本发明涉及无人机的控制方法技术领域，尤其涉及一种无人机队形控制方法。
背景技术：
无人机编队属于一种成员数量多、灵活弹性、低成本和生存率高的分布式系统。它在运动和执行任务时保持一定的队形可显著节省能源、提高系统工作效率以及扩展系统能力，从而延长编队的飞行距离；现有技术指出圆形队形可有效提高对固定区域资源的探测效率；纵向编队在穿越山谷、轰炸和云中截击，横向编队在宽大正面搜索等方面具有单机无法比拟的优势；现有技术中一般的队形控制为“人字形”编队和“环形”编队，队形单一；虽然现有技术中出现了可生成任意队形的控制方法，但该方法中个体需知道编队的整体信息才能实施控制，当某个成员损毁且未被其它成员及时得知时生成的队形无自动调节能力；此外，虽然现有技术中提出的另一种方法符合分布式控制特点，可生成任意给定队形，但需在变换前指定各机的目标位置，且未考虑控制过程的优化和碰撞问题，该方法还提出利用队形变换前的短时通信获取邻近个体的信息进行运动控制，一定程度上造成历史信息浪费。
技术实现要素：
本发明所要解决的技术问题是如何提供一种编队成员不需已知某些全局信息，可生成任意队形，并且可异步触发，即使当前通信短时中断也能凭记忆实施队形控制的无人机编队队形分布式控制方法。
为解决上述技术问题，本发明所采取的技术方案是：一种无人机队形控制方法，其特征在于包括队形生成步骤，所述队形生成的方法如下：
各无人机在接收到目标基准队形信息后，按着约定的时间进行队形变换，首先各无人机在趋近操作的引导下飞向离自己最近的目标编队位置，同时，编队内各成员基于有限探测范围的机载探测系统或局域网通信获取周围其它无人机的位置和速度，对信息进行处理和利用，然后在虚拟分配操作下生成各自的目标编队位置，并朝向其飞行，最后在自适应调整操作的引导下确定最终的目标编队位置，并朝它飞行，使无人机机群形成目标基准队形。
进一步的技术方案在于，所述方法还包括队形变换步骤，所述队形变换的方法如下：当无人机队形需要从第一种目标基准队形变换为第二种目标基准队形时，编队内成员重复无人机队形的变换的控制过程，使无人机队形从第一种目标基准队形变换为第二种目标基准队形。
进一步的技术方案在于，所述方法还包括躲避障碍步骤，所述躲避障碍的方法如下：当无人机编队前方出现突发障碍时，通过避障控制方法控制相关无人机对障碍进行规避，待躲避障碍结束后通过队形生成方法控制无人机编队恢复先前的队形，继续向目标前进。
进一步的技术方案在于，所述的队形生成的具体方法如下：
无人机以自身所在位置为圆心和探测距离或通信距离da为半径构成的圆形区域为其有限探测范围，每架无人机仅能对有限探测范围内个体的位置和速度进行感知，ni(t)为t时刻落在无人机i的有限探测范围内无人机个体的集合；
1)趋近：无人机成员从获得的目标基准队形的全部位置中，搜索离自己最近的位置，并朝它运动，该操作用于产生下列操作的初始条件；
2)感知：在趋近的作用下，无人机i获取最近δt时间段内周围其它个体的位置和速度，δt为预设值，表示记忆的时间长度，用集合nδt存储个体身份标识，并将所获个体的位置和速度与目标基准队形中的位置信息结合，对nδt中的无人机正前往的目标编队中的具体位置进行识别，将结果存入对应的集合dr；
3)虚拟分配：首先，无人机i以自己dr中存储的目标编队位置为索引对nδt中的无人机进行分类，以选出具有相同目标编队位置的无人机个体，即认为该目标编队位置拥有上述无人机个体，其次，在下面规则的指导下对上述分类结果进行虚拟分配操作：
规则一：边缘优先溢出；当某编队位置有无人机以它为目标位置朝向它飞行时，在虚拟分配作用下以该位置为索引对nδt中的无人机进行分类时不为空，若某编队位置拥有的无人机数量比与它一侧最近的编队位置的无人机数量少或相等，但数量大于1，且与它邻近的另一侧编队位置的无人机数量为零，则将当前位置拥有的无人机中与空位置最靠近的无人机个体优先往邻近的空位置分配；
规则二：流动性；当某编队位置无人机数量多，而二侧或一侧编队位置的无人机数量少甚至为空，则往两侧或一侧位置分配无人机个体；
反复执行规则一和规则二，直至各编队位置最多有一架无人机，最后仅把无人机i所属的归类位置做为无人机i要前往的目标编队中的具体位置(简称“目标编队位置”)。
进一步的技术方案在于，所述的队形生成的具体方法还包括自适应调整的步骤，其操作步骤如下：
a)无人机i判断当前是否有其它无人机与自己同目标编队位置，若“否”，则继续朝原目标编队位置前进；若“是”，则转入步骤b)；
b)判断“自己与当前目标编队位置的距离”是否比“与它同目标的其它无人机距离该目标编队位置的距离”更近，若“是”则继续朝原目标编队位置前进；若“否”则转入步骤c)；
c)搜寻附近是否有其它无人机正飞往当前目标编队位置两侧的邻近编队位置，若“否”则立刻前往该目标编队位置，若“是”则转入步骤d)；
d)综合自身和获取的邻居无人机的dr和nδt信息对周围情况作出判断，选出有可能为空的目标编队位置，然后由近及远对其进行遍历访问，即返回过程a)重复执行上述过程，直至找到目标编队位置。
进一步的技术方案在于：无人机编队成员之间通过传递目标基准信息进行队形控制，目标基准队形信息由ads-b广播发送，该设备发送端可安装在编队内部的某个成员机体上或指定的地面设备上，该设备接收端安装于编队内部成员机体上，通过目标基准模型信息向编队内部成员传递了一虚拟运动参考体的运动信息，目标基准队形信息中队形变换约定地点所指的位置即为虚拟的运动参考体所在的位置，目标基准队形期望的运动速度ζf以及加速度
上述(2)式等号右侧的xk、yk和zk为目标基准队形里各个位置点的初始装订坐标(参考坐标系为地理坐标系，目标基准队形的中心在地理坐标系的原点，方向朝向正北方向)，它事先存储在无人机成员的机载计算机中，在(2)式的作用下转换至以约定地点ξf(xf,yf,zf)为中心、方向与ζf(vx,vy,vz)一致的位置点
各成员通过目标选择算法从中选择自己的目标位置，并朝它运动；设编队内成员数为n，并假定在拟进行队形变换地点的虚拟航行体为n+1，由于各无人机的目标位置与虚拟航行体n+1存在(2)式的几何变换关系，等价于各无人机成员与虚拟航行体n+1之间是连通的，此时编队的通信拓扑gn为一簇以虚拟航行体n+1为根节点的有向生成树；
由于一致性理论存在如下定理：
定理1：一致性算法式(3)存在一个关于ui的唯一解并且当t→∞时
上述(3)式中
根据一致性理论无人机i将在(4)作用下位置
进一步的技术方案在于，目标基准队形信息包括队形变换的时间t、变换地点ξf(xf、yf、zf)、目标队形种类以及运动速度ζf和加速度
进一步的技术方案在于，为使无人机个体在形成编队的过程中不与其它无人机个体和障碍相碰撞，定义个体之间的斥力fij：
其中，警戒区域为以无人机i所在位置为中心、以dr为半径(dr＜da)构成的圆形区域，
采用上述技术方案所产生的有益效果在于：所述编队队形控制方法，指导编队内的个体从获得的局部信息出发，利用目标选择算法为自己选择目标编队中的位置，生成运动控制律，并控制自己到达该位置，使编队整体涌现出期望的目标队形。该方法中编队成员不需已知全局信息(如当前编队成员的总数量)，可生成任意队形，并且可异步触发，即使当前通信短时中断也能凭记忆实施队形控制。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明实施例所述方法中倒“v”字形编队的位置示意图；
图2是本发明实施例所述方法中无人机i在t时刻的局部感知情景示意图；
图3a是本发明实施例所述方法中无人机i执行规则一前的状态示意图；
图3b是本发明实施例所述方法中无人机i执行规则一后的状态示意图；
图3c是本发明实施例所述方法中无人机i执行规则二后的状态示意图；
图4是本发明实施例所述方法构成的有向生成树的结构示意图；
图4a是本发明实施例所述方法中无人机队形变化前的初始态示意图；
图4b是本发明实施例所述方法中无人机队形在执行趋近控制后的示意图；
图4c是本发明实施例所述方法中无人机队形在执行虚拟分配控制后的示意图；
图4d是本发明实施例所述方法中无人机队形在执行自适应调整控制后的示意图；
图5是本发明实施例所述方法中各机之间的距离曲线图；
图6a是本发明实施例所述方法中各机的控制输入ux的曲线图；
图6b是本发明实施例所述方法中各机的控制输入uy的曲线图；
图6c是本发明实施例所述方法中各机的控制输入uz的曲线图；
图7a是本发明实施例所述方法中倒“v”字形编队的仿真示意图；
图7b是本发明实施例所述方法中倒“v”字队形向“一”字队形转换中的仿真示意图；
图7c是本发明实施例所述方法中“一”字队形生成的俯视仿真示意图；
图7d是本发明实施例所述方法中“一”字队形生成的前视仿真示意图；
图8a是本发明实施例所述方法中无人机编队队形重构过程中探测到障碍时的仿真示意图；
图8b是本发明实施例所述方法中无人机编队队形重构过程中正在躲避障碍时的仿真示意图；
图8c是本发明实施例所述方法中无人机编队队形重构过程中躲避障碍完成的前视仿真示意图；
图8d是本发明实施例所述方法中无人机编队队形重构过程中躲避障碍完成的俯视仿真示意图；
图9a是本发明实施例所述方法中采用本申请的方法产生的倒“v”字型编队的仿真效果图；
图9b是本发明实施例所述方法中采用采用全局优化选择算法产生的倒“v”字型编队的仿真效果图；
图9b是本发明实施例所述方法中采用采用全局优化选择算法产生的第一种倒“v”字型编队的仿真效果图；
图9c是本发明实施例所述方法中采用采用全局优化选择算法产生的第二种倒“v”字型编队的仿真效果图；
图9d是本发明实施例所述方法中采用采用全局优化选择算法产生的第三种倒“v”字型编队的仿真效果图；
图10是本发明实施例所述方法的整体流程图。
具体实施方式
下面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，所描述的实施例仅仅是本发明的一部分实施例，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做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。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
整体的，本发明公开了一种无人机队形控制方法，所述方法指导编队内的个体从获得的局部信息出发，利用目标选择算法为自己选择目标编队中的位置，生成运动控制律，并控制自己到达该位置，使编队整体涌现出期望的目标队形。该方法中编队成员不需已知全局信息(如当前编队成员的总数量)，可生成任意队形，并且可异步触发，即使当前通信短时中断也能凭记忆实施队形控制，其过程较优。
进一步的，如图10所示，所述方法主要包括队形生成、队形变换以及躲避障碍三个步骤，第一方面包括队形生成步骤，所述队形生成的方法如下：
各无人机在接收到目标基准队形信息后，按着约定的时间进行队形变换，首先各无人机在趋近操作的引导下飞向离自己最近的目标编队位置，同时，编队内各成员基于有限探测范围的机载探测系统或局域网通信获取周围其它无人机的位置和速度，对信息进行处理和利用，然后在虚拟分配操作下选择各自的目标编队位置，并朝向其飞行，最后在自适应调整操作的引导下确定最终的目标编队位置，并朝它飞行，使无人机机群形成目标基准队形。
第二方面包括队形变换步骤，所述队形变换的方法如下：当无人机队形需要从第一种目标基准队形变换为第二种目标基准队形时，编队内成员重复无人机队形的变换的控制过程，使无人机队形从第一种目标基准队形变换为第二种目标基准队形。
第三方面包括躲避障碍步骤，所述躲避障碍的方法如下：当无人机编队的前方出现突发障碍时，通过避障控制方法控制相关无人机相对各自的目标编队位置发生不同程度的偏离，待躲避障碍结束后通过队形生成方法控制无人机编队恢复先前的队形，继续向目标前进。
本实施例从以下内容对上述方法进行详细的说明。
问题描述：
假设无人机编队内部有n个成员，每个无人机成员的运动模型可简化为双积分质点模型：
上式中pi表示无人机i的空间位置，vi和ai分别表示无人机i的速度和加速度，对于带有姿态稳定的全驱无人机，如四旋翼无人机，可采用上述模型近似描述。
所述编队控制方法在以下条件下进行：1)由于现有无人机系统存在通信受限、机载传感系统探测距离受限、通信和感知拓扑非全连通以及编队能耗受限等情形，使编队内成员之间呈现局部信息交换特性，因此本申请主要研究个体在局部环境中的队形控制问题。
2)每架无人机能够识别编队内部其它成员并能准确测量其位置和速度信息，可采用ccd摄像机拍摄，并通过图像处理计算获得，该方法可行性已在实验室中得到证实。
3)为简化描述过程，本申请假定编队中所有成员均可获得目标基准队形的相关信息，包括实施队形变换约定的时间、中心地点、队形类型、运动速度和加速度信息。这可在变换前由某架飞机或控制中心通过ads-b广播或内部通信网发送，各机接收到该信息后按要求生成基准队形。
目标位置选择算法：
本部分为无人机编队成员选择目标编队中的具体位置点。假设无人机编队内部成员获得的目标基准队形为图1所示的楔形(倒“v”字形)，内部有7个位置，见序号①～⑦，每架无人机仅能对有限探测范围内的个体的位置和速度进行感知，见图2所示虚线圆部分，{j、k、l}为图2状态下无人机i探测到的邻居无人机个体的集合。
算法主要包含以下四个操作：
1)趋近：无人机成员从获得的目标基准队形的全部位置中，搜索离自己最近的位置，并朝它运动，该操作用于产生下列操作的初始条件；
2)感知：在趋近的作用下，无人机i获取最近δt时间段内周围其它无人机个体的位置、速度，用集合nδt存储其身份标识，并将上述信息与目标基准队形的信息结合，对nδt中的无人机正前往的目标编队位置进行识别，将结果存入对应的集合dr；
(3)虚拟分配：首先，无人机i以dr中存储的目标编队位置为索引对nδt中的无人机进行分类，例:假如无人机i在δt时间段内探测到的邻居集nδt＝{i1、i2、i3}，对应的目标编队位置集dδt＝{⑥、⑥、⑤}，且无人机i正前往的编队位置为⑥，则分类结果为：目标编队位置⑤有1架无人机{i3}正朝它飞行，目标编队位置⑥有3架无人机{i、i1、i2}正朝它飞行，其它dr中未存储的编队位置的无人机数量为0，即无人机i认为无任何无人机正朝它飞行；其次，在下面规则的指导下对上述分类结果进行虚拟分配：
规则一：边缘溢出。该规则优先级最高。以图3a所示位置⑤为例，它所在位置的无人机数量为1，与它靠近的一侧编队位置⑥的无人机数量为3，另一侧编队位置④的无人机数量为0。把编队位置视为洼地，把无人机个体视为雨水，每个编队位置的水位高度即为所在位置的地势高度加上降雨量，由于水满则溢且边缘优先溢出，会导致⑤位置的无人机i3优先归类到编队位置④中，见图3a的操作ⅱ，形成图3b。
规则二：流动性。当某编队位置无人机数量多，而二侧或一侧编队位置的无人机数量少甚至为空，受水从高往低流的启示，考虑往两侧或一侧位置分配无人机个体，见图3b图的操作ⅳ、ⅴ，无人机i归入位置⑤中，无人机i2归入位置⑦中。
反复执行规则一和规则二，直至各编队位置最多有一架无人机，见图3c。最后仅把无人机i所在的编队位置作为虚拟分配的结果，即为无人机i要前往的目标编队位置，如无人机i把所在的位置⑤作为算法选择的结果。
编队成员在虚拟分配的作用下朝上述算法选择产生的新的编队位置前进，由于各成员是基于局部信息做出的抉择，难以避免多架无人机竞争同一编队位置的行为，因此引入操作(4)。
(4)自适应调整，其操作步骤如下：
a)无人机i判断当前是否有其它无人机与自己同目标编队位置，若“否”，则继续朝原目标编队位置前进；若“是”，则转入步骤b)；
b)判断“自己与当前目标编队位置的距离”是否比“与它同目标的其它无人机距离该目标编队位置的距离”更近，若“是”则继续朝原目标编队位置前进；若“否”则转入步骤c)；
c)搜寻附近是否有其它无人机正飞往当前目标编队位置两侧的邻近编队位置，若“否”则立刻前往该目标编队位置，若“是”则转入步骤d)；
d)综合自身和获取的邻居无人机的dr和nδt信息对周围情况作出判断，选出有可能为空的目标编队位置，然后由近及远对其进行遍历访问，即返回过程a)重复执行上述过程，直至找到目标编队位置；
控制律设计：本部分主要为编队成员设计控制律，使其快速前往自己的目标编队位置，形成目标基准队形，同时要避免和其它成员发生相互碰撞。本申请针对前者采用一致性理论进行设计；针对后者在有限探测范围引入斥力进行避障设计。
目标基准队形的形成：
无人机编队成员之间通过传递目标基准信息进行队形控制，目标基准队型信息包括队形变换的时间t、约定的地点ξf(xf、yf、zf)、目标队形的种类以及运动速度ζf、加速度
上述(2)式等号右侧的xk、yk和zk为目标基准队形里各个位置点的初始装订坐标(参考坐标系为地理坐标系，目标基准队形的中心在地理坐标系的原点，方向朝向正北方向)，它事先存储在无人机成员的机载计算机中，在(2)式的作用下转换至以约定地点ξf(xf,yf,zf)为中心、方向与ζf(vx,vy,vz)一致的位置点
各成员通过目标选择算法从中选择自己的目标位置，并朝它运动；设编队内成员数为n，并假定在拟进行队形变换地点的虚拟航行体为n+1，由于各无人机的目标位置与虚拟航行体n+1存在(2)式的几何变换关系，等价于各无人机成员与虚拟航行体n+1之间是连通的，此时编队的通信拓扑gn为一簇以虚拟航行体n+1为根节点的有向生成树，见图4。
由于一致性理论存在如下定理：
定理1：一致性算法式(3)存在一个关于ui的唯一解并且当t→∞时
上述(3)式中
根据一致性理论无人机i将在(4)作用下位置
碰撞避免：
为使无人机个体在形成编队的过程中不与其它无人机个体和障碍相碰撞，定义个体之间的斥力fij：
其中，警戒区域为以无人机i所在位置为中心、以dr为半径(dr＜da)构成的圆形区域，
仿真实验：
为验证上述算法的有效性，本申请在仿真平台上首先研究了编队构成问题；其次，研究了不同队形之间的转换问题；再者，针对无人机编队在飞行过程中遭遇障碍时的重构性问题进行了研究；最后，为说明本申请提出的算法控制过程较优，将其结果与全局优化选择算法禁忌搜索进行了定性和定量比较。
队形生成：
一群无人机在飞往目的地的途中，为执行任务需要组成倒“v”字形，初始位置随机，见图4a。各机在接收到目标基准队形信息后，按着约定的时间进行队形变换，首先各机在“趋近”操作的引导下飞向离自己最近的目标编队，见图4b，图中的白色箭头(形状见
队形变换：
无人机编队有时为执行任务的需要变换队形，在该情况下也可使用本申请提出的方法。图7a-7d显示的是楔形“倒“v”字形”编队和“一”字形编队之间的变换过程。无人机编队成员起初在目标选择算法和相应控制下生成了倒“v”字形编队，见图7a；随后目标基准队形由倒“v”字形变成了“一”字形，见图7b中的白色箭头
队形重构：无人机编队在以某种队形飞行过程中，前方可能遭遇突发性障碍的威胁，此时编队的首要任务是躲避障碍，因此编队队形会发生相应的改变，待躲避障碍结束后又重组队形。图8a显示的是一群无人机编队正在以倒“v”字形飞行，突然前方有一突发障碍(见图8b)，为躲避该障碍，无人机2、无人机1和无人机3相对于各自的目标编队位置均发生了不等程度的偏离，见图8b，待躲避障碍结束后无人机编队又恢复了先前的队形，继续向目标前进，见图8c、图8d，且任意两机之间安全无碰撞。
对比分析：本申请提出的方法适合在局部环境中使用，符合分布式系统的特点。编队内各成员通过该方法指导自己的局部运动，最终使整体涌现出期望的编队队形。大量的仿真实验分析表明，本申请提出的目标位置选择方法与采用全局禁忌搜索算法为个体选择目标位置的结果非常相近，生成的路径简洁、交叉少且编队成员总路径较短。为证明该结论，本申请从全局信息出发采用禁忌搜索算法为编队内的个体选择目标位置和设计控制律，实现了编队队形的集中控制。图9a是采用本申请的方法产生的倒“v”字型编队的效果。由于终止条件、初值值、评价函数、候选集以及藐视规则等的不同会影响禁忌搜索算法的结果，即使同等条件其结果也不具备唯一性，因此采用禁忌搜索得到的结果(即各机的目标位置)会出现多样性，图9b、图9c和图9d展示其部分结果。通过对比可见，图9a和图9b最相似，和图9c、图9d也比较接近。表1显示了两种方法产生的总路径比较，共选取了五种编队初始位置情况，表中数据表明两种方法基本相近，即本申请提出的算法在引导编队成员进行队形变换方面有较好的效果。
表1编队成员飞行总路径(/m)
本申请主要针对无人机编队构成与重构问题研究一种无人机编队队形控制方法，引导编队内部的无人机成员从自身获得的局部其它无人机的运动信息出发进行运动交互，达到控制整体编队的效果。该方法具有以下特点：
(1)对于每架无人机而言，它在形成编队的过程中最多受“趋向于目标位置的控制力”(类似于引力)和“警戒范围内其它无人机的斥力”两种类型的力的作用，因此控制简单；
(2)本申请提出的编队队形控制适用于各成员自主选择目标编队位置，也适用于为各成员指定目标编队位置情况(即让目标选择算法失效)；
(3)由于采用了记忆特性，对历史信息进行了充分利用，增强了控制的效果，即使当前通信短时中断，也能够采用记忆信息进行队形控制。