http://www.froninvest.com

多无人机协同编队飞行控制与仿真系统对教学研究的意义

近年来,无人机具有低成本、无人员伤亡、设备简单、操作方便和灵活可靠等特点被广泛应用。其可以近距离对地面目标有选择性和针对性地实施观测,并且可以进入敌方阵地进行监视,提高情报的可靠性和时效性。在军事侦察和民用测量上采用一定的编队队形进行飞行,可以扩大侦察和搜索的范围。多架无人机编队飞行协同侦察时,通过调整相机在无人机上的安装角度,可对目标的全方位立体拍照,实现地面目标的侦察和监视。

单架无人机采用先进控制策略可实现实时的高精度姿态控制,完成轨迹追踪,但是多无人机编队飞行执行任务的成功率和抗突发事件的能力要比单架飞机飞行高。例如,在某次任务的执行过程中,有一架飞机出现故障不能继续工作,那么它可以返回进行维修,而其余飞机仍旧按照原来的计划保持编队飞行,使任务得以圆满完成。但是现有的科技水平还无法支持完全意义上的多无人机编队自主决策功能,几乎不能实现较高程度智能化集群式大规模协同编队飞行,因此深入开展信息感知技术、数据融合技术、任务分配技术、航迹规划技术、编队控制技术、通信组网技术和虚拟/实物验证实验平台技术等多项技术的研究,以及多项技术间协同研究,对中国实现美国空军发布的2016年—2036年小型无人机发展规划中“蜂群”、“编组”、“忠诚僚机”和诱饵等多无人机协同编队具有重要指导意义。

协同编队飞行任务描述

为了达到多无人机协同编队飞行的扩大任务范围、提高任务执行效率和完成质量、增强在高危环境中的作战能力、提升系统对环境自适应能力、扩展任务能力等多个目标,必须研究多无人机的状态感知和数据融合、任务分配和航迹规划、编队控制和通信组网等多个技术,并研究多项技术间的协同作用。

多无人机协同编队执行危险任务是一种必然趋势。进行多无人机协同编队,首先要进行信息感知,并对多源信息进行融合;其次对各种任务进行分配和决策;进而对每架无人机进行航迹规划生成期望的轨迹;然后利用先进的编队控制方法和队形设计技术实现多机编队飞行任务;在编队控制设计过程中,需要考虑多无人机之间的组网通信问题;最后,搭建模拟多无人机协同编队飞行虚拟仿真平台和实物演示平台,验证编队控制算法的可行性和有效性。

任务分配

无人机飞行的环境日益复杂及于无人机性能等要求的提高,对无人机编队任务分配的时效性、处理位置环境能力、求解速度等提出了更高的要求。

2010年,美国麻省理工学院大学Mcgrew等,针对固定速度一对一作战机动问题,用近似动态规划技术进行求解,该方法针对快速变化的战术情况能够提供快速响应,并在室内完成了飞行试验,对算法进行了验证。2011年,印度Sujit等。针对两个无人机的未知区域协同搜索问题展开研究,考虑了无人机通信范围、传感器探测范围、油量限制及补给站位置等约束条件,采用博弈论的方法对该问题进行了求解,仿真结果表明基于博弈论的方法对于未知环境的搜索效率很高。2011年,美国波尔图大学ManathARA等,针对多无人机作战的最优资源分配问题,针对多种异构无人机设计了任务分配策略,并采用启发式算法进行求解。2014年,美国珀杜大学Kim等针对异构无人机的编队区域搜索和任务分配问题,提出了一种基于响应阈值模型的概率决策机制的分布式方法,考虑了环境的不确定性,实现了快速灵活的无人机区域搜索和任务分配。2015年马来西亚科技大学Wei等,针对传统粒子群算法求解过程中求解过慢或易陷入局部极小的问题,提出了一种双级任务分配方法,通过双极任务分配结构自适应的条件搜索效率,相比传统粒子群算法提高了求解的可靠性、搜索精度和搜索效率,最终提高了任务分配的求解速度。

航迹规划

为了确保复杂环境中多无人机编队能够安全、快速到达任务区域,降低被敌方雷达捕获、摧毁的概率,需要设计满足一定约束条件及性能指标最优的编队航迹。

2013年,英国诺森比亚大学的Kothari等,采用机会约束方法来处理系统环境和环境态势感知中的不确定性,再通过快速随机搜索树方法获取了多无人机鲁棒最优路径。2015年,北京航空航天大学的段海滨等,将无人机全局路径规划问题转化为三维空间含约束的优化问题,并采用改进的差分进化算法进行求解,克服了传统差分进化算法容易陷入局部极小的问题,相比传统方法提高了无人机路径的约束处理能力、路径质量和鲁棒性。2016年,加拿大魁北克大学的Berger等,针对异构飞行器的静态目标搜索问题,建立新的整数线性和二次规划模型,降低了计算复杂度,采用线性规划算法求解,以轻微的计算代价获得了包含异构飞行器的近似最优解。2016年,沈阳航空航天大学的梁宵等,在复杂环境下对移动目标的路径跟踪问题,采用滚动时域优化结合人工势场法,获取无人机的前进方向,实时给出针对移动目标的最优轨迹。

在实际飞行过程中,需要考虑编队避撞问题。2014年,伊朗伊斯兰阿扎德大学的Shorakaei等,将无人机之间避撞作为性能指标,采用基于概率的环境建模方法,研究了多无人机协同搜索问题,并运用平行遗传算法进行求解,设计了二维及三维的最优路径。遗传算法的优点是易于与其他算法相结合,并充分发挥自身迭代的优势,缺点是运算效率不高,不如蚁群等算法有先天优势。2013年,华中科技大学的丁明跃等,针对海上无人机路径规划问题,提出了一种基于量子行为粒子群优化的混合差分进化算法,用于在不同威胁环境下生成一条安全和可飞的路径。粒子群算法模拟鸟群飞行捕食行为,相比遗传算法规则更为简单,求解速度更快,但容易陷入局部收敛。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

相关文章阅读