基于Shape Theory和Flocking的编队控制研究

发布时间：2021-09-16 23:44

　　无人机的编队控制在环境感知、集群对抗、搜救等应用中发挥了重要的作用,它是无人机编队导航的基础。编队控制主要包括编队队形控制和编队机动控制两个研究内容。在编队队形方面,目前的研究主要集中在一组编队的队形控制,然而这并不适应于多任务的场景;在编队机动控制方面,国内外学者大多采用多种方法定义编队,来实现编队的机动控制,定义编队方法的不变性较弱。为了使编队能够适应于多目标和多任务的场景,并提高定义编队方法的不变性,本文以无人机为研究对象,主要对编队队形控制和编队机动控制进行研究:1.对于编队队形控制,针对一组编队无法适应于多目标和多任务场景的情况。本文提出一种能够独立控制多组编队队形的算法。为了实现多组编队的队形控制,使用shape理论来定义编队队形,将编队的队形控制问题转换为非光滑的凸优化问题,使用递归神经网络对该优化问题进行求解,该算法能够独立控制多组编队的大小、形状、方向和限制区域;使用匈牙利算法重新计算无人机初始位置和目标位置的匹配关系,使多无人机形成编队的总路径长度减少约45%;并给出了两个仿真示例验证了本章所提出算法的有效性。2.对于编队机动控制,提出了一种基于shape theo... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：88 页

【学位级别】：硕士

【部分图文】：

Flocking算法1示意图

电子科技大学硕士学位论文12可以看出一群α-agent会聚集在一起。在该算法下的集群会出现一定的分块现象，这种现象与智能体的速度和探测距离等因素紧密相关，图2-4给出了算法1分块现象的示意图。图2-3Flocking算法1示意图图2-4分块现象2.3.2flocking算法2Flocking算法2[65]（这个多agent系统中包含α-agent和目标γ-agent）在算法1的基础之上为这组无人机引入了共同目标，这个给定的目标会对α-agent产生一定吸引力，则α-agent的控制输入为：

第二章相关理论15图2-6Flocking算法三仿真示意图（黑色圆圈代表障碍物，三角形代表无人机）在flocking算法3中，α-agent的控制输入分别由其邻居α-agent，障碍物和给定的目标位置γ决定。这三种控制输入分别以“力”的形式作用于α-agent，使α-agent从初始状态汇集成一个集群，向目标位置运动。2.4hungarian算法wwKunhn首先提出了匈牙利算法[66]，该算法能够灵活，高效的解决任务分配问题（或二分图问题）。任务分配问题的定义如下：n位工人完成n个给定的任务，第i位工人完成第j个任务的成本（或利润）为cij。且规定每个任务只能分配给一位工人来做，每位工人也只完成一个分配的任务，如何把每个任务分配给每位工人，并使总的成本（或利润）最小（或最大）是解决该类问题的核心。若该问题是最大化总利润的问题，则可将其转化为最小化总成本的问题。所以，在不失一般性的情况下，本文中的cij表示第i位工人完成第j个任务的所消耗的成本，并使该问题的目标函数位最小化总成本。为了简单起见，可以使用下面的矩阵代表代价矩阵：111212122212nnnnnnccccccCccc=(2-19)式(2-19)中的元素cij代表第i个工人完成第j项任务所需耗费的成本。分配矩阵可以写成下列形式：

【参考文献】：
期刊论文
[1]基于改进蚁群算法的无人机城市低空航迹规划[J]. 黄龙杨,徐文辉,屈文秋.  航空计算技术. 2020(03)
[2]基于Shape Theory和Flocking的多智能体编队机动控制[J]. 何嘉诚,姚其峰,代小林,宫大为,孙旭红.  自动化与仪表. 2020(05)
[3]我国工业机器人技术现状与产业化发展战略[J]. 王田苗,陶永.  机械工程学报. 2014(09)
[4]机器人技术研究进展[J]. 谭民,王硕.  自动化学报. 2013(07)
[5]移动机器人技术研究现状与未来[J]. 李磊,叶涛,谭民,陈细军.  机器人. 2002(05)

博士论文
[1]从组群到分群：自组织群集运动的理论建模与分析[D]. 雷小康.西北工业大学 2015

硕士论文
[1]面向地—空机器人协同的SLAM技术研究及实验平台构建[D]. 张特.电子科技大学 2018
[2]基于复拉普拉斯的分布式多自主体协调队形控制[D]. 王莉莉.浙江大学 2014



本文编号：3397516