基于分布式进化算法的多飞行器编队的控制方法和装置制造方法
【专利摘要】本发明实施例提供一种基于分布式进化算法的多飞行器编队的控制方法和装置，该控制方法包括：获取至少两个飞行器当前的控制参数，并将控制参数输入预先获取的目标函数，获取至少两个飞行器在当前的控制参数下的目标函数值；若目标函数值大于或等于预先设置的门限约束值，则利用分布式进化算法重新优化控制参数，并将重新优化后的控制参数输入目标函数，获取重新优化后的控制参数对应的目标函数值，若重新优化后的控制参数对应的目标函数值大于或等于门限约束值，则重复本步骤直至目标函数值小于门限约束值；获取第一控制参数，并根据第一控制参数控制至少两个飞行器的飞行路线，通过该,方法实现多飞行器在空间的编队和编队变换。
【专利说明】基于分布式进化算法的多飞行器编队的控制方法和装置
【技术领域】
[0001] 本发明实施例涉及智能飞行器技术，尤其涉及一种基于分布式进化算法的多飞行 器编队的控制方法和装置。
【背景技术】
[0002] 智能飞行器作为未来飞行器发展的重要方向，随着在军事、通用航空等领域的应 用越来越广泛，飞行器在空中的飞行编队控制问题亟待解决。
[0003] 现有技术中，飞行器编队方法包括：跟随领航者法、基于行为法、虚拟结构法等。上 述几种现有编队方式具体过程为：根据各个飞行器的性能参数，飞行器之间的约束关系，进 行二维建模，获取一个二维的目标函数，将飞行器初始状态的各项控制参数输入获取的目 标函数，使得多个飞行器按照目标函数约束的编队进行飞行，若其中一个飞行器因为外部 环境偏离原编队，可根据上述目标函数回到原来的编队继续飞行，以保持原有编队的队形。
[0004] 但是，现有的多飞行器编队方法为控制多个飞行器保持特定编队队形的编队方 式，但实际的多飞行器根据外部环境及工作类型需要进行编队队形的变换，现有的编队方 式不能实现不了编队队形的变换。
【发明内容】
[0005] 本发明实施例提供一种基于分布式进化算法的多飞行器编队的控制方法和装置， 以实现飞行器在空间中的编队和编队队形的变换。
[0006] 本发明实施例第一方面提供一种基于分布式进化算法的多飞行器编队的控制方 法，包括：
[0007] 获取至少两个飞行器当前的控制参数；
[0008] 将所述至少两个飞行器当前的控制参数输入预先获取的目标函数，获取所述至少 两个飞行器在当前的控制参数下的目标函数值；
[0009] 若所述目标函数值大于或等于预先设置的门限约束值，则利用分布式进化算法重 新优化控制参数，并将所述重新优化后的控制参数输入所述目标函数，获取所述重新优化 后的控制参数对应的目标函数值，若所述重新优化后的控制参数对应的所述目标函数值大 于或等于所述门限约束值，则重复本步骤直至所述目标函数值小于所述门限约束值；
[0010] 获取第一控制参数，并根据所述第一控制参数控制所述至少两个飞行器的飞行路 线；其中，所述第一控制参数为所述目标函数值小于所述门限约束值时的所述控制参数。 [0011] 本发明实施例第二方面提供一种基于分布式进化算法的多飞行器编队的控制装 置，包括：
[0012] 获取模块，用于获取至少两个飞行器当前的控制参数；
[0013] 计算模块，用于将所述至少两个飞行器当前的控制参数输入预先获取的目标函 数，获取所述至少两个飞行器在当前的控制参数下的目标函数值；
[0014] 处理模块，用于判断若所述目标函数值大于或等于预先设置的门限约束值，则利 用分布式进化算法重新优化控制参数，并将所述重新优化后的控制参数输入所述目标函 数，获取所述重新优化后的控制参数对应的目标函数值，若所述重新优化后的控制参数对 应的所述目标函数值大于或等于所述门限约束值，则重复本步骤直至所述目标函数值小于 所述门限约束值；
[0015] 所述处理模块还用于获取第一控制参数，并根据所述第一控制参数控制所述至少 两个飞行器的飞行路线；其中，所述第一控制参数为所述目标函数值小于所述门限约束值 时的所述控制参数。
[0016] 本发明实施例提供的基于分布式进化算法的多飞行器编队的控制方法和装置，通 过获取多个飞行器的当前控制参数，并将该控制参数输入获取的目标函数中，根据目标函 数值与设定的门限约束值的比较，采用分布式进化算法一步步对飞行器的控制参数进行优 化，直至目标函数值小于门限约束值，然后将该时刻的控制参数作为第一控制参数，利用该 第一控制参数来控制多个飞行器的飞行路线，实现了飞行器在空间飞行过程中实时进行编 队，并且能够根据实际情况进行编队队形的变换。
【专利附图】
【附图说明】
[0017] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发 明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以 根据这些附图获得其他的附图。
[0018] 图1为本发明基于分布式进化算法的多飞行器编队的控制方法实施例一的流程 图；
[0019] 图2为本发明基于分布式进化算法的多飞行器编队的控制方法实施例中建模获 取目标函数的流程图；
[0020] 图3为本发明基于分布式进化算法的多飞行器编队的控制方法实施例三的流程 图；
[0021] 图4为本发明基于分布式进化算法的多飞行器编队的控制装置实施例一的结构 示意图；
[0022] 图5为本发明基于分布式进化算法的多飞行器编队的控制装置实施例二的结构 示意图。
【具体实施方式】
[0023] 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。基于本发明中的实施例，本领域普通技术人员 在没有作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。
[0024] 图1为本发明基于分布式进化算法的多飞行器编队的控制方法实施例一的流程 图。如图1所示，该基于分布式进化算法的多飞行器编队的控制方法具体包括如下步骤：
[0025] S101 :获取至少两个飞行器当前的控制参数。
[0026] 在本实施例中，若要对正在空中飞行的至少两个飞行器编队的进行控制，则需要 获取所有飞行器当前时刻的控制参数，该控制参数至少包括飞行器当前时刻的推力、负载 率和倾斜角。
[0027] S102:将所述至少两个飞行器当前的控制参数输入预先获取的目标函数，获取所 述至少两个飞行器在当前的控制参数下的目标函数值。
[0028] 在本实施例中，在进行多飞行器编队控制之前，需要通过数据建模获取目标函数， 再将获取的每个飞行器的控制参数输入该目标函数进行计算，获取所述至少两个飞行器在 当前控制参数写的目标函数值，以便进行判断是否进行控制参数的优化。
[0029] S103:若所述目标函数值大于或等于预先设置的门限约束值，则利用分布式进化 算法重新优化控制参数，并将所述重新优化后的控制参数输入所述目标函数，获取所述重 新优化后的控制参数对应的目标函数值，若所述重新优化后的控制参数对应的所述目标函 数值大于或等于所述门限约束值，则重复本步骤直至所述目标函数值小于所述门限约束 值。
[0030] 在本实施例中，分布式进化算法由于本例中个体的控制参数乘以时间段数，导致 变量维数可能达到数百维，由于遗传算法的计算量随维数增加而指数级上升，这就使得传 统的遗传算法效率很低甚至是失效。分布式进化算法在传统的遗传算法的基础之上的改进 就是将变量分组为若干个子部，优化时只优化其中一个子部，其他子部不变，这样变量维数 大大减少，从而减少了计算量，大大提升优化效率。
[0031] 若上一步获取的目标函数值不小于预先设置的门限约束值，则按照上述分布式进 化算法对输入的每个飞行器的控制参数进行优化，进一步计算获取优化后的控制参数对应 的目标函数值，再次与门限约束值进行比较，若优化后的目标函数值依然不小于门限约束 值，则重复本步骤直至优化后的控制参数对应的目标函数值小于该门限约束值。
[0032] 若上一步获取的目标函数值小于预先设置的门限约束值，则直接进行下一步处 理。
[0033] S104 :获取第一控制参数，并根据所述第一控制参数控制所述至少两个飞行器的 飞行路线；其中，所述第一控制参数为所述目标函数值小于所述门限约束值时的所述控制 参数。
[0034] 在本实施例中，将上一步骤中小于预先设置的门限约束值的目标函数值对应的控 制参数作为第一控制参数，该第一控制参数中包括当前需要编队的每个飞行器的控制参 数，获取第一控制参数后，按照该第一控制参数控制当前需要编队的飞行器的飞行路线。
[0035] 本实施例提供的基于分布式进化算法的多飞行器编队的控制方法，通过获取多个 飞行器的当前控制参数，并将该控制参数输入获取的目标函数中，根据目标函数值与设定 的门限约束值的比较，采用分布式进化算法一步步对飞行器的控制参数进行优化，直至目 标函数值小于门限约束值，然后将该时刻的控制参数作为第一控制参数，利用该第一控制 参数来控制多个飞行器的飞行路线，实现了飞行器在空间飞行过程中实时进行编队，并且 能够根据实际情况进行编队队形的变换。
[0036] 在本发明基于分布式进化算法的多飞行器编队的控制方法实施例二中，在上述实 施例一的基础上，S102中的将至少两个飞行器当前的控制参数输入目标函数之前，本方法 还包括：
[0037] 根据所述至少两个飞行器的性能参数、每个飞行器之间的约束关系和预先配置的 编队方式，采用时间离散法在三维空间进行建模处理，获取所述目标函数。
[0038] 在本实施例中，飞行器的性能参数根据飞行器的不同而改变，包括飞行器的重量， 飞行阻力系数，升力系数，还有最大推力，最大偏向角，最大俯仰角等，飞行器之间的约束关 系包括飞行器之间的安全距离的约束、飞行器之间的通信距离的约束等。编队方式有巡航 编队，战斗编队，护航编队，搜索编队等，每种编队方式所需的编队队形与飞机的间隔距离 都有所不同。
[0039] 时间离散法的含义为对飞行的时间（即目标时间）进行分段，分为至少两个以上 的时间段，在每个时间段对飞行器的性能参数、约束关系和编队方式进行建模优化，获取最 后的离散时间的接近最优的目标函数，以便对飞行器在空中飞行时进行更精确的编队转 换。
[0040] 对于上述实施例中的S101中获取至少两个飞行器当前的控制参数，至少有以下 两种实现方式：
[0041] 第一种实现方式，接收每个飞行器分别实时报告的所述飞行器当前的控制参数。
[0042] 第二种实现方式，向每个飞行器发送当前的控制参数查询消息，并接收所述每个 飞行器分别返回的所述飞行器当前的控制参数。
[0043] 在本实施例中，一般的飞行器会对于自身当前的参数进行实时汇报，并且在控制 中心也能够实时的监控到飞行器的飞行状况和各项参数，且每个飞行器当前的控制参数至 少包括当前时间段飞行器的推力、负载率和倾斜角。
[0044] 本实施例提供的基于分布式进化算法的多飞行器编队的控制方法，通过至少两种 方式获取多个飞行器的当前控制参数，并根据飞行器的性能参数、每个飞行器之间的约束 关系和预先配置的编队方式，采用时间离散法在三维空间进行建模获取目标函数，进一步 将该控制参数输入获取的目标函数中，根据目标函数值与设定的门限约束值的比较，采用 分布式进化算法一步步对飞行器的控制参数进行优化，直至目标函数值小于门限约束值， 然后将该时刻的控制参数作为第一控制参数，利用该第一控制参数来控制多个飞行器的飞 行路线，实现了飞行器在三维空间飞行过程中实时进行编队，并且能够根据实际情况进行 编队队形的变换。
[0045] 图2为本发明基于分布式进化算法的多飞行器编队的控制方法实施例中建模获 取目标函数的流程图。如图2所示，在上述实施例的基础上，根据所述至少两个飞行器的性 能参数、每个飞行器之间的约束关系和预先配置的编队方式，采用时间离散法在三维空间 进行建模处理，获取所述目标函数的具体步骤包括：
[0046] S201 :根据所述至少两个飞行器的性能参数，采用时间离散法获取所述至少两个 飞行器的运动学方程。
[0047] 在本实施例中，性能参数包括飞行器的重量，飞行阻力系数，升力系数，还有最大 推力，最大偏向角，最大俯仰角等控制参数。
[0048] 假定参与编队的飞行器的数量为N(正整数），目标时间为T(不是一 个确定值，而是一个参数），第i架飞行器的控制参数（包括：推力，负载率， 倾斜角）表示为W k.⑴I % [Γ]μ /Γ，其中％ e [1,?.. J，飞行器的编队的控 制输入向量为U = (Ul，u2.... uN)，同时连续的编队的控制输入向量可描述为
【权利要求】
1. 一种基于分布式进化算法的多飞行器编队的控制方法，其特征在于，包括： 获取至少两个飞行器当前的控制参数； 将所述至少两个飞行器当前的控制参数输入预先获取的目标函数，获取所述至少两个 飞行器在当前的控制参数下的目标函数值； 若所述目标函数值大于或等于预先设置的门限约束值，则利用分布式进化算法重新优 化控制参数，并将所述重新优化后的控制参数输入所述目标函数，获取所述重新优化后的 控制参数对应的目标函数值，若所述重新优化后的控制参数对应的所述目标函数值大于或 等于所述门限约束值，则重复本步骤直至所述目标函数值小于所述门限约束值； 获取第一控制参数，并根据所述第一控制参数控制所述至少两个飞行器的飞行路线； 其中，所述第一控制参数为所述目标函数值小于所述门限约束值时的所述控制参数。
2. 根据权利要求1所述的方法，其特征在于，所述将至少两个飞行器当前的控制参数 输入目标函数之前，所述方法还包括： 根据所述至少两个飞行器的性能参数、每个飞行器之间的约束关系和预先配置的编队 方式，采用时间离散法在三维空间进行建模处理，获取所述目标函数。
3. 根据权利要求2所述的方法，其特征在于，所述获取至少两个飞行器当前的控制参 数，包括： 接收每个飞行器分别实时报告的所述飞行器当前的控制参数；或者， 向每个飞行器发送当前的控制参数查询消息，并接收所述每个飞行器分别返回的所述 飞行器当前的控制参数； 其中，每个所述飞行器当前的控制参数包括当前时间段所述飞行器的推力、负载率和 倾斜角。
4. 根据权利要求3所述的方法，其特征在于，所述根据所述至少两个飞行器的性能参 数、每个飞行器之间的约束关系和预先配置的编队方式，采用时间离散法在三维空间进行 建模处理，获取所述目标函数，包括 ： 根据所述至少两个飞行器的性能参数，采用时间离散法获取所述至少两个飞行器的运 动学方程； 将设置的每个时间段的所述至少两个飞行器的控制参数输入所述运动方程，获取所述 至少两个飞行器的飞行路线，并根据所述飞行路线获取每个飞行器在三维空间的相对位置 坐标； 根据所述每个飞行器在三维空间的所述相对位置坐标、预先配置的所述每个飞行器之 间的约束条件，获取所述至少两个飞行器的自由端约束方程和飞行器间距方程； 根据所述运动学方程、所述自由端约束方程和所述飞行器间距方程确定所述目标函 数。
5. 根据权利要求1至4任一项所述的方法，其特征在于，所述目标函数为：
其中，J?tmd表示目标函数值，△ tp表示将目标时间T拆分为np段的时间间隔， 氦(Ω，Δ/ρ)表示飞行器之间的相对距离与编队预设的相对距离的偏差，0 表示安全距离 的惩罚系数，σ、_表示通信距离的惩罚系数，〇*表示设置的终端的惩罚系数约束，Ω 表示控制参数集合，比^表示飞行器之间的安全距离，De_表示飞行器之间的通信距离， dU(Xi(t)，Xj(t))表示第i架飞行器相对于第j架飞行器间的距离，N表示参与编队的飞行 器的总数，n p、i、j均为正整数。
6. -种基于分布式进化算法的多飞行器编队的控制装置，其特征在于，包括： 获取模块，用于获取至少两个飞行器当前的控制参数； 计算模块，用于将所述至少两个飞行器当前的控制参数输入预先获取的目标函数，获 取所述至少两个飞行器在当前的控制参数下的目标函数值； 处理模块，用于判断若所述目标函数值大于或等于预先设置的门限约束值，则利用分 布式进化算法重新优化控制参数，并将所述重新优化后的控制参数输入所述目标函数，获 取所述重新优化后的控制参数对应的目标函数值，若所述重新优化后的控制参数对应的所 述目标函数值大于或等于所述门限约束值，则重复本步骤直至所述目标函数值小于所述门 限约束值； 所述处理模块还用于获取第一控制参数，并根据所述第一控制参数控制所述至少两个 飞行器的飞行路线；其中，所述第一控制参数为所述目标函数值小于所述门限约束值时的 所述控制参数。
7. 根据权利要求6所述的装置，其特征在于，所述装置还包括： 建模模块，用于根据所述至少两个飞行器的性能参数、每个飞行器之间的约束关系和 预先配置的编队方式，采用时间离散法在三维空间进行建模处理，获取所述目标函数。
8. 根据权利要求7所述的装置，其特征在于，所述获取模块具体用于： 接收每个飞行器分别实时报告的所述飞行器当前的控制参数；或者， 向每个飞行器发送当前的控制参数查询消息，并接收所述每个飞行器分别返回的所述 飞行器当前的控制参数； 其中，每个所述飞行器当前的控制参数包括当前时间段所述飞行器的推力、负载率和 倾斜角。
9. 根据权利要求8所述的装置，其特征在于，所述建模模块具体用于： 根据所述至少两个飞行器的性能参数，采用时间离散法获取所述至少两个飞行器的运 动学方程； 将设置的每个时间段的所述至少两个飞行器的控制参数输入所述运动方程，获取所述 至少两个飞行器的飞行路线，并根据所述飞行路线获取每个飞行器在三维空间的相对位置 坐标； 根据所述每个飞行器在三维空间的所述相对位置坐标、预先配置的所述每个飞行器之 间的约束条件，获取所述至少两个飞行器的自由端约束方程和飞行器间距方程； 根据所述运动学方程、所述自由端约束方程和所述飞行器间距方程确定所述目标函 数。
10. 根据权利要求7至9任一项所述的装置，其特征在于，所述建模模块获取的目标函 数为：
其中，j?tmd表示目标函数值，△ tp表示将目标时间τ拆分为np段的时间间隔， 表示飞行器之间的相对距离与编队预设的相对距离的偏差，σ u表示安全距离 的惩罚系数，σ'u表示通信距离的惩罚系数，〇*表示设置的终端的惩罚系数约束，Ω 表示控制参数集合，比^表示飞行器之间的安全距离，De_表示飞行器之间的通信距离， dU(Xi(t)，Xj(t))表示第i架飞行器相对于第j架飞行器间的距离，N表示参与编队的飞行 器的总数，n p、i、j均为正整数。
【文档编号】G05B13/04GK104216289SQ201410438547
【公开日】2014年12月17日 申请日期:2014年8月29日 优先权日:2014年8月29日
【发明者】张学军, 管祥民, 贾诗雨 申请人:北京航空航天大学