【技术实现步骤摘要】
本专利技术涉及无人机控制，更具体的说是涉及一种无人机多机协同控制方法及系统。
技术介绍
1、随着航空技术的发展，无人机在民用和军用领域的应用越来越普遍。
2、然而，不断复杂的应用场景以及无人机的集成化、小型化发展趋势，使得单一无人机受限于体积、能耗的制约，其在日益复杂的应用环境下工作能力较为有限。为了补偿单一无人机的局限性，多无人机编队的协同作业成为未来无人机应用的一大热点研究方向。
3、在多机编队协同中，各机通过相互配合提高任务完成质量，整个编队具有更高的任务执行能力和任务执行成功率。其中，若要使得一组无人机沿着预定航迹要求，保持一定队形飞行，则需要对编队进行控制。目前主要有三种控制策略。1)领航跟随法：领航者按照规划好的航迹飞行，跟随者参考编队中与领航者的相对位置飞行。领航跟随法的局限性在于，领航者没有跟随者的位置误差反馈，跟随者的位置误差迭代增加或者跟随者受到较大扰动时，无人机编队易失效；此外，领航者自身的失效故障也会导致整个编队的失效。2)虚拟领航法：虚拟领航法将编队看成刚体的虚拟结构，每架无人机是这个虚拟结构上位置相对固定的一点，编队移动时无人机跟踪其所对应的固定点。3)行为法：行为控制法由一系列不可再分的行为组成，每个行为具有各自的目标。基于行为控制的系统主要就是设计各种基本行为，基本行为包括搜索可能的避撞目标、编队保持、行为协调机制、行为仲裁方案等。该方法具有实时反馈的特点，是一种分布式的控制结构，不存在单点无人机失败导致整队无人机失败的问题，但是该控制策略难以系统化的进行数学分析和相应的稳
技术实现思路
1、有鉴于此，本专利技术提供了一种无人机多机协同控制方法及系统，以解决
技术介绍
中的问题。
2、为了实现上述目的，本专利技术提供如下技术方案：
3、一方面，本专利技术公开了一种无人机多机协同控制方法，具体步骤如下：
4、终端构建第一神经网络模型，根据目标相对速度参数和障碍相抵参数自适应调整人工势场函数系数，进行引力和斥力计算，并得到初始合力，根据每个无人机所受初始合力情况，生成控制指令链；
5、每个无人机接收所述控制指令链，构建第二神经网络模型，根据环境数据以及所述人工势场函数系数，调整引力函数系数或斥力函数系数；得到最终合力，将所述最终合力转化为智能体的运动方向和速度。
6、优选的，在上述的一种无人机多机协同控制方法中，构建第一神经网络模型具体步骤如下：
7、收集并准备训练神经网络模型所需的数据，包括目标相对速度参数、障碍相抵参数以及无人机所受初始合力情况信息；
8、设计第一神经网络模型，输入层包括目标相对速度参数和障碍相抵参数，输出层包括人工势场函数系数的调整值；选择合适的神经网络结构和激活函数；
9、使用准备好的数据对神经网络模型进行训练，优化模型参数以实现对人工势场函数系数的自适应调整；
10、人工势场计算：根据得到的人工势场函数系数，计算引力和斥力，并得到初始合力；根据每个无人机所受初始合力情况，生成控制指令链。
11、优选的，在上述的一种无人机多机协同控制方法中，在计算最终合力之前，确定不同无人机系统之间的分布式控制架构；基于所述分布式控制架构，建立所述第一模型；
12、其中，所述分布式控制架构至少包括：集中控制层和中间控制层，确定不同无人机系统的分层控制架构包括：确定不同无人机系统的集中控制层，其中，所述集中控制层用于调度所述无人机系统；确定不同无人机系统的中间控制层，其中，所述中间控制层用于通过一致性算法耦合各个无人机系统，生成第二控制指令链。
13、优选的，在上述的一种无人机多机协同控制方法中，通过一致性算法耦合各个无人机系统生成第二控制指令链，具体步骤如下：
14、首先确定多个无人机需要完成的目标和任务，包括任务的优先级和分配方式；
15、设计一致性算法来协调多个无人机之间的行动和决策，包括确定无人机之间的通信协议、信息传递方式和决策规则；
16、利用一致性算法来分配任务和资源给不同的无人机，通过一致性算法，确保任务和资源的分配是公平和均衡的；
17、在无人机执行任务的过程中，实时调整和协调各个无人机的行动；利用一致性算法来监控系统状态和无人机之间的协作情况，及时调整决策和行动。
18、优选的，在上述的一种无人机多机协同控制方法中，构建通过一致性算法耦合各个无人机系统，之前各个无人机系统确定最优路径，具体步骤如下：步骤(1)：获取无人机环境数据信息，其中，所述环境数据信息包括无人机姿态信号、障碍物信息、起始地信息；
19、步骤(2)：通过基于前向更新准则的蚁群算法从所述环境数据信息中找出最优路径；所述最优路径通过多个依次相连的转向点构成；具体包括：
20、步骤(21)：产生初始蚂蚁种群，令蚂蚁种群中的蚂蚁从起点出发，向终点前进，所述终点为目标点；
21、步骤(22)：判断蚂蚁是否到达终点；
22、若蚂蚁未到达终点，则根据转移概率选择下一个转向点前进，并判断下一个转向点是否满足前向更新准则，若满足前向更新准则，则向已走过的路径释放前向更新信息素，再向下一个转向点前进；若不满足前向更新准则，则直接向下一个转向点前进；若蚂蚁到达终点，则更新路径信息素，并保存当前路径；
23、步骤(23)：循环步骤(22)直到蚂蚁种群中的所有蚂蚁均到达终点时，得到若干条路径，并从所述若干条路径中选择最短的路径作为最优路径；
24、所述前向更新准则具体为：
25、前向更新准则通过递归地计算每个状态的值函数或策略函数，从而最终得到整个状态空间的最优值函数或策略函数；
26、步骤(3)：在所述最优路径上部署分割后的神经网络，来实现神经网络的分布式计算。
27、优选的，在上述的一种无人机多机协同控制方法中，构建第二神经网络模型，具体步骤如下：
28、根据环境数据构建环境障碍地图，建立空间均匀网格，将无人机信息和障碍物信息映射到空间均匀网格中，包括：构建空间均匀网格，将整个飞行空域分为n个独立的网格空间，每个网格空间的大小介于无人机的通讯范围与安全距离之间；将无人机的实际空间坐标转换到网格坐标，计算得到所处网格的索引，并存入集合中；
29、引入作用于无人机速度法线方向的调整力；引入一个无人机靠近目标时的调整系数；
30、构建调整模型，以调整力与调整系数为输出，以障碍物本文档来自技高网...
【技术保护点】
1.一种无人机多机协同控制方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种无人机多机协同控制方法，其特征在于，构建第一神经网络模型具体步骤如下：
3.根据权利要求1所述的一种无人机多机协同控制方法，其特征在于，在计算最终合力之前，确定不同无人机系统之间的分布式控制架构；基于所述分布式控制架构，建立所述第一模型；
4.根据权利要求3所述的一种无人机多机协同控制方法，其特征在于，通过一致性算法耦合各个无人机系统生成第二控制指令链，具体步骤如下：
5.根据权利要求4所述的一种无人机多机协同控制方法，其特征在于，构建通过一致性算法耦合各个无人机系统，之前各个无人机系统确定最优路径，具体步骤如下：步骤(1)：获取无人机环境数据信息，其中，所述环境数据信息包括无人机姿态信号、障碍物信息、起始地信息；
6.根据权利要求1所述的一种无人机多机协同控制方法，其特征在于，构建第二神经网络模型，具体步骤如下：
7.根据权利要求6所述的一种无人机多机协同控制方法，其特征在于，得到最终合力，计算公式：
8.一
9.根据权利要求8所述的一种无人机多机协同控制系统，其特征在于，所述终端模块包括：
10.根据权利要求8所述的一种无人机多机协同控制系统，其特征在于，无人机飞控模块包括：
...【技术特征摘要】
1.一种无人机多机协同控制方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种无人机多机协同控制方法，其特征在于，构建第一神经网络模型具体步骤如下：
3.根据权利要求1所述的一种无人机多机协同控制方法，其特征在于，在计算最终合力之前，确定不同无人机系统之间的分布式控制架构；基于所述分布式控制架构，建立所述第一模型；
4.根据权利要求3所述的一种无人机多机协同控制方法，其特征在于，通过一致性算法耦合各个无人机系统生成第二控制指令链，具体步骤如下：
5.根据权利要求4所述的一种无人机多机协同控制方法，其特征在于，构建通过一致性算法耦合各个无人机系统，之前各个无人机系统确定最优路径，具体步...
【专利技术属性】
技术研发人员：崔贝贝，冀保峰，张磊，马利，张坤鹏，赵亮，楚明威，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。