[发明专利]一种无人机队形变化控制方法及系统

说明书

本发明公开一种无人机队形变化控制方法及系统，该方法包括：以无人机位置坐标为约束条件，以能量消耗和/或完成时间为效率衡量指标建立无人机队形变换的最优效率模型；根据编队集结、编队保持的实际变换获得最小能耗模型和/或最短时间模型；对所述最小能耗模型和/或最短时间模型求解获得无人机实施位置，实现队形变化控制。该方案解决了现有技术中约束条件多模型计算复杂、消耗大量计算能源等的问题，简化模型计算复杂程度，节约资源，降低成本，提高计算效率。

技术领域

本发明属于无人机飞行控制技术领域，涉及无人机编队控制，尤其是一种无人机队形变化控制方法及系统。

背景技术

无人机编队是由具有自主控制能力的多架无人机按照指定的队形位置排列形成的一个较大规模的无人机集群。在控制器作用下，不仅能使编队中所有的无人机在飞行过程中保持队形的稳定，协同完成各项任务，而且可以进行队形的实时调整。相对于单无人机，多无人机构成的编队具有更大的优势。在目标侦查时，由多架无人机同时从多个角度进行探测可以获取目标的多维立体信息；在战场打击中，多架无人机协同配合进行饱和式的全方位打击，可以有效增强杀伤能力，进一步提高目标毁伤概率；另外，通过合理的队形编排，可以使编队中的无人机更好利用其它成员产生的上升气流，提高气动效率、减小能源消耗，进而增强无人机编队的续航能力。

对于无人机编队的队形变换调整，许多研究人员把无人机的队形变换过程抽象成一个最优化问题，需要优化的目标是变换过程的持续时间和能源消耗等关于控制输入的函数，需要考虑的约束条件包括无人机自身的性能约束以及无人机与其它成员之间的碰撞约束。

论文《基于模型预测控制的无人机编队自主重构研究》(系统仿真学报,2009(20):383-386.)通过分析无人机编队队形变换任务的耦合特性、碰撞避免以及编队拓扑动态变化等多个约束条件，提出了编队队形变换问题的数学模型，并利用模型预测控制算法进行优化求解。论文《运用混合遗传算法的多机编队重构优化方法》(航空学报,2008,29(B05):209-214.)中利用控制作用参数化以及时间离散化，将无人机编队队形变换的时间最优问题转化为一种带自由末端状态约束的离散型优化问题，并采用改进的遗传算法进行解算。专利《一种多无人机的动态编队控制方法》(授权公告号：CN 102591358 B)中提出了一种多无人机动态编队控制方法，分布给出了队形保持方法、避障方法和基于行为的编队过程。

上述专利在无人机编队模型中除了无人机位置信息以外，还需要考虑较多的约束条件，模型复杂，因此增加了问题的复杂度。由以上描述可知，现有技术的不足为无人机编队控制方法考虑了多种约束条件，而且相关的模型求解较为复杂，需要采用禁忌搜索、模拟退火等智能优化算法进行数值解算，问题的规模与复杂度也将随着无人机编队规模的增大而急剧增加。

发明内容

本发明提供一种无人机队形变化控制方法及系统，用于克服现有技术中模型复杂、计算过程难度高、成本高等缺陷，简化模型和计算难度，节约计算资源，降低成本，提高控制效率。

为实现上述目的，本发明提出一种无人机队形变化控制方法，包括：

步骤1，以无人机位置坐标为约束条件，以能量消耗和/或完成时间为效率衡量指标建立无人机队形变换的最优效率模型；

步骤2，根据编队集结和编队保持的队形变换获得最小能耗模型和/或最短时间模型；

步骤3，对所述最小能耗模型和/或最短时间模型求解获得无人机实时位置，实现队形变化控制。

为实现上述目的，本发明还提供一种无人机队形变化控制系统，包括：

建模模块，用于以无人机位置坐标为约束条件，以能量消耗和/或完成时间为效率衡量指标建立无人机队形变换的最优效率模型；

模型获取模块，用于根据编队集结和编队保持的队形变换获得最小能耗模型和/或最短时间模型；