论文部分内容阅读
现阶段,无人机性能不断提升,应用范围不断扩大。多无人机协同目标跟踪作为无人机的典型任务之一,得到了广泛的关注。由于一般军事任务的集群性,在实际任务中需要跟踪多个目标的情况时有发生,因此研究多无人机对多目标的跟踪具有重要意义。本文针对复杂环境下多无人机协同跟踪地面多目标过程中的关键问题进行研究。重点进行了三个方面的研究,包括多机多目标分配、地面目标状态融合估计和多机协同目标跟踪运动导引算法。(1)分析了多机跟踪多目标的逻辑过程。给出了复杂环境下多无人机协同跟踪地面多目标问题的求解框架,并对各个组成部分进行了描述。对其中的关键组成要素进行了建模。(2)考虑到环境中存在遮蔽区域的情况,提出了基于层次聚类的多机跟踪地面多目标分配方法。针对地面目标运动状态不确定和无人机视场有限等情况,设计了可变的无人机跟踪半径。在层次聚类的基础上,将复杂环境中的遮蔽区域考虑到算法中。之后形成在目标分组完成后无人机的分配策略。设计了数值仿真实验,对目标分组算法和无人机分配策略进行了可行性验证。(3)针对目标状态不确定的问题,设计了IMM_UKF算法对目标状态信息进行滤波,并采用联邦滤波结构对数据进行融合。针对运动模型中转弯角估计不准确的问题,建立了自适应运动模型。根据无人机对地面目标观测的误差椭圆,设计了当前无人机观测值的置信度计算方式。将置信度加入到目标状态融合算法中。采用数值仿真验证了基于自适应运动模型的目标状态融合算法的有效性。(4)在环境中存在障碍或者禁飞区域的情况下,提出了基于Lyapunov导航向量场引导无人机对地面目标进行Standoff跟踪的方法。引入避碰势场,解决了无人机在跟踪任务中遇到障碍或者禁飞区域的问题。针对Lyapunov制导律在多无人机协同跟踪地面目标问题中收敛速度慢的问题,提出了基于无人机与目标距离的保距算法负反馈结构和基于无人机之间相位角的保角算法负反馈结构。并通过仿真实验验证了算法的收敛性。最后依据实验室现有条件,对无人机运动导引算法进行了实物飞行实验。实验表明论文提出的无人机运动导引算法在实际应用中也有收敛速度快、稳定性高的优点。