无人机机队分布式路径规划算法的设计与实现.docx

无人机机队分布式路径规划算法的设计与实现

摘要：本文设计了一种无人机机队分布式路径规划算法。将无人机机队控制问题视为在线优化问题，使用粒子群优化(PSO)算法，考虑到固定和移动目标、外部干扰和代理丢失等不同场景，实现了对无人机机队的分布式路径规划和控制。最后，实验表明，本文所提PSO算法在每驾无人机上可以独立实现，同时其通过最小化代价函数来确定确保编队控制、目标跟踪和碰撞避免的最佳路径。

1引言

近年来，自动驾驶无人机的机队控制越来越受到世界各地研究人员的关注。电子和机械组件的小型化、无线通信设备的不断改进、存储和计算能力的增强等技术发展使得多代理系统(MAS)[1][2]的概念和操作实现成为可能。

文献[3]中讨论了许多与自动驾驶无人机燃油控制相关的问题。为解决这些问题而实施的策略可分为三类：集中式、分散式和分布式。其各有优缺点。策略的选择主要取决于资源限制、计算和通信限制、工作环境，尤其是操作目标[4]。集中式方法通常被认为是控制质量的最简单方法[5][6]，但其需要相当大的计算量，并且当MAS维度增加时会对通信故障非常敏感[7]。

为了克服上述缺点，可以使用分布式方法来解决。在分布式控制的情况下，机队共享一个通用算法，该算法通过在代理之间战略性地分配和共享信息来计算，并为每个代理达成一致同意的控制行动[8]，而在分布式方法中，每个代理使用自己的状态数据计算一个单独的算法，并与其他代理交换信息[9]。为了利用这两种方法的优点，分布式控制的鲁棒性和容错性，以及分布式方法的可扩展性和可扩展性，本文提出了一种基于分布式控制体系结构和分布式路径规划方案的新结构，其中，通过计算每个代理在其各自内部处理器中的相应项来解决单个优化问题。

除了用于控制自动驾驶无人机行驶的不同控制结构外，还可以使用不同的理论工具来综合控制动作。一是使用协商一致的协议，以在自由范围内达到既定目标[10]。例如，通过会合算法，实现代理到达共同位置[11][12]。此外，群集算法可以让代理保持共同的方向和速度，同时作为一个紧凑的组移动并避免碰撞[13][15]。在本文的方法中，主要通过代数图论解决控制问题。近年来，部分研究者通过基于设计的方法[16][17]，研究如何为自动驾驶机队设计鲁棒控制器，以满足特定要求并达成输出共识。其中使用较多的方法为博弈论[18]。

本文通过基于优化的方法、控制综合方法等[19][20]，将控制目标被表述为一个优化问题，通过优化工具并考虑给定的约束来找到最佳解决方案。此外，通过模型预测控制(MPC)，通过系统的模型来生成轨迹，效果较好[21]、[22]。

在上述方法中，通常是为特定类别的系统设计的，其中动态通常是线性的。因此，这些方法与形成机队的代理或无人机的类型密切相关。此外，扰动的考虑和群体的异质性是稳定性、共识等证明中的主要问题。

本文提出了一种部分独立于代理的一般动态的控制方法，只考虑无人机的平移来计算最佳轨迹。通用架构是分散控制和分布式路径规划技术的组合。这种组合的优点是将每驾无人机的本地控制部分与其训练对应部分分离。分布式优化算法的结果中无人机轨迹是在线和本地共同生成的。其中，应用了正标量势函数，即，当代理收敛到所需的配置、目标跟踪、碰撞避免和容错时，将获得其最小值。由于视觉技术、无线通信功能，每驾无人机都收到了其附近所有代理的位置。

本文策略参考了已有研究，其中，文献[23]中，目标函数以一种简化的方式被最小化；目标是从无人机的多个可到达点中进行选择，以实现目标函数的最小化。为了改进这种方法，文献[24]中使用一种更先进的优化方法，可以更快的响应命令。该方法源自元启发式，被称为粒子群优化(PSO)，其在有哪些信誉好的足球投注网站最小项时表现出最佳性能，计算时间最短，实现相对简单[25]–[29]。文献[30]通过双积分器建模的线性系统实现粒子群优化，其中多项式轨迹生成块已附加到优化部分。

本文对PSO算法进一步优化，以用于控制由非线性动力学控制并在三维(3-D)空间中运行的四旋翼飞行器的实际机群。本文考虑了现实世界的约束和计算限制，以在真正的无人驾驶飞行器(UAV)中实现该算法。在选择PSO算法的参数时考虑了四旋翼的动力学。实现了基于四元数的模型和控制律，以确保每个无人机的闭环局部稳定性。并基于既有研究设计了该控制器[31]-[33]。还考虑了大干扰和有缺陷的代理情况，以提高本文所提出方法的鲁棒性。实验表明，在三个四旋翼机队的机队协同控制中，本文算法表现优越。

本文的其余部分安排如下。第2节为问题描述。第3节介绍了本文所提出的分布式路径规划解决方案。第4节中介绍了四旋翼控制器。然后，第5节为仿真实验。第6节为实际实验。第7节为结论。

2初步和问题陈述

通常，代理是指动态系统。本文中术语“代理”表示“自动驾驶无人机”，其对应