2021-05-18 | 2021-08-06 | 北京航空航天大学 | 自主重构和人工干预重构相结合的无人机集群重构*** |
CN113433836A (zh) * | 2021-06-01 | 2021-09-24 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种无人机半物理集成验证平台 |
CN113433836B (zh) * | 2021-06-01 | 2023-11-28 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种无人机半物理集成验证平台 |
CN113238583B (zh) * | 2021-07-14 | 2021-09-24 | 四川腾盾科技有限公司 | 一种固定翼无人机密集编队飞行与防撞控制方法 |
CN113238583A (zh) * | 2021-07-14 | 2021-08-10 | 四川腾盾科技有限公司 | 一种固定翼无人机密集编队飞行与防撞控制方法 |
CN113467275A (zh) * | 2021-08-16 | 2021-10-01 | 北京航空航天大学 | 一种基于实物机载设备的无人机集群飞行仿真*** |
CN113985918A (zh) * | 2021-10-29 | 2022-01-28 | 西北工业大学 | 一种考虑气动耦合的无人机密集编队建模方法及*** |
CN113985918B (zh) * | 2021-10-29 | 2024-05-03 | 西北工业大学 | 一种考虑气动耦合的无人机密集编队建模方法及*** |
CN114217640A (zh) * | 2021-12-16 | 2022-03-22 | 西北工业大学 | 一种飞机多机密集编队安全飞行控制方法及*** |
CN118034087A (zh) * | 2024-03-07 | 2024-05-14 | 北京理工大学长三角研究院(嘉兴) | 一种无人机集群飞行仿真*** |
Also Published As
Publication number | Publication date |
---|---|
CN111596684B (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111596684B (zh) | 固定翼无人机密集编队与防撞避障半实物仿真***及方法 | |
CN108459612B (zh) | 基于人工势场法的无人机编队控制方法及装置 | |
Guenard et al. | A practical visual servo control for an unmanned aerial vehicle | |
Oh et al. | Approaches for a tether-guided landing of an autonomous helicopter | |
Michael et al. | The grasp multiple micro-uav testbed | |
Hérissé et al. | A terrain-following control approach for a vtol unmanned aerial vehicle using average optical flow | |
CN111880573B (zh) | 一种基于视觉惯导融合的四旋翼自主导航方法 | |
Lu et al. | Real-time simulation system for UAV based on Matlab/Simulink | |
KR102244988B1 (ko) | 군집 비행을 위한 복수 개의 무인항공기의 군집 비행 제어 시스템 및 방법 | |
CN102592007A (zh) | 用于飞行控制律设计调参的无人机对象模型建模方法 | |
Bouzid et al. | Energy based 3D autopilot for VTOL UAV under guidance & navigation constraints | |
CN112947572A (zh) | 一种基于地形跟随的四旋翼飞行器自适应运动规划方法 | |
Zhu et al. | Trajectory linearization control for a miniature unmanned helicopter | |
Mancini et al. | A framework for simulation and testing of uavs in cooperative scenarios | |
Budiyono | Advances in unmanned aerial vehicles technologies | |
Karimoddini et al. | Hierarchical control design of a UAV helicopter | |
CN116301007A (zh) | 基于强化学习的多四旋翼无人机集结型任务路径规划方法 | |
CN112161626B (zh) | 一种基于航路跟踪映射网络的高可飞性航路规划方法 | |
Blevins et al. | Validation and verification flight tests of fixed-wing collaborative uass with high speeds and high inertias | |
Al-Radaideh et al. | UAV testbed building and development for research purposes at the american university of sharjah | |
Shukla et al. | Validation and verification flight testing of uas morphing potential field collision avoidance algorithms | |
Cai et al. | Development of fully functional miniature unmanned rotorcraft systems | |
Yu et al. | A Novel Brain-inspired Architecture and Flight Experiments for Autonomous Maneuvering Flight of Unmanned Aerial Vehicles | |
Keshmiri et al. | Control of multi-agent collaborative fixed-wing uass in unstructured environment | |
CN117784817B (zh) | 一种陆空两栖无人平台一体化规划控制***与方法 |
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 |