基于轨迹映射的无人机拖曳式空中回收轨迹优化

doi:10.7527/S1000-6893.2023.28775

封面文章

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于轨迹映射的无人机拖曳式空中回收轨迹优化

王宏伦¹^,²(), 王延祥¹^,²^,³, 刘一恒¹^,²^,⁴

^1.北京航空航天大学自动化科学与电气工程学院，北京　100191
^2.北京航空航天大学飞行器控制一体化技术重点实验室，北京　100191
^3.北京航空航天大学沈元学院，北京　100191
^4.北京宇航系统工程研究所，北京　100076

收稿日期:2023-03-30 修回日期:2023-04-27 接受日期:2023-05-30 出版日期:2023-10-25 发布日期:2023-06-05
通讯作者: 王宏伦 E-mail:wang_hl_12@126.com
基金资助:
国家自然科学基金(62173022)

Recovery trajectory optimization for UAV towed aerial recovery based on trajectory mapping

Honglun WANG¹^,²(), Yanxiang WANG¹^,²^,³, Yiheng LIU¹^,²^,⁴

^1.School of Automation Science and Electrical Engineering，Beihang University，Beijing 　100191，China
^2.The Science and Technology on Aircraft Control Laboratory，Beihang University，Beijing 　100191，China
^3.Shenyuan Honors College，Beihang University，Beijing 　100191，China
^4.Beijing Institute of Astronautical Systems Engineering，Beijing 　100076，China

Received:2023-03-30 Revised:2023-04-27 Accepted:2023-05-30 Online:2023-10-25 Published:2023-06-05
Contact: Honglun WANG E-mail:wang_hl_12@126.com
Supported by:
National Natural Science Foundation of China(62173022)

摘要/Abstract

摘要：

针对无人机拖曳式空中回收过程中的轨迹优化问题，提出一种基于轨迹映射的无人机回收轨迹在线优化方法。首先，建立包括缆绳-浮标-无人机组合体的运动模型、机翼折叠模型在内的空中回收系统模型。随后，提出轨迹映射的思想，利用双向长短期记忆（BiLSTM）神经网络建立回收系统中回收指令和回收轨迹之间的精确映射关系。然后，利用轨迹映射网络实时预测不同指令下的回收轨迹，并根据计算的预测轨迹代价利用粒子群优化（PSO）算法优化得到最佳回收指令。最后，仿真结果表明：所提的轨迹映射网络具有较高的预测精度和计算速度，所提的方法可以优化出使无人机稳定快速回收的轨迹。

关键词: 空中回收, 轨迹优化, 轨迹映射, 缆绳-浮标-无人机组合体, 双向长短期记忆, 神经网络

Abstract:

For the problem of trajectory optimization in the process of Unmanned Aerial Vehicle （UAV） towed aerial recovery， an optimization method of UAV recovery trajectory is proposed based on trajectory mapping. First， an aerial recovery system model， including the cable-drogue-UAV assembly model and the wing fold model， is established. Second， the idea of trajectory mapping is put forward， and the accurate mapping relationship between the recovery instruction and the recovery trajectory in the recovery system is established by using the Bidirectional Long Short-Term Memory （BiLSTM） neural network. Third， the trajectory mapping network is utilized to predict the real recovery trajectory under different instructions in real time， and the Particle Swarm Optimization （PSO） algorithm is used to optimize the optimal recovery instruction according to the calculated predicted trajectory cost. Finally， the simulation results show that the proposed trajectory mapping network has high prediction accuracy and calculation speed， and the proposed optimization method can achieve stable and rapid recovery of UAV.

Key words: aerial recovery, trajectory optimization, trajectory mapping, cable-drogue-UAV assembly, Bidirectional Long Short-Term Memory (BiLSTM), neural network

中图分类号:

V249

王宏伦, 王延祥, 刘一恒. 基于轨迹映射的无人机拖曳式空中回收轨迹优化[J]. 航空学报, 2023, 44(20): 628775-628775.

Honglun WANG, Yanxiang WANG, Yiheng LIU. Recovery trajectory optimization for UAV towed aerial recovery based on trajectory mapping[J]. Acta Aeronautica et Astronautica Sinica, 2023, 44(20): 628775-628775.

图/表 25

图 1

图 2

图 3

图 4

图 5

图 6

图 7

图 8

图 9

表 1

图 10

图 11

图 12

图 13

图 14

图 15

图 16

图 17

图 18

图 19

图 20

图 21

表 2

图 22

图 23

参考文献 32

1	王祥科，刘志宏，丛一睿，等. 小型固定翼无人机集群综述和未来发展［J］. 航空学报， 2020， 41（4）： 023732.
	WANG X K， LIU Z H， CONG Y R， et al. Miniature fixed-wing UAV swarms： review and outlook［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（4）： 023732 （in Chinese）.
2	苏子康，徐忠楠，李春涛，等. 伸缩套臂式无人机空基回收建模与对接控制［J］. 航空学报， 2023， 44（1）： 227-244.
	SU Z K， XU Z N， LI C T， et al. Modeling and docking control of UAV aerial recovery in form of telescopic boom［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（1）： 227-244 （in Chinese）.
3	向锦武，董希旺，丁文锐，等. 复杂环境下无人集群系统自主协同关键技术［J］. 航空学报， 2022， 43（10）： 527570.
	XIANG J W， DONG X W， DING W R， et al. Key technologies for autonomous cooperation of unmanned swarm systems in complex environments［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（10）： 527570 （in Chinese）.
4	黄雷. 美军小精灵无人机群项目发展现状综述［J］. 飞航导弹， 2018（7）： 44-47.
	HUANG L. Summary of the development status of the US army elf UAV group project［J］. Aerodynamic Missile Journal， 2018（7）： 44-47 （in Chinese）.
5	WANG Y X， WANG H L， LIU B L， et al. A visual navigation framework for the aerial recovery of UAVs ［J］. IEEE Transactions on Instrumentation and Measurement， 2021， 70： 1-13.
6	苏子康，陈海通，李春涛，等. 非匹配包线下无人机空基回收拖曳系统协调运动规划［J］. 航空学报， 2023， 44（10）： 195-211.
	SU Z K， CHEN H T， LI C T， et al. Coordinating motion planning for towed cable system in UAV aerial recovery with unmatched envelope［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（10）： 195-211 （in Chinese）.
7	HOCHSTETLER R D， BOSMA J， CHACHAD G， et al. Lighter-than-air （LTA） “AirStation” - unmanned aircraft system （UAS） carrier concept［C］∥ Proceedings of the 16th AIAA Aviation Technology， Integration， and Operations Conference. Reston， Virginia： AIAA， 2016： AIAA2016-4223.
8	陈嘉，李雪兵，徐忠楠，等. 空基回收无人机头部扰流场CFD仿真与分析［J］. 航空科学技术， 2022， 33（10）： 103-110.
	CHEN J， LI X B， XU Z N， et al. CFD simulation and analysis of aerial recovery UAV bow wave［J］. Aeronautical Science & Technology， 2022， 33（10）： 103-110 （in Chinese）.
9	SU Z K， LI C T， WU J F， et al. Neuro-adaptive prescribed performance control for aerial-recovery drogue with actuator constraints［J］. Journal of Guidance， Control， and Dynamics， 2022， 45（8）： 1451-1465.
10	SU Z K， LIU Y H， WANG H L. Probe dynamics direct control for aerial recovery with preassigned docking performance［J］. IEEE Transactions on Aerospace and Electronic Systems， 2022， 58（4）： 3509-3523.
11	LIU Y H， WANG H L， FAN J X， et al. Trajectory stabilization control for aerial recovery of cable-drogue-UAV assembly［J］. Nonlinear Dynamics， 2021， 105（4）： 3191-3210.
12	WILLIAMS P， SGARIOTO D， TRIVAILO P M. Constrained path-planning for an aerial-towed cable system［J］. Aerospace Science and Technology， 2008， 12（5）： 347-354.
13	陈海通，苏子康，李春涛，等.空基回收拖曳系统直线-盘旋转接段运动轨迹设计［J/OL］.北京航空航天大学学报，（2022-11-08）［2023-05-13］. .
	CHEN H T， SU Z K， LI C T， et al. Trajectory design for transition flight process of the aerial recovery system ［J/OL］. Journal of Beijing University of Aeronautics and Astronautics，（2022-11-08）［2023-05-13］（in Chinese） .
14	NICHOLS J W， SUN L， BEARD R W， et al. Aerial rendezvous of small unmanned aircraft using a passive towed cable system［J］. Journal of Guidance， Control， and Dynamics， 2014， 37（4）： 1131-1142.
15	SUN L A， HEDENGREN J D， BEARD R W. Optimal trajectory generation using model predictive control for aerially towed cable systems［J］. Journal of Guidance， Control， and Dynamics， 2014， 37（2）： 525-539.
16	MERZ M， JOHANSEN T A. Control of an end body towed by a circling unmanned aerial vehicle［J］. Journal of Guidance， Control， and Dynamics， 2019， 42（12）： 2677-2686.
17	苏子康，李春涛，余跃，等. 绳系拖曳飞行器高抗扰轨迹跟踪控制［J］. 北京航空航天大学学报，2021， 47（11）： 2234-2248.
	SU Z K， LI C T， YU Y， et al. High anti-disturbance trajectory tracking control for cable towed vehicle［J］. Journal of Beijing University of Aeronautics and Astronautics， 2021， 47（11）： 2234-2248 （in Chinese）.
18	TANAKA K， TANAKA M， TAKAHASHI Y， et al. 3-D flight path tracking control for unmanned aerial vehicles under wind environments［J］. IEEE Transactions on Vehicular Technology， 2019， 68（12）： 11621-11634.
19	苏子康. 多重复杂干扰作用下无人机软式自主空中加油精准对接控制［D］. 北京：北京航空航天大学，2018： 49-56.
	SU Z K. Accurate docking control for UAV autonomous probe-drogue refueling under multiple complex disturbances［D］. Beijing： Beihang University， 2018： 49-56 （in Chinese）.
20	WANG H T， DONG X M， XUE J P， et al. Dynamic modeling of a hose-drogue aerial refueling system and integral sliding mode backstepping control for the hose whipping phenomenon［J］. Chinese Journal of Aeronautics， 2014， 27（4）： 930-946.
21	SONG N N， PENG H J， KAN Z Y， et al. A novel nonsmooth approach for flexible multibody systems with contact and friction in 3D space［J］. Nonlinear Dynamics， 2020， 102（3）： 1375-1408.
22	蔡云鹏，王延祥，王大勇，等. 加油软管释放过程中的动态特性研究［J］. 战术导弹技术， 2022（6）： 54-62.
	CAI Y P， WANG Y X， WANG D Y， et al. Study on dynamic characteristics of refueling hose during release［J］. Tactical Missile Technology， 2022（6）： 54-62 （in Chinese）.
23	WANG Y X， WANG H L， LIU Y H， et al. Modeling and predefined-time anti-disturbance control for the aerial refueling phase of receiver aircraft［J］. Applied Mathematical Modelling， 2022， 112： 540-559.
24	LIU Y H， WANG H L， FAN J X， et al. Control-oriented UAV highly feasible trajectory planning： a deep learning method［J］. Aerospace Science and Technology， 2021， 110： 106435.
25	LIU Y H， WANG H L， FAN J X. Novel docking controller for autonomous aerial refueling with probe direct control and learning-based preview method［J］. Aerospace Science and Technology， 2019， 94： 105403.
26	李文成. 变体飞行器动力学建模与稳定性分析及控制［D］. 南京：南京航空航天大学，2018： 7.
	LI W C. Dynamics modeling， stability analysis and control of morphing aircraft［D］. Nanjing： Nanjing University of Aeronautics and Astronautics， 2018： 7 （in Chinese）.
27	LIU Y H， WANG H L， WANG Y X， et al. Anti-swing coordinated control of the UAV wing folding during the aerial recovery process［C］∥International Conference on Guidance， Navigation and Control. Singapore： Springer， 2023： 5212-5220.
28	KENNEDY J， EBERHART R. Particle swarm optimization［C］∥ Proceedings of ICNN’95 - International Conference on Neural Networks. Piscataway： IEEE Press， 2002： 1942-1948.
29	HORNIK K， STINCHCOMBE M， WHITE H. Multilayer feedforward networks are universal approximators［J］. Neural Networks， 1989， 2（5）： 359-366.
30	杨超，张开富. 基于PSO-BiLSTM神经网络的机身筒段应力预测［J］. 航空学报， 2023， 44（7）： 266-275.
	YANG C， ZHANG K F. Stress prediction of fuselage tube section based on PSO-BiLSTM neural network［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（7）： 266-275 （in Chinese）.
31	WU T C， WANG H L， YU Y， et al. Hierarchical fault-tolerant control for over-actuated hypersonic reentry vehicles［J］. Aerospace Science and Technology， 2021， 119： 107134.
32	王志刚，王业光，杨宁，等. 基于LSTM的飞行数据挖掘模型构建方法［J］. 航空学报， 2021， 42（8）： 525800.
	WANG Z G， WANG Y G， YANG N， et al. Construction method of flight data mining model based on LSTM［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（8）： 525800 （in Chinese）.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

网络参数	BiLSTM	LSTM
每层节点数	100	100
网路层数	3	3
训练集大小（轨迹条数）	20 000	20 000
训练批量大小（轨迹条数）	20	20
训练次数	10 000	10 000
初始学习率	0.001	0.001
优化器	Adam	Adam
测试集大小（轨迹条数）	2 000	2 000
测试集的均方根误差	0.117 3	0.220 0

参数摄动/%	所提方法			对比方法
参数摄动/%	摆动幅度/m	回收时间/s	总代价	摆动幅度/m	回收时间/s	总代价
-20	0.456	8.01	8.922	1.915	11.29	15.120
0	0.439	8.01	8.888	1.857	11.29	15.004
20	0.504	8.01	9.018	2.031	11.29	15.352

[1]	马菲, 张琼, 赖培军, 岳一笛. 基于BP神经网络的试飞训练安全性量化模型[J]. 航空学报, 2024, 45(5): 529957-529957.
[2]	倪育德, 闫苗玉, 刘瑞华. 基于DOA-BP神经网络的电离层TEC短期预测[J]. 航空学报, 2024, 45(4): 328707-328707.
[3]	李忠智, 马金毅, 艾剑良, 董一群. 拟VGG16网络的航空传感器故障检测分类[J]. 航空学报, 2023, 44(S1): 727615-727615.
[4]	刘武, 吴云燕, 刘玮, 田明明, 黄天鹏. 考虑未知扰动的RLV再入鲁棒容错姿态控制[J]. 航空学报, 2023, 44(S1): 727787-727787.
[5]	刘晨阳, 吴大伟, 郭一泽, 吕欣赛, 周佳妮, 邵书义. 不确定强耦合下四旋翼姿态鲁棒自适应控制[J]. 航空学报, 2023, 44(S1): 727645-727645.
[6]	王志凯, 陈盛, 范玮. 神经网络宽度对燃烧室排放预测的影响[J]. 航空学报, 2023, 44(5): 126816-126816.
[7]	何磊, 钱炜祺, 董康生, 易贤, 柴聪聪. 基于卷积神经网络的结冰翼型气动特性建模[J]. 航空学报, 2023, 44(5): 126434-126434.
[8]	程旋, 赵亦希, 尤舒曼. 机器人柔性翻边成形轨迹优化[J]. 航空学报, 2023, 44(4): 426886-426886.
[9]	李伟, 郭艳, 李宁, 刘存涛, 袁昊. 智能反射面辅助无人机移动边缘计算任务数据最大化方法[J]. 航空学报, 2023, 44(19): 328486-328486.
[10]	朱祥维, 沈丹, 肖凯, 马岳鑫, 廖祥, 古富强, 余芳文, 高柯夫, 刘经南. 类脑导航的机理、算法、实现与展望[J]. 航空学报, 2023, 44(19): 28569-028569.
[11]	岳承磊, 汪雪川, 岳晓奎, 宋婷. 基于逆强化学习的航天器交会对接方法[J]. 航空学报, 2023, 44(19): 328420-328420.
[12]	李怀璐, 王旭, 王霄, 赵彤, 张伟伟. 大迎角机动飞行的气动力建模与飞行仿真[J]. 航空学报, 2023, 44(19): 128410-128410.
[13]	梁益铭, 李广宁, 徐敏. 基于机器学习的智能控制数值虚拟飞行方法[J]. 航空学报, 2023, 44(17): 128098-81280986.
[14]	宋玉存, 葛泉波, 朱军龙, 陆振宇. 基于梯度差自适应学习率优化的改进YOLOX目标检测算法[J]. 航空学报, 2023, 44(14): 327951-327951.
[15]	任乐亮, 鲜勇, 李少朋, 雷刚, 伍薇, 李冰. 基于改进二阶优化器并行学习的弹道导弹神经网络落点预测方法[J]. 航空学报, 2023, 44(14): 327964-327964.

基于轨迹映射的无人机拖曳式空中回收轨迹优化

Recovery trajectory optimization for UAV towed aerial recovery based on trajectory mapping

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 25

参考文献 32

相关文章 15

编辑推荐

Metrics

本文评价