【摘要】 本发明公开了一种基于微粒群优化和遗传算法的多无人机三维编队重构方法，该方法在构建编队模型时不仅考虑了地面坐标系中的无人机位置，而且还考虑了无人机的速度、航迹角及航向角，将无人机中的各个飞行单元的控制输入进行分段线性化处理，并用近似的分段线性化控制输入代替连续的控制输入，然后用遗传算法进行粗，随后用微粒群优化算法进行细，在此基础上再用微粒群优化指导遗传算法全局最优解，以求出分段线性化控制输入。与传统方法相比，本发明所提出的方法具有较好的实时性和快速性，该方法还可应用于解决复杂动态环境下多空间机器人的编队重构问题。 数据由整理 【专利类型】发明授权 【申请人】北京航空航天大学 【申请人类型】学校 【申请人地址】100083 北京市海淀区学院路37号北京航空航天大学自动化学院 【申请人地区】中国 【申请人城市】北京市 【申请人区县】海淀区 【申请号】CN200810104837.5 【申请日】2008-04-24 【申请年份】2008 【公开公告号】CN101286071B 【公开公告日】2010-11-10 【公开公告年份】2010 【授权公告号】CN101286071B 【授权公告日】2010-11-10 【授权公告年份】2010.0 【IPC分类号】G05D1/10; G05D1/00; G05B13/04; G06N3/00; G06N3/12 【发明人】段海滨; 马冠军; 余亚翔; 陈宗基 【主权项内容】1.一种基于微粒群优化和遗传算法的多无人机三维编队重构方法，其特征在于： (一)无人机的数学模型 在对无人机分析的基础上，公式(1)-(6)给出了其数学模型，基于PSO和GA的无人机三维编队重构是以此模型来进行程序设计的， 式中：ν为无人机的速度，γ为飞行航迹角，χ为航向角，x，y，z表示在地面坐标系中无人机的位置，g为重力加速度，T为油门位置，D为气动阻力，W为无人机的重量，n为过载，φ为俯仰角；取状态变量为(ν，γ，χ，x，y，z)，控制输入为(T，n，φ)； (二)三维编队重构最优时间控制的数学描述 假设某编队由N架无入机组成，控制向量作用初始时刻t＝0，终端时刻t＝T，定义编队内第i架无人机的控制输入为 编队的控制输入向量 则编队的连续控制输入向量U可进一步表述为 定义编队内第i架无人机的状态变量xi＝(νi，γi，χi，xi，yi，zi)，因此，编队系统的状态变量定义为 编队系统的运动方程可以表述为： 定义编队连续的控制输入U以及编队初始状态X(0)＝X0，则在t∈(0，T]任意时刻编队的状态均可由下式唯一确定： 如果给定了初始状态，则X(t)仅仅由U唯一确定，也可用X(t|U)表述； 通常，代价函数的标准形式可以表示为 约束条件可表述为： 对于编队系统最优时间控制问题可以表述为：寻找一个连续的控制输入U和终端时刻T使得编队系统代价函数J(U)最小，也即： 编队系统代价函数J(U)可以表述为： J(U)＝T?????????????????????????????????(12) 控制容许约束为： Umin≤U(t)≤Umax， 自由终端约束为： 式中：m∈{1，…，N}，定义第m架无人机作为编队的中心无人机；[xim，yim，zim]T为终端T时刻编队内第i架无人机相对于编号为m的中心无人机期望的相对坐标值； 定义任意两架无人机之间距离为di，j(xi(t)，xj(t))(其中，i，j∈{1，…，N})，其表达式为： 为了防止无人机相撞，编队内任意两架无人机之间距离di，j(xi(t)，xj(t))必须大于安全防撞距离Dsafe： di，j(xi(t)，xj(t))≥Dsafe 为了确保编队内能正常实时通讯，实时更新作战态势，任意两架无人机之间距离di，j(xi(t)，xj(t))必须小于通讯保障距离Dcomm： di，j(xi(t)，xj(t))≤Dcomm 综上，编队系统的最优时间控制问题的数学描述为：在满足约束条件(7)(13)(14)(16)(17)约束条件下，寻找一个连续的控制输入U和终端时刻T使得(11)(12)两式成立； (三)基于PSO和GA的无人机三维编队重构程序设计 PSO和GA算法是一种智能化的全局寻优算法，利用PSO和GA算法解决优化问题不受目标函数是否为线性的限制，适合解决三维编队重构最优控制问题；然而编队内各个飞行单元的控制输入均为连续量，PSO和GA算法无法求解出连续的控制输入；因此，首先将编队内各个飞行单元的控制输入进行分段线性化处理，用近似的分段线性化控制输入代替连续的控制输入，然后采用PSO和GA算法进行寻优，求出分段线性化控制输入； 控制输入的分段线性化：控制输入的作用时间T被划分为np等分，对于编队内第i架无人机，定义一个ri×np维常数集合 则在时间T内，第i架无人机的连续控制输入作用ui可以采用常量分段函数近似地表述成下式： 上式中，χj(t)由下式给定： 定义编队的分段线性化常系数集合为 编队系统的近似控制输入集合为 寻找最优控制输入集合 使代价指标函数最小的问题就转化为寻找最优常系数集合Ω的问题； 近似参数化：控制输入经过近似处理后，寻找最优控制输入集合U和T使代价指标函数最小的问题近似地等价于寻找最优常数参数集合Ω和Δtp；因此，三维编队重构最优控制的代价函数可近似表述为： 控制容许约束可近似表述为： (umin)i≤σij≤(umax)i 自由终端约束可近似表述为： 系统状态方程近似表述为： 其他约束条件表达式不变； 分段线性化控制输入U以后，即可采用PSO和GA算法解决三维编队重构最优控制问题； 将编队的控制输入常数集合 (其中 ri为第i架无人机控制输入 的维数)与分段区间Δtp组合，只要确定了这些参数，就可解出编队控制输入；这样，无人机三维编队重构实际上转化成了在N×np×ri+1维上寻找使代价函数最优的问题；定义三维编队重构最优时间控制的扩展代价函数为： 式中：σij和σ′ij分别为安全防撞距离约束和通讯保障距离约束的惩罚常系数；σ*为终端约束(22)的惩罚常系数； 为(22)式左端的表达形式，即终端T时刻编队内各无人机状态与期望状态的误差的平方和； 实际应用中GA的代价函数取为1/Jextend，PSO代价函数取为Jextend； 基于以上说明，就可以用PSO和GA算法求解无人机三维编队重构问题；GA算法进行粗，PSO算法精度较高，用它进行细；再用PSO指导GA全局最优解；任意给定初始状态，指定终端时刻的相对状态，基于本发明提出的算法，可找到最优控制输入，驱动各无人机达到指定编队队形。 【当前权利人】北京航空航天大学 【当前专利权人地址】北京市海淀区学院路37号北京航空航天大学自动化学院 【统一社会信用代码】12100000400011227Y 【引证次数】5.0 【自引次数】1.0 【他引次数】4.0 【家族引证次数】5.0 【家族被引证次数】100
