一种基于异构无人机编队虚拟势场协同避障拓扑控制方法

技术领域

本发明涉及异构无人机集群通信技术领域，特别是一种基于异构无人机编队虚拟势场协同避障拓扑控制方法。

背景技术

异构无人机集群是多个异构无人机（大/小无人机等）通过特定的集群编队协议构成多节点集群网络，各无人机节点在预定的编队拓扑下，通过网络交互信息，完成无人机协同避障，并进行通信拓扑优化控制，以支撑完成集群指定任务。

异构无人机集群的编队构型与群拓扑变化情况对集群任务完成效果有重要影响。现有无人机拓扑控制研究主要是针对小无人机群（非异构）拓扑控制，解决编队一致性问题，没有针对异构无人机（大/小无人机等混合集群）的群拓扑控制及协同避障研究。针对异构无人机混合集群编队应用场景，异构无人机编队节点之间的拓扑优化控制及节点协同避障控制能力还需优化提升。

发明内容

本发明所要解决的技术问题是：针对上述存在的问题，提供一种基于异构无人机编队虚拟势场协同避障拓扑控制方法。

为了达到上述发明目的，本发明采用的技术方案为：一种基于异构无人机编队虚拟势场协同避障拓扑控制方法，包括以下步骤：

S1、对异构无人机节点之间进行集群组网，构建改进型动态势场、基于异构队形基准点的编队保持虚拟势场以及障碍物斥力势场；

S2、根据改进型动态势场叠加基于异构队形基准点的编队保持虚拟势场之和，结合异构无人机之间的集群组网通信关系，叠加障碍物斥力势场，采用异构无人机动态自适应避障控制算法，完成对静态/动态多障碍的自主避障处理；

S3、在避障过程中同步保持预定的基本编队队形，并实现队形的动态实时调整，以适应不同数量不同分布及不同动态特性的障碍物状态；

S4、在多个异构无人机编队之间，通过基于基准点预测的异构群拓扑控制算法，完成所有异构编队无人机的拓扑优化控制。

进一步地：所述步骤S1中构建改进型动态势场具体为：在常规障碍物斥力势场下，额外引入与障碍物速度相关的函数

上式中，

根据与障碍物速度相关的函数得到基于移动速度的障碍物斥力势场

上式中，

进一步地：所述步骤S2具体为：每个无人机根据改进型动态势场，叠加基于异构队形基准点的编队保持虚拟势场，再结合异构无人机之间的集群组网通信关系，最后叠加障碍物斥力势场，获取本机受到编队协同成员及所有障碍物的总势场值，通过协同避障控制算法根据总势场值对速度、航向进行相应的调整处理，使无人机完成对多个移动或固定障碍物的自主协同避障处理。

进一步地：所述协同避障算法包括避障拓扑控制处理和避障恢复处理；

所述避障拓扑控制处理具体为：根据每个无人机受到编队协同成员及所有障碍物的总势场值，选取其中一个无人机作为避障拓扑控制节点，满足总势场矢量方向与该无人机和障碍物之间连线的夹角最小；该控制节点根据编队内所有无人机处于控制节点和障碍物之间连线两侧的分布情况，将当前编队拆分为两个新的编队：分布于连线一侧的所有无人机与关键点构成一个新编队，分布于另一侧的所有无人机与关键点构成另一个新编队；控制节点将编队拆分信息通过网络维护消息发送给对应的无人机节点，每个无人机根据新编队分配情况，调整当前的速度、航向，从而实现以两个新编队的方式绕过障碍物；

所述避障恢复处理具体为：避障控制节点实时观测障碍物的状态，确保两个新编队高安全无碰撞的绕过障碍物，然后启动避障恢复过程：每个无人机调整当前的速度、航向，重新恢复到之前一个大编队的拓扑状态。

进一步地：所述避障拓扑控制处理的速度和航向调整方法为：

航向调整：当无人机航向与连线方向，从避障拓扑控制节点到障碍物的方向，之间的夹角α为-180-0度时，yaw=yaw0+180；其中，yaw为调整后航向，yaw0为调整前航向；

速度调整：当无人机航向与连线方向，从避障控制节点到障碍物的方向，之间的夹角α为-180-0度时，v=v0*（1-|α|/180）；其中，v为调整后速度，v0为调整前速度；

所述避障恢复处理的速度和航向调整方法为：

航向调整：当无人机航向与连线方向，从障碍物到避障控制节点的方向，之间的夹角α为0-180度时，yaw=yaw0-180；其中，yaw为调整后航向，yaw0为调整前航向；

速度调整：当无人机航向与连线方向，从障碍物到避障控制节点的方向，之间的夹角α为0-180度时，v=v0*（1-|α|/180）；其中，v为调整后速度，v0为调整前速度。

进一步地：所述步骤S3具体为：根据障碍物的情况，通过采用异构无人机动态自适应避障控制算法，对静态/动态多障碍物进行自主避障处理，针对不同数量不同分布及不同动态特性的障碍物情况，自适应对队形进行动态实时调整；针对静态障碍物，使用复杂的队形，如跨不同高度层的复杂形状立体编队；针对数量多分布密集的动态多障碍物情况，实时将队形调整为简单的队形，如二维矩形编队，同时保证在避障过程中同步保持预定的基本编队队形。

进一步地：所述步骤S4具体为：在多个异构无人机编队之间，通过基于基准点预测的异构群拓扑控制算法，对每个无人机编队的基准点成员进行位置轨迹预测，采用基于改进蚁群的最小生成树与一致性混合处理的拓扑优化算法，基准点成员之间采用基于改进蚁群的最小生成树拓扑优化算法处理，编队内基准点成员与其他成员之间采用一致性算法处理，完成所有异构编队无人机的拓扑优化控制。

进一步地：所述基准点成员之间采用基于改进蚁群的最小生成树拓扑优化算法处理具体为：在基准点成员之间，将节点度、传输功耗作为两个通信链路权重函数，以节点度高、传输功耗低作为双目标函数，采用基于多目标改进蚁群算法确定本地最小生成树，以本地最小生成树作为基准点成员之间的网络拓扑。

进一步地：所述采用基于多目标改进蚁群算法确定本地最小生成树具体为：初始化各蚂蚁数量、最大迭代循环次数；选一只蚂蚁，同时随机选择一个节点，蚂蚁按照状态转移规则函数移动到下个节点，对这条边的局部信息素更新，以此方式走完所有节点后将生成一个解；若该解对生成树集合是非支配的，则将该蚂蚁加入集合，并删除集合中被蚂蚁所支配的解；若根据集合计算得到的目标函数值最小，则替换当前目标函数值，否则对每个解进行全局信息素更新；选择下一只蚂蚁按上述流程走完所有节点并更新生成树集合及全局信息素，直到所有蚂蚁都遍历完成；按上述步骤进行算法迭代循环，直到达到最大迭代循环次数为止，最后得到本地最小生成树。

进一步地：所述编队内基准点成员与其他成员之间采用一致性算法处理具体为：基准点成员与其他成员通过采用基于位置和速度信息的二阶群一致性算法，将基准点成员作为编队领导者，其他成员作为跟随者，使每个跟随者与领导者之间的位置、速度差收敛在指定的范围内，以维持基本的预定编队队形，然后在此基础上，结合基准点成员间拓扑优化，完成大/小飞机整个异构编队的拓扑优化控制。

本发明的有益效果为：

1. 现有技术的研究主要是集中针对小无人机群拓扑控制，解决编队控制问题，而没有针对异构无人机（大/小无人机混合集群）的通信拓扑控制研究。本发明是综合考虑大/小异构无人机集群系统而进行集群协同避障群拓扑控制方法研究；

2. 本发明中的无人机根据异构集群改进型动态势场叠加基于异构队形基准点的编队保持虚拟势场，同时综合异构无人机之间的集群组网通信关系，采用异构无人机动态自主协同避障控制算法，对静态/动态多障碍物进行自主协同避障处理，并能实现队形的动态实时调整，以自适应不同数量不同分布及不同动态特性的障碍物状态，并在避障过程中同步保持预定的基本编队队形，同时能使无人机能平滑绕过障碍物，解决无人机陷入局部极值的问题，又能够避免接近障碍物时引起的振荡，同时保证系统全局最优。

附图说明

图1为本发明流程图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，一种基于异构无人机编队虚拟势场协同避障拓扑控制方法，包括以下步骤：

S1、对异构无人机节点之间进行集群组网，构建改进型动态势场、基于异构队形基准点的编队保持虚拟势场以及障碍物斥力势场；

改进型动态势场将随无人机距离障碍物的位置和速度而进行相应变化。

基于异构队形基准点的编队保持虚拟势场，使每个无人机在避障过程中都有保持其与周围无人机的相对位置的趋势。

构建改进型动态势场具体为：在常规障碍物斥力势场下，额外引入与障碍物速度相关的函数

上式中，

根据与障碍物速度相关的函数得到基于移动速度的障碍物斥力势场

上式中，

S2、根据改进型动态势场叠加基于异构队形基准点的编队保持虚拟势场之和，结合异构无人机之间的集群组网通信关系，叠加障碍物斥力势场，采用异构无人机动态自适应避障控制算法，完成对静态/动态多障碍的自主避障处理；

采用异构无人机动态自适应避障控制算法：每个无人机根据改进型动态势场，叠加基于异构队形基准点的编队保持虚拟势场，再结合异构无人机之间的集群组网通信关系（通信拓扑权重），最后叠加障碍物斥力势场，获取本机受到编队协同成员及所有障碍物的总势场值，通过协同避障控制算法根据总势场值对速度、航向进行相应的调整处理，使无人机完成对多个移动或固定障碍物的自主协同避障处理 ，具体处理过程如下：

避障拓扑控制处理：根据每个无人机受到编队协同成员及所有障碍物的总势场值，选取其中一个无人机（满足其总势场矢量方向与该无人机和障碍物之间连线的夹角最小）作为避障拓扑控制节点；该控制节点根据编队内所有无人机处于控制节点和障碍物之间连线两侧的分布情况，将当前编队拆分为两个新的编队：分布于连线一侧的所有无人机与关键点构成一个新编队，分布于另一侧的所有无人机与关键点构成另一个新编队；控制节点将编队拆分信息通过网络维护消息发送给对应的无人机节点，每个无人机根据新编队分配情况，调整当前的速度、航向（具体调整过程如下），从而实现以两个新编队的方式绕过障碍物；

航向调整：当无人机航向与连线方向（从避障拓扑控制节点到障碍物的方向）之间的夹角α为-180-0度时，yaw=yaw0+180；其中，yaw为调整后航向，yaw0为调整前航向；

速度调整：当无人机航向与连线方向（从避障控制节点到障碍物的方向）之间的夹角α为-180-0度时，v=v0*（1-|α|/180）；其中，v为调整后速度，v0为调整前速度；

避障恢复处理：避障控制节点实时观测障碍物的状态，确保两个新编队高安全无碰撞的绕过障碍物，然后启动避障恢复过程：每个无人机调整当前的速度、航向，重新恢复到之前一个大编队的拓扑状态；

航向调整：当无人机航向与连线方向（从障碍物到避障控制节点的方向）之间的夹角α为0-180度时，yaw=yaw0-180；其中，yaw为调整后航向，yaw0为调整前航向；

速度调整：当无人机航向与连线方向（从障碍物到避障控制节点的方向）之间的夹角α为0-180度时，v=v0*（1-|α|/180）；其中，v为调整后速度，v0为调整前速度。

S3、在避障过程中同步保持预定的基本编队队形，并实现队形的动态实时调整，以适应不同数量不同分布及不同动态特性的障碍物状态；

动态实时调整队形：根据障碍物的情况，通过采用异构无人机动态自适应避障控制算法，对静态/动态多障碍物进行自主避障处理。针对不同数量不同分布及不同动态特性的障碍物情况，自适应对队形进行动态实时调整。针对静态障碍物，使用较复杂的队形（典型为跨不同高度层的复杂形状立体编队）；针对数量多分布密集的动态多障碍物情况，实时将队形调整为较简单的队形（典型为二维矩形编队）。同时保证在避障过程中同步保持预定的基本编队队形。

S4、在多个异构无人机编队之间，通过基于基准点预测的异构群拓扑控制算法，完成所有异构编队无人机的拓扑优化控制。

在多个异构无人机编队之间，通过基于基准点预测的异构群拓扑控制算法，对每个无人机编队的基准点成员（通常为大无人机）进行位置轨迹预测，采用基于改进蚁群的最小生成树与一致性混合处理的拓扑优化算法，基准点成员之间采用基于改进蚁群的最小生成树，编队内基准点成员与其他成员之间采用一致性算法，完成所有异构编队无人机的拓扑优化控制。具体的处理流程如下：

1) 基准点成员间基于改进蚁群的最小生成树拓扑优化算法处理：在基准点成员（大飞机）之间，将节点度、传输功耗作为两个通信链路权重函数，以节点度高、传输功耗低作为双目标函数，采用基于多目标改进蚁群算法确定本地最小生成树。基本过程为：初始化各蚂蚁数量、最大迭代循环次数等参数；选一只蚂蚁，同时随机选择一个节点，蚂蚁按照状态转移规则函数移动到下个节点，对这条边的局部信息素更新，以此方式走完所有节点后将生成一个解；若该解对生成树集合是非支配的，则将该蚂蚁加入集合，并删除集合中被蚂蚁所支配的解。若计算得到的目标函数值最小，则替换当前值，否则对每个解进行全局信息素更新；选择下一只蚂蚁按上述流程走完所有节点并更新生成树集合及全局信息素，直到所有蚂蚁都遍历完成；按上述步骤进行算法迭代循环，直到达到最大迭代次数为止，最后得到本地最小生成树，以此作为基准点成员之间的网络拓扑；

编队内基准点成员与其他成员间一致性拓扑优化算法处理：基准点成员与其他成员通过采用基于位置和速度信息的二阶群一致性算法，将基准点成员作为编队领导者，其他成员作为跟随者，使每个跟随者与领导者之间的位置、速度差收敛在指定的范围内，以维持基本的预定编队队形。然后在此基础上，结合基准点成员间（大飞机）拓扑优化，完成大/小飞机整个异构编队的拓扑优化控制。

在多个异构无人机编队之间，通过基于基准点预测的异构群拓扑控制算法，完成所有异构编队无人机的拓扑优化控制。通过构建异构无人机集群改进型动态势场，并针对异构无人机编队建立并行独立的基于队形基准点的编队保持虚拟势场，根据两个势场之和，同时综合集群组网通信拓扑关系，使无人机能平滑绕过障碍物，并实现队形的动态实时调整，以自适应不同数量不同分布及不同动态特性的障碍物状态，实现更优的避障效果，解决异构无人机陷入局部极值的问题，又能够避免接近障碍物时引起的振荡，保证系统全局最优，从而实现异构无人机编队在协同避障过程中群拓扑的一致性和稳定性达到最优。