近年來,隨著無人機（Unmanned Aerial Vehicle,UAV）的快速發(fā)展,無人機集群引起了廣泛地關(guān)注。無人機集群作為一個龐大的復(fù)雜系統(tǒng),面對復(fù)雜多變的環(huán)境采用圖論等傳統(tǒng)方法難以計算維度較大的大規(guī)模集群控制問題。分布式人工智能技術(shù)為大規(guī)模集群研究提供了有效手段,包括采用多智能體系統(tǒng)方法和基于仿生智能的集群控制方法,通過對無人機個體行為和控制策略地設(shè)計,可使得大量能力有限的無人機聚集在一起相互作用完成復(fù)雜集群任務(wù)。本文以多無人機集群編隊控制系統(tǒng)為研究對象,以期提高多無人機集群編隊避障智能性和環(huán)境適應(yīng)能力。主要從以下幾個方面展開研究工作:（1）針對無人機集群避障時,集群中無人機之間的一致性差等問題,基于簡化的無人機運動學(xué)模型構(gòu)建了多無人機集群及其避障算法,考慮到無人機集群在簡單障礙物環(huán)境中避障時個別無人機可能陷入局部最優(yōu)而無法避開障礙和集群內(nèi)部無人機可能發(fā)生撞機等現(xiàn)象,提出了一種共享障礙物信息的無人機集群協(xié)同避障算法,并分析了其合理性,通過搭建MATLAB/Simulink仿真模型驗證了算法的有效性,取得了預(yù)期的結(jié)果,算法提升了無人機集群避障時的一致性。（2）針對使用傳統(tǒng)集群算... 

【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所)吉林省

【文章頁數(shù)】：131 頁

【學(xué)位級別】：博士

【部分圖文】：

鳥群

無人機集群編隊及其避障控制關(guān)鍵技術(shù)研究2圖1.1鳥群Figure1.1FlocksofBirds圖1.2魚群Figure1.2FishSwarm無人機集群編隊及其避障問題是多無人機控制領(lǐng)域中的重點研究方向�；诮�(jīng)典算法控制的無人機集群類問題中，集群中無人機的一致性問題是其研究的重點之一。基于嚴格數(shù)學(xué)推導(dǎo)的經(jīng)典控制算法，往往需要許多假設(shè)和理想條件，這些理想條件在實際中往往是不能得到滿足的或者說是不適合的，而人工智能方面的發(fā)展尤其是深度強化學(xué)習(xí)的發(fā)展為研究復(fù)雜系統(tǒng)的控制提供了途徑，不同于經(jīng)典控制理論，強化學(xué)習(xí)的控制能使控制主體具有更強的適應(yīng)能力，基于這方面的認知以及多無人機控制系統(tǒng)的復(fù)雜性，研究了無人機集群在復(fù)雜未知環(huán)境中的智能避障方法。目前多機協(xié)同控制方面的研究大都是將多機協(xié)同規(guī)劃層和無人機控

緒論3制層分離，因此提出了一種改進的多智能體強化學(xué)習(xí)算法，使多無人機協(xié)同編隊及其避障的規(guī)劃層直接輸出控制層的指令，而且提高了群體中個體的智能性。本文在多無人機集群編隊及其避障方面的研究具有理論意義和實際意義，能為工程實踐提供理論基礎(chǔ)和指導(dǎo)。1.2國內(nèi)外研究現(xiàn)狀1.2.1集群技術(shù)研究現(xiàn)狀近年來美國推出了多個低成本無人機集群編隊的研究項目，其中比較成功的是：美國國防高級研究計劃局（DefenseAdvancedResearchProjectsAgency,DARPA）小精靈（Gremlins）項目、美國海軍低成本無人機集群技術(shù)（Low-CostUAVSwarmingTechnology,LOCUST）、DARPA的攻擊型無人機蜂群戰(zhàn)術(shù)（OFFensiveSwarm-EnabledTactics,OFFSET）項目[3]。圖1.3小精靈項目概念設(shè)想圖Figure1.3Gremlinsprojectconceptmap小精靈項目是美國DARPA在無人機集群技術(shù)領(lǐng)域的典型研究項目。2015年9月，DARPA發(fā)布了小精靈項目公告，設(shè)想讓現(xiàn)有的大型飛機在敵方防御射程外發(fā)射成群的小型無人機，當(dāng)任務(wù)結(jié)束后運輸機將小型無人機們回收帶回并由地面人員在24小時內(nèi)完成重置并等待下次使用（如圖1.3）。該項目計劃探索許多技術(shù)領(lǐng)域，其中包括：發(fā)射和回收技術(shù)，設(shè)備和飛機一體化概念；低成本，有限壽命的機身設(shè)計；高保真分析，精確的數(shù)字化飛行控制，相對導(dǎo)航；其他關(guān)鍵技術(shù)還包括：精確數(shù)字飛控與導(dǎo)航、小型高效渦輪發(fā)動機、發(fā)動機自動關(guān)機技術(shù)、小型分布式載荷集成技術(shù)、精確位置保持技術(shù)等。

【參考文獻】：
期刊論文
[1]從鳥群群集飛行到無人機自主集群編隊[J]. 邱華鑫,段海濱.  工程科學(xué)學(xué)報. 2017(03)
[2]基于邊Laplacian一致性的多無人機編隊控制方法[J]. 張苗苗,魏晨.  中國科學(xué):技術(shù)科學(xué). 2017(03)
[3]鴿群優(yōu)化算法研究進展[J]. 段海濱,葉飛.  北京工業(yè)大學(xué)學(xué)報. 2017(01)
[4]美國分布式低成本無人機集群研究進展[J]. 宋怡然,申超,李東兵.  飛航導(dǎo)彈. 2016(08)
[5]領(lǐng)導(dǎo)-跟隨多智能體系統(tǒng)的滯后一致性[J]. 謝媛艷,王毅,馬忠軍.  物理學(xué)報. 2014(04)
[6]具有和不具有非線性動態(tài)的二階時滯多智能體系統(tǒng)的領(lǐng)導(dǎo)跟隨一致性(英文)[J]. 李偉勛,陳增強.  中國科學(xué)技術(shù)大學(xué)學(xué)報. 2012(05)
[7]有l(wèi)eader的二階動態(tài)多智能體網(wǎng)絡(luò)的L2—L∞控制[J]. 李慧,林鵬,張春熹.  物理學(xué)報. 2009(01)
[8]基于虛擬領(lǐng)航者的智能群體群集運動控制[J]. 王冬梅,方華京.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2008(10)

博士論文
[1]空中機器人的層次化決策與控制系統(tǒng)研究[D]. 朱疆成.浙江大學(xué) 2019
[2]多智能體復(fù)雜系統(tǒng)集群控制研究[D]. 李樂.湖南大學(xué) 2016

碩士論文
[1]基于強化學(xué)習(xí)的多無人機協(xié)同任務(wù)規(guī)劃算法研究[D]. 樊龍濤.河南科技大學(xué) 2019
[2]基于環(huán)境感知的無人機編隊關(guān)鍵技術(shù)研究[D]. 張楨浩.西安電子科技大學(xué) 2019
[3]復(fù)雜空戰(zhàn)環(huán)境下基于博弈模型的無人機機動決策方法研究[D]. 李世豪.南京航空航天大學(xué) 2019
[4]基于視覺的多無人機協(xié)同目標追蹤及路徑規(guī)劃研究[D]. 楊勇.南京航空航天大學(xué) 2019
[5]基于群集行為的無人機自主編隊算法研究[D]. 趙鵬.哈爾濱工業(yè)大學(xué) 2019
[6]基于遺傳算法和深度強化學(xué)習(xí)的多無人機協(xié)同區(qū)域監(jiān)視的航路規(guī)劃[D]. 李艷慶.西安電子科技大學(xué) 2018
[7]基于RealSense的無人機避障算法的設(shè)計與實現(xiàn)[D]. 王銳.北京工業(yè)大學(xué) 2018
[8]多運動體的智能感知與編隊控制關(guān)鍵技術(shù)[D]. 劉朋浩.天津大學(xué) 2018
[9]面向旋翼無人機集群的端到端視覺伺服控制研究[D]. 張永偉.國防科技大學(xué) 2017
[10]基于蜂群算法的無人機群協(xié)同飛行策略研究[D]. 郭海洋.哈爾濱工程大學(xué) 2012



本文編號：3409919