无人机集群编队及其避障控制关键技术研究
发布时间：2021-09-25 14:40
近年来,随着无人机（Unmanned Aerial Vehicle,UAV）的快速发展,无人机集群引起了广泛地关注。无人机集群作为一个庞大的复杂系统,面对复杂多变的环境采用图论等传统方法难以计算维度较大的大规模集群控制问题。分布式人工智能技术为大规模集群研究提供了有效手段,包括采用多智能体系统方法和基于仿生智能的集群控制方法,通过对无人机个体行为和控制策略地设计,可使得大量能力有限的无人机聚集在一起相互作用完成复杂集群任务。本文以多无人机集群编队控制系统为研究对象,以期提高多无人机集群编队避障智能性和环境适应能力。主要从以下几个方面展开研究工作:（1）针对无人机集群避障时,集群中无人机之间的一致性差等问题,基于简化的无人机运动学模型构建了多无人机集群及其避障算法,考虑到无人机集群在简单障碍物环境中避障时个别无人机可能陷入局部最优而无法避开障碍和集群内部无人机可能发生撞机等现象,提出了一种共享障碍物信息的无人机集群协同避障算法,并分析了其合理性,通过搭建MATLAB/Simulink仿真模型验证了算法的有效性,取得了预期的结果,算法提升了无人机集群避障时的一致性。（2）针对使用传统集群算...
【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省
【文章页数】：131 页
【学位级别】：博士
【部分图文】：
鸟群
无人机集群编队及其避障控制关键技术研究2图1.1鸟群Figure1.1FlocksofBirds图1.2鱼群Figure1.2FishSwarm无人机集群编队及其避障问题是多无人机控制领域中的重点研究方向。基于经典算法控制的无人机集群类问题中，集群中无人机的一致性问题是其研究的重点之一。基于严格数学推导的经典控制算法，往往需要许多假设和理想条件，这些理想条件在实际中往往是不能得到满足的或者说是不适合的，而人工智能方面的发展尤其是深度强化学习的发展为研究复杂系统的控制提供了途径，不同于经典控制理论，强化学习的控制能使控制主体具有更强的适应能力，基于这方面的认知以及多无人机控制系统的复杂性，研究了无人机集群在复杂未知环境中的智能避障方法。目前多机协同控制方面的研究大都是将多机协同规划层和无人机控
绪论3制层分离，因此提出了一种改进的多智能体强化学习算法，使多无人机协同编队及其避障的规划层直接输出控制层的指令，而且提高了群体中个体的智能性。本文在多无人机集群编队及其避障方面的研究具有理论意义和实际意义，能为工程实践提供理论基础和指导。1.2国内外研究现状1.2.1集群技术研究现状近年来美国推出了多个低成本无人机集群编队的研究项目，其中比较成功的是：美国国防高级研究计划局（DefenseAdvancedResearchProjectsAgency,DARPA）小精灵（Gremlins）项目、美国海军低成本无人机集群技术（Low-CostUAVSwarmingTechnology,LOCUST）、DARPA的攻击型无人机蜂群战术（OFFensiveSwarm-EnabledTactics,OFFSET）项目[3]。图1.3小精灵项目概念设想图Figure1.3Gremlinsprojectconceptmap小精灵项目是美国DARPA在无人机集群技术领域的典型研究项目。2015年9月，DARPA发布了小精灵项目公告，设想让现有的大型飞机在敌方防御射程外发射成群的小型无人机，当任务结束后运输机将小型无人机们回收带回并由地面人员在24小时内完成重置并等待下次使用（如图1.3）。该项目计划探索许多技术领域，其中包括：发射和回收技术，设备和飞机一体化概念；低成本，有限寿命的机身设计；高保真分析，精确的数字化飞行控制，相对导航；其他关键技术还包括：精确数字飞控与导航、小型高效涡轮发动机、发动机自动关机技术、小型分布式载荷集成技术、精确位置保持技术等。
【参考文献】：
期刊论文
[1]从鸟群群集飞行到无人机自主集群编队[J]. 邱华鑫,段海滨. 工程科学学报. 2017(03)
[2]基于边Laplacian一致性的多无人机编队控制方法[J]. 张苗苗,魏晨. 中国科学:技术科学. 2017(03)
[3]鸽群优化算法研究进展[J]. 段海滨,叶飞. 北京工业大学学报. 2017(01)
[4]美国分布式低成本无人机集群研究进展[J]. 宋怡然,申超,李东兵. 飞航导弹. 2016(08)
[5]领导-跟随多智能体系统的滞后一致性[J]. 谢媛艳,王毅,马忠军. 物理学报. 2014(04)
[6]具有和不具有非线性动态的二阶时滞多智能体系统的领导跟随一致性(英文)[J]. 李伟勋,陈增强. 中国科学技术大学学报. 2012(05)
[7]有leader的二阶动态多智能体网络的L2—L∞控制[J]. 李慧,林鹏,张春熹. 物理学报. 2009(01)
[8]基于虚拟领航者的智能群体群集运动控制[J]. 王冬梅,方华京. 华中科技大学学报(自然科学版). 2008(10)
博士论文
[1]空中机器人的层次化决策与控制系统研究[D]. 朱疆成.浙江大学 2019
[2]多智能体复杂系统集群控制研究[D]. 李乐.湖南大学 2016
硕士论文
[1]基于强化学习的多无人机协同任务规划算法研究[D]. 樊龙涛.河南科技大学 2019
[2]基于环境感知的无人机编队关键技术研究[D]. 张桢浩.西安电子科技大学 2019
[3]复杂空战环境下基于博弈模型的无人机机动决策方法研究[D]. 李世豪.南京航空航天大学 2019
[4]基于视觉的多无人机协同目标追踪及路径规划研究[D]. 杨勇.南京航空航天大学 2019
[5]基于群集行为的无人机自主编队算法研究[D]. 赵鹏.哈尔滨工业大学 2019
[6]基于遗传算法和深度强化学习的多无人机协同区域监视的航路规划[D]. 李艳庆.西安电子科技大学 2018
[7]基于RealSense的无人机避障算法的设计与实现[D]. 王锐.北京工业大学 2018
[8]多运动体的智能感知与编队控制关键技术[D]. 刘朋浩.天津大学 2018
[9]面向旋翼无人机集群的端到端视觉伺服控制研究[D]. 张永伟.国防科技大学 2017
[10]基于蜂群算法的无人机群协同飞行策略研究[D]. 郭海洋.哈尔滨工程大学 2012
本文编号：3409919
【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省
【文章页数】：131 页
【学位级别】：博士
【部分图文】：
鸟群
无人机集群编队及其避障控制关键技术研究2图1.1鸟群Figure1.1FlocksofBirds图1.2鱼群Figure1.2FishSwarm无人机集群编队及其避障问题是多无人机控制领域中的重点研究方向。基于经典算法控制的无人机集群类问题中，集群中无人机的一致性问题是其研究的重点之一。基于严格数学推导的经典控制算法，往往需要许多假设和理想条件，这些理想条件在实际中往往是不能得到满足的或者说是不适合的，而人工智能方面的发展尤其是深度强化学习的发展为研究复杂系统的控制提供了途径，不同于经典控制理论，强化学习的控制能使控制主体具有更强的适应能力，基于这方面的认知以及多无人机控制系统的复杂性，研究了无人机集群在复杂未知环境中的智能避障方法。目前多机协同控制方面的研究大都是将多机协同规划层和无人机控
绪论3制层分离，因此提出了一种改进的多智能体强化学习算法，使多无人机协同编队及其避障的规划层直接输出控制层的指令，而且提高了群体中个体的智能性。本文在多无人机集群编队及其避障方面的研究具有理论意义和实际意义，能为工程实践提供理论基础和指导。1.2国内外研究现状1.2.1集群技术研究现状近年来美国推出了多个低成本无人机集群编队的研究项目，其中比较成功的是：美国国防高级研究计划局（DefenseAdvancedResearchProjectsAgency,DARPA）小精灵（Gremlins）项目、美国海军低成本无人机集群技术（Low-CostUAVSwarmingTechnology,LOCUST）、DARPA的攻击型无人机蜂群战术（OFFensiveSwarm-EnabledTactics,OFFSET）项目[3]。图1.3小精灵项目概念设想图Figure1.3Gremlinsprojectconceptmap小精灵项目是美国DARPA在无人机集群技术领域的典型研究项目。2015年9月，DARPA发布了小精灵项目公告，设想让现有的大型飞机在敌方防御射程外发射成群的小型无人机，当任务结束后运输机将小型无人机们回收带回并由地面人员在24小时内完成重置并等待下次使用（如图1.3）。该项目计划探索许多技术领域，其中包括：发射和回收技术，设备和飞机一体化概念；低成本，有限寿命的机身设计；高保真分析，精确的数字化飞行控制，相对导航；其他关键技术还包括：精确数字飞控与导航、小型高效涡轮发动机、发动机自动关机技术、小型分布式载荷集成技术、精确位置保持技术等。
【参考文献】：
期刊论文
[1]从鸟群群集飞行到无人机自主集群编队[J]. 邱华鑫,段海滨. 工程科学学报. 2017(03)
[2]基于边Laplacian一致性的多无人机编队控制方法[J]. 张苗苗,魏晨. 中国科学:技术科学. 2017(03)
[3]鸽群优化算法研究进展[J]. 段海滨,叶飞. 北京工业大学学报. 2017(01)
[4]美国分布式低成本无人机集群研究进展[J]. 宋怡然,申超,李东兵. 飞航导弹. 2016(08)
[5]领导-跟随多智能体系统的滞后一致性[J]. 谢媛艳,王毅,马忠军. 物理学报. 2014(04)
[6]具有和不具有非线性动态的二阶时滞多智能体系统的领导跟随一致性(英文)[J]. 李伟勋,陈增强. 中国科学技术大学学报. 2012(05)
[7]有leader的二阶动态多智能体网络的L2—L∞控制[J]. 李慧,林鹏,张春熹. 物理学报. 2009(01)
[8]基于虚拟领航者的智能群体群集运动控制[J]. 王冬梅,方华京. 华中科技大学学报(自然科学版). 2008(10)
博士论文
[1]空中机器人的层次化决策与控制系统研究[D]. 朱疆成.浙江大学 2019
[2]多智能体复杂系统集群控制研究[D]. 李乐.湖南大学 2016
硕士论文
[1]基于强化学习的多无人机协同任务规划算法研究[D]. 樊龙涛.河南科技大学 2019
[2]基于环境感知的无人机编队关键技术研究[D]. 张桢浩.西安电子科技大学 2019
[3]复杂空战环境下基于博弈模型的无人机机动决策方法研究[D]. 李世豪.南京航空航天大学 2019
[4]基于视觉的多无人机协同目标追踪及路径规划研究[D]. 杨勇.南京航空航天大学 2019
[5]基于群集行为的无人机自主编队算法研究[D]. 赵鹏.哈尔滨工业大学 2019
[6]基于遗传算法和深度强化学习的多无人机协同区域监视的航路规划[D]. 李艳庆.西安电子科技大学 2018
[7]基于RealSense的无人机避障算法的设计与实现[D]. 王锐.北京工业大学 2018
[8]多运动体的智能感知与编队控制关键技术[D]. 刘朋浩.天津大学 2018
[9]面向旋翼无人机集群的端到端视觉伺服控制研究[D]. 张永伟.国防科技大学 2017
[10]基于蜂群算法的无人机群协同飞行策略研究[D]. 郭海洋.哈尔滨工程大学 2012
本文编号：3409919
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3409919.html
