[发明专利]基于几何分布的无人机分级编队方法

权利要求书

1.基于几何分布的无人机分级编队方法，其特征在于，包括：

S1、将无人机集群横向划分为若干子集群，纵向划分为引领层和子群层；所述引领层由横向划分得到的若干子集群的引领机组成；所述子群层由横向划分得到的若干子集群的成员机组成；

S2、在子集群内部采用能量最优的编队控制；

S3、在子集群之间采用密度的几何编队控制。

2.根据权利要求1所述的基于几何分布的无人机分级编队方法，其特征在于，所述引领层中各引领机通过远距离低速链路构成网状拓扑通信；所述子群层中各子集群的引领机通过近距离高速链路和本子集群的成员机构成星型拓扑通信。

3.根据权利要求1所述的基于几何分布的无人机分级编队方法，其特征在于，所述在子集群内部采用能量最优的编队控制，具体包括以下步骤：

A1、建立子集群中成员机的受力模型；

A2、根据步骤A1的受力模型建立子集群中成员机的动力学模型；

A3、根据步骤A2建立的动力学模型，将编队控制问题转化为系统的总能量问题；按照最优的编队位置对应着系统总能量最低的状态进行子集群内部编队控制。

4.根据权利要求1所述的基于几何分布的无人机分级编队方法，其特征在于，所述在子集群之间采用基于预测的体密度的几何编队控制，具体包括以下步骤：

B1、预测子集群在Δt时间后所处的空间坐标；

其中，Δt表示邻居引领机发出其空间坐标到当前引领机接收到该坐标信息存在的时延；

B2、基于Voronoi图估算子集群所占空域的三维体积；

B3、根据步骤B2得到的子集群所占空域三维体积估算子集群的无人机体密度；

B4、建立引领机二阶运动学模型；

B5、计算当前引领机的加速度；

B6、根据步骤B5得到的当前引领机的加速度，结合B4建立的引领机二阶运动学模型；对当前引领机飞行状态进行调整。

5.根据权利要求4所述的基于几何分布的无人机分级编队方法，其特征在于，步骤B5具体为：

B51、初始化，包括引领机空间坐标集合、局部子集群无人机体密度集合、集群无人机期望体密度以及子集群期望半径；

B52、若当前引领机所属子集群的体密度等于集群无人机期望体密度，则结束；否则执行步骤B53；

B53、遍历当前引领机的邻居引领机空间坐标集合，若当前引领机与邻居引领机的距离不等于2倍子集群期望半径，则根据当前引领机与邻居引领机的距离、子集群期望半径的梯度以及最大通信半径，计算该次遍历的邻居引领机对当前引领机影响的加速度分量；否则此次遍历的加速度分量为0；

对每次遍历得到的加速度分量求和，得到当前引领机的总加速度矢量。