基于复杂情况下的无人机集群协同控制研究.pdfVIP

基于复杂情况下的无人机集群协同控制研究

摘要

随着定位技术、控制技术以及材料技术不断发展，无人机的协同控制问题逐渐成

为重要研究方向，针对复杂情况下的集群作业也成为了热点问题。本文针对无人机群

的编队和避障问题展开研究，主要内容如下：

1.在扰动通信环境中，为提高控制算法的抗扰动能力，设计了一种基于扰动观测器

的模型预测控制算法。建立非理想环境中的无人机编队误差模型，加入扰动观测因子，

建立代价函数，更新约束条件，引入无偏模型预测控制方法进行稳定性分析，最后构

建基于领航跟随的无人机飞行环境进行仿真实验，仿真结果验证了所提出算法的有效

性和鲁棒性。

2.基于多种障碍物的通信环境中，构建了一个基于“领航-跟随”结构的无人机编队

模型，将改进的A*算法和人工势场法结合构建路径规划和动态避障算法。在初始路径

规划阶段，通过添加路径约束条件，减少路径搜索中无效冗余节点的生成，提高路径

生成效率。对于多类复杂障碍物，在设计吸引力和排斥力函数的基础上加入随机扰动

策略来实现在执行任务过程中对动态障碍物的实时避让。实验验证了所提出方法在有

效避免障碍物和快速生成路径方面的优势。

3.为解决噪声和障碍物等多种干扰下的无人机编队飞行中分布式跟随与和避障问题，

提出了一种改进的多智能体深度确定性策略梯度算法。该方法针对现有的由于经验不

足而导致的模型训练过程收敛慢且无法较好保持队形的一致性问题，加入了改进后的

优先经验重放技术使得模型收敛速度更快且一致性性能更好。在实验中验证了所提

出方法的有效性。实验结果表明，相比于现有传统控制技术，该算法模型在队形保持

的平均误差、队形收敛速度以及避障任务的成功率方面，均有显著改进。

综上所述，本文提出的研究内容不仅在无人机编队和避障算法的理论研究方面取

得了显著进展，而且在实际应用中具有广泛的前景。尤其在救灾、军事和智能交通等

领域，所提出的方法能够有效提升无人机群应对复杂和突发状况的能力，为未来真实

场景下的无人机应用提供了探索。

关键词：协同控制；模型预测控制；人工势场法；多智能体深度确定性策略梯度

基于复杂情况下的无人机集群协同控制研究

Abstract

Withthecontinuousdevelopmentofpositioningtechnology,controltechnologyand

materialtechnology,thecooperativecontrolproblemofunmannedaerialvehicles(UAVs)has

graduallybecomeanimportantresearchdirection,andtheclusteroperationforcomplex

situationshasalsobecomeahotissue.Inthispaper,theformationandobstacleavoidance

problemsofUAVswarmsarestudied,andthemaincontentsareasfollows:

1.Theperturbationcommunicationenvironmentnecessitatesthedesignofamodel

predictivecontrolalgorithmbasedonaperturbationobservertoenhancetheanti-perturbation

capabilityofthecontrolalgorithm.Inthisregard,anerrormodelforUAVformationinnon-

idealenvironmentsisestablished,incorporatingaperturbationobserverfactor.Acostfunction

isformulatedandconstraintsareu