一种固定翼无人机集群的分层防撞控制方法与流程

本发明涉及无人机控制技术领域，尤其涉及一种固定翼无人机集群的分层防撞控制方法。

背景技术：

固定翼无人机(uav)已广泛用于军事以及民用领域，其集群系统用于协同执行任务也成为趋势。对于无人机集群飞行，如何应对未知环境中的障碍威胁以及处理环境存在的不确定性成为无人机集群飞行的一大挑战。同时，随着集群规模的扩大，不可避免会发生多架无人机在有多个障碍物的密集空域执行任务的情况，很有可能出现无人机与无人机、无人机与环境障碍发生碰撞的情况，对集群系统的飞行安全造成了很大威胁。

现有技术中已存在一些关于固定翼无人机避障问题、冲突消解问题的研究，但是目前通常仅是关注单机的规避控制，即仅是针对单机实现规避碰撞，并且对于无人机的规避对象通常都没有明确的分类分析，对于复杂条件下的集群碰撞规避问题，尚缺乏针对小型固定翼无人机集群系统的系统性研究和解决方法。

综上，针对固定翼无人机的避障、冲突消解问题，目前主要存在以下问题：

1、现有技术中的单一防撞方法不能同时解决和避障和集群内个体之间的防撞问题；

2、现有技术中通常啊基于一类方法和模型来求解防撞控制律，缺乏对集群系统复杂碰撞冲突场景的整体建模和求解，不能很好的覆盖可能发生的各类碰撞和危险场景，实际规避效果不佳。

技术实现要素：

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单、能够综合规避相邻无人机以及环境障碍、且能够覆盖各类碰撞和危险场景、规避效果好的固定翼无人机集群的分层防撞控制方法。

为解决上述技术问题，本发明提出的技术方案为：

一种固定翼无人机集群的分层防撞控制方法，步骤包括：

s1.分层模型构建：按照无人机与冲突对象之间的相对距离大小，将无人机的局部冲突空域划分为多个层次，构建得到局部分层冲突空域模型；

s2.分层冲突检测：实时获取被控无人机的飞行状态信息、未来指定时长内的期望飞行状态信息以及当前局部空域内相邻无人机与环境障碍的运动状态信息，并判定无人机与局部空域内相邻无人机和环境障碍之间的相对状态关系，根据所述相对状态关系确定被控无人机当前对应的局部冲突空域层次，按照确定的所述局部冲突空域层次进行冲突检测；

s3.分层碰撞规避：根据被控无人机当前对应的所述局部冲突空域层次执行碰撞规避。

进一步的，所述步骤s1中局部冲突空域划分时，具体基于无人机的飞行速度、转弯半径、安全半径中任意一种或多种的约束条件，以及不同相对距离时产生冲突预警时间进行划分，构建得到所述局部分层冲突空域模型。

进一步的，所所述步骤s1中具体基于冲突预警时间τ与无人机和冲突对象之间的相对距离大小之间的关系，将所述局部冲突空域划分为外层、中层以及内层的三个层次，构建得到局部三层冲突空域模型，所述局部三层冲突空域模型具体为：

ωe＝{pt|rm＜|pt-p|≤re}

ωm＝{pt|ri＜|pt-p|≤rm}

ωi＝{pt|rs＜|pt-p|≤ri}

其中，ωe、ωm、ωi分别对应为外层、中层以及内层，re，rm，ri分别为外层、中层和内层冲突空域的距离阈值，p,为被控无人机自身的位置，pt为被控无人机的局部冲突空域内任一点的位置。

进一步的，所述步骤s2中进行冲突检测时，若被控无人机当前对应的所述局部冲突空域层次为所述外层，采用基于期望路径的碰撞冲突检测方法，具体步骤包括：以预置的参考路径为中心，以及以被控无人机飞行的横向跟踪误差上界为宽，划分出被控无人机沿参考路径的有界飞行区域ωrt，并以被控无人机当前位置距离期望路径的最近点为起始点，向飞行的前进方向前推一个距离re，得到一个前推的冲突检测飞行区域ωahead，判断环境障碍o是否满足：

min{|po-p||p∈ωahead}≤rs+ro

如果是则判定环境障碍o与无人机之间存在外层碰撞冲突，其中po为环境障碍o的特征点的坐标，rs为被控无人机的限制安全半径，ro为被控无人机对环境障碍o的边缘保持距离。

进一步的，所述步骤s2中进行冲突检测时，若被控无人机当前对应的所述局部冲突空域层次为所述中层，采用基于状态预测的碰撞冲突检测方法，具体步骤包括：

计算被控无人机的局部空域中环境障碍的运动速度和方向，并构建环境障碍o的离散运动方程为：

根据构建的所述环境障碍o的离散运动方程和无人机的离散运动学方程，预测时域dt内环境障碍o与被控无人机的n步相对状态序列，其中n＝dt/δt，δt为控制周期，得到被控无人机与环境障碍o在预测时域dt内可达到的最近距离为：

在每个控制周期δt内，若环境障碍o满足则判定为存在中层碰撞冲突。

进一步的，所述步骤s3中进行冲突检测时，若被控无人机当前对应的所述局部冲突空域层次为所为所述内层，采用基于无冲突充分条件的碰撞冲突检测方法，具体步骤包括：

配置对于无人机集群内被控无人机i与内层冲突空域内无人机j之间不存在碰撞冲突的充分条件为：

|pij(k)|≥2rs

其中，i,j∈ω,i≠j，ω为无人机集群内所有无人机的集合，表示两架无人机相对速度向量和相对位置向量的夹角；

若两架无人机的初始相对状态满足所述充分条件，则判定无人机之间不存在碰撞冲突，否则判定无人机之间存在碰撞冲突。

进一步的，所述步骤s3中执行碰撞规避时，若被控无人机当前对应的所述局部冲突空域层次为所述外层，采用subtargets((副目标点算法)算法和3次b样条结合的在线重规划规避控制方法，通过选取无碰撞的最小偏离的副目标点，再由3次b样条拟合产生光滑的无碰撞规避曲线实现，具体步骤包括：

采用subtargets算法基于已知的参考路径和冲突物体的位置，遵循最小偏离的原则，通过迭代取点的方法，沿障碍边缘生成一组无碰撞路径点序列

基于得到的所述无碰撞路径点序列采用3次b样条算法对该路径点序列插值拟合生成期望的光滑规避路径，被控无人机跟踪生成的所述光滑规避路径以实现避障。

进一步的，所述无碰撞路径点序列的生成步骤具体为：

①以被控无人机的当前位置为起始坐标点，确定前向路径上冲突的障碍集合

②在集合中确定前向路径上第一个障碍

③确定包含障碍在内所有需要规避的障碍集合

④确定规避障碍集合的第一个副目标点，包括确定副目标点相对于前向路径的正偏/反偏方向，以及确定集合中该方向包含的每个障碍需要的最小偏转角度，以及根据所需的最大偏转角度和对应的障碍物位置计算副目标点的坐标

⑤以最新生成的副目标点为起始坐标点，重复步骤①-④，直至起始点与阶段目标点之间的冲突障碍集合为空，返回所有的副目标点序列，得到所述无碰撞路径点序列

进一步的，所述步骤s3中执行碰撞规避时，若被控无人机当前对应的所述局部冲突空域层次为所述中层，采用分布式模型预测控制方法，通过基于被控无人机的路径跟踪偏离量、控制量以及被控无人机与冲突对象之间的相对距离和相对速度构建得到基于模型预测控制的优化目标函数，并通过在每个控制周期进行有限步长的滚动优化生成优化规避控制序列，具体步骤包括：

为环境中的非合作障碍，配置基于模型预测控制的防撞控制优化第一目标函数为：

其中，ke,kω是代价系数，为路径跟踪偏离代价，ei为路径跟踪误差，为控制能耗代价，ui是控制输出，为碰撞危险代价项，为k时刻被控无人机局部空域内所有非合作障碍的集合，为该集合中障碍oj产生的碰撞危险代价函数，且：

其中，kd,kv分别是相对距离和相对速度威胁代价系数，是无人机与障碍之间的相对距离，是无人机与障碍之间的相对速度大小；

为集群内相邻无人机构建分布式模型预测控制的第二目标函数为：

其中，表示k时刻无人机的邻居无人机的集合，表示邻居无人机j对无人机i产生的碰撞危险代价函数。

将所述第一目标函数与所述第二目标函数综合后得到总体的规避控制目标函数，在每个控制周期t迭代求取优化控制序列{u0,u1,…,un-1}以滚动优化生成优化规避控制序列，n为预测步长，将其中第一项u0作用于被控无人机以实现碰撞规避。

进一步的，所述步骤s3中执行碰撞规避时，若被控无人机当前对应的所述局部冲突空域层次为所述内层，基于无碰撞的充分条件生成反应式规避控制律实现规避内层碰撞冲突，所述反应式规避控制律具体为：

φρ＝∠-pij(k)-φi(k)

其中，ρi为方向因子，其中若航向调整沿顺时针方向为正，两架无人机的当前时刻的航向角分别为φi(k)＝∠vi(k)和φj(k)＝∠vj(k)，ωmax是最大航向角速率。

与现有技术相比，本发明的优点在于：

1、本发明固定翼无人机集群的分层防撞控制方法，通过构建无人机的局部分层冲突空域模型，将无人机集群的碰撞规避问题按照无人机与冲突对象之间的相对距离的不同场景划分为不同层级，依据不同层级执行相应的冲突检测以及碰撞规避，实现无人机在路径跟踪过程中的分层障碍规避，能够综合规避相邻无人机以及环境障碍，且能够覆盖各类碰撞和危险场景选择合理的规避策略来对碰撞冲突进行规避机动，从而确保无碰撞的集群飞行。

2、本发明固定翼无人机集群的分层防撞控制方法，通过从任务场景的复杂性和规避控制的可行性出发，将集群飞行场景分类建模，综合碰撞风险和多种规避控制的特点，实现固定翼无人机集群“外层规划——中层控制——内层反应”的三层集群规避控制体系架构，可以系统的解决无人机集群各类场景下的规避控制问题。

3、本发明固定翼无人机集群的分层防撞控制方法，进一步根据局部冲突空域模型的划分和相应层级空域内碰撞冲突的发生条件和特点，实现“外层基于期望路径——中层基于状态预测——内层基于无冲突充分条件”的三层碰撞冲突检测，使无人机能够及时、准确的检测到环境中存在的碰撞冲突。

4、本发明固定翼无人机集群的分层防撞控制方法，进一步针对三层冲突空域内检测到的碰撞冲突，根据固定翼无人机的飞行特性采用三层碰撞规避控制策略，通过在线重规划、预测控制和反应式规避机动，能够快速有效的实现碰撞规避。

5、本发明固定翼无人机集群的分层防撞控制方法，进一步针对中层冲突空域内的高动态性和不确定性，分别基于模型预测控制方法和分布式模型预测控制方法，通过配置针对动态环境障碍的非合作式规避目标函数和针对邻居无人机的合作式规避目标函数，通过滚动优化求得控制序列，从而能够实现路径偏离最小、控制能耗最小且危险代价最少的碰撞规避。

附图说明

图1是本实施例固定翼无人机集群的分层防撞控制方法的实现流程示意图。

图2是本实施例构建的固定翼无人机分层冲突空域模型示意图。

图3是采用本发明方法与传统方法在简单无障碍情况下路径跟踪误差对比结果示意图。

图4是采用本发明方法在多动态障碍场景下非合作式避障控制的规避效果示意图。

图5是采用本发明方法与在时变通信拓扑下的合作式规避控制的规避效果示意图。

具体实施方式

以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。

如图1所示，本实施例固定翼无人机集群的分层防撞控制方法的步骤包括：

s1.分层模型构建：按照无人机与冲突对象之间的相对距离大小，将无人机的局部冲突空域划分为多个层次，构建得到局部分层冲突空域模型；

s2.分层冲突检测：实时获取被控无人机的飞行状态信息、未来指定时长内的期望飞行状态信息以及当前局部空域内相邻无人机与环境障碍的运动状态信息，并判定无人机与局部空域内相邻无人机和环境障碍之间的相对状态关系，根据相对状态关系确定被控无人机当前对应的局部冲突空域层次，按照确定的局部冲突空域层次进行冲突检测；

s3.分层碰撞规避：根据被控无人机当前对应的局部冲突空域层次执行碰撞规避。

本实施例通过构建无人机的局部分层冲突空域模型，将无人机集群的碰撞规避问题按照无人机与冲突对象之间的相对距离的不同场景划分为不同层级，依据不同层级执行相应的冲突检测以及碰撞规避，实现无人机在路径跟踪过程中的分层障碍规避，能够综合规避相邻无人机以及环境障碍，且能够覆盖各类碰撞和危险场景选择合理的规避策略来对碰撞冲突进行规避机动，从而确保无碰撞的集群飞行。

本实施例步骤s1中局部冲突空域划分时，具体基于无人机的飞行速度、转弯半径、安全半径等的约束条件，以及不同相对距离时产生冲突预警时间进行划分，构建得到局部分层冲突空域模型，将被控无人机局部冲突空域按照约束条件、不同相对距离条件产生的冲突预警时间的长短来进行分层，使得可以依据不同局部空域层次来使用相应合理的冲突检测方法以及碰撞规避方法，为无人机对碰撞冲突的准确检测和预判提供了条件。

本实施例步骤s1中具体基于冲突预警时间τ与无人机和冲突对象之间的相对距离大小之间的关系，将局部冲突空域划分为外层、中层以及内层的三个层次，构建得到局部三层冲突空域模型，可以将无人机集群的碰撞规避问题分为相对距离较远的外层、动态性和不确定性高、相对距离适中的中层，以及相对距离近、威胁程度高的内层三种场景，以分别针对三种场景实现相应的碰撞冲突检测以及规避控制。

在任一采样时刻，无人机获取自身以及局部空域内相邻无人机和障碍的状态信息，并对自身与邻居无人机和障碍的相对状态进行预测和判定，在无人机不采取任何规避行为的情况下，若预测得到两者在有限时间τ内将发生碰撞，则判定无人机与该邻居无人机或障碍之间存在碰撞冲突，定义时间τ为冲突预警时间。由于冲突预警时间τ与无人机和冲突对象的相对距离大小成正比。即相对距离越大，留给无人机进行规避控制的时间越长，该冲突的碰撞威胁越低。已知无人机自身的位置p,根据无人机与冲突对象的相对距离大小，对于无人机局部空域内任一点pt，本实施例构建的局部三层冲突空域模型具体为：

其中，ωe、ωm、ωi分别对应为外层、中层以及内层，re，rm，ri分别为外层、中层和内层冲突空域的距离阈值，具体定义为无人机飞行速度线性函数；p,为被控无人机自身的位置，pt为被控无人机的局部冲突空域内任一点的位置。

本实施例步骤s2中相对状态关系具体包括相对距离以及相对运动速度，即根据被控无人机与局部空域内相邻无人机和环境障碍之间的相对距离、相对运动速度，确定被控无人机当前对应的所述局部冲突空域层次。对无人机集群进行控制时，具体先获取被控无人机当前的飞行状态和未来一段时间的期望状态，以及获取对局部空域内邻居无人机以及环境障碍的运动状态的感知信息，计算无人机与局部空域内相邻无人机和环境障碍的相对距离和相对运动速度，依据计算的相对距离、运动速度划分相应的局部冲突空域层，再依据划分的局部冲突空域层选择相应的碰撞冲突判定方法，对存在的碰撞冲突进行检测与判定。

本实施例步骤s2中进行冲突检测时，若被控无人机当前对应的局部冲突空域层次为外层，采用基于期望路径的碰撞冲突检测方法，具体步骤包括：

s211.以预置的参考路径为中心，以及以被控无人机飞行的横向跟踪误差上界为宽，划分出被控无人机沿参考路径的有界飞行区域ωrt，并以被控无人机当前位置距离期望路径的最近点为起始点，向飞行的前进方向前推一个距离re，得到一个前推的冲突检测飞行区域ωahead；

s212.判断环境障碍o是否满足：

min{|po-p||p∈ωahead}≤rs+ro(2)

如果是则判定环境障碍o与无人机之间存在外层碰撞冲突，其中po为环境障碍o的特征点的坐标，rs为被控无人机的限制安全半径，ro为被控无人机对环境障碍o的边缘保持距离。

路径跟踪是固定翼无人机执行任务的最常见的基本任务模式之一，无人机的飞行状态严重依赖于参考曲线路径的形状。针对局部三层冲突空域模型中相对距离较远的外层，本实施例基于期望路径来实现碰撞冲突检测，对于沿预置参考路径飞行的固定翼无人机，按照上述方法划分出无人机沿参考曲线的有界飞行区域ωrt，以及得到前推的冲突检测飞行区域ωahead后，由上式(2)判定局部空域内环境障碍o与无人机之间是否存在外层碰撞冲突，可以及时、准确检测出被控无人机局部冲突空域中外层碰撞冲突。

本实施例步骤s2中进行冲突检测时，若被控无人机当前对应的局部冲突空域层次为中层，采用基于状态预测的碰撞冲突检测方法，具体步骤包括：

s221.对于局部空域内的环境障碍，基于无人机当前以及历史感知信息，计算被控无人机的局部空域中环境障碍的运动速度和方向，假设环境障碍o在足够小的时间段内进行匀速直线运动，构建环境障碍o的离散运动方程为：

s222.根据构建的环境障碍o的离散运动方程和无人机的离散运动学方程，预测时域dt内环境障碍o与被控无人机的n步相对状态序列，其中n＝dt/δt，δt为控制周期，可得到被控无人机与环境障碍o在预测时域dt内可达到的最近距离为：

s223.在每个控制周期δt内，若环境障碍o满足则判定为存在中层碰撞冲突，即在每个控制周期，障碍o被判定为存在中层冲突当且仅当满足

对同空域范围的邻居无人机，基于通信获取的状态信息和控制信息，使用上述基于状态预测的碰撞冲突检测方法进行运动状态预测和最近距离预测，进而进行碰撞冲突检测。

针对局部三层冲突空域模型中动态性和不确定性高、相对距离适中的中层，本实施例通过采用基于状态预测的碰撞冲突检测，可以及时、准确的检测出被控无人机局部冲突空域中层碰撞冲突。

本实施例步骤s3中进行冲突检测时，若被控无人机当前对应的局部冲突空域层次为所为内层，采用基于无冲突充分条件的碰撞冲突检测方法，具体步骤包括：

s231.配置对于无人机集群内被控无人机i与内层冲突空域内无人机j之间不存在碰撞冲突的充分条件为：

|pij(k)|≥2rs(5)

其中，i,j∈ω,i≠j，ω为无人机集群内所有无人机的集合，表示两架无人机相对速度向量和相对位置向量的夹角；

s232.若两架无人机的初始相对状态满足充分条件，则判定无人机之间不存在碰撞冲突，否则判定无人机之间存在碰撞冲突。

针对局部三层冲突空域模型中相对距离近、威胁程度高的内层，本实施例通过采用基于无冲突充分条件的碰撞冲突检测方法，依据无人机以及无人机之间的状态参数配置无人机之间不存在碰撞冲突的充分条件，由该充分条件判别无人机之间是否存在碰撞冲突，可以及时、准确的实现被控无人机局部冲突空域内层的冲突检测。

本实施例通过上述步骤，能够依据三层冲突空域内碰撞冲突发生的特点和条件，实现对应于局部三层冲突空域模型的“外层基于期望路径——中层基于状态预测——内层基于无冲突充分条件”的三层碰撞冲突检测，可以及时、准确的检测出各种不同场景下的碰撞冲突，步骤s3再通过无人机根据判定的碰撞冲突等级选取对应的三层冲突规避策略，可以生成有效地规避机动来实现无碰撞飞行。

本实施例步骤s3中执行碰撞规避时，若被控无人机当前对应的局部冲突空域层次为外层，采用subtargets(副目标点算法)算法和3次b样条结合的在线重规划规避控制方法，通过选取无碰撞的最小偏离的副目标点，再由3次b样条拟合产生光滑的无碰撞规避曲线实现。通过结合subtargets算法和3次b样实现在线重规划规避控制，可以针对相对距离较远的外层的碰撞冲突特性实现碰撞规避，且实现方法简单，能够及时有效的规避碰撞。

本实施例实现外层执行碰撞规避的具体步骤包括：

s311.采用subtargets算法基于已知的参考路径和冲突物体的位置，遵循最小偏离的原则，通过迭代取点的方法，沿障碍边缘生成一组无碰撞路径点序列

s312.基于得到的无碰撞路径点序列采用3次b样条算法对该路径点序列插值拟合生成期望的光滑规避路径，被控无人机跟踪生成的光滑规避路径以实现避障。

本实施例中，上述无碰撞路径点序列的生成步骤具体为：

①以被控无人机的当前位置为起始坐标点，确定前向路径上冲突的障碍集合

②在集合中确定前向路径上第一个障碍

③确定包含障碍在内所有需要规避的障碍集合

④确定规避障碍集合的第一个副目标点，包括确定副目标点相对于前向路径的正偏/反偏方向，以及确定集合中该方向包含的每个障碍需要的最小偏转角度，以及根据所需的最大偏转角度和对应的障碍物位置计算副目标点的坐标

⑤以最新生成的副目标点为起始坐标点，重复步骤①-④，直至起始点与阶段目标点之间的冲突障碍集合为空，返回所有的副目标点序列，得到所述无碰撞路径点序列

本实施例步骤s3中执行碰撞规避时，若被控无人机当前对应的局部冲突空域层次为中层，采用分布式模型预测控制方法，通过基于被控无人机的路径跟踪偏离量、控制量以及被控无人机与冲突对象之间的相对距离和相对速度构建得到基于模型预测控制的优化目标函数，并通过在每个控制周期进行有限步长的滚动优化生成优化规避控制序。针对动态性和不确定性高、相对距离适中的中层碰撞冲突，本实施例从非合作式环境障碍规避和合作式相邻无人机之间规避两类冲突问题入手，采用分布式模型预测控制方法，通过滚动优化生成优化的规避控制序列，其中优化目标函数综合考虑无人机的路径跟踪偏离代价、控制能耗代价以及碰撞危险代价，可以以最优性能实现碰撞规避。

本实施例采用分布式模型预测控制方法实现中层碰撞规避的具体步骤包括：

s321.针对环境中的非合作障碍，基于模型预测控制方法配置防撞控制优化的第一目标函数为：

其中，ke,kω是代价系数，为路径跟踪偏离代价，ei为路径跟踪误差，为控制能耗代价，ui是控制输出，为碰撞危险代价项，为k时刻被控无人机局部空域内所有非合作障碍的集合，为该集合中障碍oj产生的碰撞危险代价函数，且：

其中，kd,kv分别是相对距离和相对速度威胁代价系数，是无人机与障碍之间的相对距离，是无人机与障碍之间的相对速度大小；

s322.针对集群内相邻无人机构建分布式模型预测控制的第二目标函数为：

其中，表示k时刻无人机的邻居无人机的集合，表示邻居无人机j对无人机i产生的碰撞危险代价函数。

s323.将第一目标函数与第二目标函数综合后得到总体的规避控制目标函数，在每个控制周期t迭代求取优化控制序列{u0,u1,…,un-1}以滚动优化生成优化规避控制序，n为预测步长，将第一项u0作用于被控无人机以实现碰撞规避。

本实施例步骤s3中执行碰撞规避时，若被控无人机当前对应的局部冲突空域层次为内层，基于无碰撞的充分条件生成反应式规避控制律实现，由该控制律能够有效规避内层碰撞冲突。针对相对距离近、威胁程度高的内层碰撞冲突，本实施例通过无碰撞的充分条件生成反应式规避控制律，此时不考虑无人机的路径跟踪效果，能够降低无人机的响应时间并提高无人机的防撞性能。

本实施例中生成的反应式规避控制律具体为：

其中，ρi为方向因子，决定了控制输入ui的符号，其中若航向调整沿顺时针方向为正，两架无人机的当前时刻的航向角分别为φi(k)＝∠vi(k)和φj(k)＝∠vj(k)，ωmax是最大航向角速率。

本实施例通过上述针对三层冲突空域中的碰撞冲突步骤，能够使无人机针对不同的冲突情况分别实现最简单有效的重规划方法规避外层冲突，可实现能耗最小最优的机动规避中层冲突，同时能够实现速度最快的有效响应规避内层冲突。

当然在其他实施例中，还可以根据实际的飞行速度、集群规模以及飞行任务等配置上述碰撞冲突检测方式、碰撞规避控制策略，如外层采用基于矢量场的在线规划控制策略，以使得无人机位置能够根据矢量场直接生成规避曲线路径，或者对于局部冲突空域的划分提出类似但不同的距离划分函数，并分层进行规避控制等。

在具体应用实施例中，对于局部空域内的相邻无人机，可配置冲突检测环节与规避控制求解步骤一起在模型预测控制器的优化求解过程中完成。

本发明在具体应用实施例中，利用构建的局部分层冲突空域模型实现固定翼无人机集群飞行中的分层防撞控制的详细流程为：

步骤1：路径跟踪和冲突检测过程

步骤1.1.获取无人机当前的飞行状态和未来一段时间的期望状态；

步骤1.2.获取局部空域内邻居无人机以及环境障碍的运动状态；

步骤1.3.计算无人机与局部空域内相邻无人机和环境障碍的相对距离和相对运动速度，将其划分为相应的局部冲突空域层；

步骤4.根据无人机与相邻无人机和环境障碍的相对状态关系，选择相应层级的碰撞冲突判定方法，对存在的碰撞冲突进行检测与判定。

步骤2：碰撞冲突规避过程

步骤2.1.针对检测到的冲突对象的种类和层级，选择对应的规避控制方法；

步骤2.2.分别采用对应的规避控制方法，求解相应的规避控制量，获得下一周期的动作策略；

步骤2.3.直至碰撞规避机动完成，返回任务控制模式。

为验证本发明的有效性，使用本发明上述控制方法对固定翼无人机在路径跟踪的基本任务模式，以及以4架为规模的集群飞行条件下，对多动态障碍场景的规避控制进行了分层规避控制实验，实验中环境障碍的移动速度为10m/s，环境障碍均位于无人机的期望路径上(对非合作场景的规避实验中，各无人机把邻居无人机也当作非合作环境障碍处理，无人机的基本飞行速度是19m/s)。实验中详细计算了无人机执行路径跟踪的飞行误差，无人机进行碰撞规避过程中的规避保持距离和路径偏离量等，得到的实验结果如图3、4、5所示，其中横坐标为规避保持距离、纵坐标为路径偏离量，图3是采用本发明方法(mpc)与传统方法(bs(back-stepping)、vf(vectorfield)、plos(purepursuitandlineofsight)算法)在简单无障碍情况下路径跟踪误差对比结果示意图，图4是采用本发明方法在多动态障碍场景下非合作式避障控制的规避效果，图4(a)对应为四架无人机在飞行和防撞过程中与参考路径的偏离距离，图4(b)对应为四架无人机在飞行过程中两两之间的分离距离，d12～d34为_表示下标标号的两家无人机之间的距离，图4(c)对应为四架无人机在障碍环境中仿真测试的实际运动轨迹，其中空心圆圈表示的是障碍的未知，实心圆圈表示的是四架无人机的初始未知；图5是采用本发明方法与在时变通信拓扑下的合作式规避控制的规避效果，图5(a)对应为无人机在飞行过程中与参考路径的偏离距离，图5(b)对应为__四架无人机在飞行过程中两两之间的分离距离，d12～d34表示下标标号的两家无人机之间的距离，图5(c)对应为四架无人机在障碍环境中仿真测试的实际运动轨迹，其中空心圆圈表示的是障碍的未知，实心圆圈表示的是四架无人机的初始未知。从图3～图5的实验结果可以看出，采用本发明控制方法，能够实现无人机集群在多动态障碍的复杂任务环境下的无碰撞的路径跟踪飞行，算法的路径偏离小，并且无人机规避效果良好。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。