[發明專利]一種混合策略驅動的無人機模型預測控制方法

在審

• 申請號: 202211296624.3
• 申請日: 2022-10-21
• 公開（公告）號: CN115480487A
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 王鋼;馮肇晗;肖偉;周子煜;翁博熙;孫健;陳杰
• 申請（專利權）人: 北京理工大學
• 主分類號: G05B13/04
• 分類號: G05B13/04;G05D1/10
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 張麗娜

本發明提出了一種混合策略驅動的無人機模型預測控制方法，首先，針對無人機執行復雜任務的未知動態環境特點將復雜任務分解為兩個目標較為簡單的子任務，并設計一種模型預測控制器，根據實時環境的感知信息與對自身狀態的估計信息，給出兩個子任務代價函數混合的比例系數，使無人機能根據自身與環境的狀態變化在子任務間實時切換；通過迭代搜索方式對策略參數進行更新，使策略給出的混合比例系數在任務要求下達到最優；根據無人機對實時環境與自身狀態的感知、估計，快速給出較優的子任務代價函數混合比例系數，對無人機在未知環境下執行復雜任務的進一步研究有著重要意義。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種混合策略驅動的無人機模型預測控制方法。

背景技術

無人機技術正處于高速發展階段，不僅在學術研究領域有多項重大進展，越來越多的無人機也正在投入實際應用，例如軍事偵察、定點打擊、巡航檢修、農藥噴灑等。無人機運動控制作為無人機開展各項飛行任務的重要支撐技術，正在得到越來越多的重視。

然而，在無人機運動控制領域，有許多重大問題亟待解決。復雜動態環境中的復雜任務執行是無人機面臨的一大難題，其一般要求無人機穿越包含移動障礙(例如行人、飛鳥、來往車輛)的動態環境，執行通常由多種簡單飛行任務(例如穿越固定區域、跟蹤特定目標等)組合而成的復雜任務。無人機的運動控制技術主要分為有模型控制方法與無模型控制方法。有模型控制方法借助被控對象的動力學模型，對被控對象的輸出特性或未來動態進行預測與調適，實現難度較低，控制效果較為穩定。模型預測控制方法是一種較為常用的有模型控制方法，Rawlings等人在文獻(Model Predictive Control：Theory and Design，2009)中清晰闡述了這一方法。該方法通過被控對象的動力學模型預測被控對象在一段固定的未來時間長度內的狀態轉移，以最小化預設的與被控對象的一系列未來狀態相關的代價函數為手段，實時求解被控對象最優的控制輸入，其具有求解靈活、泛用性強、計算速度快、資源消耗低的優勢，在無人機運動控制領域得到廣泛應用。Foehn等人在文獻(PAMPC：Perception-aware model predictive control for quadrotors，2018IEEE/RSJInternational Conference on Intelligent Robots and Systems)中提出了一種同時兼顧運動控制目標與視覺跟蹤目標的模型預測控制器，該方法使無人機能在執行特定飛行任務的同時，調適自身姿態，使機載視覺傳感器始終對準一組特定目標物。

然而，模型預測控制方法通過最小化預設的代價函數來求解無人機的控制輸入，因此針對每個特定的任務，對應的代價函數都需要進行精心設計與調試，這使得模型預測控制方法在較復雜的任務中的應用受到極大的限制。此外，這一特點還使得采用模型預測控制方法的無人機難以應對環境中無法事先預知的動態變化，因為這些變化無法被預先在代價函數的設計中考慮到。強化學習算法具有較強的應對動態環境下復雜任務的能力。Song等人在文獻(Policy search for model predictive control with application toagile drone flight，2018 IEEE Transactions on Robotics)中提出了一種應用強化學習策略搜索算法為模型預測控制方法提供上層控制策略的方法，使無人機在已知動態環境中成功執行穿越擺動門的任務。然而，至今還沒有一種方法能夠將策略驅動的模型預測控制方法應用到動態未知環境下的任務執行中。

發明內容

有鑒于此，本發明提供了一種混合策略驅動的無人機模型預測控制方法，成功應對任務環境中未知的動態，實現無人機在未知動態環境中成功執行復雜任務，對無人機應對未知動態環境的進一步研究有著非常重要的意義。

一種混合策略驅動的無人機模型預測控制方法，包含以下步驟：