欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024113201765
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于采样的多无人机编队全局路径规划方法,其特征在于,包括如下步骤:S1、构建全局栅格地图,给定编队起始状态S、编队目标状态G,并构建多无人机期望队形;

S2、将编队起始状态S加入到第一随机树T1作为根节点,将编队目标状态G加入到第二随机树T2作为根节点,迭代次数k置0;

S3、通过基于障碍物引导的高斯采样方法采样获得新采样节点qnew,并将迭代次数k加1;

S4、根据全局栅格地图以及期望队形,从新采样节点qnew双向扩展第一随机树T1和第二随机树T2;

S5、判断扩展后两颗随机树是否完成连接,若已完成连接,则通过区域修剪方法优化两颗随机树中节点的代价值;

S6、判断是否达到终止运行条件,是则进入S7,否则执行S3;

S7、若第一随机树T1、第二随机树T2完成连接,则路径求解成功,获得最终路径规划结果,否则路径求解失败。

2.根据权利要求1所述的多无人机编队全局路径规划方法,其特征在于,所述S1具体包括如下步骤:S11、构建全局栅格地图,给定编队起始状态S=[xs,ys,zs,1.0]T、编队目标状态G=[xg,yg,zg,1.0]T、最大试探次数M、邻居半径R、最大编队规模smax、最小编队规模smin、最大迭代次数N以及最大运行时间Tmax,其中表示编队起始状态的编队中心位置,表示编队目标状态的编队中心位置;T为矩阵的转置;表示实数集;

S12、构建n架无人机的期望队形[pdes,1T,pdes,2T,...,pdes,nT]T,其中表示第i架无人机在期望队形中的期望位置。

3.根据权利要求2所述的多无人机编队全局路径规划方法,其特征在于,所述S3具体包括如下步骤:S31、通过随机采样获得随机采样节点q′new,随机采样节点q′new的编队中心位置在全局栅格地图内采样获得,随机采样节点q′new的编队规模在[smin,smax]范围内采样获得;

S32、检查随机采样节点q′new是否有效,如果无效,则将试探次数τ置0,并执行S33,否则执行S35;

S33、通过高斯采样方法采样获得高斯采样节点q″new,高斯采样节点q″new的编队中心在全局栅格地图范围内以随机采样节点q′new的编队中心为均值,以σ2为方差进行高斯采样获得,q″new的编队规模在[smin,smax]范围内通过随机采样获得,并将试探次数T加1;

S34、判断高斯采样节点q″new是否有效,若无效且试探次数τ未超过最大试探次数M,则跳至S33执行,若无效且试探次数τ超过最大试探次数M,则跳至S31执行,否则,将高斯采样节点q″new更新为随机采样节点q′new,并执行S35;

S35、将随机采样节点q′new作为新采样节点qnew,并将迭代次数k加1。

4.根据权利要求3所述的多无人机编队全局路径规划方法,其特征在于,所述S4具体包括如下步骤:S41、分别获得新采样节点qnew在第一随机树T1和第二随机树T2的第一邻居节点集合Ψ1和第二邻居节点集合Ψ2,其中两个邻居节点集合中的每个邻居节点qneigh满足邻居节点qneigh的编队中心到新采样节点qnew的编队中心距离小于邻居半径R;

如果第一邻居节点集合Ψ1和/或第二邻居节点集合Ψ2为空,则将对应随机树中与新采样节点qnew的编队中心距离最小的节点加入到第一邻居节点集合Ψ1和/或第二邻居节点集合Ψ2中,保证该集合非空;

S42、在第一邻居节点集合Ψ1中寻找节点qu,1,满足节点qu,1到新采样节点qnew连接有效且通过节点qu,1到新采样节点qnew的编队层级代价δ1最小;同理在第二邻居节点集合Ψ2中寻找节点qu,2,满足节点qu,2到新采样节点qnew连接有效且通过qu2到qnew的编队层级代价δ2最小;连接有效即两节点的连接不与障碍物发生碰撞;

S43、如果未找到节点qu,1和qu,2,则说明生长失败,结束S4,并跳至S3;如果只找到节点qu,1,则跳至S44,如果只找到节点qu,2,则跳至S45,否则跳至S46;

S44、将新采样节点qnew加入到第一随机树T1的节点集合V1中,将节点连接关系(qu,1,qnew)加入到第一随机树T1的节点连接关系集合E1中,并令新采样节点qnew的代价η(qnew)=δ1,然后跳至S48;

S45、将新采样节点qnew加入到第二随机树T2的节点集合V2中,将节点连接关系(qu,2,qnew)加入到第二随机树T2的节点连接关系集合E2中,并令新采样节点qnew的代价η(qnew)=δ2,然后跳至S48;

S46、比较编队层级代价δ1和δ2,如果δ1≤δ2,则将新采样节点qnew加入到第一随机树T1的节点集合V1中,将节点连接关系(qu,1,qnew)加入到第一随机树T1的节点连接关系集合E1中,并令新采样节点qnew的代价η(qnew)=δ1,并把节点qu,2标记为新采样节点qnew的连接点,否则将新采样节点qnew加入到第二随机树T2的节点集合V2中,将节点连接关系(qu,2,qnew)加入到第二随机树T2的节点连接关系集合E2中,并令新采样节点qnew的代价η(qnew)=δ2,并把节点qu,1标记为新采样节点qnew的连接点;

S47、将新采样节点qnew添加到交汇点集合Π,此时说明两颗随机树已完成连接;

S48、在新采样节点qnew所在的随机树中执行重连接操作,即对于新采样节点qnew除了其父节点的其他邻居节点qneigh,判断η(qnew)+c(qnew,qneigh)<η(qneigh)是否成立,如果成立,则在新采样节点qnew所在的随机树的节点连接关系集合中删除节点连接关系(qp,qneigh),增加节点连接关系(qnew,qneigh),其中qp为qneigh的原父节点。

5.根据权利要求4所述的多无人机编队全局路径规划方法,其特征在于,所述S42中的编队层级代价δ1的计算公式为:δ1=η(qu,1)+c(qu1,qnew)

式中,η(.)表示第一代价函数;c(.)表示状态转移代价函数;且η(qu,1)和c(qu1,qnew)满足以下关系式:其中,pu1,i、pnew,i分别表示节点qu1和新采样节点qnew对应的无人机i的位置;pu1,i、pnew,i分别通过以下公式计算得到:其中,su1、snew分别为节点qu1和新采样节点qnew的编队规模,Xu1、Xnew分别为节点qu1和新采样节点qnew的编队中心位置。

6.根据权利要求5所述的多无人机编队全局路径规划方法,其特征在于,所述S42中的编队层级代价δ2的计算公式为:δ2=η(qu,2)+c(qu2,qnew)

式中,c(qu2,qnew)满足以下关系式:

其中,pu2,i表示节点qu2对应的无人机i的位置;pu2,i通过以下公式计算得到:其中,su2为节点qu2的编队规模,Xu2为节点qu2的编队中心位置。

7.根据权利要求4所述的多无人机编队全局路径规划方法,其特征在于,所述S5具体包括如下步骤:S51、判断生长后两颗随机树是否完成连接,若未连接,结束S5并跳至S6;

S52、定义更新集合Q,将新采样节点qnew加入到更新集合Q中;

S53、从更新集合Q中取出节点qcur;

S54、检测节点qcur是否有祖父节点qg,如果没有,则执行S56,否则判断祖父节点qg到节点qcur的连接是否有效,如果无效,则执行S56;如果有效,则执行S55;

S55、在节点连接关系集合E1或节点连接关系集合E2中删除qcur与其父节点qp的连接关系(qp,qcur),增加连接关系(qg,qcur);此时qg已更新为qcur的父节点;之后跳至S54;

S56、将新采样节点qnew的子节点都加入到更新集合Q中;

S57、如果更新集合Q不为空,则跳至S53,否则结束S5,并执行S6。

8.根据权利要求5所述的多无人机编队全局路径规划方法,其特征在于,所述S6中的终止运行条件为迭代次数k是否超过最大迭代次数N或算法达到最大运行时间Tmax。

9.根据权利要求5所述的多无人机编队全局路径规划方法,其特征在于,所述S7具体包括如下步骤:S71、判断第一随机树T1、第二随机树T2是否完成连接,如果未完成连接,则说明路径求解失败,退出S7;如果连接成功,则进入S72;

S72、在交汇点集合Π中找到节点qf,使通过节点qf的路径代价Lf最小;

S73、从节点qf分别往节点qf的父节点和其连接点方向回溯,得到一条连接编队起始状态和编队目标状态的编队全局路径,作为求解结果。

10.根据权利要求9所述的多无人机编队全局路径规划方法,其特征在于,所述S72中节点qf和路径代价Lf的计算公式为:Lf=η(qf)+η(qf′)+c(qf,qf′)

其中,qσ′为节点qσ的连接点,qf′为节点qf的连接点。