CN117075496A - 一种无人机方阵运行仿真*** - Google Patents
一种无人机方阵运行仿真*** Download PDFInfo
- Publication number
- CN117075496A CN117075496A CN202311199140.1A CN202311199140A CN117075496A CN 117075496 A CN117075496 A CN 117075496A CN 202311199140 A CN202311199140 A CN 202311199140A CN 117075496 A CN117075496 A CN 117075496A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- simulation
- task
- 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.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 187
- 239000011159 matrix material Substances 0.000 title claims abstract description 125
- 238000011217 control strategy Methods 0.000 claims abstract description 70
- 238000013507 mapping Methods 0.000 claims abstract description 68
- 238000005457 optimization Methods 0.000 claims abstract description 44
- 238000010276 construction Methods 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 35
- 230000003068 static effect Effects 0.000 claims description 15
- 230000004888 barrier function Effects 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 6
- 238000012876 topography Methods 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 239000000178 monomer Substances 0.000 claims 1
- 230000001133 acceleration Effects 0.000 description 9
- 238000002372 labelling Methods 0.000 description 3
- 101100517651 Caenorhabditis elegans num-1 gene Proteins 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种无人机方阵运行仿真***,涉及了无人机运行仿真技术领域,包括数据终端、数据建模模块、策略定制模块、仿真模拟模块以及分析优化模块;通过数据建模模块获取无人机相关信息和任务相关信息,进而建立无人机方阵模型和任务场景需求模型;通过策略定制模块获取无人机方阵模型和任务场景需求模型,生成协同控制策略,并根据协同控制策略进行协同决策;通过仿真模拟模块搭建仿真环境,并将无人机方阵模型映射至仿真环境内模拟无人机方阵的运行;通过分析优化模块获取无人机方阵模拟运行的模拟结果数据,进而生成仿真拟合度,并根据仿真拟合度生成优化参数传输至仿真模拟模块,进而优化无人机方阵的运行。
Description
技术领域
本发明涉及无人机运行仿真技术领域,具体是一种无人机方阵运行仿真***。
背景技术
无人机运行仿真是通过计算机模拟无人机的运行过程和环境,以评估飞行性能、验证控制算法、进行飞行训练以及测试新的技术和***,目前,无人机方阵运行需要进行大量的实际飞行测试,既耗费时间又存在一定的风险,同时,无人机方阵的运行策略和协同控制也需要经过多次优化和验证,因此,开发一种无人机方阵运行仿真***具有重要的意义。
如何优化无人机方阵的协同控制,并通过建立相应的模型和仿真环境,进行无人机方阵的飞行模拟,并在飞行模拟过程中对障碍物进行避障控制,以减少无人机方阵的飞行风险,如何对仿真结果进行评估,进而生成相应的优化参数去优化无人机方阵的运行,提升无人机方阵的运行效率,这些都是我们所需要考虑的问题。
发明内容
为了解决上述问题,本发明的目的在于提供一种无人机方阵运行仿真***。
本发明的目的可以通过以下技术方案实现:一种无人机方阵运行仿真***,包括数据终端,所述数据终端通信连接有数据建模模块、策略定制模块、仿真模拟模块以及分析优化模块;
所述数据建模模块用于获取无人机相关信息和任务相关信息,进而分别建立无人机方阵模型和任务场景需求模型;
所述策略定制模块用于获取无人机方阵模型和任务场景需求模型,进而生成协同控制策略,所述协同控制策略包括位置控制策略、姿态控制策略和路径规划策略,并根据协同控制策略进行协同决策;
所述仿真模拟模块设置有仿真环境搭建单元和仿真场景运行单元;所述仿真环境搭建单元用于搭建仿真环境;所述仿真场景运行单元用于将无人机方阵模型映射至仿真环境内,进而模拟无人机方阵的运行;
所述分析优化模块用于获取无人机方阵模拟运行的模拟结果数据,进而生成仿真拟合度,并根据仿真拟合度获取优化参数,通过将优化参数传输至仿真模拟模块用于无人机方阵的优化运行。
进一步的,构建所述无人机方阵模型的过程包括:
所述数据建模模块包括数据采集单元和模型构建单元,数据采集单元采集无人机相关信息和任务相关信息,无人机相关信息包括无人机身份序列、无人机飞行日志、无人机动力参数以及无人机通信端口参数,任务相关信息包括任务类型、任务区域、任务时限以及任务目标;
所述模型构建单元预先构建有空参模型,并关联有数据清洗程序,设置截断容量C1,将无人机身份序列作为遍历索引,以每个遍历索引对应的无人机飞行日志、无人机动力参数以及无人机通信端口参数作为封装对象,进而封装生成若干个遍历索引对应的待清洗数据包,记待清洗数据包的包容量为C2,根据C1和C2决定是否执行截断操作,进而执行数据清洗和数据转换,通过数据清洗生成合规数据包,通过数据转换将合规数据包标记为建模数据包,将若干个建模数据包输入至空参模型中,进而生成无人机方阵模型,所述无人机方阵模型包括若干个单体无人机模型。
进一步的,构建所述任务场景需求模型的过程包括:
所述模型构建单元还设置有不同类型的构建栈,记为Stack[k],其中k代表了构建栈的类型,将任务目标作为建模初始项,则建模初始项对应的任务类型、任务区域以及任务时限分别作为第一建模参数、第二建模参数和第三建模参数;
当k=1时,对应的构建栈类型为构建栈A,所述构建栈A用于入栈若干个第一建模参数;
当k=2时,对应的构建栈类型为构建栈B,所述构建栈B用于入栈若干个第二建模参数;
当k=3时,对应的构建栈类型为构建栈C,所述构建栈C用于入栈若干个第三建模参数;
汇总若干个建模初始项对应出栈的第一建模参数、第二建模参数以及第三建模参数,并输入至预设的任务搭建程序内,进而由任务搭建程序生成若干个建模初始项对应的任务场景需求模型。
进一步的,所述协同控制策略的生成过程包括:
所述策略定制模块获取无人机方阵模型和任务场景需求模型,并将无人机方阵模型所包括的若干个单体无人机模型作为映射元素,根据任务场景需求模型构建任务场景空间;任务场景空间设置有不同的场景类型,所述场景类型包括位置控制场景、姿态控制场景以及路径规划场景;
所述任务场景需求模型关联有对应的场景界定系数,预设有策略定制区间集合,根据场景界定系数和策略定制区间集合生成对应场景类型的任务场景空间,并标注出对应的协同控制策略,所述协同控制策略包括位置控制策略、姿态控制策略以及路径规划策略。
进一步的,所述协同决策的过程包括:
获取协同控制策略并进行相应的协同决策;
当获取到的协同控制策略为位置控制策略时,进行的协同决策为:将映射元素映射至对应的位置控制场景内,进行映射元素对应的无人机的位置校准;
当获取到的协同控制策略为姿态控制策略时,进行的协同决策为:将映射元素映射至对应的姿态控制场景内,进行映射元素对应的无人机的姿态控制;
当获取到的协同控制策略为路径规划策略时,进行的协同决策为:将映射元素映射至对应的路径规划场景内,进行无人机的路径规划。
进一步的,搭建所述仿真环境的过程包括:
获取环境数据,环境数据包括障碍物数据、气象数据以及地形数据,障碍物数据包括移动障碍物和静止障碍物,气象数据包括安全气象条件和非安全气象条件,地形数据包括高危地形和安全地形;
获取静止障碍物进而标记出若干个障碍点位,将安全气象条件作为飞行模拟前置条件,标记非安全气象条件为禁飞模拟前置条件,标记高危地形为禁飞区域、标记安全地形为安全飞行区域,获取障碍点位对应的三维坐标,获取移动障碍物对应的动态坐标,建立三维坐标系,将安全飞行区域和禁飞区域作为映射平面,进而汇总若干个映射平面构建出三维拓扑仿真环境地图,将三维坐标和动态坐标作为映射点,将映射点拓扑映射至三维拓扑仿真环境地图上,生成三维拓扑仿真环境地图对应的仿真环境。
进一步的,模拟所述无人机方阵运行的过程包括:
所述仿真场景运行单元获取无人机方阵模型,并将无人机方阵模型映射至仿真环境内,无人机方阵模型对应的无人机方阵由若干架无人机组成,设置模拟起点和模拟终点,仿真环境获取协同控制策略,并根据协同控制策略对无人机方阵执行相应的协同决策,在飞行模拟前置条件下,于模拟起点起飞运行无人机方阵,并根据三维拓扑仿真环境地图执行路径规划策略所对应的路径规划,进而模拟无人机方阵运行,在禁飞模拟前置条件下,不进行模拟。
进一步的,所述路径规划的过程包括:
所述无人机方阵获取自身的实时位置映射于三维拓扑仿真环境地图上,进而获取实时位置与若干个映射点之间的定位距离,标记定位距离为PL;
若映射点为三维坐标,则以映射点为圆心,设置静态避障距离,记为PL1`,控制PL≥PL1`,以PL1`为半径形成若干个映射点对应的静态避障区,将静态避障区相对应的部分映射于三维拓扑仿真环境地图上,进而生成模拟飞行区域,若PL<PL1`,则生成黄色避障预警;
若映射点为动态坐标,则将映射点和实时位置分别作为圆心,设置动态避障距离,记为PL2`,以PL2`为半径,形成两个圆形区域,获取两个圆形区域的面积,分别记为S1和S2,进而获取S1和S2的重叠区域,记为S重,根据面积重叠区域S重生成相应的避障预警,将圆形区域非重叠的部分作为模拟飞行区域,无人机方阵从模拟起点运行,经由若干个模拟飞行区域行驶,并最终降落至模拟终点。
进一步的,根据所述模拟结果数据生成仿真拟合度的过程包括:
所述无人机方阵模拟运行有对应的模拟结果数据,所述模拟结果数据包括避障成功率以及任务完成率;
获取无人机方阵避障成功的次数,获取无人机方阵避障的总次数,进而获取避障成功率,获取无人机方阵任务成功的次数,获取无人机方阵任务执行的总次数,进而获取任务完成率,设置加权系数,根据加权系数、避障成功率以及任务完成率生成仿真拟合度,将仿真拟合度与预设的达标拟合度进行比对,进而决定是否生成优化参数,若仿真拟合度超过达标拟合度,则不生成优化参数,否则,生成优化参数。
进一步的,所述无人机方阵的优化运行的过程包括:
所述优化参数包括动力优化参数、路径优化参数以及故障检修参数;
所述动力优化参数用于优化无人机相关联的电池容量;
所述路径优化参数设置有若干个避障参数,避障参数用于进行无人机在模拟飞行区域内行驶时的避障操作,并标记出最佳路径;
所述故障检修参数用于对无人机进行相应的故障检修;
将所述优化参数传输至仿真模拟模块,进而优化无人机方阵的运行。
与现有技术相比,本发明的有益效果是:通过获取无人机相关信息和任务相关信息,进而分别建立无人机方阵模型和任务场景需求模型,并获取无人机方阵模型和任务场景需求模型生成不同的协同控制策略,通过不同的协同控制策略执行协同决策,进而进行无人机方阵的位置控制、姿态控制以及路径规划,一定程度上提升了无人机方阵协同运行的效率,其中,路径规划通过生成的三维拓扑仿真环境地图标注出模拟飞行区域进行,并对静止障碍物和移动障碍物设置不同避障方案和预警,有效的提升了无人机飞行中的避障率,通过分析无人机方阵的模拟运行所产生的模拟结果数据生成对应的仿真拟合度,根据仿真拟合度生成相应的优化参数,进而进一步将优化参数传输至仿真模拟模块,优化无人机方阵的运行。
附图说明
图1为本发明的原理图。
具体实施方式
如图1所示,一种无人机方阵运行仿真***,包括数据终端,所述数据终端通信连接有数据建模模块、策略定制模块、仿真模拟模块以及分析优化模块;
所述数据建模模块用于获取无人机相关信息和任务相关信息,进而分别建立无人机方阵模型和任务场景需求模型;
所述策略定制模块用于获取无人机方阵模型和任务场景需求模型,进而生成协同控制策略,所述协同控制策略包括位置控制策略、姿态控制策略和路径规划策略,并根据协同控制策略进行协同决策;
所述仿真模拟模块设置有仿真环境搭建单元和仿真场景运行单元;所述仿真环境搭建单元用于搭建仿真环境;所述仿真场景运行单元用于将无人机方阵模型映射至仿真环境内,进而模拟无人机方阵的运行;
所述分析优化模块用于获取无人机方阵模拟运行的模拟结果数据,进而生成仿真拟合度,并根据仿真拟合度获取优化参数,通过将优化参数传输至仿真模拟模块用于无人机方阵的优化运行。
具体的,所述数据建模模块建立无人机方阵模型和任务场景需求模型和过程包括:
所述数据建模模块包括数据采集单元和模型构建单元;
所述数据采集单元采集无人机相关信息和任务相关信息;
所述无人机相关信息包括无人机身份序列、无人机飞行日志、无人机动力参数以及无人机通信端口参数;
所述任务相关信息包括任务类型、任务区域、任务时限以及任务目标;
所述模型构建单元预先构建有空参模型,所述空参模型关联有相应的数据清洗程序,获取无人机相关信息和任务相关信息输入至数据清洗程序内;
所述数据清洗程序设置有截断容量,记为C1,将无人机相关信息中的无人机身份序列作为遍历索引,标记为I,I取值为1,2,3,……,n,其中n为大于0的自然数,以每个遍历索引对应的无人机飞行日志、无人机动力参数以及无人机通信端口参数作为封装对象,进而封装生成若干个遍历索引对应的待清洗数据包;
记所述待清洗数据包的包容量为C2,根据C1和C2决定是否执行截断操作,进而执行数据清洗和数据转换;
若C1≥C2,则对待清洗数据包进行截断操作,生成若干个容量相等的子数据包,标记子数据包的容量为C3,则有C3<C1,将子数据包标记为合规数据包,对合规数据包进行数据清洗和数据转换;
若C1<C2,则不进行截断操作,将待清洗数据包标记为合规数据包,对合规数据包进行数据清洗和数据转换;
数据清洗的内容如下:对若干个合规数据包进行遍历,每遍历到一个合规数据包,则将合规数据包转换为二进制序列串,进而生成若干个二进制序列串,将二进制序列串两两进行比对,当出现重复的二进制序列串时,进行剔除,即相同的二进制序列串只保留一个,进而生成若干个合规数据包对应的二进制序列串,将若干个不相同的二进制序列串还原为原先对应的合规数据包;
数据转换的内容如下:所述若干个不同的合规数据包有相应的数据格式,获取合规数据包的数据格式,并将其转换为预设的标准建模数据格式,将转换为标准建模数据格式的合规数据包标记为建模数据包;
获取所述若干个建模数据包并输入至空参模型中,进而生成无人机方阵模型,所述无人机方阵模型包括若干个单体无人机模型,其中每个建模数据包对应无人机方阵模型的一个单体无人机模型;
所述模型构建单元还设置有不同类型的构建栈,记为Stack[k],其中k代表了构建栈的类型,即k的取值不同,对应的构建栈的类型不同,k的取值为1,2和3;
根据任务相关信息对应的任务目标作为建模初始项,则建模初始项对应的任务类型作为第一建模参数,将任务区域作为第二建模参数,将任务时限作为第三建模参数;
当k=1时,对应的构建栈类型为构建栈A,所述构建栈A用于入栈若干个第一建模参数;
当k=2时,对应的构建栈类型为构建栈B,所述构建栈B用于入栈若干个第二建模参数;
当k=3时,对应的构建栈类型为构建栈C,所述构建栈C用于入栈若干个第三建模参数;
所述构建栈A、构建栈B以及构建栈C设置有并发出栈阈值,记为N,构建栈A、构建栈B以及构建栈C有对应的出栈数值,记为N`,同时进行构建栈A、构建栈B以及构建栈C对应的N`个数目的第一建模参数、第二建模参数以及第三建模参数的出栈;
汇总若干个建模初始项对应出栈的第一建模参数、第二建模参数以及第三建模参数,并输入至预设的任务搭建程序内,进而由任务搭建程序生成若干个建模初始项对应的任务场景需求模型;
需要说明的是,N`≤N,在N`≤N的前提下,N`的数值越接近于N,则同时出栈的第一建模参数、第二建模参数以及第三建模参数的个数越多,代表并发效率越高,进而生成任务场景需求模型的效率越高;
具体的,所述协同控制策略的生成过程包括:
所述策略定制模块用于获取无人机方阵模型和任务场景需求模型;
将无人机方阵模型所包括的若干个单体无人机模型作为映射元素,根据任务场景需求模型构建任务场景空间;
所述任务场景空间设置有不同的场景类型,所述场景类型包括位置控制场景、姿态控制场景以及路径规划场景;
所述任务场景需求模型关联有对应的场景界定系数,记为μ,策略定制模块预设有策略定制区间集合,记为Ω,有Ω={D,Ω1,Ω2,Ω3},其中D为任务场景空间的最低构建限定值,Ω1为生成位置控制场景的策略定制区间,Ω2为生成姿态控制场景的策略定制区间,Ω3为生成路径规划场景的策略定制区间,D表示构建任务场景空间所要求的最低数值,只有大于等于D对应的数值,任务场景需求模型才进行任务场景空间的构建,否则,不进行任务场景空间的构建;
根据场景界定系数μ和策略定制区间集合Ω生成对应场景类型的任务场景空间,并标注出对应的协同控制策略,所述协同控制策略包括位置控制策略、姿态控制策略以及路径规划策略;
在区间数值上,有Ω1<Ω2<Ω3;
当μ≥D时,构建任务场景空间,当μ<D时,不进行任务场景空间的构建;
当μ∈Ω1时,生成场景类型为位置控制场景的任务场景空间,对应生成协同控制策略,并标注协同控制策略为位置控制策略;
当μ∈Ω2时,生成场景类型为姿态控制场景的任务场景空间,对应生成协同控制策略,并标注协同控制策略为姿态控制策略;
当μ∈Ω3时,生成场景类型为路径规划场景的任务场景空间,对应生成协同控制策略,并标注协同控制策略为路径规划策略;
具体的,所述协同决策的过程包括:
获取所述不同的协同控制策略,根据协同控制策略进行相应的协同决策;
当获取到的协同控制策略为位置控制策略时,进行的协同决策为:将映射元素映射至对应的位置控制场景内,进而进行映射元素对应的无人机的位置校准;
预设有标准位置参数,获取无人机的实时位置,进而获取实时位置对应的实时位置参数,若实时位置参数与预设的标准位置参数不符,则进行无人机的位置校准,所述实时位置包括水平位置和垂直位置,将无人机方阵对应的若干个无人机的垂直位置统一校准在预设的垂直方位,每两架无人机的水平位置对应一个水平距离,将水平距离控制在所预设的安全水平距离之外,即水平距离的数值大于等于安全水平距离的数值;
当获取到的协同控制策略为姿态控制策略时,进行的协同决策为:将映射元素映射至对应的姿态控制场景内,进而进行映射元素对应的无人机的姿态控制,获取无人机对应的角速度和加速度,预设有可控角速度区间和可控加速度区间,当角速度、加速度不在可控角速度区间和可控加速度区间内时,表示姿态失衡,生成姿态控制指令传输至数据终端,由数据终端生成反馈参数,并根据反馈参数进行无人机对应的角速度和加速度的调整,直到角速度、加速度在可控角速度区间和可控加速度区间内,此时表示姿态稳定;
需要说明的是,加速度和角速度通过无人机上配备的惯性测量单元进行采集,调整加速度和角速度,则通过将反馈参数输入至无人机相应的发动机或操纵面进行,通过调整发动机的动力输出以及操纵面相应的舵面,实现无人机的姿态调整,例如,如果无人机需要向前倾斜,那么舵面将相应地增加向后的推力或向下偏移舵面;
当获取到的协同控制策略为路径规划策略时,进行的协同决策为:将映射元素映射至对应的路径规划场景内,进而进行无人机的路径规划,所述路径规划根据后续三维拓扑仿真环境地图进行;
需要说明的是,当获取到不同类型的协同控制策略,即同时获取了至少两种类型的协同控制策略时,按照协同控制策略预设的执行优先级执行协同决策,所述协同控制策略的执行优先级设置如下:所述位置控制策略、姿态控制场景以及路径规划策略的执行优先级依次降低,即先执行位置控制策略、再执行姿态控制策略,最后执行路径规划策略;
所述仿真模拟模块设置有仿真环境搭建单元和仿真场景运行单元;
所述仿真环境搭建单元用于搭建仿真环境;
所述仿真场景运行单元用于将无人机方阵模型映射至仿真环境内,进而模拟无人机方阵的运行;
具体的,搭建所述仿真环境的过程包括:
选择仿真平台,获取仿真平台对应的安装配置文档,所述仿真平台有对应的平台运作参数,记为G,通过安排配置文档对仿真平台进行初始化安装配置,进而获取实时运作参数,记为G`;
当G`≥G时,进行仿真环境搭建,当G`<G时,则不进行仿真环境的搭建;
所述仿真环境搭建的内容为:获取环境数据,所述环境数据包括障碍物数据、气象数据以及地形数据,所述障碍物数据包括移动障碍物和静止障碍物,所述气象数据包括安全气象条件和非安全气象条件,所述地形数据包括高危地形和安全地形;
获取静止障碍物进而标记出若干个障碍点位,对所述障碍点位依次进行编号,编号记为j,则有j=1,2,3,……,m,其中,m为大于0的自然数;
将所述安全气象条件作为飞行模拟前置条件,标记所述非安全气象条件为禁飞模拟前置条件,分别赋予标记α和β;
标记所述高危地形为禁飞区域、标记所述安全地形为安全飞行区域,所述障碍点位有对应的三维坐标,记为P,则有P=(X,Y,Z),其中X为横坐标,Y为纵坐标,Z为竖坐标,所述移动障碍物有对应的动态坐标,记为P`,建立三维坐标系,将安全飞行区域和禁飞区域作为映射平面,进而汇总若干个映射平面构建出三维拓扑仿真环境地图;
将三维坐标P和动态坐标P`作为映射点,将所述映射点拓扑映射至三维拓扑仿真环境地图上,所述三维拓扑仿真环境地图有对应的仿真环境;
具体的,模拟所述无人机方阵运行的过程包括:
所述仿真场景运行单元获取无人机方阵模型和仿真环境,进而将无人机方阵模型映射至仿真环境内,所述无人机方阵模型关联有对应的无人机方阵,所述无人机方阵由若干架无人机组成;
设置模拟起点和模拟终点,所述模拟起点为无人机方阵对应的若干个无人机的运行开始点,所述模拟终点为无人机的降落点;
所述仿真环境获取协同控制策略,并根据协同控制策略对无人机方阵执行相应的协同决策,即根据位置控制策略进行位置校准,根据姿态控制策略进行姿态控制;
获取三维拓扑仿真环境地图,在飞行模拟前置条件下,于模拟起点起飞运行无人机方阵,并根据三维拓扑仿真环境地图,进而执行路径规划策略所对应的路径规划,在禁飞模拟前置条件下,不进行无人机方阵的飞行模拟;
所述无人机方阵将自身的实时位置映射于三维拓扑仿真环境地图上,进而获取实时位置与若干个映射点之间的定位距离,记所述定位距离为PL;
所述路径规划如下:
若映射点为三维坐标P,则以映射点为圆心,设置静态避障距离,记为PL1`,控制PL≥PL1`,以PL1`为半径形成若干个映射点对应的静态避障区,将静态避障区相对应的部分映射于三维拓扑仿真环境地图上,进而生成模拟飞行区域;
若PL<PL1`,则生成黄色避障预警;
若映射点为动态坐标P`,则将映射点和实时位置分别作为圆心,设置动态避障距离,记为PL2`,以PL2`为半径,形成两个圆形区域,获取两个圆形区域的面积,分别记为S1和S2,有S1=S2,进而获取S1和S2的重叠区域,记为S重,根据面积重叠区域S重生成相应的避障预警;
所述S重的取值范围为[0.25,0.6];
当S重∈[0.25,0.4]时,生成的避障预警为蓝色避障预警,控制无人机方阵的飞行速度为预设的二级避障速度;
当S重∈(0.4,0.6]时,生成的避障预警为红色避障预警,控制无人机方阵的飞行速度为预设的一级避障速度,并进行悬停,按照预设的速度变更值将飞行速度由一级避障速度降低至停机速度;
所述实时位置所表示的圆形区域非重叠的部分作为模拟飞行区域,所述无人机方阵从模拟起点运行,经由若干个模拟飞行区域行驶,并最终降落至模拟终点;
具体的,根据所述模拟结果数据生成仿真拟合度的过程包括:
所述无人机方阵模拟运行有对应的模拟结果数据,所述模拟结果数据包括避障成功率以及任务完成率;
获取无人机方阵避障成功的次数,记为Num1,获取无人机方阵避障的总次数,记为Num2,进而获取避障成功率,记为R,则有R=(Num1/Num2)*100%;
获取无人机方阵任务成功的次数,记为Num3,获取无人机方阵任务执行的总次数,记为Num4,进而获取任务完成率,记为U,则有U=(Num3/Num4)*100%;
设置加权系数ψ1和ψ2,有ψ1+ψ2=1,根据加权系数、避障成功率以及任务完成率生成仿真拟合度,记仿真拟合度为θ,则有θ=ψ1*R+ψ2*U;
将仿真拟合度与预设的达标拟合度进行比对,进而决定是否生成优化参数,若仿真拟合度超过达标拟合度,则不生成优化参数,否则,生成优化参数;
具体的,所述无人机方阵的优化运行的过程包括:
所述优化参数包括动力优化参数、路径优化参数以及故障检修参数;
所述动力优化参数包括对无人机相关联的电池容量进行扩容,即更换现有的电池为容量更大的电池,进而提升无人机的飞行速度;
所述路径优化参数设置有若干个避障参数,所述避障参数用于进行无人机在模拟飞行区域内行驶时的避障操作,并获取每次任务执行完毕的路线和任务时限内的任务时间,将任务时间最短的路线标记为最佳路径;
所述故障检修参数包括电池检修参数、电子元件检修参数以及动力***检修参数,通过电池检修参数修复电池故障,若电池检修参数无法修复电池故障,则生成介入检修指令一,通过电子元件检修参数检修无人机相关的电子元件,包括机载GPS、陀螺仪和加速度计等电子元件的检修,通过动力***检修参数对无人机的无人机动力参数进行校正;
将所述优化参数传输至仿真模拟模块;
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法精神和范围。
Claims (10)
1.一种无人机方阵运行仿真***,包括数据终端,其特征在于,所述数据终端通信连接有数据建模模块、策略定制模块、仿真模拟模块以及分析优化模块;
所述数据建模模块用于获取无人机相关信息和任务相关信息,进而分别建立无人机方阵模型和任务场景需求模型;
所述策略定制模块用于获取无人机方阵模型和任务场景需求模型,进而生成协同控制策略,所述协同控制策略包括位置控制策略、姿态控制策略和路径规划策略,并根据协同控制策略进行协同决策;
所述仿真模拟模块设置有仿真环境搭建单元和仿真场景运行单元;所述仿真环境搭建单元用于搭建仿真环境;所述仿真场景运行单元用于将无人机方阵模型映射至仿真环境内,进而模拟无人机方阵的运行;
所述分析优化模块用于获取无人机方阵模拟运行的模拟结果数据,进而生成仿真拟合度,并根据仿真拟合度获取优化参数,通过将优化参数传输至仿真模拟模块用于无人机方阵的优化运行。
2.根据权利要求1所述的一种无人机方阵运行仿真***,其特征在于,构建所述无人机方阵模型的过程包括:
所述数据建模模块包括数据采集单元和模型构建单元,数据采集单元采集无人机相关信息和任务相关信息,无人机相关信息包括无人机身份序列、无人机飞行日志、无人机动力参数以及无人机通信端口参数,任务相关信息包括任务类型、任务区域、任务时限以及任务目标;
所述模型构建单元预先构建有空参模型,并关联有数据清洗程序,设置截断容量C1,将无人机身份序列作为遍历索引,以每个遍历索引对应的无人机飞行日志、无人机动力参数以及无人机通信端口参数作为封装对象,进而封装生成若干个遍历索引对应的待清洗数据包,记待清洗数据包的包容量为C2,根据C1和C2决定是否执行截断操作,进而执行数据清洗和数据转换,通过数据清洗生成合规数据包,通过数据转换将合规数据包标记为建模数据包,将若干个建模数据包输入至空参模型中,进而生成无人机方阵模型,所述无人机方阵模型包括若干个单体无人机模型。
3.根据权利要求2所述的一种无人机方阵运行仿真***,其特征在于,构建所述任务场景需求模型的过程包括:
所述模型构建单元还设置有不同类型的构建栈,记为Stack[k],其中k代表了构建栈的类型,将任务目标作为建模初始项,则建模初始项对应的任务类型、任务区域以及任务时限分别作为第一建模参数、第二建模参数和第三建模参数;
当k=1时,对应的构建栈类型为构建栈A,所述构建栈A用于入栈若干个第一建模参数;
当k=2时,对应的构建栈类型为构建栈B,所述构建栈B用于入栈若干个第二建模参数;
当k=3时,对应的构建栈类型为构建栈C,所述构建栈C用于入栈若干个第三建模参数;
汇总若干个建模初始项对应出栈的第一建模参数、第二建模参数以及第三建模参数,并输入至预设的任务搭建程序内,进而由任务搭建程序生成若干个建模初始项对应的任务场景需求模型。
4.根据权利要求3所述的一种无人机方阵运行仿真***,其特征在于,所述协同控制策略的生成过程包括:
所述策略定制模块获取无人机方阵模型和任务场景需求模型,并将无人机方阵模型所包括的若干个单体无人机模型作为映射元素,根据任务场景需求模型构建任务场景空间;任务场景空间设置有不同的场景类型,所述场景类型包括位置控制场景、姿态控制场景以及路径规划场景;
所述任务场景需求模型关联有对应的场景界定系数,预设有策略定制区间集合,根据场景界定系数和策略定制区间集合生成对应场景类型的任务场景空间,并标注出对应的协同控制策略,所述协同控制策略包括位置控制策略、姿态控制策略以及路径规划策略。
5.根据权利要求4所述的一种无人机方阵运行仿真***,其特征在于,所述协同决策的过程包括:
获取协同控制策略并进行相应的协同决策;
当获取到的协同控制策略为位置控制策略时,进行的协同决策为:将映射元素映射至对应的位置控制场景内,进行映射元素对应的无人机的位置校准;
当获取到的协同控制策略为姿态控制策略时,进行的协同决策为:将映射元素映射至对应的姿态控制场景内,进行映射元素对应的无人机的姿态控制;
当获取到的协同控制策略为路径规划策略时,进行的协同决策为:将映射元素映射至对应的路径规划场景内,进行无人机的路径规划。
6.根据权利要求5所述的一种无人机方阵运行仿真***,其特征在于,搭建所述仿真环境的过程包括:
获取环境数据,环境数据包括障碍物数据、气象数据以及地形数据,障碍物数据包括移动障碍物和静止障碍物,气象数据包括安全气象条件和非安全气象条件,地形数据包括高危地形和安全地形;
获取静止障碍物进而标记出若干个障碍点位,将安全气象条件作为飞行模拟前置条件,标记非安全气象条件为禁飞模拟前置条件,标记高危地形为禁飞区域、标记安全地形为安全飞行区域,获取障碍点位对应的三维坐标,获取移动障碍物对应的动态坐标,建立三维坐标系,将安全飞行区域和禁飞区域作为映射平面,进而汇总若干个映射平面构建出三维拓扑仿真环境地图,将三维坐标和动态坐标作为映射点,将映射点拓扑映射至三维拓扑仿真环境地图上,生成三维拓扑仿真环境地图对应的仿真环境。
7.根据权利要求6所述的一种无人机方阵运行仿真***,其特征在于,模拟所述无人机方阵运行的过程包括:
所述仿真场景运行单元获取无人机方阵模型,并将无人机方阵模型映射至仿真环境内,无人机方阵模型对应的无人机方阵由若干架无人机组成,设置模拟起点和模拟终点,仿真环境获取协同控制策略,并根据协同控制策略对无人机方阵执行相应的协同决策,在飞行模拟前置条件下,于模拟起点起飞运行无人机方阵,并根据三维拓扑仿真环境地图执行路径规划策略所对应的路径规划,进而模拟无人机方阵运行,在禁飞模拟前置条件下,不进行模拟。
8.根据权利要求7所述的一种无人机方阵运行仿真***,其特征在于,所述路径规划的过程包括:
所述无人机方阵获取自身的实时位置映射于三维拓扑仿真环境地图上,进而获取实时位置与若干个映射点之间的定位距离,标记定位距离为PL;
若映射点为三维坐标,则以映射点为圆心,设置静态避障距离,记为PL1`,控制PL≥PL1`,以PL1`为半径形成若干个映射点对应的静态避障区,将静态避障区相对应的部分映射于三维拓扑仿真环境地图上,进而生成模拟飞行区域,若PL<PL1`,则生成黄色避障预警;
若映射点为动态坐标,则将映射点和实时位置分别作为圆心,设置动态避障距离,记为PL2`,以PL2`为半径,形成两个圆形区域,获取两个圆形区域的面积,分别记为S1和S2,进而获取S1和S2的重叠区域,记为S重,根据面积重叠区域S重生成相应的避障预警,将圆形区域非重叠的部分作为模拟飞行区域,无人机方阵从模拟起点运行,经由若干个模拟飞行区域行驶,并最终降落至模拟终点。
9.根据权利要求8所述的一种无人机方阵运行仿真***,其特征在于,根据所述模拟结果数据生成仿真拟合度的过程包括:
所述无人机方阵模拟运行有对应的模拟结果数据,所述模拟结果数据包括避障成功率以及任务完成率;
获取无人机方阵避障成功的次数,获取无人机方阵避障的总次数,进而获取避障成功率,获取无人机方阵任务成功的次数,获取无人机方阵任务执行的总次数,进而获取任务完成率,设置加权系数,根据加权系数、避障成功率以及任务完成率生成仿真拟合度,将仿真拟合度与预设的达标拟合度进行比对,进而决定是否生成优化参数,若仿真拟合度超过达标拟合度,则不生成优化参数,否则,生成优化参数。
10.根据权利要求9所述的一种无人机方阵运行仿真***,其特征在于,所述无人机方阵的优化运行的过程包括:
所述优化参数包括动力优化参数、路径优化参数以及故障检修参数;
所述动力优化参数用于优化无人机相关联的电池容量;
所述路径优化参数设置有若干个避障参数,避障参数用于进行无人机在模拟飞行区域内行驶时的避障操作,并标记出最佳路径;
所述故障检修参数用于对无人机进行相应的故障检修;
将所述优化参数传输至仿真模拟模块,进而优化无人机方阵的运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311199140.1A CN117075496A (zh) | 2023-09-18 | 2023-09-18 | 一种无人机方阵运行仿真*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311199140.1A CN117075496A (zh) | 2023-09-18 | 2023-09-18 | 一种无人机方阵运行仿真*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117075496A true CN117075496A (zh) | 2023-11-17 |
Family
ID=88719537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311199140.1A Pending CN117075496A (zh) | 2023-09-18 | 2023-09-18 | 一种无人机方阵运行仿真*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117075496A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107643695A (zh) * | 2017-09-07 | 2018-01-30 | 天津大学 | 基于脑电的有人/无人机集群编队vr仿真方法及*** |
CN108646589A (zh) * | 2018-07-11 | 2018-10-12 | 北京晶品镜像科技有限公司 | 一种攻击无人机编队的作战模拟训练***及方法 |
CN111221352A (zh) * | 2020-03-03 | 2020-06-02 | 中国科学院自动化研究所 | 基于多无人机协同博弈对抗的控制*** |
CN111983936A (zh) * | 2020-08-31 | 2020-11-24 | 广州机械科学研究院有限公司 | 一种无人机半物理仿真***及测评方法 |
CN113887134A (zh) * | 2021-09-27 | 2022-01-04 | 南京航空航天大学 | 一种大规模轻量级的无人集群试验仿真平台及工作方法 |
CN114063474A (zh) * | 2021-12-03 | 2022-02-18 | 北京航空航天大学 | 一种无人机集群的半物理仿真*** |
CN114488848A (zh) * | 2021-12-30 | 2022-05-13 | 北京理工大学 | 面向室内建筑空间的无人机自主飞行***及仿真实验平台 |
CN114510012A (zh) * | 2022-02-16 | 2022-05-17 | 中国电子科技集团公司第五十四研究所 | 一种基于元动作序列强化学习的无人集群演进***及方法 |
CN114995124A (zh) * | 2022-04-29 | 2022-09-02 | 中国航空无线电电子研究所 | 一种基于线性时序逻辑的人机协同博弈仿真决策方法 |
CN115237000A (zh) * | 2022-06-23 | 2022-10-25 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种有无人机编队协同对抗仿真试验平台及试验方法 |
CN116047934A (zh) * | 2023-01-13 | 2023-05-02 | 北京卓翼智能科技有限公司 | 一种无人机集群的实时仿真方法、***以及电子设备 |
CN116126023A (zh) * | 2023-02-22 | 2023-05-16 | 北京理工大学 | 一种多机协同动态障碍穿越方法及*** |
-
2023
- 2023-09-18 CN CN202311199140.1A patent/CN117075496A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107643695A (zh) * | 2017-09-07 | 2018-01-30 | 天津大学 | 基于脑电的有人/无人机集群编队vr仿真方法及*** |
CN108646589A (zh) * | 2018-07-11 | 2018-10-12 | 北京晶品镜像科技有限公司 | 一种攻击无人机编队的作战模拟训练***及方法 |
CN111221352A (zh) * | 2020-03-03 | 2020-06-02 | 中国科学院自动化研究所 | 基于多无人机协同博弈对抗的控制*** |
CN111983936A (zh) * | 2020-08-31 | 2020-11-24 | 广州机械科学研究院有限公司 | 一种无人机半物理仿真***及测评方法 |
CN113887134A (zh) * | 2021-09-27 | 2022-01-04 | 南京航空航天大学 | 一种大规模轻量级的无人集群试验仿真平台及工作方法 |
CN114063474A (zh) * | 2021-12-03 | 2022-02-18 | 北京航空航天大学 | 一种无人机集群的半物理仿真*** |
CN114488848A (zh) * | 2021-12-30 | 2022-05-13 | 北京理工大学 | 面向室内建筑空间的无人机自主飞行***及仿真实验平台 |
CN114510012A (zh) * | 2022-02-16 | 2022-05-17 | 中国电子科技集团公司第五十四研究所 | 一种基于元动作序列强化学习的无人集群演进***及方法 |
CN114995124A (zh) * | 2022-04-29 | 2022-09-02 | 中国航空无线电电子研究所 | 一种基于线性时序逻辑的人机协同博弈仿真决策方法 |
CN115237000A (zh) * | 2022-06-23 | 2022-10-25 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种有无人机编队协同对抗仿真试验平台及试验方法 |
CN116047934A (zh) * | 2023-01-13 | 2023-05-02 | 北京卓翼智能科技有限公司 | 一种无人机集群的实时仿真方法、***以及电子设备 |
CN116126023A (zh) * | 2023-02-22 | 2023-05-16 | 北京理工大学 | 一种多机协同动态障碍穿越方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11450215B2 (en) | Motion planning method and system for aircraft, in particular for load-carrying and/or people-carrying VTOL aircraft | |
Pettersson et al. | Probabilistic roadmap based path planning for an autonomous unmanned helicopter | |
CN111256703B (zh) | 一种多旋翼无人机巡检路径规划方法 | |
CN110989626B (zh) | 一种基于控制参数化的无人机路径规划方法 | |
CN106406327A (zh) | 一种无人机任务架构快速验证平台 | |
CN109358638A (zh) | 基于分布式地图的无人机视觉避障方法 | |
CN110059863B (zh) | 一种基于所需到达时间的航空器四维航迹优化方法 | |
CN111679690A (zh) | 一种巡检无人机机巢分布及信息交互方法 | |
CN112327939B (zh) | 一种城市街区环境下高层消防多无人机协同路径规划方法 | |
US20220111962A1 (en) | Aerial vehicle and method and computer-aided system for controlling an aerial vehicle | |
CN113406968B (zh) | 基于数字孪生的无人机自主起降巡航方法 | |
CN108427430A (zh) | 基于网络控制的四旋翼飞行器控制方法 | |
Ghabcheloo et al. | Coordinated path following control of multiple wheeled robots with directed communication links | |
CN108595844A (zh) | 自动驾驶控制方法及装置 | |
CN113885573A (zh) | 基于三维模型和北斗cors差分定位的无人机自主巡检方法 | |
CN113721653B (zh) | 一种飞行器航迹实时规划*** | |
Bueno et al. | Project AURORA: Towards an autonomous robotic airship | |
CN111895998B (zh) | 一种大型固定翼无人飞行器分段堆栈式航路规划方法 | |
CN115877865A (zh) | 一种无人机巡检方法、装置及无人机巡检*** | |
Mancini et al. | A framework for simulation and testing of uavs in cooperative scenarios | |
CN117252011A (zh) | 基于分布式架构的异构地空无人集群仿真***构建方法 | |
CN117075496A (zh) | 一种无人机方阵运行仿真*** | |
CN117150757A (zh) | 一种基于数字孪生的仿真推演*** | |
CN110662272A (zh) | 一种基于蜂群无人机的最少数量领航者选取方法 | |
Chen et al. | A Two‐Stage Method for UCAV TF/TA Path Planning Based on Approximate Dynamic Programming |
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 |