基于改进人工势场和一致性协议的协同避障算法

doi:10.11772/j.issn.1001-9081.2022070967

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (8): 2644-2650.DOI: 10.11772/j.issn.1001-9081.2022070967

所属专题：前沿与综合应用

• 前沿与综合应用 • 上一篇

基于改进人工势场和一致性协议的协同避障算法

张钟元¹, 戴炜¹, 李光昱¹, 陈小庆², 邓启波¹()

^1.南昌航空大学飞行器工程学院，南昌 330063
^2.中国人民解放军军事科学院国防科技创新研究院，北京 100850

收稿日期:2022-07-05 修回日期:2022-09-19 接受日期:2022-09-20 发布日期:2023-01-15 出版日期:2023-08-10
通讯作者: 邓启波
作者简介:张钟元（1998—），男（苗族），湖南花垣人，硕士研究生，主要研究方向：无人机（UAV）集群控制
戴炜（1993—），男，江西上饶人，硕士研究生，主要研究方向：空间流体管理
李光昱（1988—），男，江西赣州人，讲师，博士，主要研究方向：多飞行器协同自主控制与智能决策
陈小庆（1982—），男，江苏泰州人，高级工程师，博士，主要研究方向：高超声速飞行器气动力、热计算；
基金资助:
国家自然科学基金资助项目(52065044);南昌航空大学研究生创新专项(YC2021054)

Cooperative obstacle avoidance algorithm based on improved artificial potential field and consensus protocol

Zhongyuan ZHANG¹, Wei DAI¹, Guangyu LI¹, Xiaoqing CHEN², Qibo DENG¹()

^1.School of Aircraft Engineering，Nanchang Hangkong University，Nanchang Jiangxi 330063，China
^2.National Innovation Institute of Defense Technology，Academy of Military Sciences，Beijing 100850，China

Received:2022-07-05 Revised:2022-09-19 Accepted:2022-09-20 Online:2023-01-15 Published:2023-08-10
Contact: Qibo DENG
About author:ZHANG Zhongyuan， born in 1998， M. S. candidate. His research interests include Unmanned Aerial Vehicle （UAV） swarm control.
DAI Wei， born in 1993， M. S. candidate. His research interests include space fluid management.
LI Guangyu， born in 1988， Ph. D.， lecturer. His research interests include multi-aircraft collaborative autonomous control and intelligent decision-making.
CHEN Xiaoqing， born in 1982， Ph. D.， senior engineer. His research interests include hypersonic vehicle aerodynamics， thermal calculation.
Supported by:
National Natural Science Foundation of China(52065044);Nanchang Hangkong University Graduate Innovation Special Fund(YC2021054)

摘要/Abstract

摘要：

协同避障是无人机（UAV）系统的关键技术之一，而UAV集群避障期间存在队形丢失、任务失效和能源消耗增加等问题。为解决这些问题，提出了一种基于改进人工势场和一致性协议的协同避障算法。首先，根据多旋翼UAV的控制律来设计保持速度、位置一致的控制协议，并采用归一化和高阶指数缩放变换人工势场力，从而解决势场力变化幅度过大导致的振荡失效问题；然后，引入人工势场力调整一致性协议期望编队，从而解决人工势场法与一致性协议组合算法的控制冲突问题。在复杂障碍环境下，所提算法与编队划分避障算法、动态窗口避障算法进行对比仿真的结果表明，所提算法的队形平均损失程度分别下降82.60%、64.38%，任务平均失效程度分别下降98.66%、86.01%，飞行路径总长度分别下降9.95%、17.63%。可见，所提算法适用于多障碍复杂飞行环境。

关键词: 无人机, 队形稳定性, 人工势场法, 一致性协议, 复杂障碍环境

Abstract:

Cooperative obstacle avoidance is one of the key technologies of Unmanned Aerial Vehicle （UAV） system. While there exist problems of formation loss， mission failure， and increasing energy consumption during the obstacle avoidance of UAV swarm. For solving these problems， a cooperative obstacle avoidance algorithm based on improved artificial potential field and consensus protocol was proposed. First， according to the control law of multi-rotor UAVs， a control protocol to keep speed and position consistency was designed， and the artificial potential field force was scaled and transformed by normalization and high-order exponents， thereby solving the problem of oscillation failure caused by the excessive variation of the potential field force. Then， the artificial potential field force was introduced to modify the expectation formation of consensus protocol for solving the control conflict problem of the combination algorithm of artificial potential field method and consensus protocol. The proposed algorithm was simulated and compared with the formation division obstacle avoidance algorithm and dynamic window obstacle avoidance algorithm in complex obstacle environment. The results show that the proposed algorithm has the average formation loss degree reduced by 82.60% and 64.38% respectively， the average failure degree of task decreased by 98.66% and 86.01% respectively， and the total length of flight path reduced by 9.95% and 17.63% respectively. It can be seen that the proposed algorithm is suitable for the complex flight environment with multiple obstacles.

Key words: Unmanned Aerial Vehicle (UAV), formation stability, artificial potential field method, consensus protocol, complex obstacle environment

中图分类号:

V279

张钟元, 戴炜, 李光昱, 陈小庆, 邓启波. 基于改进人工势场和一致性协议的协同避障算法[J]. 计算机应用, 2023, 43(8): 2644-2650.

Zhongyuan ZHANG, Wei DAI, Guangyu LI, Xiaoqing CHEN, Qibo DENG. Cooperative obstacle avoidance algorithm based on improved artificial potential field and consensus protocol[J]. Journal of Computer Applications, 2023, 43(8): 2644-2650.

图/表 11

图1 编队划分避障算法流程

Fig. 1 Flow of formation division obstacle avoidance algorithm

图2 无人机避障震荡示意图

Fig. 2 Schematic graph of UAV obstacle avoidance oscillation

图3 无人机飞行稳定性丢失示意图

Fig. 3 Schematic graph of UAV flight stability loss

图4 无人机避障失效示意图

Fig. 4 Schematic graph of UAV obstacle avoidance failure

图5 协同避障算法流程

Fig. 5 Flow of collaborative obstacle avoidance algorithm

图6 无人机协同避障实验设计

Fig. 6 Experimental design of UAV swarm cooperative obstacle avoidance

表1 仿真实验参数

Tab. 1 Simulation parameters

参数	数值	参数	数值
$ρ o b s$	12 m	$ρ 0$	10
$k m$	15	$k n$	4
$K 1$	［-2.00，-2.00］	$K 2$	［0.047，0.067］
$ξ$	0.01	$η$	3 000

表1 仿真实验参数

Tab. 1 Simulation parameters

参数	数值	参数	数值
$ρ o b s$	12 m	$ρ 0$	10
$k m$	15	$k n$	4
$K 1$	［-2.00，-2.00］	$K 2$	［0.047，0.067］
$ξ$	0.01	$η$	3 000

图7 不同编队避障算法的仿真实验结果

Fig. 7 Simulation experimental results of different formation obstacle avoidance algorithms

图8 队形完整度分析结果

Fig. 8 Analysis results of formation integrity

图9 任务失效程度分析结果

Fig. 9 Analysis results of mission failure degree

表2 不同算法的综合性能分析结果

Tab. 2 Comprehensive performance analysis results of different algorithms

算法	曲线			直线			综合
算法	队形平均损失	任务平均失效	无人机总路径/m	队形平均损失	任务平均失效	无人机总路径/m	队形平均损失	任务平均失效	无人机总路径/m
文献［11］算法	0.219 3	0.207 9	649.173 3	0.085 2	0.089 4	401.246 1	0.152 3	0.148 7	525.209 7
文献［18］算法	0.142 4	0.025 9	757.108 3	0.006 4	0.002 8	391.229 0	0.074 4	0.014 3	574.168 7
本文算法	0.048 3	0.001 8	570.636 6	0.004 8	0.002 1	375.226 6	0.026 5	0.002 0	472.931 6

参考文献 19

1	CLARK B， PATT D， SCHRAMM H. Mosaic warfare： exploiting artificial intelligence and autonomous systems to implement decision-centric operations［EB/OL］. （2020-02-11）［2021-11-01］..
2	RAJA G， ANBALAGAN S， GANAPATHISUBRAMANIYAN A， et al. Efficient and secured swarm pattern multi-UAV communication［J］. IEEE Transactions on Vehicular Technology， 2021， 70（7）： 7050-7058. 10.1109/TVT.2021.3082308
3	ZHENG Y J， DU Y C， LING H F， et al. Evolutionary collaborative human-UAV search for escaped criminals［J］. IEEE Transactions on Evolutionary Computation， 2020， 24（2）： 217-231. 10.1109/tevc.2019.2925175
4	LORIA A， DASDEMIR J， ALVAREZ JARQUIN N. Leader-follower formation and tracking control of mobile robots along straight paths［J］. IEEE Transactions on Control Systems Technology， 2016， 24（2）： 727-732. 10.1109/tcst.2015.2437328
5	VÁSÁRHELYI G， VIRÁGH C， SOMORJAI G， et al. Optimized flocking of autonomous drones in confined environments［J］. Science Robotics， 2018， 3（20）： No.eaat3536. 10.1126/scirobotics.aat3536
6	WU Y， GOU J Z， HU X T， et al. A new consensus theory-based method for formation control and obstacle avoidance of UAVs［J］. Aerospace Science and Technology， 2020， 107： No.106332. 10.1016/j.ast.2020.106332
7	ZHEN Z Y， CHEN Y， WEN L D， et al. An intelligent cooperative mission planning scheme of UAV swarm in uncertain dynamic environment［J］. Aerospace Science and Technology， 2020， 100： No.105826. 10.1016/j.ast.2020.105826
8	LUO Q N， DUAN H B. An improved artificial physics approach to multiple UAVs/UGVs heterogeneous coordination［J］. Science China Technological Sciences， 2013， 56（10）： 2473-2479. 10.1007/s11431-013-5314-2
9	李田凤. 多无人机编队在避障下的协同控制方法研究［D］. 成都：电子科技大学， 2021：32-33. 10.1109/cac57257.2022.10055419
	LI T F. Research on collaborative control method for multi-UAV formation in obstacle avoidance［D］. Chengdu： University of Electronic Science and Technology of China， 2021：32-33. 10.1109/cac57257.2022.10055419
10	赵伟伟. 无人机集群编队及其避障控制关键技术研究［D］. 长春：中国科学院大学， 2020：60-76.
	ZHAO W W. Research on key technologies of UAV flocking formation and obstacle avoidance control［D］. Changchun： University of Chinese Academy of Sciences， 2020：60-76.
11	ZHAO Y C， JIAO L， ZHOU R， et al. UAV formation control with obstacle avoidance using improved artificial potential fields［C］// Proceedings of the 36th Chinese Control Conference. Piscataway： IEEE， 2017： 6219-6224. 10.23919/chicc.2017.8028347
12	FU X W， PAN J， WANG H X， et al. A formation maintenance and reconstruction method of UAV swarm based on distributed control［J］. Aerospace Science and Technology， 2020， 104： No.105981. 10.1016/j.ast.2020.105981
13	DONG X W， LI Y F， LU C， et al. Time-varying formation tracking for UAV swarm systems with switching directed topologies［J］. IEEE Transactions on Neural Networks and Learning Systems， 2019， 30（12）： 3674-3685. 10.1109/tnnls.2018.2873063
14	DONG X W， ZHOU Y， REN Z， et al. Time-varying formation control for unmanned aerial vehicles with switching interaction topologies［J］. Control Engineering Practice， 2016， 46： 26-36. 10.1016/j.conengprac.2015.10.001
15	DONG X W， ZHOU Y， REN Z， et al. Time-varying formation tracking for second-order multi-agent systems subjected to switching topologies with application to quadrotor formation flying［J］. IEEE Transactions on Industrial Electronics， 2017， 64（6）： 5014-5024. 10.1109/tie.2016.2593656
16	DONG X W， YU B C， SHI Z Y， et al. Time-varying formation control for unmanned aerial vehicles： theories and applications［J］. IEEE Transactions on Control Systems Technology， 2015， 23（1）： 340-348. 10.1109/tcst.2014.2314460
17	全权. 多旋翼飞行器设计与控制［M］. 杜光勋，赵峙尧，戴训华，等，译.北京：电子工业出版社， 2018：237-237. 10.1007/978-981-10-3382-7_1
	QUAN Q. Introduction to Multicopter Design and Control［M］. DU G X， ZHAO Z Y， DAI X H， et al， translated. Beijing： Publishing House of Electronics Industry， 2018：237-237. 10.1007/978-981-10-3382-7_1
18	MOLINOS E J， LLAMAZARES Á， OCAÑA M. Dynamic window based approaches for avoiding obstacles in moving［J］. Robotics and Autonomous Systems， 2019， 118： 112-130. 10.1016/j.robot.2019.05.003
19	WANG Z， BOVIK A C， SHEIKH H R， et al. Image quality assessment： from error visibility to structural similarity［J］. IEEE Transactions on Image Processing， 2004， 13（4）： 600-612. 10.1109/tip.2003.819861

[1]	穆凌霞, 周政君, 王斑, 张友民, 薛向宏, 宁凯凯. 多无人机编队避障和编队重构方法[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2938-2946.
[2]	黄天宇, 李远兴, 陈昊, 郭紫佳, 魏明军. 地空协同场景下加权模糊聚类用户簇划分方法[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1555-1561.
[3]	郑志强, 段海滨. 基于有限忍耐度鸽群优化的无人机近距空战机动决策[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1401-1407.
[4]	唐睿, 岳士博, 张睿智, 刘川, 庞川林. UAV协助下非正交多址接入使能的数据采集系统中能效优化机制[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1209-1218.
[5]	周景贤, 李希娜. 基于改进卷积神经网络和射频指纹的无人机检测与识别[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 876-882.
[6]	蔡美玉, 朱润哲, 吴飞, 张开昱, 李家乐. 基于注意力机制和多粒度特征融合的跨视角匹配模型[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 901-908.
[7]	高胡震, 杜昌平, 郑耀. 基于扩张状态观测器的无人机云台系统控制算法[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 604-610.
[8]	王林, 刘景亮, 王无为. 基于空洞卷积融合Transformer的无人机图像小目标检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3595-3602.
[9]	孙鉴, 马宝全, 吴隹伟, 杨晓焕, 武涛, 陈攀. 地震场景下无人机群路径规划与任务分配均衡联合优化[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3232-3239.
[10]	王昱, 任田君, 范子琳. 基于引导Minimax-DDQN的无人机空战机动决策[J]. 《计算机应用》唯一官方网站, 2023, 43(8): 2636-2643.
[11]	李校林, 江雨桑. 无人机辅助移动边缘计算中的任务卸载算法[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1893-1899.
[12]	祁超帅, 何文思, 焦毅, 马英红, 蔡伟, 任素萍. 无人机飞行数据异常检测算法综述[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1833-1841.
[13]	王先兰, 周金坤, 穆楠, 王晨. 基于多任务联合学习的跨视角地理定位方法[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1625-1635.
[14]	孙亚男, 吴杰宏, 石峻岭, 高利军. 改进自组织映射的多无人机协同任务分配方法[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1551-1556.
[15]	王龙宝, 栾茵琪, 徐亮, 曾昕, 张帅, 徐淑芳. 基于动态簇粒子群优化的无人机集群路径规划方法[J]. 《计算机应用》唯一官方网站, 2023, 43(12): 3816-3823.

基于改进人工势场和一致性协议的协同避障算法

Cooperative obstacle avoidance algorithm based on improved artificial potential field and consensus protocol

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 19

相关文章 15

编辑推荐

Metrics