申请/专利权人：北京航空航天大学

申请日：2022-03-07

公开（公告）日：2024-04-30

公开（公告）号：CN114815875B

主分类号：G05D1/46

分类号：G05D1/46;G05D1/695

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2022.08.16#实质审查的生效;2022.07.29#公开

摘要：本发明公开一种基于集合满射鸽群智能优化的无人机集群编队控制器调参方法，包括步骤：无人机本体建模，无人机编队建模，编队控制器建模，基于集合满射的鸽群优化方法，参数搜索仿真，数据输出。本发明方法比传统的模型增加了自驱力和摩擦阻力，可以更好的映射无人机模型；改良了传统鸽群方法在进入地标阶段后容易陷入局部最优的缺点，以牺牲速度的方式提高了搜索的准确程度，在相同的搜索次数下，由于本发明将传统的鸽群智能优化方法过程改为满射，因此本发明在相同的搜索次数下，将得到更优的解，应用到编队参数搜索后，可以提高编队的性能。

主权项：1.一种基于集合满射鸽群智能优化的无人机集群编队控制器调参方法，其特征在于：该方法步骤如下：步骤一：无人机本体建模；步骤二：无人机编队建模；步骤三：编队控制器建模；本发明编队控制器模型的三条简单式启发规则分别为：1避免碰撞，即无人机保持期望距离避免与其它个体发生碰撞；2速度匹配，即无人机期望与其邻居速度保持一致；3群集聚合，即无人机与群体保持聚合，不发生分群；基于以上三点规则，本发明编队控制器模型将运动行为简化成三种运动规则，分别为：分离、聚合、速度匹配；编队控制器模型通过设计人工势场力来实现分离、聚合运动行为，保持群集聚合；通过设计速度匹配力来保持速度匹配；本发明在此基础上，又设计了自驱力输入量、阻尼力输入量和扰动输入量来映射无人机模型，通过自驱力输入来模仿无人机的油门环节，通过阻尼力输入来模仿大气阻力，通过扰动输入量来映射无人机大气扰动环节；可得编队控制器输入量为： 其中，为无人机i人工势场力输入，无人机i速度对齐力输入，为无人机i自驱力输入，ζi为阻尼力输入，ηξi为无人机i扰动输入；本发明的人工势场力输入设计为其中，||·||σ是σ范数，定义为ε∈0,1是固定参数；nij为qi指向qj的方向向量，定义为 其中，φαz为一个邻居产生的势场，定义为： 其中，ρhz是一个值域在[0,1]之间的平滑函数，定义为： 其中，参数0a≤b，dα表示两个无人机之间的距离，例如dα＝||qj-qi||σ，表示集群中任意两个不相同的无人机i和无人机j之间的距离；速度对齐力输入项设计为其中，矩阵aijq定义为 自驱力项输入设计为kthrvi，其中kthr为自驱系数，且kthr0；阻尼力输入项为ζ||vi||2vi，其中ζ为阻尼系数；自驱力项大小和阻尼力输入项相等之后，孤立无人机的运动速度就会变为定值，个体kthr越大，其加速的能力就越强，即 ηξi为随机噪声，η0表示噪声强度；综上，本发明设计的蜂拥控制系统输入可写为 S42、基于集合满射的鸽群方法优化首先使用集合理论对优化方法进行分析，设在优化方法中和分别为搜索空间和可行解，即设映射为从搜索空间集合到可行解集合的映射，本发明的重点即为对本过程的设计；在优化方法中，从搜索空间集合到可行解集合的映射被称为寻优过程，在可行解集合中的搜索过程被称为可行搜索过程；设x为搜索空间的一个状态，对于一个寻优过程，令二元关系映射为这个过程，则可定义 其中，和分别为映射的定义域和值域，本发明设计的映射应具有以下性质：1寻优性：或2稳定性：其中，fitx代表解x的适应度；对于具有稳定性的寻优过程，本发明将表示为稳定寻优过程，以此类推，具有寻优性质的寻优过程表示为可寻优的寻优过程，同时具有寻优性和稳定性称为稳定寻优的寻优过程；对于可行搜索过程，也可以使用寻优性可行搜索过程，稳定性可行性搜索过程，稳定寻优的可行性搜索过程表示；寻优过程是从可行或不可行输入中获得可行解，可行性搜索过程是从可行输入中获得可行解；定性是为了保证转换后的解决方案具有更高的适应度，寻优性是指通过只执行一次操作来优化解决方案，即，再次执行该操作不能再提高适应度；发明的目的即为设计理想的稳定寻优的寻优过程，它具有以下性质：1234其中，定义二元关系表达方式定义集合由于局部最优解的数量等于的元素数量，因此如果的元素较少，则搜索最终解的效率会更高；发明将无人机速度与位置分开进行优化，设计两个满射进行搜索；义种群其中，t为鸽群搜索次数；传统的鸽群智能优化方法由于存在地标搜索阶段的加速，使收敛速度变得很快，但是在脱离地磁算子搜索阶段后仍然容易陷入局部最优；本发明基于上述理论，将设计为满射，使鸽群在地标搜索阶段也不容易陷入局部最优；设评价速度与位置的两个代价函数分别为序参量φt和尺度指数St，其定义分别为： 其中，表示集群所有个体的中心点位置，vi和xi分别代表个体i的速度和位置；对速度影响参数选取为h,kthr；于速度阻尼系数ζ可由期望速度和自驱力系数kthr解出，所以本发明没有对ζ进行寻优；影响参数设计为势力场函数中的参数ε,a,b，并在奇数回合对速度进行优化，偶数回合对位置参数进行优化，此过可用公式表达为 其中Costt为t回合时的代价函数；kpara为整数，用于区分奇数回合和偶数回合；于优化方法，每轮t包含了两次搜索。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种基于集合满射鸽群智能优化的无人机集群编队控制器调参方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD