CN112859916A - 一种基于速度调整策略的多无人机抵达时间协同控制方法 - Google Patents
一种基于速度调整策略的多无人机抵达时间协同控制方法 Download PDFInfo
- Publication number
- CN112859916A CN112859916A CN202110058320.2A CN202110058320A CN112859916A CN 112859916 A CN112859916 A CN 112859916A CN 202110058320 A CN202110058320 A CN 202110058320A CN 112859916 A CN112859916 A CN 112859916A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- flight
- target
- speed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000003068 static effect Effects 0.000 claims abstract description 10
- 230000001133 acceleration Effects 0.000 claims description 62
- 230000006870 function Effects 0.000 claims description 36
- 230000033001 locomotion Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000272814 Anser sp. Species 0.000 description 1
- 241000282461 Canis lupus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
- 238000004804 winding 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
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
本申请涉及一种基于速度调整策略的多无人机抵达时间协同控制方法,包括:获取待调整的各架无人机的飞行能力参数和飞行状态数据;飞行能力参数包括无人机的速度参数,飞行状态数据包括无人机当前的位置数据和速度数据。根据预设的目标和各架无人机的抵达速度值,根据待调整的各架无人机的飞行能力和当前飞行状态得到其抵达预设目标的最短时间,以各架无人机全部抵达目标的时刻为协同抵达时刻,规划各无人机的速度控制方案,使其在同一时刻以预设的速度抵达目标。本申请的计算方式简单、鲁棒性好,能够减少无人机的计算量,降低计算性能要求和能源消耗量,并且本申请适用于控制多架无人机同时抵达静止或移动的单个或多个目标。
Description
技术领域
本申请涉及无人机协同控制技术领域,特别是涉及一种基于速度调整策略的多无人机抵达时间协同控制方法。
背景技术
无人机具有任务范围广、成本低、效率高、使用灵活等优点,在娱乐、农业、安保、军事等多个领域得到了广泛应用。随着任务性质复杂化和任务环境多样化,单个无人机因尺寸、载荷、续航能力、生存能力等方面的限制,越来越难以满足任务需要。受自然界中某些生物群体团队通过简单规则的协作而表现出复杂群体行为(如蚂蚁协同搬运、大雁编队迁徙、狼群协作捕猎等)的启发,将多架无人机组成集群编队协同作业,通过多机间的态势感知与信息共享、集中决策与任务分配,可以有效拓展执行任务范围,提高生存能力和任务效能,已成为近年来关注和研究的热点。
多无人机同时到达是无人机协同控制技术领域的重要课题,是指在满足给定约束条件(威胁与障碍规避、机体性能限制、末速度匹配等)的前提下,通过协调控制使不同起点、时刻起飞的无人机在同一时刻到达指定位置(攻击目标或集结点)。目前常用的航路规划方法通常采用绕圈等待等方法增加短航程无人机的飞行路径,额外增加了无人机的能量消耗,且航路的改变增加了碰撞概率和被敌发现可能,仅适用于速度不可调节、危险性低的任务场景。
发明内容
基于此,有必要针对上述技术问题,提供一种能够降低无人机协同抵达时额外能量消耗的基于速度调整策略的多无人机抵达时间协同控制方法。
一种基于速度调整策略的多无人机抵达时间协同控制方法,方法包括:
获取待调整的各架无人机的飞行能力参数和飞行状态数据。飞行能力参数包括无人机的速度参数,飞行状态数据包括无人机当前的位置数据和速度数据。
根据预设的目标和各架无人机的抵达速度值,以及根据各架无人机的飞行能力参数和所述飞行状态数据,得到各架无人机以对应的抵达速度值抵达目标的最快抵达时间值。
以各架无人机的最快抵达时间值中的最大值为协同抵达时间值,根据飞行能力参数和飞行状态数据得到各架无人机的协同飞行速度控制数据,使各架无人机在对应的协同飞行速度控制数据的控制下,在协同抵达时间值对应的时刻,以对应的抵达速度值抵达目标。
其中一个实施例中,目标为静止目标。根据预设的目标和各架无人机的抵达速度值,以及根据各架无人机的飞行能力参数和飞行状态数据,得到各架无人机以抵达速度值抵达目标的最快抵达时间值的步骤包括:
根据各架无人机和所述目标的位置数据,得到各架无人机和静止目标之间的航路距离。
根据各架无人机对应的飞行状态数据、飞行能力参数、航路距离和抵达速度值,得到各架无人机抵达目标的最快抵达时间值。
其中一个实施例中,协同飞行速度控制数据的获取方式包括:根据各架无人机的飞行能力参数和飞行状态数据,以及根据目标的位置数据和协同抵达时间值,得到各架无人机的加速度时间函数。
其中一个实施例中,第i架无人机的加速度时间函数为:
其中一个实施例中,目标为移动目标。根据预设的目标和各架无人机的抵达速度值,以及根据各架无人机的飞行能力参数和飞行状态数据,得到各架无人机以对应的抵达速度值抵达目标的最快抵达时间值的步骤包括:
获取移动目标的目标轨迹预测数据。
根据各架无人机对应的飞行状态数据、飞行能力参数、目标轨迹预测数据和抵达速度值,得到各架无人机抵达目标的最快抵达时间值。
其中一个实施例中,协同飞行速度控制数据的获取方式包括:
根据目标轨迹预测数据,得到在协同抵达时间值对应时刻移动目标的位置数据,根据得到的位置数据设置协同抵达位置数据。
根据各架无人机的飞行能力参数和飞行状态数据,以及根据协同抵达位置数据和协同抵达时间值,得到各架无人机的加速度时间函数。
其中一个实施例中,第i架无人机的所述加速度时间函数为:
其中,ai(t)为加速度时间函数,为预设的抵达速度值,vi为当前速度值,为开始加速运动的时刻,为开始匀速运动的时刻,为无人机到协同抵达位置的航路距离,Δt为预设的调整时间间隔,tT为最快抵达时间值对应的时刻。
一种基于速度调整策略的多无人机抵达时间协同控制装置,包括:
无人机数据获取模块,用于获取待调整的各架无人机的飞行能力参数和飞行状态数据;飞行能力参数包括无人机的速度参数,飞行状态数据包括无人机当前的位置数据和速度数据。
最快抵达时间计算模块,用于根据预设的目标和各架无人机的抵达速度值,以及根据各架无人机的飞行能力参数和飞行状态数据,得到各架无人机以抵达速度值抵达目标的最快抵达时间值。
协同飞行速度控制数据生成模块,用于以各架无人机的最快抵达时间值中的最大值为协同抵达时间值,根据飞行能力参数和飞行状态数据,得到各架无人机的协同飞行速度控制数据,使各架无人机在对应的协同飞行速度控制数据的控制下,在协同抵达时间值对应的时刻,以对应的抵达速度值抵达目标。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待调整的各架无人机的飞行能力参数和飞行状态数据;飞行能力参数包括无人机的速度参数,飞行状态数据包括无人机当前的位置数据和速度数据。
根据预设的目标和各架无人机的抵达速度值,以及根据各架无人机的飞行能力参数和飞行状态数据,得到各架无人机以抵达速度值抵达目标的最快抵达时间值。
以各架无人机的最快抵达时间值中的最大值为协同抵达时间值,根据飞行能力参数和飞行状态数据,得到各架无人机的协同飞行速度控制数据,使各架无人机在对应的协同飞行速度控制数据的控制下,在协同抵达时间值对应的时刻,以对应的抵达速度值抵达目标。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待调整的各架无人机的飞行能力参数和飞行状态数据;飞行能力参数包括无人机的速度参数,飞行状态数据包括无人机当前的位置数据和速度数据。
根据预设的目标和各架无人机的抵达速度值,以及根据各架无人机的飞行能力参数和飞行状态数据,得到各架无人机以抵达速度值抵达目标的最快抵达时间值。
以各架无人机的最快抵达时间值中的最大值为协同抵达时间值,根据飞行能力参数和飞行状态数据,得到各架无人机的协同飞行速度控制数据,使各架无人机在对应的协同飞行速度控制数据的控制下,在协同抵达时间值对应的时刻,以对应的抵达速度值抵达目标。
与现有技术相比,上述一种基于速度调整策略的多无人机抵达时间协同控制方法、装置、计算机设备和存储介质,根据待调整的各架无人机的飞行能力和当前飞行状态得到其抵达预设目标的最短时间,以各架无人机全部抵达目标的时刻为协同抵达时刻,规划各无人机的速度控制方案,使其在同一时刻以预设的速度抵达目标。本申请的计算方式简单、鲁棒性好,能够减少无人机的计算量,降低计算性能要求和能源消耗量,并且本申请适用于控制多架无人机同时抵达静止或移动的单个或多个目标。
附图说明
图1为一个实施例中一种基于速度调整策略的多无人机抵达时间协同控制方法的步骤图;
图2为一个实施例中一种针对静止目标的基于速度调整策略的多无人机抵达时间协同控制方法的流程示意图;
图3为一个实施例中各架无人机的速度调整方式示意图;
图4为另一个实施例中一种针对移动目标的基于速度调整策略的多无人机抵达时间协同控制方法的流程示意图;
图5为一个实施例的应用场景示意图;
图6为另一个实施例中各架无人机的速度调整方式示意图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于速度调整策略的多无人机抵达时间协同控制方法,包括以下步骤:
步骤102,获取待调整的各架无人机的飞行能力参数和飞行状态数据。飞行能力参数包括无人机的速度参数,飞行状态数据包括无人机当前的位置数据和速度数据。
具体地,获取每一架待调整的无人机的飞行能力参数和当前的飞行状态数据,其中飞行能力参数可以包括无人机的速度范围、加速度范围等,当前的飞行状态数据可以包括当前无人机的位置、当前的速度,还可以包括当前的加速度。
步骤104,根据预设的目标和各架无人机的抵达速度值,以及根据各架无人机的飞行能力参数和所述飞行状态数据,得到各架无人机以对应的抵达速度值抵达目标的最快抵达时间值。
根据无人机的飞行能力、当前飞行状态和给定的目标,分别计算各架无人机沿对应的航路最快抵达目标的最快抵达时间值,且抵达目标时的速度等于预先设置的抵达速度。
需要说明的是,当目标为多个或目标具有一定面积时,可以为各架无人机分别指定目标,并得到对应的最快抵达时间。
进一步地,还可以对各架无人机分别设置对应的加速度/速度值限制条件,计算其在限制条件约束下的最快抵达时间。
步骤106,以各架无人机的最快抵达时间值中的最大值为协同抵达时间值,根据飞行能力参数和飞行状态数据得到各架无人机的协同飞行速度控制数据,使各架无人机在对应的协同飞行速度控制数据的控制下,在协同抵达时间值对应的时刻,以对应的抵达速度值抵达目标。
根据步骤204得到的最快抵达时间,得到各架无人机中到达目标所需的最长时间,然后将这一时间设为协同抵达时间。根据各架无人机的平台参数、当前飞行状态、目标位置,分别计算各架无人机在飞行过程中在航路上各点的速度值,使各架无人机均在这个时刻、以对应的抵达速度抵达目标。
需要说明的是,本申请中的计算飞行时间时所依据的航路(即无人机的飞行路线)的获取方式是可以根据无人机所处的环境调整的:当环境允许无人机以直线航路向目标飞行时,则采用最短的直线航路;当环境中存在需要绕行的区域时,则根据绕行区域调整,获得对应的最短航路。但本申请中的无人机通过速度/加速度调整策略实现同时抵达,而不通过增加航路长度实现同时抵达。
本实施例的计算方式简单、鲁棒性好,能够减少无人机的计算量,降低计算性能要求和能源消耗量,并且本申请适用于控制多架无人机同时抵达静止或移动的单个或多个目标。
需要说明的是,为了使得所有无人机在同一时刻到达指定位置,可以对无人机进行分组,各组无人机分别采用不同的速度调整方法。例如将无人机分为两组,一组采用本申请提供的方法设置速度调整策略,例如在过程中先匀加速到指定到达速度后保持匀速运动;另一组则设置其他速度调整策略,如首先降至经济巡航速度后执行其他速度调整动作,包括推迟开始加速时刻、低于最大加速度进行加速等。通过这一方式,可以根据不同架无人机在航路长度和/或飞行速度(加速度)范围上的不同,确保各架无人机通过调整速度而不绕圈的方式同时到达指定位置。
在一个实施例中,如图2所示,提供了一种针对静止目标的基于速度调整策略的多无人机抵达时间协同控制方法,包括以下步骤:
步骤202,获取待调整的各架无人机的飞行能力参数和飞行状态数据。飞行能力参数包括无人机的速度参数,飞行状态数据包括无人机当前的位置数据和速度数据。
步骤204,根据各架无人机和所述目标的位置数据,得到各架无人机和静止目标之间的航路距离。
步骤206,根据各架无人机对应的飞行状态数据、飞行能力参数、航路距离和抵达速度值,得到各架无人机抵达目标的最快抵达时间值。
计算各无人机到目标的航路距离,根据指定的抵达速度和各架无人机的最大加速度,计算各架无人机最快抵达时间。
步骤208,以各架无人机的最快抵达时间值中的最大值为协同抵达时间值,根据各架无人机的飞行能力参数和飞行状态数据,以及根据目标的位置数据和协同抵达时间值,得到第i架无人机的加速度时间函数为:
具体地,本实施例采用加速度时间函数来给出各架无人机的速度调整策略,按照加速度时间函数得到无人机在各时刻的速度,以及无人机的匀速运动时段、加速运动时段、加速度大小等。当无人机到达目标时,控制过程结束。
设第i架无人机起飞时间为ti(i=1,2,...,n),在t(t≥tn)时刻速度为vi,最大加速度为指定抵达速度为本实施例在计算时,设无人机调整速度时采取先以最大加速度加速到再保持此速度飞行至终点的方案,即
进而可以得到:
其中,ai为无人机i的期望加速度。综合上式,得到第i架无人机速度调整策略为:
对应的速度变化关系为:
各架无人机的速度调整方式如图3所示。
在一个实施例中,如图4所示,提供了一种针对移动目标的基于速度调整策略的多无人机抵达时间协同控制方法,包括以下步骤:
步骤402,获取待调整的各架无人机的飞行能力参数和飞行状态数据。飞行能力参数包括无人机的速度参数,飞行状态数据包括无人机当前的位置数据和速度数据。
步骤404,获取移动目标的目标轨迹预测数据。
具体地,本实施例中为了提高对目标位置预测的准确性,以预设的调整时间间隔Δt周期性地估计目标的位置,而不是根据最初的目标数据预测无人机飞行期间目标的轨迹数据。
步骤406,根据各架无人机对应的飞行状态数据、飞行能力参数、目标轨迹预测数据和抵达速度值,得到各架无人机抵达目标的最快抵达时间值。
步骤408,根据目标轨迹预测数据,得到在协同抵达时间值对应时刻移动目标的位置数据,根据得到的位置数据设置协同抵达位置数据。
步骤410,以各架无人机的最快抵达时间值中的最大值为协同抵达时间值,根据各架无人机的飞行能力参数和飞行状态数据,以及根据协同抵达位置数据和协同抵达时间值,得到第i架无人机的所述加速度时间函数为:
具体地,如图5所示,设t时刻目标位置为(x0(t),y0(t)),瞬时速度为目标的位置信息更新时间间隔为Δt,第i架无人机坐标为(xi(t),yi(t))。记为各无人机到下一时刻目标估计位置的航路距离,为简化运算,认为在Δt时间内目标速度保持不变,即:
根据上述计算过程,得到目标移动时无人机速度调整策略为:
各架无人机的速度调整方式如图6所示。
本实施例根据目标当前的位置数据估计其下一时刻位置,并作为各架无人机的速度调整策略计算依据。相比于直接预测目标在无人机抵达前的运动轨迹,通过设置时间间隔对目标位置和无人机速度调整策略进行迭代更新和滚动优化,可以降低对目标位置预测的误差,从而增加速度调整策略在控制上的精确性和灵活性,使其适用于轨迹复杂的目标。
进一步地,还可以在预测轨迹时,根据获取到的目标观测数据得到(包括统计和估计得到)目标的类型、运动特征等数据,以更好地预测目标的运动能力参数范围,如速度范围、加速度范围、转弯半径,对于空中目标还可以包括爬升/下降能力等参数。根据上述数据更好地推测目标的运动轨迹。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,提供了一种基于速度调整策略的多无人机抵达时间协同控制装置,包括:
无人机数据获取模块,用于获取待调整的各架无人机的飞行能力参数和飞行状态数据;飞行能力参数包括无人机的速度参数,飞行状态数据包括无人机当前的位置数据和速度数据。
最快抵达时间计算模块,用于根据预设的目标和各架无人机的抵达速度值,以及根据各架无人机的飞行能力参数和飞行状态数据,得到各架无人机以抵达速度值抵达目标的最快抵达时间值。
协同飞行速度控制数据生成模块,用于以各架无人机的最快抵达时间值中的最大值为协同抵达时间值,根据飞行能力参数和飞行状态数据,得到各架无人机的协同飞行速度控制数据,使各架无人机在对应的协同飞行速度控制数据的控制下,在协同抵达时间值对应的时刻,以对应的抵达速度值抵达目标。
其中一个实施例中,目标为静止目标。最快抵达时间计算模块用于根据各架无人机和所述目标的位置数据,得到各架无人机和静止目标之间的航路距离。根据各架无人机对应的飞行状态数据、飞行能力参数、航路距离和抵达速度值,得到各架无人机抵达目标的最快抵达时间值。
其中一个实施例中,协同飞行速度控制数据生成模块用于根据各架无人机的飞行能力参数和飞行状态数据,以及根据目标的位置数据和协同抵达时间值,得到各架无人机的加速度时间函数。
其中一个实施例中,第i架无人机的加速度时间函数为:
其中一个实施例中,目标为移动目标。最快抵达时间计算模块用于获取移动目标的目标轨迹预测数据。根据各架无人机对应的飞行状态数据、飞行能力参数、目标轨迹预测数据和抵达速度值,得到各架无人机抵达目标的最快抵达时间值。
其中一个实施例中,协同飞行速度控制数据生成模块用于根据目标轨迹预测数据,得到在协同抵达时间值对应时刻移动目标的位置数据,根据得到的位置数据设置协同抵达位置数据。根据各架无人机的飞行能力参数和飞行状态数据,以及根据协同抵达位置数据和协同抵达时间值,得到各架无人机的加速度时间函数。
其中一个实施例中,第i架无人机的所述加速度时间函数为:
其中,ai(t)为加速度时间函数,为预设的抵达速度值,vi为当前速度值,为开始加速运动的时刻,为开始匀速运动的时刻,为无人机到协同抵达位置的航路距离,Δt为预设的调整时间间隔,tT为最快抵达时间值对应的时刻。
关于一种基于速度调整策略的多无人机抵达时间协同控制装置的具体限定可以参见上文中对于一种基于速度调整策略的多无人机抵达时间协同控制方法的限定,在此不再赘述。上述一种基于速度调整策略的多无人机抵达时间协同控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储各架无人机的飞行能力参数和飞行状态数据,以及目标数据、抵达速度数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于速度调整策略的多无人机抵达时间协同控制方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待调整的各架无人机的飞行能力参数和飞行状态数据;飞行能力参数包括无人机的速度参数,飞行状态数据包括无人机当前的位置数据和速度数据。
根据预设的目标和各架无人机的抵达速度值,以及根据各架无人机的飞行能力参数和飞行状态数据,得到各架无人机以抵达速度值抵达目标的最快抵达时间值。
以各架无人机的最快抵达时间值中的最大值为协同抵达时间值,根据飞行能力参数和飞行状态数据,得到各架无人机的协同飞行速度控制数据,使各架无人机在对应的协同飞行速度控制数据的控制下,在协同抵达时间值对应的时刻,以对应的抵达速度值抵达目标。
在一个实施例中,目标为静止目标。处理器执行计算机程序时还实现以下步骤:根据各架无人机和所述目标的位置数据,得到各架无人机和静止目标之间的航路距离。根据各架无人机对应的飞行状态数据、飞行能力参数、航路距离和抵达速度值,得到各架无人机抵达目标的最快抵达时间值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据各架无人机的飞行能力参数和飞行状态数据,以及根据目标的位置数据和协同抵达时间值,得到各架无人机的加速度时间函数。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获得第i架无人机的加速度时间函数为:
在一个实施例中,目标为移动目标。处理器执行计算机程序时还实现以下步骤:获取移动目标的目标轨迹预测数据。根据各架无人机对应的飞行状态数据、飞行能力参数、目标轨迹预测数据和抵达速度值,得到各架无人机抵达目标的最快抵达时间值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据目标轨迹预测数据,得到在协同抵达时间值对应时刻移动目标的位置数据,根据得到的位置数据设置协同抵达位置数据。根据各架无人机的飞行能力参数和飞行状态数据,以及根据协同抵达位置数据和协同抵达时间值,得到各架无人机的加速度时间函数。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获得第i架无人机的所述加速度时间函数为:
其中,ai(t)为加速度时间函数,为预设的抵达速度值,vi为当前速度值,为开始加速运动的时刻,为开始匀速运动的时刻,为无人机到协同抵达位置的航路距离,Δt为预设的调整时间间隔,tT为最快抵达时间值对应的时刻。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待调整的各架无人机的飞行能力参数和飞行状态数据;飞行能力参数包括无人机的速度参数,飞行状态数据包括无人机当前的位置数据和速度数据。
根据预设的目标和各架无人机的抵达速度值,以及根据各架无人机的飞行能力参数和飞行状态数据,得到各架无人机以抵达速度值抵达目标的最快抵达时间值。
以各架无人机的最快抵达时间值中的最大值为协同抵达时间值,根据飞行能力参数和飞行状态数据,得到各架无人机的协同飞行速度控制数据,使各架无人机在对应的协同飞行速度控制数据的控制下,在协同抵达时间值对应的时刻,以对应的抵达速度值抵达目标。
在一个实施例中,目标为静止目标。计算机程序被处理器执行时还实现以下步骤:根据各架无人机和所述目标的位置数据,得到各架无人机和静止目标之间的航路距离。根据各架无人机对应的飞行状态数据、飞行能力参数、航路距离和抵达速度值,得到各架无人机抵达目标的最快抵达时间值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据各架无人机的飞行能力参数和飞行状态数据,以及根据目标的位置数据和协同抵达时间值,得到各架无人机的加速度时间函数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获得第i架无人机的加速度时间函数为:
在一个实施例中,目标为移动目标。计算机程序被处理器执行时还实现以下步骤:获取移动目标的目标轨迹预测数据。根据各架无人机对应的飞行状态数据、飞行能力参数、目标轨迹预测数据和抵达速度值,得到各架无人机抵达目标的最快抵达时间值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据目标轨迹预测数据,得到在协同抵达时间值对应时刻移动目标的位置数据,根据得到的位置数据设置协同抵达位置数据。根据各架无人机的飞行能力参数和飞行状态数据,以及根据协同抵达位置数据和协同抵达时间值,得到各架无人机的加速度时间函数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获得第i架无人机的所述加速度时间函数为:
其中,ai(t)为加速度时间函数,为预设的抵达速度值,vi为当前速度值,为开始加速运动的时刻,为开始匀速运动的时刻,为无人机到协同抵达位置的航路距离,Δt为预设的调整时间间隔,tT为最快抵达时间值对应的时刻。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于速度调整策略的多无人机抵达时间协同控制方法,其特征在于,所述方法包括:
获取待调整的各架无人机的飞行能力参数和飞行状态数据;所述飞行能力参数包括无人机的速度参数,所述飞行状态数据包括无人机当前的位置数据和速度数据;
根据预设的目标和各架无人机的抵达速度值,以及根据各架无人机的所述飞行能力参数和所述飞行状态数据,得到各架无人机以所述抵达速度值抵达所述目标的最快抵达时间值;
以各架无人机的所述最快抵达时间值中的最大值为协同抵达时间值,根据所述飞行能力参数和所述飞行状态数据,得到各架无人机的协同飞行速度控制数据,使各架无人机在对应的所述协同飞行速度控制数据的控制下,在所述协同抵达时间值对应的时刻,以对应的所述抵达速度值抵达所述目标。
2.根据权利要求1所述的方法,其特征在于,所述目标为静止目标;
所述根据预设的目标和各架无人机的抵达速度值,以及根据各架无人机的所述飞行能力参数和所述飞行状态数据,得到各架无人机以所述抵达速度值抵达所述目标的最快抵达时间值的步骤包括:
根据各架无人机和所述目标的位置数据,得到各架无人机和所述静止目标之间的航路距离;
根据各架无人机对应的所述飞行状态数据、所述飞行能力参数、所述航路距离和所述抵达速度值,得到各架无人机抵达所述目标的最快抵达时间值。
3.根据权利要求2所述的方法,其特征在于,所述协同飞行速度控制数据的获取方式包括:
根据各架无人机的所述飞行能力参数和所述飞行状态数据,以及根据所述目标的位置数据和所述协同抵达时间值,得到各架无人机的加速度时间函数。
5.根据权利要求1所述的方法,其特征在于,所述目标为移动目标;
所述根据预设的目标和各架无人机的抵达速度值,以及根据各架无人机的所述飞行能力参数和所述飞行状态数据,得到各架无人机以所述抵达速度值抵达所述目标的最快抵达时间值的步骤包括:
获取所述移动目标的目标轨迹预测数据;
根据各架无人机对应的所述飞行状态数据、所述飞行能力参数、所述目标轨迹预测数据和所述抵达速度值,得到各架无人机抵达所述目标的最快抵达时间值。
6.根据权利要求5所述的方法,其特征在于,所述协同飞行速度控制数据的获取方式包括:
根据所述目标轨迹预测数据,得到在所述协同抵达时间值对应时刻所述移动目标的位置数据,根据得到的位置数据设置协同抵达位置数据;
根据各架无人机的所述飞行能力参数和所述飞行状态数据,以及根据所述协同抵达位置数据和所述协同抵达时间值,得到各架无人机的加速度时间函数。
8.一种基于速度调整策略的多无人机抵达时间协同控制装置,其特征在于,所述装置包括:
无人机数据获取模块,用于获取待调整的各架无人机的飞行能力参数和飞行状态数据;所述飞行能力参数包括无人机的速度参数,所述飞行状态数据包括无人机当前的位置数据和速度数据;
最快抵达时间计算模块,用于根据预设的目标和各架无人机的抵达速度值,以及根据各架无人机的所述飞行能力参数和所述飞行状态数据,得到各架无人机以所述抵达速度值抵达所述目标的最快抵达时间值;
协同飞行速度控制数据生成模块,用于以各架无人机的所述最快抵达时间值中的最大值为协同抵达时间值,根据所述飞行能力参数和所述飞行状态数据,得到各架无人机的协同飞行速度控制数据,使各架无人机在对应的所述协同飞行速度控制数据的控制下,在所述协同抵达时间值对应的时刻,以对应的所述抵达速度值抵达所述目标。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110058320.2A CN112859916B (zh) | 2021-01-15 | 2021-01-15 | 一种多无人机抵达时间协同控制方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110058320.2A CN112859916B (zh) | 2021-01-15 | 2021-01-15 | 一种多无人机抵达时间协同控制方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112859916A true CN112859916A (zh) | 2021-05-28 |
CN112859916B CN112859916B (zh) | 2023-03-07 |
Family
ID=76005918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110058320.2A Active CN112859916B (zh) | 2021-01-15 | 2021-01-15 | 一种多无人机抵达时间协同控制方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112859916B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114415731A (zh) * | 2022-03-25 | 2022-04-29 | 季华实验室 | 多飞行机器人协同作业方法、装置、电子设备和存储介质 |
CN114527661A (zh) * | 2022-02-23 | 2022-05-24 | 西北工业大学深圳研究院 | 一种用于集群智能***的协同编队方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120091260A1 (en) * | 2010-09-15 | 2012-04-19 | Parrot | Method of piloting a rotary wing drone having multiple rotors |
CN106372370A (zh) * | 2016-10-11 | 2017-02-01 | 中国人民解放军国防科学技术大学 | 一种飞行控制分布式实时仿真*** |
CN108073185A (zh) * | 2017-11-30 | 2018-05-25 | 江西洪都航空工业集团有限责任公司 | 多无人机同时到达协同控制方法 |
US20200202724A1 (en) * | 2018-12-21 | 2020-06-25 | Harris Orthogon Gmbh | Method and device for planning flight trajectories |
CN111427379A (zh) * | 2020-04-19 | 2020-07-17 | 中国人民解放军海军航空大学 | 观测驱动的多无人机协同standoff目标跟踪方法 |
CN112097770A (zh) * | 2020-08-05 | 2020-12-18 | 中国人民解放军军事科学院国防科技创新研究院 | 一种多无人机协同全覆盖的路径规划方法、装置、存储介质及终端 |
-
2021
- 2021-01-15 CN CN202110058320.2A patent/CN112859916B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120091260A1 (en) * | 2010-09-15 | 2012-04-19 | Parrot | Method of piloting a rotary wing drone having multiple rotors |
CN106372370A (zh) * | 2016-10-11 | 2017-02-01 | 中国人民解放军国防科学技术大学 | 一种飞行控制分布式实时仿真*** |
CN108073185A (zh) * | 2017-11-30 | 2018-05-25 | 江西洪都航空工业集团有限责任公司 | 多无人机同时到达协同控制方法 |
US20200202724A1 (en) * | 2018-12-21 | 2020-06-25 | Harris Orthogon Gmbh | Method and device for planning flight trajectories |
CN111427379A (zh) * | 2020-04-19 | 2020-07-17 | 中国人民解放军海军航空大学 | 观测驱动的多无人机协同standoff目标跟踪方法 |
CN112097770A (zh) * | 2020-08-05 | 2020-12-18 | 中国人民解放军军事科学院国防科技创新研究院 | 一种多无人机协同全覆盖的路径规划方法、装置、存储介质及终端 |
Non-Patent Citations (4)
Title |
---|
CHENG XU: "Optimized multi-UAV cooperative path planning under the complex confrontation environment", 《COMPUTER COMMUNICATIONS》 * |
ZHANG DAIFENG: "Social-class pigeon-inspired optimization and time stamp segmentation for multi-UAV cooperative path planning", 《NEUROCOMPUTING》 * |
刘二江: "Feedback linearization control of uncertain satellite attitude based on disturbance estimation and state observation", 《2016 IEEE CHINESE GUIDANCE, NAVIGATION AND CONTROL CONFERENCE》 * |
周德云: "基于多目标优化算法的多无人机协同航迹规划", 《***工程与电子技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114527661A (zh) * | 2022-02-23 | 2022-05-24 | 西北工业大学深圳研究院 | 一种用于集群智能***的协同编队方法 |
CN114527661B (zh) * | 2022-02-23 | 2022-09-20 | 西北工业大学深圳研究院 | 一种用于集群智能***的协同编队方法 |
CN114415731A (zh) * | 2022-03-25 | 2022-04-29 | 季华实验室 | 多飞行机器人协同作业方法、装置、电子设备和存储介质 |
CN114415731B (zh) * | 2022-03-25 | 2022-06-17 | 季华实验室 | 多飞行机器人协同作业方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112859916B (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112859916B (zh) | 一种多无人机抵达时间协同控制方法及其装置 | |
CN110286694B (zh) | 一种多领导者的无人机编队协同控制方法 | |
CN108153328B (zh) | 一种基于分段贝塞尔曲线的多导弹协同航迹规划方法 | |
US20190033893A1 (en) | UAV autonomous swarm formation rotation control method based on simulated migratory bird evolutionary snowdrift game | |
CN112631335B (zh) | 一种基于事件触发的多四旋翼无人机固定时间编队方法 | |
CN112783195B (zh) | 多无人机的巡检路线规划方法、装置和计算机设备 | |
CN113220022B (zh) | 基于事件触发估计信息传输的飞行编队有限时间自适应控制方法 | |
CN110633857B (zh) | 一种异构无人机群自主防御群集算法 | |
CN113157000A (zh) | 基于虚拟结构和人工势场的飞行编队协同避障自适应控制方法 | |
CN110413007B (zh) | 无人机飞行路径的控制方法、***、电子设备及介质 | |
CN113552897B (zh) | 基于任务优先级的空地无人***侦察协同路径规划方法 | |
CN113342037A (zh) | 具有输入饱和的多旋翼无人机时变编队控制方法及*** | |
CN113220021B (zh) | 基于虚拟领导者的飞行编队协同自适应跟踪控制方法 | |
WO2022099803A1 (zh) | 返航控制方法、装置、电子设备和存储介质 | |
CN112684781B (zh) | 一种多智能体分布式模型预测控制方法及*** | |
CN115840463A (zh) | 一种用于无人机集群协同侦察的数据处理方法及装置 | |
CN114740883B (zh) | 一种协同点侦察任务规划跨层联合优化方法 | |
Rasmussen et al. | Optimal vs. heuristic assignment of cooperative autonomous unmanned air vehicles | |
Gou et al. | Task assignment based on PSO algorithm based on Logistic function inertia weight adaptive adjustment | |
CN113110593B (zh) | 基于虚拟结构和估计信息传输的飞行编队协同自适应控制方法 | |
CN113741186A (zh) | 一种基于近端策略优化的双机空战决策方法 | |
Lin et al. | Research on the task assignment of heterogeneous UAV formation in the anti-radar combat | |
Zhu et al. | Demonstration and verification system for UAV formation control | |
Zhang et al. | Penetration path planning of stealthy UAV based on improved sparse A-star algorithm | |
Devaraju et al. | A connectivity-aware pheromone mobility model for autonomous uav networks |
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 |