无人机集群技术——智能组网与协同 课件 第6章 无人机集群航迹规划.pptx

国家级虚拟仿真实验教学一流本科课程《无人机集群技术》第六章无人机集群航迹规划技术

目录6.1集群航迹规划概述6.2无人机集群编队设计与控制方法6.3基于虚拟势场法的协同避障算法6.4基于Dubins路径的航迹规划算法6.5无人机集群威胁区域躲避协同控制算法6.6基于深度强化学习的协同航迹规划6.7本章小结

6.1集群航迹规划概述

航迹规划的约束条件4飞机性能13地理环境障碍油耗、时间要求2动静态威胁无人机的航迹规划一般可以描述为以下需要解决的问题：已知：起点；一组要服从的限制条件，如机动能力、续航能力等；一组需要执行任务的目标区域；一组威胁或障碍区域；终点。要求：寻找一条穿过目标区域的可飞路径，而且在某种性能指标函数的度量下是最优的，即付出的代价最小。6.14

航迹规划关键技术编队队形设计编队控制信息交换传递技术近距离编队时飞机之间的气动影响实现无人机集群编队飞行需要解决的关键问题：6.15

航迹规划算法的分类现代智能算法：人工势场法启发式寻优搜索算法遗传算法人工神经网络算法蚁群算法粒子群算法基于案例的学习算法12传统经典算法：统计归纳法最优控制法单元格法Dijkstra算法动态规划法导数相关法6.16

航迹规划算法的分类人工势场法：将无人机在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动无人机产生引力，威胁和障碍对移动无人机产生斥力，无人机则在两者综合生成的势场中飞行。A*算法：A*算法是比较流行的启发式搜索算法之一，被广泛应用于路径优化领域，该算法采用启发式搜索和最短路径的搜索相结合的方法。从起始节点开始，A*算法不断寻找最佳节点使得成本最低，并优先扩展这些节点，使目标函数值变小，从而形成一组节点集，这些点的有序连接就是优化的路径。遗传算法：遗传算法模拟达尔文“物竞天择，适者生存”的进化法则，提供了一种求解复杂优化问题的通用框架，是效仿自然进化过程中搜索最优结果的方法。现代智能算法6.17

航迹规划算法的分类人工神经网络算法：人类的大脑由数量众多的神经元构成，这些神经元细胞相互之间紧密连接，提出了模拟大脑神经元工作的人工神经网络算法。蚁群算法：受到蚁群在环境中寻找食物与巢穴之间最有效路径的行为启发而产生的航迹规划算法。粒子群算法：将无人机在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动无人机产生引力，威胁和障碍对移动无人机产生斥力，无人机则在两者综合生成的势场中飞行。基于案例的算法：基于案例的学习方法是一种增量式的学习过程，它具有类比学习的功能，该方法通过建立案例库的方式来存储之前的规划案例，是一组大同小异的学习策略。6.18

6.2无人机集群编队设计与控制方法

无人机坐标系定义与变换空间大地坐标系地球中心坐标系载体坐标系NED坐标系无人机在完成飞行工作时，需要依赖于精确的位置坐标，用于各种用途，包括导航、运动规划和控制以及任务完成。无人机对于运动的描述主要基于参考系的位置以及速度方向，各个坐标系之间能够相互转换。6.210

无人机编队队形的保持与变换常见的编队队形：6.211

无人机集群的特点与需求21无人机之间的防碰撞队列中的无人机需要将其它无人机视为附加的移动障碍物，并采取适当的避障行为多无人机间的协作编队控制算法应避免队列中有一架或多架无人机落后而导致整体等待或完全停止的情况3避免死锁情况无人机的飞行应加以控制，以避免出现一架或多架无人机对其它无人机路径造成阻塞的情况编队控制策略的约束条件：6.212

无人机编队控制方式13跟随领航者法基于行为的方法2虚拟结构法4图论法5一致性法无人机的编队控制目标包括编队一致性和编队模式。根据模式的不同需求，无人机编队控制方法分为刚性编队模式和柔性编队模式。6.213

无人机编队控制方式将某一无人机视为能够完全获取整体导航信息的群体领航者，并作为群体中的参考无人机。集中式设计简单集群的抗摧毁性比较低跟随领航者法分布式集群的抗摧毁性显著提升算法设计难6.214

无人机编队控制方式无人机之间保持成刚性架构，其整体行为就像嵌入在刚性结构中的粒子一样，能够实现高精度的运动，不需要领导者的选择，并且可以灵活的保持固有的各种几何形状。虚拟结构法6.215

无人机编队控制方式基于行为的方法：通过采用混合矢量加权控制函数来解决编队控制问题，能够根据不同编队任务生成不同的控制命令。图论法：利用拓扑图上的顶点来描述单个无人机，两点之间的边用来表述无人机间的关联约束拓扑关系，将控制理论引入图中。一致性法：智能体利用与之通信的邻居智能体的状态信息更新自身的状态，并最终使所有智能体状态达到一致。6.216

6.3基于虚拟势场法的协同避障算法

虚拟势场法基本原理人工势场法（ArtificialPotentialField，