[发明专利]基于生物社会力的异构无人机集群目标跟踪系统及方法

权利要求书

1.一种基于生物社会力的异构无人机集群目标跟踪方法，具体步骤如下：

步骤一：无人机状态建模

假设无人机具有底层控制器，具备高度保持能力，并能够跟踪期望姿态、期望速度和期望转弯速率；此时，内环控制器的状态量速度、航向角和高度变为外环控制器的输入，无人机的12阶状态方程简化为6阶状态方程，表示如下：

其中，表示无人机的水平位置变化率，表示高度变化率，表示垂直方向速度变化率，ψ表示无人机的航向，表示无人机的航向变化率，V_c、ψ_c和h_c为自动驾驶仪的输入指令，分别为速度指令、航向指令和高度指令，V表示无人机当前的速度，h_i表示无人机当前的高度；τ_ψ、τ_v、τ_h、分别为与自动驾驶仪三个通道有关的时间常数；

步骤二：一致性协议的设计

在集群协同目标跟踪的过程中，为了保持实现对目标的稳定跟踪，对水平通道进行控制；在高度通道，假设无人机需要维持到特定的高度，无人机的高度控制采用如下的一致性协议：

其中，c_h为高度协同系数，为垂直方向速度协同系数，N_i为无人机i的邻居集合，分别表示第i架无人机的垂直方向速度，h_j，分别表示第i架无人机邻居集合中的任何一架无人机的高度和垂直方向速度；如果多架无人机构成的网络为连通图，公式(2)所示的控制协议保证无人机高度实现一致性，将公式(2)代入无人机的运动学模型(1)中，得到自动驾驶仪的高度控制指令如下：

步骤三：基于相位差一致算法的无人机控制指令设计

将无人机相对目标的方位称为相位θ_i，i＝1,2,...,N，在相对于目标的距离不变的情况下，无人机相对于目标的速度用来表征相位的变化；记无人机的相位差为Δθ_i，当i＝1,2,...,N-1时，Δθ_i＝θ_i+1-θ_i，当i＝N时，Δθ_N＝θ₁-θ_N，对于无人机相位差的控制通过调节无人机相对于目标的速度实现；设个体i期望的相位差为无人机在目标周围均匀分布，意味着所有无人机的期望的相位差相等，同样的，当i＝1,2,...,N-1时，当i＝N时，所有无人机的相位θ＝[θ₁,θ₂,...,θ_N]^T，相位差Δθ＝[Δθ₁,Δθ₂,...,Δθ_N]^T，期望的相位期望的相位差设计无人机的控制指令形式如下：

其中，k_θ为正的常数，V₀为期望的速度，R为跟踪的距离，θ_i为无人机i相对于目标的方位角， 为将(θ_i+1-θ_i)、(θ_i-θ_i-1)转化为[0,2π)的操作；

对该公式(4)所示的控制指令，无人机仅需要知道与相邻无人机的相位差Δθ_i和Δθ_i-1即可 进行计算；根据相位的角速率计算出期望的速度指令而当个体的相位差相等时，有此时V_i＝V₀；

步骤四：基于非线性导引的轨迹跟踪

在非线性导引控制中，首先在期望路径上选择与无人机当前位置距离为L₁，以下称前视距离、且无人机与该点的连线与期望运动方向夹角小于90度的点，作为虚拟目标点P_v；该操作的具体实现通过以无人机所在位置为圆心，L₁为半径作圆，从该圆与期望轨迹的交点中选取出虚拟目标点P_v；然后，计算无人机的法向加速度指令a_cmd，该加速度方向垂直于无人机运动速度V方向，大小为：

|a_cmd|＝2V²sinη/L₁ (5)

其中，V为无人机当前的速度大小，η为无人机速度方向与视线方向的夹角；当无人机和虚拟目标点P_v的连线位于速度向量的右侧时，加速度指令方向垂直于速度方向指向右侧，反之，加速度指令方向垂直于速度方向指向左侧；当无人机与期望路径的最小距离大于L₁时，即以无人机所在位置为圆心，L₁为半径的圆与期望路径无交点时，设置无人机的期望运动方向指向无人机在期望路径上的投影点；根据非线性导引得到法向加速度之后，计算出相应的偏航角指令ψ_c，发送给航向自动驾驶仪；

对于非线性导引控制器，当所跟踪的期望路径为直线时，导引律近似于比例微分控制器；视线方向和速度方向的夹角η＝η₁+η₂，其中η₂为视线和所跟踪曲线的夹角，η₂＝d/L₁，其中d为无人机距离其在期望路径上的投影点的距离，η₁为速度方向和所跟踪直线的夹角，其中为无人机与其在期望路径上投影点距离的导数；所以，非线性导引控制指令此时该控制器是比例微分控制器，控制器的参数为无人机当前的速度大小V和前视距离L₁，对应的二阶系统的阻尼系数为常值0.707，时间常数为L₁/V，在无人机速度大小保持不变时，前视距离L₁越小，响应时间越快；假设无人机所需跟踪路径包含的最高频率分量对应的波长为L_p，则无人机能够准确跟踪期望路径的条件为前视距离参数L≤L_p/4.4，该条件用以选择非线性导引控制的参数L；

无人机进行目标跟踪时的期望轨迹为以目标为中心的圆周运动；在进行多机协同跟踪的过程中，首先根据相位差控制计算出无人机i的期望速度V_i，而后根据期望速度V_i利用式(5)所示的非线性导引控制计算出加速度指令，进而得出偏航角速度指令；由于上述过程计算得出的期望速度以及偏航角速度均为相对目标而言；因此，在实际的飞行过程中，需要利用目标的速度对上述过程计算出的速度和偏航角速度进行校正，计算出无人机实际的速度和偏航角指令，发送给自动驾驶仪；

步骤五：基于生物社会力的异构无人机集群系统描述

集群中携带光电设备的无人机能够获取到目标的位置和速度信息，剩余的无人机携带激光武器；按获取信息情况对集群中的无人机进行分类，将能够获取到目标信息的无人机称为信息个体，剩余的无人机为非信息个体，则异构无人机集群中的信息个体根据非线性导引方法计算出目标跟踪指令，非信息个体受到生物社会力的作用；

考虑异构无人机集群系统由信息个体和非信息个体组成，信息个体能够获取到所需跟踪目标的信息，而非信息个体在群集中受其他个体的影响下进行运动，系统方程如下：

其中，为个体i的位置，为个体i的速度，为个体受到的控制力的作用；

步骤六：基于生物社会力的异构无人机集群目标跟踪

在进行目标跟踪的过程中，群集中的信息个体能够根据目标当前的位置和速度利用非线性导引方法计算出虚拟目标点来进行跟踪，假设该虚拟目标的运动方程如下：

其中，q_L为虚拟目标的位置，p_L为虚拟目标的速度，f_L为虚拟目标的加速度；

设计个体的控制输入由三部分组成，α为通过远距离吸引-近距排斥作用控制个体位置的位置协同项，β为实现个体速度一致的速度协同项，这两项共同构成了个体所受到的社会力，γ为对虚拟目标进行跟踪的控制项，个体所受的控制力形式如下：

其中，N_i为个体i的交互邻居集合，ψ(||q_i-q_j||)为产生吸引-排斥作用的势函数，a_ij(t)为邻接矩阵中的元素，c₁和c₂为正的增益，为信息个体的示性函数，如果个体i为信息个体则否则

在上述控制力作用中，只有在个体为信息个体时，才受到γ项对虚拟目标进行跟踪的作用力，而非信息个体只受到社会力的作用；对于非信息个体，采用基于注意力机制的群集模型来确定交互邻居，根据周围个体对局部有序度的贡献计算其显著度值，而后采用阈值响应模型改变自身的状态，并在不同的状态下采取不同的运动策略；

群集系统方程写成如下矩阵形式：

其中，位置向量速度向量控制力向量

对于上述的群集系统，考虑如下的系统能量函数：

其中，U_i(q)为个体i的势能，E_i(p_i)为个体i相对于虚拟目标的动能，分别表示如下：