基于分布式融合定位的无人机集群自组织协同飞行控制方法.pdf
《基于分布式融合定位的无人机集群自组织协同飞行控制方法.pdf》由会员分享,可在线阅读,更多相关《基于分布式融合定位的无人机集群自组织协同飞行控制方法.pdf(10页珍藏版)》请在咨信网上搜索。
1、第6卷 第5期2023年10月无人系统技术Unmanned Systems TechnologyVol.6 No.5October 2023基于分布式融合定位的无人机集群自组织协同飞行控制方法李晨玮1,周建山1*,田大新1,段续庭1,赵德宗2,任成昊3(1.北京航空航天大学交通科学与工程学院,北京100191;2.格拉斯哥大学工程学院,英国;3.淄博哇呦创飞智能科技有限公司,淄博255049)摘要:针对无人机集群如何精确估计目标位置并协同打击目标的问题,开展了无人机集群自组织协同飞行控制方法研究。考虑噪声对定位精度的影响,建立了无人机对目标位置的含噪测量模型,设计了无人机集群自主协同移动算法。
2、具体地,首先建立无人机集群对目标位置进行测量的全局误差最小化模型,结合梯度下降的更新机制和加权融合机制,提出了分布式感知融合算法,实现无人机集群对目标位置以及集群平均飞行速度的精确估计;在此基础上,提出了具有自适应能力的无人机位置、速度控制策略,实现集群自主协同飞行。仿真结果表明,提出的算法可以有效降低噪声干扰,显著提高无人机对目标位置和集群平均速度的测量精度,集群向多个目标点飞行的条件下,无人机对目标位置测量的均方偏差降低95%,对平均速度测量的均方偏差降低183%,实现无人机集群的自组织协同飞行控制。关键词:无人机集群;抗干扰;协同飞行;分布式感知融合;目标测量;运动控制策略中图分类号:V
3、279 文献标识码:A 文章编号:2096-5915(2023)05-061-10DOI:10.19942/j.issn.2096-5915.2023.05.49Self-organized Cooperative Flight Control Method for UAV Swarms Based on Distributed Fusion PositioningLI Chenwei1,ZHOU Jianshan1*,TIAN Daxin1,DUAN Xuting1,ZHAO Dezong2,REN Chenghao3(1.School of Transportation Science a
4、nd Engineering,Beihang University,Beijing 100191,China;2.James Watt School of Engineering,University of Glasgow,UK;3.Zibo Wayou Chuangfei Intelligent Technology Co.,Ltd,Zibo 255049,China)Abstract:Aiming at the problem of how UAV swarms can accurately estimate the target position and strike the targe
5、t cooperatively,research on the self-organized cooperative flight control method of UAV swarms is carried out.Considering the influence of noise on positioning accuracy,a noise-containing measurement 收稿日期:2023-05-28;修回日期:2023-06-19基金项目:国家自然科学基金(52202391、U20A20155)作者简介:李晨玮,硕士研究生。通讯作者:周建山,博士,副教授。引用格式:
6、李晨玮,周建山,田大新,等.基于分布式融合定位的无人机集群自组织协同飞行控制方法 J.无人系统技术,2023,6(5):61-70.Li C W,Zhou J S,Tian D X,et al.Self-organized Cooperative Flight Control Method for UAV Swarms Based on Distributed Fusion Positioning J.Unmanned Systems Technology,2023,6(5):61-70.第 6 卷无人系统技术model of UAV on the target position is est
7、ablished,and an autonomous cooperative movement algorithm for UAV swarms is designed.Specifically,firstly,a global error minimization model for the measurement of target position by UAV swarms is established,and a distributed sensory fusion algorithm is proposed in combination with the gradient desc
8、ent update mechanism and the weighted fusion mechanism to realize the accurate estimation of target position and the average flight speed of swarms by UAV swarms.On this basis,a UAV position and speed control strategy with self-adaptive capability is proposed to realize autonomous cooperative swarms
9、 flight.Simulation results show that the proposed algorithm can effectively reduce the noise interference,significantly improve the measurement accuracy of target position and clusters average speed of UAVs.Under the condition of clusters flying to multiple target points,the MSD of UAV on target pos
10、ition measurement is reduced by 95%,and the MSD of UAV on average speed measurement is reduced by 183%,and realize the self-organized collaborative flight control of UAV clusters.Key words:UAV Swarms;Anti-interference;Coordinated Flight;Distributed Sensory Fusion;Target Measurement;Motion Control St
11、rategy1 引 言 近年来,随着环境感知与认识、信息交互与自主控制、多机协同任务规划与决策、人机智能融合与自适应学习等相关技术的日益成熟,无人系统集群作为一种具备“改变游戏规则”潜力的颠覆性技术,已经成为世界无人系统发展的一个重要方向。与传统有人机相比,无人机具有无人员伤亡危险、持续作战能力强、采购维护成本低、操作使用灵活方便等突出优点,能有效增强在各种复杂险恶环境中执行任务的能力,有助于将杀伤链变成杀伤网,在军事领域得到了广泛应用。无人机在作战中由遥控或自主制导,携带爆炸性有效载荷发射出去后,环绕战场飞行,识别目标,再向目标飞行并在撞击时引爆,旨在干扰或摧毁敌方目标1。如今,单无人机作战
12、已不占据优势,因此迫切需要研究多无人机集群作战,通过集群力量提高作战效率。美国陆军首先开始了无人机集群作战的研究,研究成果也最为突出。美国空军20092047年无人机系统的飞行计划提出,无人机必须完成从“自动”到“自主”的过渡、从单无人机到无人机集群的形成2-3。针对无人机集群分布式控制,文献4提出了一种基于半定规划的分布式控制策略方法,使无人机自主地形成理想的队形。文献 5 提出了一种分布式编队控制策略,基于重心坐标进行控制,不需要智能体之间的通信,并且可以通过使用智能体在其局部坐标框架中获得的相对位置测量来实现控制。文献 6提出平均场博弈理论,每个智能体都近似地将其他智能体的状态视为全局状
13、态的平均值,通过控制单个智能体和全局状态分布实现智能体集群控制。无人集群系统自主协同首先要解决一致性问题,从而实现协同。无人机达到协同移动需要满足以下两个要求:(1)相邻无人机之间应在保持安全距离的同时保证距离足够近,以达到在安全飞行的前提下减少无线传输衰减的目的;(2)由于没有中央控制设施存在,每架无人机需自主调整飞行状态7。针对无人机集群自主协同研究,文献 8 提出一种基于一致性的拍卖算法,采用竞拍形式,使无人机通过信息交互达成一致性,实现最佳任务分配。文献 9 通过改进蚁群算法实现无人机集群的路径规划与任务分配,避免无人机间路径交叉。文献 10 基于无人机的聚类控制,将边缘计算、协同通信
14、和集中式任务分配相结合,用于应急救援中,做出救援决策。对于目标定位测量问题,如何降低噪声和干扰的影响是现如今研究的重点。文献 11 基于命令滤波反步方案设计了一个自适应有限时间控制器,实现飞行器编队姿态跟踪控制,建立误差62第 5 期李晨玮等:基于分布式融合定位的无人机集群自组织协同飞行控制方法补偿机制弥补了干扰项。文献 12 提出了一种应对干扰多四旋翼主从式协同目标定位方法,提高抗干扰能力,实现对目标的对峙跟踪。文献13 设计了一种提高视觉目标跟踪稳定性的算法,能够提高在目标的相对位置不断变化的过程中测量的准确性和稳定性。文献 14 提出了一种新的光学跟踪系统和视觉跟踪方法,采用激光光点作为
15、视觉跟踪对象,提高无人机同步飞行时的跟踪精度。文献15提出了黎曼-布劳尔矩阵和基于角度的混合Brauer矩阵两种检测技术,以提高无人机目标检测的精度。综上所述,现有的研究主要集中在无人机集群路径规划与协同任务分配,以及单无人机的目标定位测量方面,缺少对无人机集群对目标位置进行分布式感知与信息融合的研究。针对上述不足,本文研究了基于分布式融合定位的无人机集群自组织飞行控制。由于噪声干扰的影响,无人机无法对目标位置进行精确的测量以及协同打击,因此提出了无人机集群分布式协同感知融合算法,并将其与飞行控制策略相结合,使无人机具有分布式的适应能力,实现精准定位目标位置,并控制集群的位置与速度,向目标位置
16、自组织协同移动。本文的主要贡献如下:(1)提出了一种无人机集群分布式协同感知融合算法,能够使无人机节点自适应更新本地的定位测量信息并自主融合邻域内节点的测量信息,通过集群协同方式降低节点测量噪声的干扰、提高对目标位置的感知精度;(2)利用无人机集群对目标位置的感知信息,进一步设计了无人机集群自组织飞行运动控制策略,使无人机集群实现向多个目标位置自主协同移动。2 无人机对目标位置的含噪测量模型 考虑一个由N架无人机组成的集群,该集群包含m个子群,每个子群由Mk架无人机组成,其中k=1,2,m。无人机集群向m个目标位置协同飞行,每个子群对应地向一个目标位置k(k=1,2,m)移动。定义无人机i的两
17、个邻域集合Ni和Mi,其中Ni表示在无人机i通信范围内能够与其进行信息交互的邻居无人机的集合,Mi表示在Ni中飞行目标位置与i相同的邻居无人机的集合,其中i=1,2,N。在无人机集群飞行的每个时刻,每架无人机都可以接收到来自邻居无人机的信息,无人机通过自主融合邻域内无人机的测量信息,实现自主协同移动。每架无人机对每个目标位置都有本地距离测量值。在某一时刻 t,无人机 i 可以获得自身位置si,t到第 k 个目标位置pk的距离测量值li,k(t),以及自身位置指向目标位置pk的单位方向向量ri,k,t两个测量信息。其中,上标o表示真值(如pk),使用下标及括号的形式表示该变量为标量(如li,k(
18、t)),仅 使 用 下 标 表 示 该 变 量 为 矢量(如ri,k,t)。由于存在噪声项的影响,无人机无法获取目标位置的准确测量信息,因此,无人机对目标位置pk的测量值存在噪声的非真值为li,k(t)=ri,k,tpk+i,k(t)(1)式中,i,k(t)表示噪声项,噪声的实际来源主要包括无线电带来的干扰和阻塞等环境噪声以及传感器测量存在的不确定噪声。因此,无人机需要通过与邻居无人机进行信息交互,不断自适应地更新本地对每个目标位置的测量值,使得每个子群最终能够准确到达对应的目标位置。定义全局成本函数为C(pk)=i=1NE|li,k(t)-ri,k,tpk|2(2)式中,E为期望运算符。由此
19、,通过设计合理的分布式优化算法,最小化上述全局测量误差函数,可实现无人机集群协同估计目标位置。图1展示了第k个子群到第k个目标位置的距离以及指向目标位置的单位方向向量模型。无人机i到目标位置pk的距离的真实值li,k(t)可表示为内积li,k(t)=ri,k,t(pk-si,t)(3)式中,ri,k,t表示无人机i在时刻t指向pk的单位方向向量,该方向向量由方向角i,k(t)和仰角i,k(t)定义,63第 6 卷无人系统技术ri,k,t=cos i,k(t)cos i,k(t)sin i,k(t)cos i,k(t)sin i,k(t)(4)无人机i对距离li,k(t)和单位方向向量ri,k,
20、t的感知同样存在噪声干扰,二者含有噪声的测量值表示为li,k(t)=li,k(t)+li,k(t),ri,k,t=ri,k,t+ri,k,t(5)式中,li,k(t)表示附加在li,k(t)上的噪声项,ri,k,t表示附加在ri,k,t上的噪声项。由上式,目标的噪声位置可用含噪声项的距离及单位方向向量的测量值表示出来pk=si,t+li,k(t)rTi,k,t=pk+i,k,t(6)式中,上标T表示共轭转置。噪声项定义为i,k,t=li,k(t)rTi,k,t+li,k(t)rTi,k,t+li,k(t)rTi,k,t(7)式中包含了三项噪声的矢量表达式,第一项表示距离值的噪声,第二项表示距离
21、在方向上存在噪声,第三项表示距离的噪声项在方向上也存在噪声。无人机对目标位置的含噪测量模型展示了无人机对目标位置的测量方法,明确指出了噪声项对测量精度的影响。该模型为后续无人机集群自主协同移动算法设计提供了基础。3 无人机集群自主协同移动算法 为了使无人机集群能够精准定位每个目标位置,实现向多个目标位置的自主协同移动,本文进一步设计无人机集群自主协同移动算法。该算法由两部分组成,分布式协同感知融合算法用于使无人机具备分布式的适应能力,降低噪声干扰,利用集群内无人机的信息更新本地对目标位置的测量值,同时利用所属子群内无人机的信息更新本地对子群平均速度的测量值,提高测量精度;自组织飞行运动控制策略
22、用于控制无人机的位置及速度,实现集群向多个目标位置协同移动。该算法是一种分布式算法,使得每架无人机都能够具备处理局部信息的能力。3.1分布式协同感知融合算法首先设计一种分布式协同感知算法,用于更新无人机对每个目标位置以及所属子群平均速度的测量值,称这两个测量值为全局测量值。无人机在每一时刻都能够获取本地位置信息、本地速度信息和全局测量值,同时还可以接收到来自邻居无人机的信息。通过与邻居无人机的信息融合,无人机能够以分布式的方式更新全局测量值,降低噪声干扰对测量的影响,更精准地定位目标位置。分布式协同感知融合算法包括两个步骤:局部感知步骤和融合步骤。局部感知步骤中,无人机i获取邻域内每架邻居无人
23、机j Ni对每个目标位置的测量值,以及属于同一子群的邻居无人机j Mi对子群平均速度的测量值,并定义两个权重系数aj,k,i、cj,k,i分配邻居无人机的权重,通过求解全局成本函数计算得到本地全局测量值的中间值;在融合步骤中,再定义两个权重系数bj,k,i、dj,k,i对中间值进行加权融合,得到更新后的全局测量值。两组非负实数权重系数表示分配给邻居无人机及其链路上的权重,满足 j=1Naj,k,i=j=1Nbj,k,i=1,j Niaj,k,i=bj,k,i=0,j Ni(8)j=1Mkcj,k,i=j=1Mkdj,k,i=1,j Micj,k,i=dj,k,i=0,j Mi(9)无人机i通过
24、融合邻居无人机的信息,更新对目标位置的距离测量值,利用梯度下降的更新机制最小化全局测量误差,即式(2)图1无人机子群到目标k的距离和方向向量Fig.1Distance and direction vectors from the UAV sub-swarm to the target k64第 5 期李晨玮等:基于分布式融合定位的无人机集群自组织协同飞行控制方法pi,k,t=pi,k,t-1-pC(pi,k,t-1)*(10)pC(pi,k,t-1)*=j NirTj,k,trj,k,tpi,k,t-1-li,k(t)(11)式中,为正步长,pi,k,t是迭代时对pk的估计值,pC(pi,k,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 分布式 融合 定位 无人机 集群 组织 协同 飞行 控制 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。