论文部分内容阅读
无人机的编队控制在环境感知、集群对抗、搜救等应用中发挥了重要的作用,它是无人机编队导航的基础。编队控制主要包括编队队形控制和编队机动控制两个研究内容。在编队队形方面,目前的研究主要集中在一组编队的队形控制,然而这并不适应于多任务的场景;在编队机动控制方面,国内外学者大多采用多种方法定义编队,来实现编队的机动控制,定义编队方法的不变性较弱。为了使编队能够适应于多目标和多任务的场景,并提高定义编队方法的不变性,本文以无人机为研究对象,主要对编队队形控制和编队机动控制进行研究:1.对于编队队形控制,针对一组编队无法适应于多目标和多任务场景的情况。本文提出一种能够独立控制多组编队队形的算法。为了实现多组编队的队形控制,使用shape理论来定义编队队形,将编队的队形控制问题转换为非光滑的凸优化问题,使用递归神经网络对该优化问题进行求解,该算法能够独立控制多组编队的大小、形状、方向和限制区域;使用匈牙利算法重新计算无人机初始位置和目标位置的匹配关系,使多无人机形成编队的总路径长度减少约45%;并给出了两个仿真示例验证了本章所提出算法的有效性。2.对于编队机动控制,提出了一种基于shape theory和flocking算法的无人机编队机动控制算法。使用栅格地图构建编队的工作空间,根据栅格地图的最优路径和自由栅格为编队设定限制区域,并使用基于shape理论的编队队形控制算法在每个限制区域中计算出满足目标队形约束的目标编队,使用flocking算法驱动无人机追踪时变的目标编队以完成编队的旋转、平移和放缩运动。该算法仅使用一种定义编队的方法就能使编队实现平移、旋转和放缩运动,适应环境的变化,提高了定义编队方法的不变性。最后,通过仿真验证了本章所提出算法的可行性,并使用编队队形的形变程度和编队跟随参考路径的情况来衡量该算法的性能,结果表明该算法能够在保持队形的情况下从初始位置运动到目标位置。基于机器人操作系统(ROS)搭建了多无人机编队的半物理仿真平台(HILSP),并使用该仿真平台对本文提出的多组编队队形控制算法进行了验证。