论文部分内容阅读
对未知区域进行覆盖侦察及目标搜索是无人机主要应用之一,相比单架次无人机,集群系统在这方面更具优势。考虑实际任务类型、环境因素,以及无人机自身动态等复杂情况下,实现无人机之间的协同控制,并以高效率低代价完成侦察和目标搜索任务是无人机集群需要解决的主要问题,也是近年来该领域研究的热点和难点问题。本文基于上述需求进行研究,主要工作与贡献如下:将未知区域侦察与目标搜索任务,分解为覆盖问题与搜索问题。建立了基于中心Voronoi构型的多无人机区域覆盖模型,实现了局部最优部署,解决了多机任务协同时的机制问题。该模型特点如下:第一,集群采用完全分布式控制,其动态系统是基于(子)最优解不断的进化而成;第二,定义了随时空变化的不同传感器性能函数以及分布密度函数,便于根据实际应用场景选择不同的传感器函数类型从而更灵活的运用此模型;第三,可处理非凸环境以及集群异质问题,即模型中所指传感器可具有不同形式的载体(如无人机、无人车等),确保良好的兼容性。设计了 一种基于概率地图信息更新融合的多机协同搜索策略,对于一组具有有限传感和通信范围的无人机,实现了在未知环境下对多个地面目标的搜索。首先,每架无人机与通信范围内的邻居组成员相互传送并共享局部目标信息,并以分布式方法控制其自身行为。其次,分析了三维动态环境下因无人机的高度变化而导致的时变检测对概率地图不确定性信息产生的影响,引入目标运动和随机消失出现等环境变化导致的任务单元之间的信息变化因素,完善了搜索模型。再次,在搜索算法中设计了优化函数,该函数综合了任务效率以及飞行代价,可提高区域覆盖性和目标检测性能。在各无人机均处于未知区域任意位置的假定条件下,不能采用传统的地毯式或螺旋式搜索,因此本文的方法与有先验信息、有确定终点的常规航路规划方法相比,具有更大难度和更好的普适性。最后,根据以上两阶段的理论工作基础,基于Matlab仿真平台,采用C语言开发了多机协同目标搜索核心算法、性能比较函数等,进行了 2架次、6架次和18架次无人机在未知环境中侦察和搜索的仿真验证。此外,对有障碍与无障碍的未知环境下的无人机集群搜索能力做了对比实验,验证了该系统对复杂环境的鲁棒性。