当前位置:主页 > 科技论文 > 航空航天论文 >

多无人飞行器分布式任务规划技术研究

发布时间:2020-11-05 18:22
   随着无人飞行系统越来越多地被用来执行各种军事任务,为了使其适应更复杂多变的任务环境,需要提高无人飞行系统的自主任务分配与规划能力。多无人飞行器任务规划技术作为自主控制、运筹学、人工智能领域的研究前沿,是决定系统自主决策能力的关键技术。而包含无人飞行器、目标/任务、飞行环境的复杂军事任务普遍存在动态性和不确定性,为了满足典型军事任务对无人飞行系统的自主决策、任务分配、航迹规划、轨迹跟踪控制等技术提出的新挑战和新要求,本文对多无人飞行器的任务分配技术、航迹规划技术、轨迹跟踪控制技术和一体化任务规划技术等关键技术进行了深入研究。主要研究内容包括:为了借助数学或数值仿真的方法进行多无人飞行器的任务规划相关技术研究,首先基于混合整数线性规划(MILP)建立了任务规划问题的一般模型,考虑到包含多飞行器的任务空间普遍具有动态性和不确定性,对相应的任务规划问题进行复杂度分析、特性分析和对应需要满足的约束条件分析,当任务复杂度较高时,采用了分层解耦的简化方法,将任务规划问题分解为任务分配和航迹规划两个子问题独立求解;同时,对分布式规划架构和集中式规划架构进行了优缺点分析,确定并采用分布式规划架构完成任务的分配与航迹的生成,并建立了分布式任务规划模型;此外,为了验证规划结果的可行性和优劣性,设计了以规划结果最优性和规划过程快速性作为指标的评估准则。基于建立的分布式任务规划模型以及分层解耦方法,在任务分配层,设计了一种基于一致性协调算法的分布式任务分配方法,在任务层完成各无人飞行器间的一致协调与冲突调解,可有效地避免分布式规划过程中的通信链路消耗。针对任务场景的动态时变性、通信链路局限性、不确定性,完成算法的三处改进,首先,将时间量加入到优化目标函数中,使算法适应任务空间的动态时变性;其次,采用局部通信链路机制,在通信链路具有局限性的条件下,保证各无人飞行器间的通信连通性,此外,采用贝叶斯定理,将任务空间的连续/离散不确定量用任务收益值量化描述,完成对不确定量的估计,使算法适应任务空间的不确定性;并结合SEAD(Suppression of Enemy Air Defences)任务实例,设计了基于一致性协调算法的在线协同策略,将具有侦察属性的无人机和具有攻击属性的无人机同时分配,提升了规划结果的最优性。在航迹规划层,为了获得满足无人机动力学约束、环境约束的平滑航迹,同时,需要消除由于任务分配层的等效航迹与航迹规划层得出的平滑航迹的固有偏差造成的“死锁”问题,并提高航迹规划问题求解的收敛效率,研究了基于并行A*和Dubins路径的航迹规划算法,一方面,通过增加无人飞行器在目标位置处的等待圆的方法,消除“死锁”问题,另一方面,设计基于Dubins路径的无人飞行器避障方法;该航迹规划算法能够快速生成平滑航迹。此外,建立完整的无人机六自由度模型,并基于矢量场制导方法实现对规划航迹的跟踪控制,验证规划航迹的可飞性。最后,充分考虑任务分配与航迹规划问题的耦合效应,对一体化任务规划问题的可行性进行了探索。以多异构无人机协同执行SEAD任务为背景,基于图论和Dubins Car模型建立了包括任务分配信息和航迹信息的一体化任务规划模型,采用分布式遗传算法,通过设计包含任务分配信息和航迹信息的多类型基因编码方式、初始化、交叉、变异等遗传算子,实现了相对简单的任务场景的一体化任务规划问题求解,并通过仿真对比分析,证明了本文算法求解一体化任务规划问题的可行性、快速性以及相对分层解耦方法的优势。本文主要对多无人飞行器任务规划相关技术进行了探索和改进。相关研究成果可对多无人飞行器的任务决策、任务分配、航迹规划问题的求解提供有效参考,并有利于推动无人飞行系统在复杂军事任务中的使用,具有重要的理论研究意义和工程应用价值。
【学位单位】:哈尔滨工业大学
【学位级别】:博士
【学位年份】:2018
【中图分类】:V279;V249
【部分图文】:

示意图,场景,示意图,森林灭火


第 1 章 绪论第 1章 绪 论景与意义行器系统越来越多地被用来执行各种复杂任务,包括情]、自然灾害救援任务[3]、搜索与营救任务[4]、森林灭火[5]、,为了使其适应更复杂多变的任务环境,需要提高无人。-1 的 ISR(Intelligence, Surveillance, Reconnaissance:情例,详细呈现了典型军事任务的系统组成及其主要特点。

架构图,集中式,架构,任务规划


图 1-2 集中式与分布式规划架构[8]Fig. 1-2 the centralized and distributed planning architecture[8] 集中式规划中式规划系统主要由中心控制单元(一般为地面站系统),UAV 和通中心控制单元主要完成各 UAV 的信息接收和融合,然后为每个 U列,最后通过通信链路将规划结果传递至 UAV 单元。受限于集中信链路具有较高的带宽,且规划系统对动态环境的响应较慢,这就划系统的整体效能。有的集中式任务规划问题主要包括任务规划建模与问题求解两部分任务规划模型和求解算法进行研究现状分析。1)集中式任务规划建模内外对任务规划问题的研究已经有了很长一段时间[17,18,19,20,21,22],传包括将任务规划问题表述为经典的多旅行商问题(TSPs:Traveling s)、车辆路由问题(VRPs:Vehicle Routing Problems)问题、网络NFO:Network Flow Optimization)、多处理器资源分配问题(rocessor Resources Allocation)等;随着线性规划在任务规划技术中

示意图,不确定情况,不确定量,示意图


图 2-2 无法按照规定时间到达指定任务点的不确定情况示意图Fig. 2-2 In the uncertain situation where it is not possible to reach the designated mission point inaccordance with the specified time如上图所示的任务执行过程的不确定性,即任务未在规定的时间窗口被 UAV执行,这一情况对于 UAV 常见的任务类型而言,基本可以宣告任务失败。以图 2-2 为例,造成任务执行时间延迟的原因有:1)UAV 自身状态的不确定性;2)由于任务空间存在的不确定性造成的规划结果不能适用于当前实际的任务场景。所以,不确定量之间还存在着相互影响和耦合作用。由上述分析可知,任务空间的不确定性主要包括三种类型:1)连续不确定量,如目标/任务的位置、速度、目标/任务的收益值等;2)离散不确定量,如目标/任务的优先级、目标/任务的类型等;3)不确定量之间的相互耦合。这些不确定因素难以量化表示,这就极大地增加了问题求解的难度。对于式(2-11)描述的任务规划问题,不确定因素会直接影响任务的效益值,即 的不确定性,所以,为了避免对不确定量θ进行量化,本文采用最大化效益期望值[30]的方法,将式(2-11)的优化目标写为: max ( ( ) , , )u tN N d R P d θ G
【参考文献】

相关期刊论文 前1条

1 沈林成;陈璟;王楠;;飞行器任务规划技术综述[J];航空学报;2014年03期


相关博士学位论文 前10条

1 赵明;多无人机系统的协同目标分配和航迹规划方法研究[D];哈尔滨工业大学;2016年

2 邓启波;多无人机协同任务规划技术研究[D];北京理工大学;2014年

3 苏菲;动态环境下多UCAV分布式在线协同任务规划技术研究[D];国防科学技术大学;2013年

4 李猛;基于智能优化与RRT算法的无人机任务规划方法研究[D];南京航空航天大学;2012年

5 张庆杰;基于一致性理论的多UAV分布式协同控制与状态估计方法[D];国防科学技术大学;2011年

6 李远;多UAV协同任务资源分配与编队轨迹优化方法研究[D];国防科学技术大学;2011年

7 霍霄华;多UCAV动态协同任务规划建模与滚动优化方法研究[D];国防科学技术大学;2007年

8 田菁;多无人机协同侦察任务规划问题建模与优化技术研究[D];国防科学技术大学;2007年

9 龙涛;多UCAV协同任务控制中分布式任务分配与任务协调技术研究[D];国防科学技术大学;2006年

10 叶媛媛;多UCAV协同任务规划方法研究[D];国防科学技术大学;2005年


相关硕士学位论文 前1条

1 张煜;战术飞机飞行任务规划中不确定性因素处理方法研究[D];国防科学技术大学;2006年



本文编号:2872014

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/hangkongsky/2872014.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户cf015***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com