[发明专利]一种基于鸽群优化的多无人机紧密编队控制方法

说明书

本发明提供一种基于鸽群优化的多无人机紧密编队控制方法，通过分析长机翼尖涡流对僚机影响建立紧密编队条件下气动耦合效应的数学模型，输入长机控制指令和改进人工势场法获得多无人机紧密编队的理想状态。利用改进鸽群优化算法估计可使下一时刻僚机状态量最接近理想状态下的僚机控制量，从而完成编队任务。本发明意义在于提供了一种在紧密编队条件下的多无人机编队控制方案，收敛速度快，稳态精度高，具有较高的工程应用价值。

技术领域

本发明涉及一种多无人机紧密编队控制方法，特别是一种基于改进鸽群优化算法结合改进人工势场法的多无人机紧密编队系统飞行中编队控制方法。

背景技术

无人机编队飞行，就是将多架(两架或两架以上)无人机按一定队形编组或排列，并使其在整个飞行过程中保持队形不变。将无人机按照一定队形进行排列，并使其在编队飞行中，各机之间必须保持规定的距离、间隔和高度差。飞机飞行时机翼和尾翼产生的涡流场会对穿越其流场或者与其近距离飞行的飞机的飞行动力性能产生很大的影响，这一空气动力耦合的原理始于鸟类的编队飞行，其影响有利也有弊：在编队飞行中长机产生的涡流对僚机来说是有益的，它可以显著减小僚机的阻力，增加升力，从而减少僚机的燃油消耗，增大航程。但是涡流在产生此益处的同时也给后机带来了不小的空气扰动，对后机的飞行安全和动态特性都有较大的影响，所以在紧密编队飞行中必须考虑到飞机之间的气动耦合问题并用合适方法解决这一问题，必须对此建立准确的数学模型。传统PID控制器是利用输入与实际状态误差进行下一时刻的状态控制，对于在紧密编队条件下的多无人机编队控制来说效果较差，达不到期望编队且随着编队规模的扩大其效果将会越来越差，因此需要研究如何解决这一问题。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种避免了利用编队误差进行控制，提高了控制速度和控制精度的基于鸽群优化的多无人机紧密编队控制方法。

为解决上述技术问题，本发明的一种基于鸽群优化的多无人机紧密编队控制方法，包括以下步骤：

步骤一：设置无人机长机控制指令U_L＝[V_Lc ψ_Lc h_Lc]和编队期望间距其中代表长机与僚机之间的纵向期望间距，代表长机与僚机之间的横向期望间距，代表长机与僚机之间的高度方向上的期望间距，建立紧密编队数学模型，利用长机控制指令U_L＝[V_Lc ψ_Lc h_Lc]和长机当前状态量X_L＝[V_L ψ_L h_L]求出长机下一时刻状态量X_Lnext，其中，V_Lc代表长机的速度控制指令，ψ_Lc代表长机的航向角控制指令；h_Lc代表长机的高度控制指令，V_L代表长机的速度；ψ_L代表长机的航向角；h_L代表长机的高度；

步骤二：将长机下一时刻状态X_Lnext、僚机当前状态量X_F以及编队期望间距D输入进人工势场控制器，计算下一步无人机编队的理想状态，其中X_F＝[x V_F y ψ_F z ζ]^T，x、y、z代表僚机与长机之间的间距；V_F代表僚机的速度；ψ_F代表僚机的航向角；ζ代表僚机与长机高度方向上的速度差；

步骤三：利用改进鸽群优化算法计算僚机控制量；

步骤四：将僚机控制量输入进僚机紧密编队模型计算僚机下一步状态量；

步骤五：重复执行步骤二至步骤四，直至仿真时长。

本发明还包括：