空地无人集群自调节控制与动态路径规划方法

doi:10.7527/S1000-6893.2024.29809

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

空地无人集群自调节控制与动态路径规划方法

赵江¹, 张璇¹, 池沛²(), 王英勋²

^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.北京航空航天大学无人系统研究院，北京 100191

收稿日期:2023-11-01 修回日期:2023-11-27 接受日期:2024-01-21 出版日期:2024-08-25 发布日期:2024-02-02
通讯作者: 池沛 E-mail:peichi@buaa.edu.cn
基金资助:
中央高校基本科研业务费专项资金

Self⁃adaptive formation control and dynamic path planning for air⁃ground heterogeneous swarm

Jiang ZHAO¹, Xuan ZHANG¹, Pei CHI²(), Yingxun WANG²

^1.School of Automation Science and Electrical Engineering，Beihang University，Beijing 100191，China
^2.Institute of Unmanned System，Beihang University，Beijing 100191，China

Received:2023-11-01 Revised:2023-11-27 Accepted:2024-01-21 Online:2024-08-25 Published:2024-02-02
Contact: Pei CHI E-mail:peichi@buaa.edu.cn
Supported by:
Fundamental Research Funds for the Central Universities of China

摘要/Abstract

摘要：

针对异构感知条件下空地无人集群协同避障与导航问题，提出了集群队形自调节控制与动态路径规划方法。首先，建立了无人机（UAV）与地面机器人的运动、感知与通信模型，设计了空地无人集群协调运动控制架构，满足异构集群协同避障与导航的控制目标。其次，提出了机器人集群队形边界动态生成方法，分别设计了形状控制、个体避碰、编队控制与导航控制分量，实现了基于动态边界的集群队形自调节控制。结合机器人动态队形边界特性，提出了基于动态窗口优化的无人机路径规划方法，通过设计优化目标函数在集群协同运动的基础上实现了安全导航避撞。最后，设计了队形边界缩放、变形和旋转下的队形调节场景与狭窄廊道协同避障与导航任务想定，通过仿真算例验证了空地无人集群队形自调节控制与动态路径规划方法的有效性，并给出了所述方法能力边界的分析。

关键词: 空地无人集群, 无人机, 地面机器人, 协同避障与导航, 队形自调节控制, 动态路径规划

Abstract:

To deal with the collective obstacle avoidance and navigation problem of air-ground unmanned swarm with heterogeneous detection abilities， a self-adaptive formation control and dynamic path planning method is proposed in this paper. Firstly， the mathematical model of Unmanned Aerial Vehicle （UAV） and ground robots describing motion， detection and communication is established respectively. And the control architecture is designed to satisfy the target of collective obstacle avoidance and navigation of the heterogeneous swarm. Secondly， this paper proposes the dynamic formation boundary generation method for ground robot swarm and designs shape control， inter-agent collision avoidance， formation and navigation control component separately to achieve self-adaptive formation control. Furthermore， a path planning method for UAV based on dynamic window approach is proposed in view of the characteristics of dynamic formation boundary. The safety of collective navigation and obstacle avoidance is guaranteed on the basis of self-adaptive formation control by designing optimization function. Finally， the paper designs the scene of formation adaption including scaling， deformation and rotation and task situation of collective obstacle avoidance and navigation through narrow corridors. The effectiveness of the proposed self-adaptive formation control and dynamic path planning for air-ground unmanned swarm is validated through simulation， and the applicable boundary of the proposed method is further analyzed.

Key words: air-ground unmanned swarm, unmanned aerial vehicle (UAV), ground robots, collective obstacle avoidance and navigation, self-adaptive formation control, dynamic path planning

中图分类号:

V249.12

赵江, 张璇, 池沛, 王英勋. 空地无人集群自调节控制与动态路径规划方法[J]. 航空学报, 2024, 45(16): 329809-329809.

Jiang ZHAO, Xuan ZHANG, Pei CHI, Yingxun WANG. Self⁃adaptive formation control and dynamic path planning for air⁃ground heterogeneous swarm[J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(16): 329809-329809.

图/表 20

图 1

图 2

图 3

图 4

图 5

图 6

图 7

表 1

表 2

动态队形边界缩放仿真场景设置

仿真时间/s	长轴长度/m	短轴长度/m	队形边界x方向速度/（m·s^-1）
$0,15$	20	20	3
$15,35$	$- 0.5 t + 27.5$	$- 0.5 t + 27.5$	3
$35,45$	10	10	3
$45,65$	$0.5 t - 12.5$	$0.5 t - 12.5$	3
$65,80$	20	20	3

表 2

图 8

表 3

动态队形边界变形仿真场景设置

仿真时间/s	长轴长度/m	短轴长度/m	队形边界x方向速度/（m·s^-1）
$0,15$	20	20	3
$15,35$	$400 / b$	$- 0.5 t + 27.5$	3
$35,45$	40	10	3
$45,65$	$400 / b$	$0.5 t - 12.5$	3
$65,80$	20	20	3

表 3

图 9

表 4

动态队形边界旋转仿真场景设置

仿真时间/s	长轴长度/m	短轴长度/m	指向角度/rad	队形边界x方向速度/（m·s^-1）
$0,15$	40	10	0	3
$15,65$	40	10	$π t / 50 - 3 π / 10$	3
$65,80$	40	10	0	3

表 4

图 10

图 11

图 12

图 13

表 5

表 6

图 14

参考文献 27

1	贾永楠，田似营，李擎. 无人机集群研究进展综述［J］. 航空学报， 2020， 41（S1）： 723738.
	JIA Y N， TIAN S Y， LI Q. Review on research progress of UAV cluster［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（S1）： 723738 （in Chinese）.
2	CHUNG S J， PARANJAPE A A， DAMES P， et al. A survey on aerial swarm robotics［J］. IEEE Transactions on Robotics， 2018， 34（4）： 837-855.
3	牛轶峰，刘俊艺，熊进，等. 无人机群协同跟踪地面多目标导引方法研究［J］. 中国科学：技术科学， 2020， 50（4）： 403-422.
	NIU Y F， LIU J Y， XIONG J， et al. Research on guidance method of cooperative tracking ground multi-target using UAV group［J］. Scientia Sinica （Technologica）， 2020， 50（4）： 403-422 （in Chinese）.
4	刘云昊，邓亦敏，段海滨，等. 基于飞蛾信息素寻偶机制的无人机集群协同搜索［J］. 国防科技大学学报， 2022， 44（4）： 22-31.
	LIU Y H， DENG Y M， DUAN H B， et al. Unmanned aerial vehicle swarm cooperative search based on moth pheromone courtship mechanism［J］. Journal of National University of Defense Technology， 2022， 44（4）： 22-31 （in Chinese）.
5	王孟阳，张栋，唐硕，等. 基于动态联盟策略的无人机集群在线任务规划方法［J］. 兵工学报， 2023， 44（8）： 2207-2223.
	WANG M Y， ZHANG D， TANG S， et al. UAV swarm on-line mission planning method based on dynamic allocation strategy［J］. Acta Armamentarii， 2023， 44（8）： 2207-2223 （in Chinese）.
6	RIZK Y， AWAD M， TUNSTEL E W. Cooperative heterogeneous multi-robot systems： A survey［J］. ACM Computing Surveys， 52（2）： 29.
7	李明龙，杨文婧，易晓东，等. 面向灾难搜索救援场景的空地协同无人群体任务规划研究［J］. 机械工程学报， 2019， 55（11）： 1-9.
	LI M L， YANG W J， YI X D， et al. Swarm robot task planning based on air and ground coordination for disaster search and rescue［J］. Journal of Mechanical Engineering， 2019， 55（11）： 1-9 （in Chinese）.
8	DING Y L， XIN B， CHEN J. A review of recent advances in coordination between unmanned aerial and ground vehicles［J］. Unmanned Systems， 2021， 9（2）： 97-117.
9	CHEN J， ZHANG X， XIN B， et al. Coordination between unmanned aerial and ground vehicles： A taxonomy and optimization perspective［J］. IEEE Transactions on Cybernetics， 2016， 46（4）： 959-972.
10	RAHIMI R， ABDOLLAHI F， NAQSHI K. Time-varying formation control of a collaborative heterogeneous multi agent system［J］. Robotics and Autonomous Systems， 2014， 62（12）： 1799-1805.
11	魏志强，翁哲鸣，化永朝，等. 切换拓扑下异构无人集群编队-合围跟踪控制［J］. 航空学报， 2023， 44（2）： 326504.
	WEI Z Q， WENG Z M， HUA Y Z， et al. Formation-containment tracking control for heterogeneous unmanned swarm systems with switching topologies［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（2）： 326504 （in Chinese）.
12	周思全，董希旺，李清东，等. 无人机-无人车异构时变编队控制与扰动抑制［J］. 航空学报， 2020， 41（S1）： 723767.
	ZHOU S Q， DONG X W， LI Q D， et al. UAV-UAV heterogeneous time-varying formation control and disturbance suppression［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（S1）： 723767 （in Chinese）.
13	ARANDA M， LÓPEZ-NICOLÁS G， SAGÜÉS C， et al. Formation control of mobile robots using multiple aerial cameras［J］. IEEE Transactions on Robotics， 2015， 31（4）： 1064-1071.
14	ARANDA M， MEZOUAR Y， LÓPEZ-NICOLÁS G， et al. Scale-free vision-based aerial control of a ground formation with hybrid topology［J］. IEEE Transactions on Control Systems Technology， 2019， 27（4）： 1703-1711.
15	REN Y， ZHANG K， JIANG B， et al. Distributed fault-tolerant time-varying formation control of heterogeneous multi-agent systems［J］. International Journal of Robust and Nonlinear Control， 2022， 32（5）： 2864-2882.
16	马亚杰，王娟，姜斌，等. 一种无人机-无人车编队系统容错控制方法［J］. 航空学报， 2023， 44（8）： 327216.
	MA Y J， WANG J， JIANG B， et al. A fault-tolerant control scheme for UAVs-UGVs formation systems［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（8）： 327216 （in Chinese）.
17	SASKA M， VONÁSEK V， KRAJNÍK T， et al. Coordination and navigation of heterogeneous MAV–UGV formations localized by a ‘hawk-eye’-like approach under a model predictive control scheme［J］. The International Journal of Robotics Research， 2014， 33（10）： 1393-1412.
18	WANG W， GUO J Y， TIAN G Q， et al. Event-triggered intervention framework for UAV-UGV coordination systems［J］. Machines， 2021， 9（12）： 371.
19	NIU G C， WU L， GAO Y F， et al. Unmanned aerial vehicle （UAV）-assisted path planning for unmanned ground vehicles （UGVs） via disciplined convex-concave programming［J］. IEEE Transactions on Vehicular Technology， 2022， 71（7）： 6996-7007.
20	LONG N K， SAMMUT K， SGARIOTO D， et al. A comprehensive review of shepherding as a bio-inspired swarm-robotics guidance approach［J］. IEEE Transactions on Emerging Topics in Computational Intelligence， 2020， 4（4）： 523-537.
21	STRÖMBOM D， MANN R P， WILSON A M， et al. Solving the shepherding problem： Heuristics for herding autonomous， interacting agents［J］. Journal of the Royal Society， Interface， 2014， 11（100）： 20140719.
22	NGUYEN H T， NGUYEN T D， GARRATT M， et al. A deep hierarchical reinforcement learner for aerial shepherding of ground swarms［C］∥ International Conference on Neural Information Processing. Cham： Springer， 2019： 658-669.
23	梁晓龙，孙强，尹忠海，等. 大规模无人系统集群智能控制方法综述［J］. 计算机应用研究， 2015， 32（1）： 11-16.
	LIANG X L， SUN Q， YIN Z H， et al. Review on large-scale unmanned system swarm intelligence control method［J］. Application Research of Computers， 2015， 32（1）： 11-16 （in Chinese）.
24	OLFATI-SABER R. Flocking for multi-agent dynamic systems： algorithms and theory［J］. IEEE Transactions on Automatic Control， 2006， 51（3）： 401-420.
25	FANG W X， ZHAO J B， PAN Y C. Combined flocking and region-based shape control for multi-agent systems［C］∥ 2019 IEEE 58th Conference on Decision and Control （CDC）. Piscataway： IEEE Press， 2019： 3557-3562.
26	ZHAO H T， LIU H， LEUNG Y W， et al. Self-adaptive collective motion of swarm robots［J］. IEEE Transactions on Automation Science and Engineering， 2018， 15（4）： 1533-1545.
27	HU J Y， TURGUT A E， KRAJNÍK T， et al. Occlusion-based coordination protocol design for autonomous robotic shepherding tasks［J］. IEEE Transactions on Cognitive and Developmental Systems， 2022， 14（1）： 126-135.

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

仿真组数	窄道宽度/m	倾斜角度/（°）	碰撞率/%
第1组	58.5	38	0
第2组	52	38	0
第3组	46	38	0
第4组	42	38	1.39
第5组	35.5	38	3.53

仿真组数	窄道宽度/m	倾斜角度/（°）	碰撞率/%
第1组	46	29	0
第2组	46	32	0
第3组	46	38	0
第4组	46	44	1.69
第5组	46	53	0.82

[1]	王海峰, 刘坤澎, 江泓鑫, 杜晨曦. 螺旋桨多设计点气动优化方法和变桨距角策略[J]. 航空学报, 2024, 45(9): 528831-528831.
[2]	赵春晖, 刘安萌, 吕洋, 潘泉. 无人机韧性自主定位技术综述[J]. 航空学报, 2024, 45(8): 28839-028839.
[3]	张薇, 何若俊. 面向物联网数据收集的无人机自主路径规划[J]. 航空学报, 2024, 45(8): 329054-329054-1.
[4]	王传云, 苏阳, 王琳霖, 王田, 王静静, 高骞. 面向反制无人机集群的多目标连续鲁棒跟踪算法[J]. 航空学报, 2024, 45(7): 329017-329017.
[5]	赵靖, 宋丹. 无人机GNSS/IMU组合导航系统完好性监测方法[J]. 航空学报, 2024, 45(7): 328943-328943.
[6]	尹洪玉, 吴宇, 梁天骄. 固定翼无人机巡逻覆盖协同路径规划方法[J]. 航空学报, 2024, 45(6): 328944-328944.
[7]	罗旭东, 吴一全, 陈金林. 无人机航拍影像目标检测与语义分割的深度学习方法研究进展[J]. 航空学报, 2024, 45(6): 28822-028822.
[8]	安朝, 霍贵玺, 孟杨, 谢长川, 杨超. 翼尖铰接组合式无人机气动建模方法及布局参数影响[J]. 航空学报, 2024, 45(6): 629587-629587.
[9]	李广佳, 王红波, 张凯, 仪志胜. 临近空间太阳能无人机增升减阻技术综述[J]. 航空学报, 2024, 45(5): 529644-529644.
[10]	蔡云鹏, 周大鹏, 丁江川. 具有防撞安全约束的无人机集群智能协同控制[J]. 航空学报, 2024, 45(5): 529683-529683.
[11]	王祝, 张梦通, 张振鹏, 徐广通. 基于多指标动态优先级的无人机协同路径规划[J]. 航空学报, 2024, 45(4): 328816-328816.
[12]	郑高杰, 何小明, 李东坡, 谭慧俊, 汪昆, 吴祯龙, 王德鹏. 尾部推进无人机双90°偏折进气道/蜗壳耦合流动特性[J]. 航空学报, 2024, 45(4): 128782-128782.
[13]	潘武, 王翔, 吕娜, 任智源, 刘文亚. 悬停时间约束下的多无人机中继连通性优化方法[J]. 航空学报, 2024, 45(16): 329854-329854.
[14]	徐心宇, 陈建. 无人机状态检测Kalman滤波空地目标跟踪算法[J]. 航空学报, 2024, 45(16): 329834-329834.
[15]	张宏宏, 李文华, 郑家毅, 刘宏斌, 张鹏, 高鹏, 甘旭升. 有人/无人机协同作战：概念、技术与挑战[J]. 航空学报, 2024, 45(15): 29653-029653.

空地无人集群自调节控制与动态路径规划方法

Self⁃adaptive formation control and dynamic path planning for air⁃ground heterogeneous swarm

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 20

参考文献 27

相关文章 15

编辑推荐

Metrics

本文评价