一种多无人机编队重组轨迹规划方法技术

本发明专利技术公开了一种多无人机编队重组轨迹规划方法，首先建立包含动力学方程、通信距离约束条件、机动性能约束条件、安全距离约束、终端队形约束的多固定翼无人机编队重组问题的非线性最优控制模型；其次应用精准罚函数方法，针对非线性状态等式及不等式约束，将P0问题进一步处理为问题P1；最后应用hp自适应伪谱法将问题P1转化为非线性规划问题进行求解。与现有技术相比，本发明专利技术在解决多无人机编队重组轨迹优化问题时，与启发式算法相比，具有更快的收敛速度；与一般的hp自适应伪谱法相比，能够处理约束维度爆炸的问题，在不影响优化最优性的基础上，减小计算量，加快收敛速度。加快收敛速度。加快收敛速度。

【技术实现步骤摘要】
一种多无人机编队重组轨迹规划方法


[0001]本专利技术涉及无人机
，尤其涉及一种多无人机编队重组轨迹规划方法。

技术介绍

[0002]无人机(UAV)在军事和民用领域具有广泛的应用，例如侦察、精确打击、飞行表演和地质勘测等。这些飞行任务通常需要无人机组改变其编队形状以满足不同任务的需要。因此，多无人机编队重组变得越来越重要。
[0003]多无人机编队重组问题，即以某些指标，如时间最快或燃油最省等为目标，求解每个无人机的控制输入，从而在满足某些约束的情况下，例如通信约束、机间防碰撞约束和飞行性能约束等，使多无人机组可以从初始队形重组为所需的新队形。为此，几种方法近年来已被应用于多无人机编队重组问题，例如PID控制[1
‑
2]模型预测控制[3
‑
5]，鲁棒控制[6
‑
8]，滑模控制[9
‑
10]。但这些方法通常将无人机编队重组问题处理为轨迹跟随问题，设计控制器使无人机组强制跟随规划好的航迹。
[0004]对于无人机组编队重组问题，可以被视为具有约束的优化问题。由于计算机性能的提高和无人机编队重配置问题的复杂非线性，通常采用数值方法来解决此类问题，主要分为间接方法和直接方法。值得一提的是，还有其他优化方法，例如基于动态规划的方法[11
‑
12]，但当无人机组数量稍多时，动态规划方法将出现高维度灾难问题。通过间接方法，如果考虑无人机系统模型与复杂的代数约束，求解过程将变得复杂，难以求解。因此，直接方法更广泛地用于解决这些问题。通过离散化控制变量和状态变量，直接方法可以将连续时间的最优控制问题转换为有限维的非线性规划问题(NLP)，接下来即设计解决NLP问题的算法。近年来，在研究人员提出的算法中，由于能够跳出局部最优解，启发式算法在无人机组编队重组问题中应用颇多。如Duan等[13]提出了一种改进的粒子群优化(PSO)方法，基于控制参数化的方法，来搜索时间最优编队重组问题的局部和全局最优值。Duan等[14]又混合了粒子群优化算法与遗传算法(HPSOGA)，结合了PSO和GA的优势。但是，在这类方法中，尽管它能够跳出局部最优值，却不能保证收敛到所谓的全局最优值，并且其计算量大。作为直接法,伪谱方法在解决飞行器优化问题有较多应用。例如，张等[15]将hp自适应伪谱方法应用于多四旋翼无人机编队轨迹优化问题。Chai等[16]结合差分进化算法来与hp自适应Radau伪谱方法来处理飞行器再入轨迹优化问题。邵等[17]提出了改进的高斯伪谱法，用于多无人机协同轨迹规划问题。由于多无人机组编队重组问题中，原始系统维度高且需要考虑的约束多，加上伪谱法将原始问题转化为高维度的非线性规划问题，在处理高维度的无人机及无人机间复杂约束时，计算量会较大，收敛速度慢。对于上述方法，现有技术存在一些或多或少的缺点，存在的技术问题有：启发式算法等全局算法计算效率低，且无法保证收敛到全局最优解；一般的伪谱法在处理高维度的无人机及无人机间复杂约束时，计算量会较大，收敛速度慢。

技术实现思路

[0005]本专利技术为了解决以上问题，提供一种基于精确罚函数及hp自适应Radau伪谱法的多无人机编队重组轨迹优化方法，该方法首先建立包含动力学方程、通信距离约束条件、机动性能约束条件、安全距离约束的多固定翼无人机编队重组问题的非线性最优控制模型；利用hp自适应Radau伪谱法将连续时间的非线性最优控制模型转化为多区间的非线性最优控制模型,基于航迹的曲率密度函数实现伪谱法的自适应配点策略；并利用精准罚函数方法，处理在转化后的非线性规划问题中高维度的无人机及无人机间复杂约束，减小计算量，加快算法收敛速度。
[0006]为达到上述目的，本专利技术是按照以下技术方案实施的：
[0007]本专利技术一种多无人机编队重组轨迹规划方法包括以下步骤：
[0008]S1：建立包含动力学方程、通信距离约束条件、机动性能约束条件、安全距离约束、终端队形约束的多固定翼无人机编队重组问题的非线性最优控制模型；
[0009]S2：应用精准罚函数方法，针对非线性状态等式及不等式约束，将P0问题进一步处理为问题P1；
[0010]S3：应用hp自适应伪谱法将问题P1转化为非线性规划问题进行求解。
[0011]本专利技术的有益效果是：
[0012]本专利技术是一种多无人机编队重组轨迹规划方法，与现有技术相比，本专利技术在解决多无人机编队重组轨迹优化问题时，与启发式算法相比，具有更快的收敛速度；与一般的hp自适应伪谱法相比，能够处理约束维度爆炸的问题，在不影响优化最优性的基础上，减小计算量，加快收敛速度。
附图说明
[0013]图1是无人机群编队重构轨迹图；
[0014]图2是无人机群机间距离曲线图；
[0015]图3是无人机群推力曲线图；
[0016]图4是无人机群过载系数曲线图；
[0017]图5是无人机群滚转角曲线图。
具体实施方式
[0018]下面结合附图以及具体实施例对本专利技术作进一步描述，在此专利技术的示意性实施例以及说明用来解释本专利技术，但并不作为对本专利技术的限定。
[0019]如图1
‑
5所示：首先建立包含动力学方程、通信距离约束条件、机动性能约束条件、安全距离约束、终端队形约束的多固定翼无人机编队重组问题的非线性最优控制模型。考虑三自由度固定翼无人机制导系统动态方程，
[0020][0021][0022][0023][0024][0025][0026]其中i＝1,2,...,N为无人机编号，γ为爬升角，χ为偏航角，μ为滚转角。T为推力，D为阻力，n代表的是无人机的负载系数，之后考虑无人机及及无人机间的通信距离约束条件、机动性能约束条件、安全距离约束、终端队形约束，通信距离及安全距离机间约束：
[0027]D
safe
≤d
i,j
(t)≤D
comm
,
[0028][0029]d
i,j
(t)为任意两家无人机间的距离。
[0030]机动性能约束：v
min
≤v
i
≤v
max
[0031]χ
min
≤χ
i
≤χ
max
[0032]γ
min
≤γ
i
≤γ
max
[0033]T
min
≤T
i
≤T
max
[0034][0035]n
min
≤n
i
≤n
max
[0036]假设第N架无人机为队形中心，则终端队形约束为：
[0037]h
i
＝[x
i
(t
f
)
‑
x
N
(t
f
)
‑
x
i,N<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多无人机编队重组轨迹规划方法，其特征在于，包括以下步骤：S1：建立包含动力学方程、通信距离约束条件、机动性能约束条件、安全距离约束、终端队形约束的多固定翼无人机编队重组问题的非线性最优控制模型；S2：应用精准罚函数方法，针对非线性状态等式及不等式约束，将P0问题进一步处理为问题P1；S3：应用hp自适应伪谱法将问题P1转化为非线性规划问题进行求解。2.根据权利要求1所述的多无人机编队重组轨迹规划方法，其特征在于：所述步骤S1中考虑三自由度固定翼无人机制导系统动态方程，考虑三自由度固定翼无人机制导系统动态方程，考虑三自由度固定翼无人机制导系统动态方程，考虑三自由度固定翼无人机制导系统动态方程，考虑三自由度固定翼无人机制导系统动态方程，考虑三自由度固定翼无人机制导系统动态方程，其中i＝1,2,...,N为无人机编号，γ为爬升角，χ为偏航角，μ为滚转角，T为推力，D为阻力，n代表的是无人机的负载系数，之后考虑无人机及及无人机间的通信距离约束条件、机动性能约束条件、安全距离约束、终端队形约束，通信距离及安全距离机间约束：D
safe
≤d
i,j
(t)≤D
comm
,d
i,j
(t)为任意两家无人机间的距离；机动性能约束：v
min
≤v
i
≤v
max
χ
min
≤χ
i
≤χ
max
γ
min
≤γ
i
≤γ
max
T
min
≤T
i
≤T
max
n
min
≤n
i
≤n
max
设第N架无人机为队形中心，则终端队形约束为：h
i
＝[x
i
(t
f
)
‑
x
N
(t
f
)
‑
x
i,N
]2+[y
i
(t
f
)
‑
y
N
(t
f
)
‑
y
i,N
]2+[z
i
(t
f
)
‑
z
N
(t
f
)
‑
z
i,N
]2＝0i＝1,2,...,N
‑
1考虑时间最有编队重组，目标函数可以表达为，至此，多固定翼无人机编队重组问题的非线性最优控制问题可以表示为如下问题P0，
v
min
≤v
i
≤v
max
γ
min
≤γ
i
≤γ
max
T
min
≤T
i
≤T
max
n
min
≤n
i
≤n
max
,i＝1,2,
…
,Nh
i
＝0,i＝1,2,
…
,N
‑
1D
safe
≤d
i,j
(t)≤D
comm
3.根据权利要求1所述的多无人机编队重组轨迹规划方法，其特...

【专利技术属性】
技术研发人员：宁召柯，李彬，刘高旗，马巍，余琪，朱勃帆，魏钰良，
申请(专利权)人：四川大学，
类型：发明
国别省市：