基于人工蜂群算法的多无人机三维编队重构方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109669475A(43)申请公布日2019.04.23(21)申请号201910056357.4(22)申请日2019.01.22(71)申请人北京航空航天大学地址100191北京市海淀区学院路37号(72)发明人肖振宇杨福廷董航(74)专利代理机构北京永创新实专利事务所11121代理人姜荣丽(51)Int.Cl.G05D1/10(2006.01)权利要求书4页说明书7页附图4页(54)发明名称基于人工蜂群算法的多无人机三维编队重构方法(57)摘要本发明公开了一种基于人工蜂群算法的多无人机三维编队重构方法，属于无人机控制技术领域。所述方法首先建立无人机的运动模型，然后给出三维编队重构最优时间控制的数学描述；进行分段线性化控制输入后，采用ABC算法进行无人机三维编队重构。相比于现有技术，本发明通过ABC算法搜索到无人机编队重构的时间最短，实现无人机编队重构的快速性；ABC算法是全局搜索方法，可以避免陷入局部最优，使得无人机编队重构的精度上升。CN109669475ACN109669475A权利要求书1/4页1.基于人工蜂群算法的多无人机三维编队重构方法，其特征在于：所述方法包括如下步骤，第一步，建立无人机的运动模型；第二步，三维编队重构最优时间控制的数学描述；假设无人机编队中无人机的数量为N，t＝0为编队重构的起始时刻，t＝T为编队重构的终止时刻，无人机的控制输入分别是推力F、过载n与俯仰角φ，因此编队系统内第i架无人机的控制输入的数学表达式为编队系统的控制输入向量为无人机的状态变量分别为速度v、航迹倾斜角γ、航迹方位角χ以及三维位置(x,y,z)，因此编队内第i架无人机的状态变量的数学表达式为ζi＝[vi,γi,χi,xi,yi,zi]；因此，编队系统的状态变量定义为编队系统的运动方程表述为：X(t)表示编队系统t时刻的状态变量，U(t)表示编队系统t时刻的控制输入向量；假定编队的连续控制输入U以及编队初始状态X(0)＝X0，则式(8)唯一确定在t∈(0,T]任意时刻编队的状态变量：如果给定了初始状态，则X(t)仅仅由U唯一确定，用X(t|U)表示；编队系统的最优时间控制问题表述为：寻找一个连续的控制输入向量U和终端时间T使得编队系统代价函数J(U)最小，也即：编队系统代价函数J(U)表述为：J(U)＝T(10)控制输入向量的范围为：Umin和Umax分别表示控制输入向量的最小值和最大值；编队系统的自由终端约束g1(U)为：式中：m∈{1,…,N}，定义第m架无人机作为编队的中心无人机，[xm(T),ym(T),zm(T)]表示中心无人机终端T时刻位置；为终端T时刻编队内第i架无人机相对于编号为Tm的中心无人机期望的相对坐标值，[xi(T),yi(T),zi(T)]为终端T时刻编队内第i架无人机的位置；2CN109669475A权利要求书2/4页i,j定义任意两架无人机之间距离为d(ζi(t),ζj(t))(其中，i,j∈{1,…,N})，其表达式为：i,j编队内任意两架无人之间距离d(ζi(t),ζj(t))必须大于安全防撞距离Dsafe：i,j任意两架无人机之间距离d(ζi(t),ζj(t))必须小于通讯保障距离Dcomm：综上，编队系统的最优时间控制问题的数学描述为：在满足约束条件(7)(11)(12)(14)(15)的约束条件下，寻找一个连续的控制输入U和终端时间T使得(9)(10)两式成立；第三步，分段线性化控制输入U；控制输入的分段线性化：控制输入的作用时间T被划分为np个时间分区，每个时间分区为Δtp，对于编队内第i架无人机，定义一个τ*np维常数集合则在时间T内，第i架无人机的连续控制输入作用ui采用分段函数近似地表述成下式：上式中，表示第i架无人机控制变量在第j个时间分区Δtp的线性近似值，χj(t)由下式给定：定义编队的分段线性化常系数集合为Ω＝{Ω1,…,ΩN}，编队系统的近似控制输入集合为近似参数化：控制输入经过近似处理后，寻找最优控制输入集合U和T使代价函数J(U)最小的问题近似地等价于寻找最优常数参数集合Ω和Δtp；因此，三维编队重构最优控制的代价函数可近似表述为：控制容许约束可近似表述为：其中，(umin)i表示分段线性化后的控制向量最小值，(umax)i表示分段线性化后的控制向量最大值；自由终端约束可近似表述为：3CN109669475A权利要求书3/4页编队系统状态方程近似表述为：其他约束条件表达式不变；分段线性化控制输入U以后，采用ABC算法解决三维编队重构最优控制问题；定义三维编队重构最优时间控制的扩展代价函数为：*式中，σij和σ′ij分别为安全防撞距离约束和通讯保障距离约束的惩罚常系数；σ为终端约束(20