基于改进人工势场的5G网联无人机编队防碰撞方法与流程

本发明属于无人机防碰撞技术领域，涉及一种基于改进人工势场的5g网联无人机编队防碰撞方法。

背景技术：

随着移动互网联的不断发展，越来越多的通信设备加入其中，这种爆炸式的数据增长必将给通信网络带来具大的挑战，也对无线通信链路提出了更高的要求。第五代移动通信系统(5g)的全面展开为无线通信网络提供了大宽带、高可靠、低时延的通信链路，这也极大促进了无人机应用的迅速发展，使得无人机应用行业与移动通信技术呈紧密结合的发展趋势，逐渐形成网联无人机，借助分布广泛的通信基站，可以为无人机行业应用提供了很好的发展需求。

无人机防碰撞方法是无人机的研究热点之一，对于无人机防碰撞的研究逐渐从单架无人机到多无人机编队飞行上面，通过实现对多无人机编队的有效控制、快速决策、分级管理，可以尽可能的发挥每架无人机的作用，从而提升无人机完成任务的效率、增强无人机的使用范围。在具体的队形控制算法方面，国内已经有比较成熟的研究成果，其中主要有领航者跟随法、基于行为法、虚拟结构法和人工势场法。

传统的人工势场法由khatib于1985年提出，通过建立势场使障碍物的分布情况及其状态等信息反映在环境中，根据势场值的大小，无人机依次决定行进的速度和方向。人工势场法计算量小、包容性好、实现简单，可以很好的用于避障等问题，利用人工势场法可以实现多无人机编队飞行时的障碍躲避和机体之间防碰撞的问题。但其仍具有在狭窄环境中航迹震荡、障碍物附近目标不可达和容易陷入局部极小值等问题，限制了人工势场法优势的发挥。所以我们需要对传统的人工势场法进行改进，使人工势场法更适合于多无人机编队的防碰撞方法当中。我们需要结合5g网络的信道特性，对传统的人工势场法进行研究，设计出符合5g网络的多无人机编队防碰撞方法。

技术实现要素：

本发明的目的是提供一种基于改进人工势场的5g网联无人机编队防碰撞方法，解决了传统人工势场法避障存在局部极小值的问题。

本发明所采用的技术方案是，基于改进人工势场的5g网联无人机编队防碰撞方法，包括基于5g网络获取无人机编队中每个无人机的实时位置、实时航向角和加速度，以及无人机机间距离，空域中障碍物与各无人机的间距，通过改变无人机机间的人工势场和空域中障碍物的势场来调整无人机的加速度和航向角，最后通过5g网络将调整后的无人机加速度和航向角信息发送至无人机控制端，以防止无人机发生碰撞。

本发明的技术特征还在于，

具体按照以下步骤实施：

步骤1，构建基于5g网络中多无人机编队飞行模型；

步骤2，针对步骤1建立的多无人机编队飞行模型建立无人机编队防碰撞势场，包括建立无人机机间人工势场和空域中障碍物的势场；

步骤3，根据无人机编队防碰撞势场调整可能发生碰撞无人机的加速度和航向角，以防止无人机发生碰撞，实时监测无人机机间的飞行距离，以及无人机与障碍物之间的距离，并实时更新存储表信息。

步骤1中，5g网络中多无人机编队飞行模型由网络通信系统和多无人机编队组成，网络通信系统包括5g信号基站和集中式控制器，5g信号基站用于对无人机编队所在区域进行网络覆盖。

集中式控制器用于获取多无人机编队中各个无人机的实时位置、实时航向角、行驶速度和加速度，计算无人机机间距离、空域中障碍物与各无人机的间距、无人机机间的人工势场和空域中障碍物的势场，调整无人机加速度和航向角。

无人机编队中设置有领航者a，领航者a与5g信号基站建立信号连接，使无人机内部之间能够相互通信，领航者a根据接收到的信号做出相应飞行指令，并将所述飞行指令传输给所在无人机编队中其余无人机，即跟随者b，使相邻无人机之间时刻保持一定的飞行距离。

步骤2中，机间的人工势场包括无人机的引力场和斥力场，建立机间人工势场的具体过程如下：

步骤2.1，建立模型内无人机ui和其余无人机uj之间的引力场和斥力场，具体如下：

式中，表示无人机ui和uj之间的引力场，表示无人机ui和uj之间的斥力场，kij为引力场的增益系数，||ρij||表示无人机ui和uj之间的相对距离，||ρij||＝||ρi-ρj||；||ρij||min为无人机ui和uj之间的最小安全距离；da表示引力场的作用范围，db为斥力场的作用范围，c表示无人机ui与uj之间斥力场变化速度系数，d表示无人机ui与ui之间斥力场变化幅度系数；

式中，vij斥表示无人机ui与uj之间斥力场实时变化速度，表示无人机ui与uj之间斥力场预定变化速度，fij斥表示无人机ui与uj之间斥力场实时变化幅度，表示无人机ui与uj之间斥力场预定变化幅度；

步骤2.2，建立无人机ui的引力场和斥力场

其中，ni表示对无人机ui有势场作用的所有无人机集合，aij表示无人机ui和uj之间的链路权重；

步骤2中，空域中障碍物的势场是由x-y和y-z两种相垂直势场组成的三维空间矢量场，无人机ui和障碍物之间的斥力场为

式中，||ρio||表示无人机ui与障碍物之间的距离，||ρio||min表示无人机ui与障碍物之间的最小安全距离，vi斥表示无人机ui与障碍物之间斥力场实时变化速度，表示无人机ui与障碍物之间斥力场预定变化速度，fi斥表示无人机ui与障碍物之间斥力场实时变化幅度，表示无人机ui与障碍物之间斥力场预定变化幅度；c0表示无人机ui与障碍物之间斥力场变化速度系数，d0表示无人机ui与障碍物之间斥力场变化幅度系数。

无人机ui的总势场ji为：

其中，jij为无人机ui与uj之间的人工势场，即无人机ui和uj之间的相对距离||ρij||产生的势场；

则无人机ui在ρ处所受虚拟力为fi(ρ)：

式中，表示势场ji在ρ处的梯度，是一个向量，方向是沿着位置ρ势场变化率最大的方向；当||ρij||→0时，jij→+∞，无人机ui所受虚拟力表现为径向斥力；当||ρij||→+∞时，jij→0，无人机ui所受虚拟力表现为径向引力。

步骤3具体包括以下步骤：

步骤3.1，初始化5g网络，使无人机的每个位置节点、链路权重信息记录在网络连接表中，并实时刷新当前存储信息值；

步骤3.2，当无人机的机间距离||ρij||＜||ρij||min时，进行步骤3.3，当||ρij||≥||ρij||min时，进行步骤3.4，当无人机的监测范围内出现障碍物时，进行步骤3.5；

步骤3.3，引入无人机机间的斥力场根据链路权重aij的优先级，通过改变斥力场的大小调整可能发生碰撞的无人机ui的速度和航向角，使||ρij||≥||ρij||min；

步骤3.4，继续实时监测无人机机间的飞行距离，并实时更新存储表信息；

步骤3.5，判断无人机与障碍物之间的距离||ρio||，当||ρio||＜||ρio||min时，进行步骤3.6，当||ρio||≥||ρio||min时，进行步骤3.7；

步骤3.6，在无人机ui和障碍物之间引入斥力场通过改变斥力场的大小调整无人机ui的速度，进而调整无人机ui的航向角，使无人机ui远离障碍物，直到超出障碍物势场的作用范围；

步骤3.7，使无人机ui继续飞行，并实时监测无人机与障碍物之间的距离，更新存储信息表。

无人机ui的速度为vi：

fi(ρ)＝ma(14)

式中，表示无人机ui的预定速度，a表示无人机ui的加速度，t表示无人机ui在加速度a下的航行时间，m表示无人机ui的质量，fi(ρ)为无人机ui所受的虚拟力；

无人机ui的航向角包括俯仰角和偏航角ψi，其中

式中，vxi、vyi、vzi分别表示无人机ui速度vi在x、y、z方向上的速度分量。

本发明的有益效果是，通过改变无人机机间的人工势场和空域中障碍物的势场来调整无人机的加速度和航向角，最后通过5g网络将调整后的无人机加速度和航向角信息发送至无人机控制端，解决了传统人工势场法避障存在局部极小值的问题，有效防止了无人机在行驶过程中与其他无人机或障碍物发生碰撞，提高了无人机的行驶安全性；构建5g网络中无人机编队的飞行模型，依靠5g超密集网络和毫米波通信为无人机编队提供飞行服务，使每个用户所获得的吞吐量最大化，提升了5g网络资源的利用率。

附图说明

图1是本发明中基于5g网络中多无人机编队飞行模型示意图；

图2是本发明实施例中的人工势场示意图；

图3是本发明中机间防碰撞实现流程图；

图4是本发明空域中障碍物避障实现流程图。

图中，1.5g信号基站，2.集中式控制器，3.多无人机编队。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明是一种基于改进人工势场的5g网联无人机编队防碰撞方法，包括基于5g网络获取无人机编队中每个无人机的实时位置、实时航向角和加速度，以及无人机机间距离，空域中障碍物与各无人机的间距，通过改变无人机机间的人工势场和空域中障碍物的势场来调整无人机的加速度和航向角，最后通过5g网络将调整后的无人机加速度和航向角信息发送至无人机控制端，以防止无人机发生碰撞。

具体按照以下步骤实施：

步骤1，构建基于5g网络中多无人机编队飞行模型

参照图1，本发明5g网络中多无人机编队飞行模型由网络通信系统和多无人机编队3组成，网络通信系统包括5g信号基站1和集中式控制器2，5g信号基站1用于对无人机编队3所在区域进行网络覆盖。

集中式控制器2用于获取多无人机编队中各个无人机的实时位置、实时航向角、行驶速度和加速度，以及计算无人机机间距离，计算空域中障碍物与各无人机的间距，以及无人机机间的人工势场和空域中障碍物的势场，调整无人机加速度和航向角。

无人机编队3中设置有领航者a，领航者a与5g信号基站1建立信号连接，使无人机内部之间能够相互通信，领航者a根据接收到的信号做出相应飞行指令，并将所述飞行指令传输给所在无人机编队3中其余无人机，即跟随者b，使相邻无人机之间时刻保持一定的飞行距离。

多无人机编队通过并发传输分别与5g网络建立连接，由5g信号基站和集中式控制器组成的网络通信系统可以实时为空中可监测到的无人机提供飞行服务。图1中a1、a2、a3分别代表三个分队中的领航者，b1、b2、b3、c1、c2、c3为各自编队的跟随者。每个无人机编队中，领航者与其跟随者相互构成具有稳定结构的三角形编队，领航者和跟随者之间可以互相通信从而保持一定的飞行距离，分队中领航者则会接收到5g网络中的信号引导无人机编队安全飞行。

步骤2，针对步骤1建立的多无人机编队飞行模型建立无人机编队防碰撞势场，包括建立无人机机间人工势场和空域中障碍物的势场；

(1)建立无人机机间人工势场，机间的人工势场包括无人机的引力场和斥力场；

步骤2.1，建立模型内无人机ui和其余无人机uj之间的引力场和斥力场，具体如下：

式中，表示无人机ui和uj之间的引力场，表示无人机ui和uj之间的斥力场，kij为引力场的增益系数，用于改变引力场强度；||ρij||表示无人机ui和uj之间的相对距离，||ρij||＝||ρi-ρj||；||ρij||min为无人机ui和uj之间的最小安全距离；da表示引力场的作用范围，db为斥力场的作用范围，c表示无人机ui与uj之间斥力场变化速度系数，d表示无人机ui与uj之间斥力场变化幅度系数，c、d分别决定无人机ui与uj之间斥力场实时变化速度和斥力场变化幅度；

式中，vij斥表示无人机ui与uj之间斥力场实时变化速度，表示无人机ui与uj之间斥力场预定变化速度，fij斥表示无人机ui与uj之间斥力场实时变化幅度，表示无人机ui与uj之间斥力场预定变化幅度；

步骤2.2，建立无人机ui的引力场和斥力场

为了将无人机机间的防碰撞优先级与通信拓扑紧密结合起来，特别引入通信拓扑的链路权重aij，这表示当多个无人机与ui机间距离相同时，不同的无人机对于ui的斥力场不同，当ui执行避碰时，它会优先避开连接权重高的无人机，这样能保证处于根节点的无人机(即领航者)的安全性，也为整个编队在发生紧急情况时可以将风险降为最低。

其中，ni表示对无人机ui有势场作用的所有无人机集合，aij表示无人机ui和uj之间的链路权重；

(2)建立空域中障碍物的势场

空域中障碍物的势场是由x-y和y-z两种相垂直势场组成的三维空间矢量场，该三维空间矢量场引导无人机选择最佳路径避开障碍物。

由于无人机在规避障碍物的过程中，只需要考虑无人机躲避障碍物的问题，而不需要考虑障碍物的行为，因此其人工势场的虚拟力只需要提供斥力，而不需要提供引力，无人机ui和障碍物之间的斥力场为

式中，||ρio||表示无人机ui与障碍物之间的距离，||ρio||min表示无人机ui与障碍物之间的最小安全距离，vi斥表示无人机ui与障碍物之间斥力场实时变化速度，表示无人机ui与障碍物之间斥力场预定变化速度，fi斥表示无人机ui与障碍物之间斥力场实时变化幅度，表示无人机ui与障碍物之间斥力场预定变化幅度；c0表示无人机ui与障碍物之间斥力场变化速度系数，d0表示无人机ui与障碍物之间斥力场变化幅度系数，c0、d0分别决定无人机ui与障碍物之间斥力场实时变化速度和斥力场变化幅度；

无人机ui的总势场ji为：

其中，jij为无人机ui与uj之间的人工势场，即无人机ui和uj之间的相对距离||ρij||产生的势场；

如图2所示，图中j(ρ)表示多无人机编队飞行模型中单个无人机在ρ处的人工势场，j(ρ1)、j(ρ2)、j(ρ3)分别为无人机u1、u2、u3的势场。

无人机ui在ρ处所受虚拟力为fi(ρ)：

式中，表示势场ji在ρ处的梯度，是一个向量，方向是沿着位置ρ势场变化率最大的方向；当||ρij||→0时，jij→+∞，无人机ui所受虚拟力表现为径向斥力；当||ρij||→+∞时，jij→0，无人机ui所受虚拟力表现为径向引力。

在人工势场法中，势场的负梯度作为作用在无人机上的虚拟力，障碍物对无人机产生斥力，目标点则产生吸引力，引力和斥力的合力作为无人机的加速度，引导着无人机做无碰运动。

步骤3，根据无人机编队防碰撞势场调整可能发生碰撞无人机的加速度和航向角，实时监测无人机机间的飞行距离，以及无人机与障碍物之间的距离，并实时更新存储表信息。

参照图3，无人机编队机间防碰撞包括以下步骤：

步骤3.1，初始化5g网络，使无人机的每个位置节点、链路权重信息记录在网络连接表中，并实时刷新当前存储信息值；

步骤3.2，当无人机的机间距离||ρij||＜||ρij||min时，进行步骤3.3，当||ρij||≥||ρij||min时，进行步骤3.4；

步骤3.3，引入无人机机间的斥力场通过改变vij斥进而改变斥力场的大小，改变可能发生碰撞的无人机ui的速度，调整无人机ui的航向角，使无人机机间距离恢复正常，即使||ρij||≥||ρij||min，以避免无人机发生机间碰撞；根据链路权重aij的优先级，先确保无人机编队中领航者a不被碰撞，再确保跟随者b不被碰撞；

步骤3.4，继续实时监测无人机机间的飞行距离，并实时更新存储表信息。

参照图4，空域中的无人机编队避障包括以下步骤：

步骤3.11，初始化5g网络，使无人机的每个位置节点、链路权重信息记录在网络连接表中，并实时刷新当前存储信息值；

步骤3.12，在无人机监测到障碍物时记录其位置和方向信息，判断无人机与障碍物之间的距离||ρio||，当||ρio||＜||ρio||min时，进行步骤3.13，当||ρio||≥||ρio||min时，进行步骤3.14；

步骤3.13，在无人机ui和障碍物之间引入斥力场通过改变斥力场的大小减小无人机ui的加速度，进而调整无人机ui的航向角，使无人机ui远离障碍物，直到超出障碍物势场的作用范围；

步骤3.14，使无人机ui继续飞行，并实时监测无人机与障碍物之间的距离，更新存储信息表。

人工势场中实现避碰动作，是通过调整无人机ui斥力场变化速度和幅度，进而实现对其斥力场、总势场和所受虚拟力的调整，再根据所受虚拟力调整无人机ui的加速度，最后实现对其速度vi和航向角的调整，速度vi为矢量，其中：

fi(ρ)＝ma(14)

式中，表示无人机ui的预定速度，a表示无人机ui的加速度，t表示无人机ui在加速度a下的航行时间，m表示无人机ui的质量，fi(ρ)为无人机ui所受的虚拟力；

无人机ui的航向角包括俯仰角和偏航角ψi，其中

式中，vxi、vyi、vzi分别表示无人机ui速度vi在x、y、z方向上的速度分量。

本发明在5g超密集网络与毫米波通信的基础上，设计出适合5g网络的多无人机编队飞行模型，根据改进的人工势场法基础上设置出相应的势场函数，结合5g网络的超密集性和改进人工势场法的特点，设计出适合5g网络中基于改进人工势场法的多无人机编队防碰撞方法，提高了无人机在行驶过程中的安全性。