一种多无人机协同飞行方法
【专利摘要】本发明属于多无人机【技术领域】，具体涉及一种可用于多无人机目标跟踪、航迹优化、协同管理、协同飞行、任务分配的多无人机协同飞行方法。本发明包括：确定飞行任务目标数，确定多无人机中引领机和跟随机的运行参数；通过领航标志设置决定每个任务分组的跟随机是否应该跟随飞往任务目标，0表示引领机还没有返回，1时表示已经返回，可以开始跟随飞行；设置引领机的飞行状态，0表示搜索飞往目标的过程中；1表示返回出发地的过程中；2表示引领跟随机飞往任务目标的过程中；引领机分别飞往各自的任务目的地，到达后返回出发地。本发明信息共享使多无人机协同飞行更加具有自主性、灵活性、安全性，提高了多无人机协同执行任务的效率。
【专利说明】一种多无人机协同飞行方法
【技术领域】
[0001]本发明属于多无人机【技术领域】，具体涉及一种可用于多无人机目标跟踪、航迹优化、协同管理、协同飞行、任务分配的多无人机协同飞行方法。
【背景技术】
[0002]在未来复杂多变的信息化战场环境下，单架无人机将会很难完成任务，很多情况下必须通过协同控制飞行的多架无人机才能完成；每个无人机都要求一个I到3人的机组人员分配，协商和协调许多人类战士。除了人类操作员的成本，这个方法遇到不能解决的挑战，如何达到协同。在当今科技的制约下，想要无人驾驶机到达飞行员那样强大的信息处理能力与智能还是相当困难，如果通过模仿自然界生物的群聚现象，在数量上占绝对优势的无人机利用群聚智能就能达到甚至超越在数量上占劣势的有人驾驶机。分析生物系统的进化特征与行为规律，将生物群体智能的某些原理和行为与多无人机协同控制理论相结合，具有广阔的工程应用前景。目前无人机群协同飞行及航迹规划方面的研究在国内外虽已取得了一定的研究成果，但还没有统一的理论和行之有效的方法。
[0003]在大自然的各种生物群中，像蜜蜂、蚂蚁、鸟类等，他不是某一个角色来协调其他自主的个体，但其整体却可以表现一种有序、协调和智能的状态。如本文所研究的蜂群算法，蜜蜂间就可以通过自组织，来完成某些任务。这些群体都是通过彼此之间的相互协作，去完成单个个体无法完成的任务，虽然每一个个体都做一种简单的动作行为，但通过交互、协调，最终却完成搜索、预防、觅食等多种智能的行为。也有许多学者研究生物的自组织行为，如:蚁群算法、boids算法、鱼群算法、蜂群算法等仿生学算法，并且把他们广泛地用于各个研究领域，取得了许多成果。比如，苏菲等人提出基于蚁群算法的无人机协同任务分配，参见:苏菲，陈岩，沈林成.基于蚁群算法的无人机协同多任务分配，.航空学报，2008, 29 (SI):184-191页。段海滨等人提出了基于混沌蜂群优化算法的无人机航迹规划优化算法，参见 Xu，Chunfang，Duan，Haibin ;Liu，Fang，Chaotic artificial bee colonyapproach to Uninhabited Combat Air Vehicle (UCAV)path planning,Aerospace Scienceand Technology, 14(8)，p535_541，2010。也有许多传统的数学方法用于多无人机协同问题。比如田菁提出多无人机协同侦察任务规划建模技术，参见:田菁，多无人机协同侦察任务规划问题建模与优化技术研究，国防科学技术大学硕士学位论文，2007。沈延航提出基于搜索理论的多人机协同控制方法，参见:沈延航，周洲，祝小平，基于搜索理论的多无人机协同控制方法研究，西北工业大学学报，2006 (24): 367?369。
[0004]美国等国家较早重视并开始多无人机的协同研究，在体系结构、协同路径规划等方面进行了石开究。参见 A.0llero et al.Architecture and perception issues in thecomets multiuav project.1EEE Robotics and Automation Magazine, special issueon R & A in Europe:Projects funded by the Comm of the EU.2004 以及 MadhavanShanmugavelj Antonios Tsourdos，Brian White, Rafa Zbikowsk1.Co-operative pathplanning of multiple UAVs using Dubins paths with clothoid arcs.ControlEngineering Practicel8 (2010) 1084 - 1092P.[0005]Basturk等人最早提出了基于蜂群原理的优化算法，参见Basturk B, KarabogaD.An Artificial Bee Colony (ABC)Algorithmfor Numeric function Optimization[C].USA, Indiana IEEE Swarm Intelligence Symposium, 2006:3-4 及 KarabogaD, BasturkB.Artificial BeeColony(ABC)Optimization Algorithm for Solving ConstrainedOptimization[J].Foundations of Fuzzy Logicand Soft Computing,2007。
[0006]虽然上述传统方法及包括蜂群优化在内的新型的智能优化算法用于无人机航迹规划问题，并已取得了一定的研究成果，但还没有利用社会昆虫群体优势实现无人机集群协同飞行；也没有真正从社会昆虫群体的自然本质出发来实现无人机集群飞行的控制。都没有从模拟蜂群实际生物学行为的角度来解决无人机集群飞行中的协同控制、航迹规划、避碰等关键问题，仅仅从优化的角度出发，求出抽象的问题解，对实际问题作用有限。
[0007]将蜂群智能应用于无人机集群飞行模式研究比较新颖，具有非常重要的研究价值和意义。
【发明内容】
[0008]本发明的目的在于提出一种使多无人机能达到良好协同飞行效果，提高多无人机协同执行任务的效率和安全性、可靠性、灵活性和自主性的多无人机航协同飞行方法。
[0009]本发明的目的是这样实现的:
[0010]本发明包括如下步骤:
[0011](I)确定飞行任务目标数，确定多无人机中引领机和跟随机的运行参数；
[0012](2)通过领航标志设置决定每个任务分组的跟随机是否应该跟随飞往任务目标，O表示引领机还没有返回，I时表示已经返回，可以开始跟随飞行；
[0013](3)设置引领机的飞行状态，O表示搜索飞往目标的过程中；1表示返回出发地的过程中；2表示引领跟随机飞往任务目标的过程中；
[0014](4)引领机分别飞往各自的任务目的地，到达后返回出发地，然后根据各个任务所需的飞机数，随机指定一定数目的飞机按照上述飞行规则跟随对应的引领机飞往任务目标所处的位置，到达后飞行任务结束，其中引领机在每次遇到障碍并避碰后，将重新搜索飞往目的地的路线，即重新确定速度的方向。
[0015]引领机在搜索目标和返回以及引领跟随机的过程中，与所有其它飞机遵循蜂群避碰规则；跟随机在飞行过程中遵循蜂群内聚、对齐、避碰和随机规则；所述的运行参数包括更新速度权值
Wcohere、Wavoid、Walign'' Wrandom，
最大加速度amax、换算因子α、视野距离dvis、最小距离(Jmin、最大速度Vmax,其中更新速度权值
Wcohere Wavoid Walign Wrandom Wmax 0.3， α=0.75，其他参数值w=0.8，Vmax=L 55，dvis=30, dmin=15，所有引领机以Vmax速度飞行。
[0016]引领机及跟随机避碰规则，其步骤和特征在于:
[0017](I)检查飞机的下一位置是否和障碍物内发生碰撞
[0018]首先临时设置新的位置，然后判断新的位置是否在飞机避碰距离内；
[0019](2)通过判断跟随机群的位置决定是否开始绕过障碍物的飞行；
[0020]计算得到的跟随机中心位置，如果它们之间的距离小于2倍的避碰距离，则开始绕过障碍物的飞行。[0021](3)引领机绕过障碍物
[0022]根据飞行标志和由于哪种运动发生碰撞，确定引领机的新位置。引领机改变方向绕过障碍物。
[0023](4)跟随机绕过障碍物(如果发生碰撞)
[0024]跟随机如果在绕过障碍物之前会发生碰撞，则开始和引领机一样的绕过障碍物的飞行，飞行的运动方向与引领机一致。
[0025]所述的引入最大加速度值amax限制速度变化幅度Vnrat为:
[0026]
【权利要求】
1.一种多无人机协同飞行方法，其特征在于:包括如下步骤: (1)确定飞行任务目标数，确定多无人机中引领机和跟随机的运行参数； (2)通过领航标志设置决定每个任务分组的跟随机是否应该跟随飞往任务目标，O表示引领机还没有返回，1时表示已经返回，可以开始跟随飞行； (3)设置引领机的飞行状态，O表示搜索飞往目标的过程中；1表示返回出发地的过程中；2表示引领跟随机飞往任务目标的过程中； (4)引领机分别飞往各自的任务目的地，到达后返回出发地，然后根据各个任务所需的飞机数，随机指定一定数目的飞机按照上述飞行规则跟随对应的引领机飞往任务目标所处的位置，到达后飞行任务结束，其中引领机在每次遇到障碍并避碰后，将重新搜索飞往目的地的路线，即重新确定速度的方向。
2.根据权利要求1所述的一种多无人机协同飞行方法，其特征在于:所述的引领机在搜索目标和返回以及引领跟随机的过程中，与所有其它飞机遵循蜂群避碰规则；跟随机在飞行过程中遵循蜂群内聚、对齐、避碰和随机规则；所述的运行参数包括更新速度权值Wcohere、wavoid、walign、wrandoM,最大加速度amax、换算因子α、视野距离dvis、最小距离dmin、最大速度Vmax，其中更新速度权值 Wcohere =avoid =align =random =max =0.3， α=0.75，其他参数值w=0.8，Vmax=1. 55，dvis=30, dmin=15，所有引领机以Vmax速度飞行。
3.根据权利要求1所述的一种多无人机协同飞行方法，其特征在于:所述的引领机及跟随机避碰规则，其步骤和特征在于: (1)检查飞机的下一位置是否和障碍物内发生碰撞 首先临时设置新的位置，然后判断新的位置是否在飞机避碰距离内； (2)通过判断跟随机群的位置决定是否开始绕过障碍物的飞行； 计算得到的跟随机中心位置，如果它们之间的距离小于2倍的避碰距离，则开始绕过障碍物的飞行； (3)引领机绕过障碍物 根据飞行标志和由于哪种运动发生碰撞，确定引领机的新位置，引领机改变方向绕过障碍物； (4)跟随机绕过障碍物(如果发生碰撞) 跟随机如果在绕过障碍物之前会发生碰撞，则开始和引领机一样的绕过障碍物的飞行，飞行的运动方向与引领机一致。
4.根据权利要求1所述的一种多无人机协同飞行方法，其特征在于:所述的引入最大加速度值amax限制速度变化幅度Vnrat为:
【文档编号】G05D1/10GK103576692SQ201310547264
【公开日】2014年2月12日 申请日期:2013年11月7日 优先权日:2013年11月7日
【发明者】徐立芳, 莫宏伟, 雍升, 孙泽波, 胡嘉祺, 孟龙龙 申请人:哈尔滨工程大学