小型无人机启发式仿生集群控制技术研究

The future unmanned aerial vehicles will develop to small, smart, swarm, safe and speed. According to this development trend, aiming at the implement of the small unmanned aircraft (SUA) swarm coordination flight in the complex environment, the coordinated control and optimization technology of the SUA swarm are studied based on the bionics means that analyze and simulate the real collective motion of a large number of biological individuals in nature. Through the analysis of the empirical data of the biological collective motion, the more realistic biological swarm motion will be modeled and its dynamic characteristics will be studied. Inspired by the biological collective behavior, the real-time collaborative maneuvering and pop-up obstacles avoiding methods of the SUA swarm in the urban low-altitude airspace, as well as the coordinated optimization strategy of the SUA swarm safe trajectories, are studied to construct the SUA swarm coordinated control theoretic system based on the biological collective behavior rules. The new research thought can help to improve the integration, intelligence and autonomy level of the SUAs in the future.

针对未来无人机小型化、智能化、集群化、安全化、速度可控化的发展趋势，本项目以实现复杂环境下的小型无人机集群协调飞行为目标，以对自然界中真实生物群体运动的分析与模拟的仿生学手段为学术思路，对小型无人机集群飞行中的协调控制与优化技术展开研究。通过对生物群体运动实证数据的分析，建立符合生物实际的群体运动模型，并对其动力学特性进行分析；在生物群体行为的启发下，开展城市低空密集空域下小型无人机集群的实时协同机动和突发障碍规避方法、以及多小型无人机协同安全航路优化策略的研究，构建基于生物群体行为规则的小型无人机集群协调控制基础理论体系。本项目将控制科学的系统分析方法用于生物行为学研究，对揭示生物群体运动规律具有重要意义；同时又将生物行为学研究结果用于小型无人机集群控制系统设计，为未来无人机系统实现自主化、综合化和智能化提供可行的技术途径。

近年来，生物群体智能运动的建模与方法研究受到了来自理论研究和工程应用等众多领域学者越来越多的关注。大量生物个体聚在一起组成的复杂系统，通常在无集中控制的情况下，通过个体的有限感知、局部交互和分布式的行为响应，使整个系统自发地涌现出协调有序的行为。群体智能行为表现出的自组织、协调、鲁棒、分布式等特性与无人机集群协调控制的需求相符合。本论文对群体智能运动模型、算法，以及多无人机协调控制问题进行了研究，主要工作如下：. 围绕Reynolds提出的群体运动的速度一致准则，以Vicsek模型为研究对象，提出了群体同步运动的加速收敛方法。真实中的生物个体大多仅具有有限视场角度，通过调整视线方向来弥补不具备全局视场角的不足。受此启发，提出了带有限视场以及随机视线方向的群体运动模型（RLosVM），模型中个体的视线方向不沿自身运动的方向，而是依照正态分布概率进行随机变化。RLosVM模型在较少的邻居信息需求下，能够以更短的时间收敛到全局同步运动状态。接着，针对生物群体内部的交互关系并非越多越好，个体仅与固定数目的邻居进行交互这一最新研究成果，提出了改进的固定邻居个数规则，使固定数目的邻居个体均匀分布自身周围各个方向上，从而优化了个体邻居信息的分布。. 研究了复杂态势下基于群体智能优化算法的无人机集群约束航路规划方法。在充分考虑无人机物理约束及对航路的性能需求的前提下，建立航路的代价指标函数。然后利用改进的果蝇优化算法对无人机航路进行最优化求解。仿真实验验证了改进算法比现有优化算法在求解无人机航路规划问题上的的优越性。. 最后，研究多无人机相继到达指定区域的时间协调控制问题，首先建立了多无人机协同制导运动模型，然后分别设计了基于给定时间的多机相继到达制导方法、基于集中式控制的多机相继到达制导方法、以及基于分布式控制的多机相继到达制导方法。通过多个仿真算例，验证所提出的协调控制方法的有效性。