CN113238583B - 一种固定翼无人机密集编队飞行与防撞控制方法 - Google Patents
一种固定翼无人机密集编队飞行与防撞控制方法 Download PDFInfo
- Publication number
- CN113238583B CN113238583B CN202110792897.6A CN202110792897A CN113238583B CN 113238583 B CN113238583 B CN 113238583B CN 202110792897 A CN202110792897 A CN 202110792897A CN 113238583 B CN113238583 B CN 113238583B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- formation
- aerial vehicles
- aerial vehicle
- control quantity
- 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 163
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000000007 visual effect Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 12
- 230000002265 prevention Effects 0.000 claims description 12
- 238000013016 damping Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000002349 favourable effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 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 2
- 238000004891 communication Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002955 isolation 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
- 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)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种固定翼无人机密集编队飞行与防撞控制方法,包括:基于视觉定位获得编队中各无人机的相对导航定位信息,并利用获得的相对导航定位信息构造出编队构形保持控制量和机间避碰控制量;基于定焦单目视觉相机对编队进行障碍测距及规避,得到避障控制量;基于编队中各无人机的相对导航定位信息确定编队整体路径跟踪控制量;融合编队构形保持控制量和机间避碰控制量、避障控制量、以及无人机编队整体路径跟踪控制量,实现无人机编队的密集编队飞行与防撞控制。本发明通过融合编队构形保持控制量和机间避碰控制量、避障控制量、以及无人机编队整体路径跟踪控制量,能够实现无人机编队的密集编队飞行与防撞控制。
Description
技术领域
本发明涉及飞行控制技术领域,具体而言,涉及一种固定翼无人机密集编队飞行与防撞控制方法。
背景技术
传统集中式控制方式下,进行大规模集群编队飞行时,由于单机的通信/感知范围、容量和计算能力受限,不能实现任意两个单机间直接通信/感知,无法及时进行全局交互,整个集群的协调控制问题规模庞大,而且***的可靠性和可伸缩性也难以得到保证。
编队飞行避障时,传统的解决方法是通过路径规划来规避障碍,对于小规模编队以及障碍预知和固定的情况,可以通过该种方式实现对障碍的躲避。但对于大规模编队飞行和动态未知障碍的情况,通过路径规划来规避障碍会使其问题规模巨大,实时求解十分困难。同时,编队中邻机间的相互避碰往往以可靠的导航信息为基础,例如—全球卫星定位***和北斗***。虽然该类导航设备已经在很大程度上可以满足实际应用,但仍存在受控于军方、容易受地形和电磁环境干扰等问题。
发明内容
本发明旨在提供一种固定翼无人机密集编队飞行与防撞控制方法,以解决上述技术问题。
本发明提供的一种固定翼无人机密集编队飞行与防撞控制方法,包括如下步骤:
步骤1,基于视觉定位获得无人机编队中各无人机的相对导航定位信息,并利用获得的相对导航定位信息构造出编队构形保持控制量和机间避碰控制量;
步骤2,基于定焦单目视觉相机对无人机编队进行障碍测距及规避,得到避障控制量;
步骤3,基于无人机编队中各无人机的相对导航定位信息确定无人机编队整体路径跟踪控制量;
步骤4,融合步骤1获得的编队构形保持控制量和机间避碰控制量、步骤2获得的避障控制量、以及步骤3获得的无人机编队整体路径跟踪控制量,实现无人机编队的密集编队飞行与防撞控制。
进一步的,步骤1包括如下子步骤:
步骤11,对编队中的每架无人机进行图像标记,得到每架无人机的标记图像;
步骤12,采用机载视觉传感器获取指定无人机的标记图像,对获取的标记图像进行数字图像处理及特征点提取,得到指定无人机在标记图像上的特征点坐标;
步骤13,基于指定无人机在标记图像上的特征点坐标,由计算机解算各指定无人机间的相对导航定位信息;
步骤14,根据各指定无人机间的相对导航定位信息构造出编队构形保持控制量和机间避碰控制量。
进一步的,步骤14的具体过程包括:
步骤141,各无人机利用自身和与邻居无人机进行信息交互获得的局部拓扑连接信息,以能量法构建整个编队的网络拓扑图景;
步骤142,在满足无人机编队拓扑结构的切换条件下,根据各指定无人机间的相对导航定位信息,在网络拓扑图景的离散空间进行拓扑连接调度和切换控制,以保证无人机编队的拓扑结构一直维持优良特性;
步骤143,在位置控制回路将无人机以虚拟的弹簧阻尼器互联构成网络,其中虚拟的弹簧阻尼器根据相连的一对无人机的相对导航定位信息生成虚拟的弹性和阻尼作用力,然后依据与无人机直接相连的所有虚拟弹簧阻尼器产生的虚拟的弹性和阻尼作用力对其施加编队相对运动控制,由此通过与邻居无人机之间的交互作用使无人机编队实现并保持期望的编队构形;对编队中每个无人机施加编队相对运动控制所依据的与无人机直接相连的所有虚拟弹簧阻尼器产生的虚拟的弹性和阻尼作用力即为编队构形保持控制量;
步骤144,在编队构形保持的基础上,根据各无人机间避碰的最近距离要求,基于人工势函数的避碰机制,构造以无人机间距离为参数的第一人工势函数,该第一人工势函数的负梯度方向为无人机编队构形保持控制量,当无人机间距离小于最近距离要求时,对相应无人机施加相互排斥作用来实现机间避碰,该施加的相互排斥作用即为机间避碰控制量。
进一步的,步骤2包括如下子步骤:
步骤21,利用定焦单目视觉相机拍摄无人机编队,对定焦单目视觉相机拍摄的图像通过图像处理和AABB包围盒算法检测到障碍物时,无人机沿定焦单目视觉相机的光轴方向分别向前、向后移动一段距离,获取向前、向后移动一段距离的两个位置中同一场景的前进图和背景图,并将该同一场景的前进图和背景图作为一对立体图像保存;
步骤22,对一对立体图像保存中的前进图和背景图,采用FAST特征点匹配算法,剔除相关误匹配点后完成该对立体图像的立体匹配;
步骤23,对立体匹配结果,基于针孔成像原理,通过几何解算获得障碍物相对无人机的位置信息;
步骤24,根据障碍物相对无人机的位置信息找到距障碍物最近的无人机并利用距障碍物最近的无人机进行探测,以探测到的距障碍物最近的无人机与障碍物之间的距离为参数,定义第二人工势函数,并以该第二人工势函数为依据对该距障碍物最近的无人机施加排斥控制作用,实施避障控制,该实施避障控制所施加的排斥控制作用即为避障控制量。
进一步的,步骤24中对于编队内其余远离障碍物的无人机只需相对该距障碍物最近的无人机继续施加编队构形保持控制量和机间避碰控制量即可与该距障碍物最近的无人机一同实现避障控制。
进一步的,在无人机编队避障过程中施加编队构形保持控制量和机间避碰控制量时,采用分布式拓扑结构控制不断切换到有利的编队构形,实现无人机编队过障时的自动分割和过障后编队自动重构。
进一步的,步骤3包括如下子步骤:
步骤31,对无人机编队中各无人机的相对导航定位信息采用一致性滤波方法,分布式地估计无人机编队的虚拟中心位置,将该虚拟中心位置作为无人机编队整体路径跟踪的中心点;
步骤32,基于无人机编队整体路径跟踪的中心点,采用快速搜索随机树方法,快速规划无人机编队的一条或多条参考路径,并以参考路径为基准确定无人机编队中各无人机的期望路径,所有无人机的期望路径即为无人机编队整体路径跟踪控制量。
进一步的,步骤4包括如下子步骤:
步骤41,将步骤1获得的编队构形保持控制量和机间避碰控制量、步骤2获得的避障控制量、以及步骤3获得的无人机编队整体路径跟踪控制量叠加,获得各无人机独立跟踪控制的输入参考量;
步骤42,各无人机根据输入参考量,采用速率、航向和高度自动驾驶仪实施跟踪控制,从而实现无人机编队的密集编队飞行与防撞控制。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明通过融合编队构形保持控制量和机间避碰控制量、避障控制量、以及无人机编队整体路径跟踪控制量,能够实现无人机编队的密集编队飞行与防撞控制。其中:(1)采用基于虚拟的弹簧阻尼器网络分布式控制方法计算编队构形保持控制量,相比传统集中式控制方法,具有仅依赖近邻交互的分布式特性,适应大规模应用,实施简便;(2)在编队避障过程中引入的拓扑结构分布式切换控制能够实现编队构形的自适应变换与重构以及对障碍的自适应规避,可以有效提高机群飞行控制的适应性和鲁棒性;(3)应用视觉导航技术,可实现无差分GPS支持下对非合作典型障碍的自主实时规避和防撞。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例中的固定翼无人机密集编队飞行与防撞控制的原理图。
图2是本发明实施例中获取的指定无人机的标记图像示意图。
图3是本发明实施例中将无人机以虚拟的弹簧阻尼器互联构成网络示意图。
图4是本发明实施例中的固定障碍物视觉定位的示意图。
图5是本发明实施例中的移动障碍物视觉定位的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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,都属于本发明保护的范围。
实施例
如图1所示,本实施例提出一种固定翼无人机密集编队飞行与防撞控制方法,包括如下步骤:
步骤1,基于视觉定位获得无人机编队中各无人机的相对导航定位信息,并利用获得的相对导航定位信息构造出编队构形保持控制量和机间避碰控制量。
步骤1具体包括如下子步骤:
步骤11,对编队中的每架无人机进行图像标记,得到每架无人机的标记图像;本实施例中,每架无人机的标记图像需保证具有明显的提取特征且各不相同;
步骤12,采用机载视觉传感器获取指定无人机的标记图像,如图2所示,对获取的标记图像进行数字图像处理及特征点提取,得到指定无人机在标记图像上的特征点坐标;
步骤13,基于指定无人机在标记图像上的特征点坐标,由计算机解算各指定无人机间的相对导航定位信息;本实施例中,计算机解算各指定无人机间的相对导航定位信息的方法可以采用PNP方法,该PNP方法为现有技术,在此不再赘述。
步骤14,根据各指定无人机间的相对导航定位信息构造出编队构形保持控制量和机间避碰控制量。步骤14的具体过程包括:
步骤141,各无人机利用自身和与邻居无人机进行信息交互获得的局部拓扑连接信息,以能量法构建整个编队的网络拓扑图景。需要说明的是,在编队队形变换与重构、机群实时规避障碍、故障无人机隔离、以及无人机动态加入和退出集群的情况下,编队的无人机间原有控制依赖关系不能正常发挥作用。在无人机相对导航定位信息动态变化时网络拓扑图景中邻居关系与空间位置相邻关系不符合,会带来网络拓扑图景的改变,有可能造成***不稳定,并影响控制性能。故本实施例中以能量法建立构建整个编队的网络拓扑图景,得到的该网络拓扑图景能够表达整个无人机编队总能量与连接拓扑结构的关系,以拓扑结构切换时带来的能量增量不大于切换间隙中能量消耗为依据,给出保证***稳定的拓扑结构分布式切换条件并予以保证该条件得到实施。
步骤142,在满足无人机编队拓扑结构的切换条件下,根据各指定无人机间的相对导航定位信息,在网络拓扑图景的离散空间进行拓扑连接调度和切换控制,以保证无人机编队的拓扑结构一直维持优良特性;
步骤143,将无人机以虚拟的弹簧阻尼器互联构成网络,如图3所示,其中虚拟的弹簧阻尼器根据相连的一对无人机的相对导航定位信息生成虚拟的弹性和阻尼作用力,然后依据与无人机直接相连的所有虚拟弹簧阻尼器产生的虚拟的弹性和阻尼作用力对其施加编队相对运动控制,由此通过与邻居无人机之间的交互作用使无人机编队实现并保持期望的编队构形;对编队中每个无人机施加编队相对运动控制所依据的与无人机直接相连的所有虚拟弹簧阻尼器产生的虚拟的弹性和阻尼作用力即为编队构形保持控制量;
步骤144,在编队构形保持的基础上,根据各无人机间避碰的最近距离要求,基于人工势函数的避碰机制,构造以无人机间距离为参数的第一人工势函数,该第一人工势函数的负梯度方向为无人机编队构形保持控制量,当无人机间距离小于最近距离要求时,对相应无人机施加相互排斥作用来实现机间避碰,该施加的相互排斥作用即为机间避碰控制量。该无人机间避碰的最近距离要求根据实际应用和需求进行设定。
步骤2,基于单目视觉进行障碍测距及规避;基于定焦单目视觉相机对无人机编队进行障碍测距及规避,得到避障控制量;
步骤2具体包括如下子步骤:
步骤21,利用定焦单目视觉相机拍摄无人机编队,对定焦单目视觉相机拍摄的图像通过图像处理和AABB包围盒算法检测到障碍物时,无人机沿定焦单目视觉相机的光轴方向分别向前、向后移动一段距离,获取向前、向后移动一段距离的两个位置中同一场景的前进图和背景图,并将该同一场景的前进图和背景图作为一对立体图像保存;其中,障碍物包括如图4所示的固定障碍物,或如图5所示的移动障碍物,即其他无人机。
步骤22,对一对立体图像保存中的前进图和背景图,采用FAST特征点匹配算法,剔除相关误匹配点后完成该对立体图像的立体匹配;
步骤23,对立体匹配结果,基于针孔成像原理,通过几何解算获得障碍物相对无人机的位置信息;
步骤24,根据障碍物相对无人机的位置信息找到距障碍物最近的无人机并利用距障碍物最近的无人机进行探测,以探测到的距障碍物最近的无人机与障碍物之间的距离为参数,定义第二人工势函数,并以该第二人工势函数为依据对该距障碍物最近的无人机施加排斥控制作用,实施避障控制,该实施避障控制所施加的排斥控制作用即为避障控制量。
其中,对于编队内其余远离障碍物的无人机只需相对该距障碍物最近的无人机继续施加编队构形保持控制量和机间避碰控制量即可与该距障碍物最近的无人机一同实现避障控制。在无人机编队避障过程中施加编队构形保持控制量和机间避碰控制量时,采用分布式拓扑结构控制不断切换到有利的编队构形,实现无人机编队过障时的自动分割和过障后编队自动重构。
步骤3,基于无人机编队中各无人机的相对导航定位信息确定无人机编队整体路径跟踪控制量;
步骤3具体包括如下子步骤:
步骤31,对无人机编队中各无人机的相对导航定位信息采用一致性滤波方法,分布式地估计无人机编队的虚拟中心位置,将该虚拟中心位置作为无人机编队整体路径跟踪的中心点;
步骤32,基于无人机编队整体路径跟踪的中心点,采用快速搜索随机树方法,快速规划无人机编队的一条或多条参考路径,并以参考路径为基准确定无人机编队中各无人机的期望路径,所有无人机的期望路径即为无人机编队整体路径跟踪控制量;
步骤4,融合步骤1获得的编队构形保持控制量和机间避碰控制量、步骤2获得的避障控制量、以及步骤3获得的无人机编队整体路径跟踪控制量,实现无人机编队的密集编队飞行与防撞控制。
步骤4具体包括如下子步骤:
步骤41,将步骤1获得的编队构形保持控制量和机间避碰控制量、步骤2获得的避障控制量、以及步骤3获得的无人机编队整体路径跟踪控制量叠加,获得各无人机独立跟踪控制的输入参考量;
步骤42,各无人机根据输入参考量,采用速率、航向和高度自动驾驶仪实施跟踪控制,从而实现无人机编队的密集编队飞行与防撞控制。
需要说明的是,步骤1~步骤3为并列关系,可以为任意执行顺序,步骤4在完成步骤1~步骤3之后执行。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种固定翼无人机密集编队飞行与防撞控制方法,其特征在于,包括如下步骤:
步骤1,基于视觉定位获得无人机编队中各无人机的相对导航定位信息,并利用获得的相对导航定位信息构造出编队构形保持控制量和机间避碰控制量;
步骤2,基于定焦单目视觉相机对无人机编队进行障碍测距及规避,得到避障控制量;
步骤3,基于无人机编队中各无人机的相对导航定位信息确定无人机编队整体路径跟踪控制量;
步骤4,融合步骤1获得的编队构形保持控制量和机间避碰控制量、步骤2获得的避障控制量、以及步骤3获得的无人机编队整体路径跟踪控制量,实现无人机编队的密集编队飞行与防撞控制;
步骤1包括如下子步骤:
步骤11,对编队中的每架无人机进行图像标记,得到每架无人机的标记图像;
步骤12,采用机载视觉传感器获取指定无人机的标记图像,对获取的标记图像进行数字图像处理及特征点提取,得到指定无人机在标记图像上的特征点坐标;
步骤13,基于指定无人机在标记图像上的特征点坐标,由计算机解算各指定无人机间的相对导航定位信息;
步骤14,根据各指定无人机间的相对导航定位信息构造出编队构形保持控制量和机间避碰控制量;
步骤14的具体过程包括:
步骤141,各无人机利用自身和与邻居无人机进行信息交互获得的局部拓扑连接信息,以能量法构建整个编队的网络拓扑图景;
步骤142,在满足无人机编队拓扑结构的切换条件下,根据各指定无人机间的相对导航定位信息,在网络拓扑图景的离散空间进行拓扑连接调度和切换控制;
步骤143,在位置控制回路将无人机以虚拟的弹簧阻尼器互联构成网络,其中虚拟的弹簧阻尼器根据相连的一对无人机的相对导航定位信息生成虚拟的弹性和阻尼作用力,然后依据与无人机直接相连的所有虚拟弹簧阻尼器产生的虚拟的弹性和阻尼作用力对其施加编队相对运动控制,由此通过与邻居无人机之间的交互作用使无人机编队实现并保持期望的编队构形;对编队中每个无人机施加编队相对运动控制所依据的与无人机直接相连的所有虚拟弹簧阻尼器产生的虚拟的弹性和阻尼作用力即为编队构形保持控制量;
步骤144,在编队构形保持的基础上,根据各无人机间避碰的最近距离要求,基于人工势函数的避碰机制,构造以无人机间距离为参数的第一人工势函数,该第一人工势函数的负梯度方向为无人机编队构形保持控制量,当无人机间距离小于最近距离要求时,对相应无人机施加相互排斥作用来实现机间避碰,该施加的相互排斥作用即为机间避碰控制量;
步骤2包括如下子步骤:
步骤21,利用定焦单目视觉相机拍摄无人机编队,对定焦单目视觉相机拍摄的图像通过图像处理和AABB包围盒算法检测到障碍物时,无人机沿定焦单目视觉相机的光轴方向分别向前、向后移动一段距离,获取向前、向后移动一段距离的两个位置中同一场景的前进图和背景图,并将该同一场景的前进图和背景图作为一对立体图像保存;
步骤22,对一对立体图像保存中的前进图和背景图,采用FAST特征点匹配算法,剔除相关误匹配点后完成该对立体图像的立体匹配;
步骤23,对立体匹配结果,基于针孔成像原理,通过几何解算获得障碍物相对无人机的位置信息;
步骤24,根据障碍物相对无人机的位置信息找到距障碍物最近的无人机并利用距障碍物最近的无人机进行探测,以探测到的距障碍物最近的无人机与障碍物之间的距离为参数,定义第二人工势函数,并以该第二人工势函数为依据对该距障碍物最近的无人机施加排斥控制作用,实施避障控制,该实施避障控制所施加的排斥控制作用即为避障控制量;
步骤3包括如下子步骤:
步骤31,对无人机编队中各无人机的相对导航定位信息采用一致性滤波方法,分布式地估计无人机编队的虚拟中心位置,将该虚拟中心位置作为无人机编队整体路径跟踪的中心点;
步骤32,基于无人机编队整体路径跟踪的中心点,采用快速搜索随机树方法,快速规划无人机编队的一条或多条参考路径,并以参考路径为基准确定无人机编队中各无人机的期望路径,所有无人机的期望路径即为无人机编队整体路径跟踪控制量;
步骤4包括如下子步骤:
步骤41,将步骤1获得的编队构形保持控制量和机间避碰控制量、步骤2获得的避障控制量、以及步骤3获得的无人机编队整体路径跟踪控制量叠加,获得各无人机独立跟踪控制的输入参考量;
步骤42,各无人机根据输入参考量,采用速率、航向和高度自动驾驶仪实施跟踪控制,从而实现无人机编队的密集编队飞行与防撞控制。
2.根据权利要求1所述的固定翼无人机密集编队飞行与防撞控制方法,其特征在于,步骤24中对于编队内其余远离障碍物的无人机只需相对该距障碍物最近的无人机继续施加编队构形保持控制量和机间避碰控制量即可与该距障碍物最近的无人机一同实现避障控制。
3.根据权利要求2所述的固定翼无人机密集编队飞行与防撞控制方法,其特征在于,在无人机编队避障过程中施加编队构形保持控制量和机间避碰控制量时,采用分布式拓扑结构控制不断切换到有利的编队构形,实现无人机编队过障时的自动分割和过障后编队自动重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110792897.6A CN113238583B (zh) | 2021-07-14 | 2021-07-14 | 一种固定翼无人机密集编队飞行与防撞控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110792897.6A CN113238583B (zh) | 2021-07-14 | 2021-07-14 | 一种固定翼无人机密集编队飞行与防撞控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113238583A CN113238583A (zh) | 2021-08-10 |
CN113238583B true CN113238583B (zh) | 2021-09-24 |
Family
ID=77135473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110792897.6A Active CN113238583B (zh) | 2021-07-14 | 2021-07-14 | 一种固定翼无人机密集编队飞行与防撞控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113238583B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114185361A (zh) * | 2021-11-26 | 2022-03-15 | 航空工业信息中心 | 基于智能控制的拦截机群密集撞击式硬杀伤反无人机方法 |
CN114706421B (zh) * | 2022-04-02 | 2023-04-18 | 广东工业大学 | 一种多无人机编队穿越框形障碍物方法 |
CN114924595A (zh) * | 2022-05-06 | 2022-08-19 | 华南师范大学 | 无人机群越障方法及控制***、电子设备、存储介质 |
CN114779828B (zh) * | 2022-06-22 | 2022-09-16 | 四川腾盾科技有限公司 | 基于异构队形基准点无人机集群拓扑控制与智能防撞方法 |
CN115373426B (zh) * | 2022-10-26 | 2023-02-17 | 四川腾盾科技有限公司 | 一种固定翼集群无人机区域覆盖在线路径协同规划方法 |
CN116382351B (zh) * | 2023-06-05 | 2023-08-18 | 四川腾盾科技有限公司 | 一种大型固定翼无人机自主避障方法 |
CN117390498B (zh) * | 2023-12-12 | 2024-04-30 | 四川腾盾科技有限公司 | 一种基于Transformer模型的固定翼集群无人机飞行能力评估方法 |
CN118068854B (zh) * | 2024-04-24 | 2024-07-23 | 四川腾盾科技有限公司 | 一种基于人工势场的无人机避障路径规划方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984238A (zh) * | 2014-06-05 | 2014-08-13 | 湖南大学 | 基于虚拟弹簧阻尼网络的卫星编队构形分布式控制方法 |
CN106896817A (zh) * | 2015-12-17 | 2017-06-27 | 中国科学院沈阳自动化研究所 | 一种基于粘滞阻尼振荡模型的多auv编队控制方法 |
CN109002056A (zh) * | 2018-07-19 | 2018-12-14 | 四川腾盾科技有限公司 | 一种大型固定翼无人机编队方法 |
CN109813311A (zh) * | 2019-03-18 | 2019-05-28 | 南京航空航天大学 | 一种无人机编队协同导航方法 |
CN110186463A (zh) * | 2019-05-08 | 2019-08-30 | 南京航空航天大学 | 一种基于一致性滤波的航天器集群仅测距相对导航方法 |
CN111175797A (zh) * | 2020-02-02 | 2020-05-19 | 上海交通大学 | 基于虚拟质心的多gnss接收机协同导航方法 |
CN111399539A (zh) * | 2020-03-27 | 2020-07-10 | 西北工业大学 | 一种基于航路点的无人机编队避障和防撞控制方法 |
CN111596684A (zh) * | 2020-05-11 | 2020-08-28 | 西安爱生技术集团公司 | 固定翼无人机密集编队与防撞避障半实物仿真***及方法 |
KR20210012414A (ko) * | 2019-07-25 | 2021-02-03 | 배재대학교 산학협력단 | 무인 비행체의 군집 비행 제어 시스템 및 방법 |
CN113110478A (zh) * | 2021-04-27 | 2021-07-13 | 广东工业大学 | 一种多机器人运动规划的方法、***及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167596A1 (en) * | 2005-01-24 | 2006-07-27 | Bodin William K | Depicting the flight of a formation of UAVs |
-
2021
- 2021-07-14 CN CN202110792897.6A patent/CN113238583B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984238A (zh) * | 2014-06-05 | 2014-08-13 | 湖南大学 | 基于虚拟弹簧阻尼网络的卫星编队构形分布式控制方法 |
CN106896817A (zh) * | 2015-12-17 | 2017-06-27 | 中国科学院沈阳自动化研究所 | 一种基于粘滞阻尼振荡模型的多auv编队控制方法 |
CN109002056A (zh) * | 2018-07-19 | 2018-12-14 | 四川腾盾科技有限公司 | 一种大型固定翼无人机编队方法 |
CN109813311A (zh) * | 2019-03-18 | 2019-05-28 | 南京航空航天大学 | 一种无人机编队协同导航方法 |
CN110186463A (zh) * | 2019-05-08 | 2019-08-30 | 南京航空航天大学 | 一种基于一致性滤波的航天器集群仅测距相对导航方法 |
KR20210012414A (ko) * | 2019-07-25 | 2021-02-03 | 배재대학교 산학협력단 | 무인 비행체의 군집 비행 제어 시스템 및 방법 |
CN111175797A (zh) * | 2020-02-02 | 2020-05-19 | 上海交通大学 | 基于虚拟质心的多gnss接收机协同导航方法 |
CN111399539A (zh) * | 2020-03-27 | 2020-07-10 | 西北工业大学 | 一种基于航路点的无人机编队避障和防撞控制方法 |
CN111596684A (zh) * | 2020-05-11 | 2020-08-28 | 西安爱生技术集团公司 | 固定翼无人机密集编队与防撞避障半实物仿真***及方法 |
CN113110478A (zh) * | 2021-04-27 | 2021-07-13 | 广东工业大学 | 一种多机器人运动规划的方法、***及存储介质 |
Non-Patent Citations (2)
Title |
---|
Cooperative Formation of Multi-robot Based on Spring Model;Naoyuki Kubota等;《2013 Second International Conference on Robot, Vision and Signal Processing》;20131231;第72-76页 * |
航天器集群构形控制的虚拟弹簧阻尼网络方法;陈琪锋等;《宇航学报》;20150430;第36卷(第4期);第446-454页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113238583A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113238583B (zh) | 一种固定翼无人机密集编队飞行与防撞控制方法 | |
US10665115B2 (en) | Controlling unmanned aerial vehicles to avoid obstacle collision | |
CN108594853B (zh) | 无人机队形控制方法 | |
Doitsidis et al. | Optimal surveillance coverage for teams of micro aerial vehicles in GPS-denied environments using onboard vision | |
CN110068335B (zh) | 一种gps拒止环境下无人机集群实时定位方法及*** | |
Zhou et al. | Survey on path and view planning for UAVs | |
JP7193163B2 (ja) | 協調的3dマップデータ融合プラットフォーム及びその仮想世界システムを可能にするシステム及び方法 | |
Heng et al. | Autonomous visual mapping and exploration with a micro aerial vehicle | |
Mahdoui et al. | Communicating multi-uav system for cooperative slam-based exploration | |
Ryan et al. | An overview of emerging results in cooperative UAV control | |
Saha et al. | A real-time monocular vision-based frontal obstacle detection and avoidance for low cost UAVs in GPS denied environment | |
CN109460064B (zh) | 基于虚拟势场函数的无人机集群区域覆盖方法及其装置 | |
CN110703803A (zh) | 一种无人机群飞行控制的方法、无人机、***及介质 | |
CN112710318A (zh) | 地图生成方法、路径规划方法、电子设备以及存储介质 | |
Waslander | Unmanned aerial and ground vehicle teams: Recent work and open problems | |
Tang et al. | A joint global and local path planning optimization for UAV task scheduling towards crowd air monitoring | |
CN114355981A (zh) | 一种四旋翼无人机自主探索建图的方法和*** | |
CN109582032A (zh) | 多旋翼无人机在复杂环境下的快速实时避障路径选择方法 | |
Wang et al. | Obstacle avoidance for quadrotor using improved method based on optical flow | |
CN112580537A (zh) | 一种用于多无人机***持续覆盖特定区域的深度强化学习方法 | |
Fragoso et al. | Dynamically feasible motion planning for micro air vehicles using an egocylinder | |
CN116880561A (zh) | 基于改进粒子群无人机路径规划安全增强的优化方法及*** | |
Ivancsits et al. | Visual navigation system for small unmanned aerial vehicles | |
CN111813151A (zh) | 基于机器视觉的无人机集群控制方法 | |
Rohde et al. | Avigle: A system of systems concept for an avionic digital service platform based on micro unmanned aerial vehicles |
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 |