[發明專利]無人機集群控制系統的多目標控制參數調優方法

有效

• 申請號: 202110005312.1
• 申請日: 2021-01-04
• 公開（公告）號: CN112783210B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 陳盈果;王原;何磊;沈大勇;姚鋒;王濤;張忠山;呂濟民;陳宇寧;孫文廣
• 申請（專利權）人: 中國人民解放軍國防科技大學;中國科學院空天信息創新研究院
• 主分類號: G05D1/10
• 分類號: G05D1/10
• 代理公司: 北京融智邦達知識產權代理事務所(普通合伙) 11885
• 代理人: 吳強

1.一種無人機集群控制系統的多目標控制參數調優方法，其特征在于，包括以下步驟：

步驟1：獲取無人機集群的位置信息及目標位置信息，并基于人工勢場構建無人機集群控制模型；

第i個無人機個體在下一時刻t+1的速度為

v_i(t+1)＝v_i(t)+Δv_i，

其中，

為當前無人機個體i受到的來自其他個體的全部斥力之和，N為無人機集群中全部無人機的數量，為斥力范圍的最大值；

代表無人機個體i受到另一個個體j的斥力，r_ij為無人機個體i和個體j之間的距離，p_i和p_j為用向量表示的個體i和個體j在當前空間之中的位置；

為無人機個體i受到的同向力的大小，v_j是通過向量表示的當前無人機的速度，n_ali為位于R₁范圍內的無人機的數量，R₁為同向力范圍的半徑，為R₁的最大值；

其中，為無人機個體i在某一時刻所受到的引力大小，

表示無人機個體j對個體i釋放的引力，為R₂的最大值，R₂為無人機最大探測范圍，也是引力范圍的半徑，R₀為斥力范圍的半徑，R₁為同向力范圍的半徑；

其中，表示當前無人機i所受到的定向力的大小，p_t表示用向量表示的所有無人機的目標區域位置，p_i為用向量表示的無人機i當前所處的位置，r_it為目的地與第i架無人機間的距離；

為無人機個體i受到的防撞力，為個體最遠可探測到障礙物的距離，r_im為無人機探測到的障礙物表面距離當前個體的最小距離，p_m為用向量表示的障礙物m所處的空間位置，M為當前個體能夠探測到的障礙物的總數；

a、b、c、d、e分別表示上述五個不同力的權值；

步驟2：將所述無人機集群控制模型擴展為具有多條規則的規則庫控制模型；

其中，rule 1到4分別為：

rule 1為：當無人機可探測到在斥力范圍內沒有其他無人機且探測范圍內沒有其他障礙物時；

rule 2為：當無人機可探測到在斥力范圍內有其他無人機且探測范圍內沒有其他障礙物時；

rule 3為：當無人機可探測到在斥力范圍內沒有其他無人機且探測范圍內有其他障礙物時；

rule 4為：當無人機可探測到在斥力范圍內有其他無人機且探測范圍內有其他障礙物時；

參數矩陣為規則庫控制模型的參數；

步驟3：從無人機集群的死亡率、聚集性、同向性和場景完成速度四個指標考慮，對所述規則庫控制模型的參數進行優化選擇，得到最優的無人機集群控制模型實現對無人機集群的控制。

2.根據權利 要求1所述的方法，其特征在于，步驟3中對參數進行優化選擇的方法是一種改進的強化帕累托進化算法ISPEA2。

3.根據權利要求2所述的方法，其特征在于，根據改進的強化帕累托進化算法ISPEA2得到的無人機集群控制模型的參數優化結果為一組帕累托解集；所述方法還包括步驟4：解的選擇，從所述帕累托解集中選擇最優解的方法是：

代表當前解的死亡率，為算法輸出的所有解中死亡率的最小值，為算法輸出的所有解中死亡率的最大值；代表當前解的聚集性指標，為算法輸出的所有解中聚集性指標的最小值，為算法輸出的所有解中聚集性指標的最大值；代表當前解的同向性系數，為算法輸出的所有解中同向性指標的最小值，為算法輸出的所有解中同向性指標的最大值；代表當前解的場景完成速度，為算法輸出的所有解中場景完成速度指標的最小值，為算法輸出的所有解中場景完成速度指標的最大值，w₁、w₂、w₃、w₄分別為符合決策者偏好的對應目標的重要度權值。