| 编辑推荐: |
在我们设计多无人机避障功能时，既要考虑到避免与邻居无人机相撞又要尽可能的保持预定的距离，为此，本文针对这两点分享一个多无人机编队避障算法的思路。
本文来自于知乎，由火龙果软件Linda编辑、推荐。
|
|
近几年来，无人机集群研究过程中，多机无人机避障控制，成为了当下热门话题，我们都知道无人机在实际的“飞行空域中可能会存在建筑物、山峰、鸟群等障碍物，这些障碍物的存在将威胁无人机的飞行安全。除此之外，避障过程中，无人机之间的距离也会随着编队避障机动发生改变，处理不当就十分容易发生相撞。因此，无人机编队要能够根据不同环境情况做出决策,同时规避威胁障碍物和其他无人机。
目前，针对适应环境的控制算法问题，国内外已经做出了很多研究，但是普遍存在协同性不高和队形保持不好的缺陷。很多研究人员将无人机群的编队任务和避障任务考虑为竞争关系，认为避障时应首先解除编队，飞过危险区域后再恢复编队继续飞行，但在一些环境条件下无人机群可以保持编队队形飞过障碍物空间。因此如何实现多架无人机协同避障，让它们既能保持队形，又能躲避障碍物还有待探讨。而鸟群群集飞行过程中所表现出的邻近交互性、群体稳定性和环境适应性等特点与无人机协同编队的自主、协调和智能等控制要求有着相似之处。
所以在我们设计多无人机避障功能时，既要考虑到避免与邻居无人机相撞又要尽可能的保持预定的距离，为此，本文针对这两点分享一个多无人机编队避障算法的思路，供大家参考：
首先多无人机之间的队形保持
为了与避障算法融合,将无人机队形保持的控制输入设计为虚拟力的形式。根据与邻居无人机的相对距离，虚拟力可分为编队斥力和编队引力，编队斥力使相邻较近的无人机向相反的方向运动，从而避免机间碰撞；编队引力使相邻较远的无人机做相向运动，从而避免失联。因此，无人机受到的其他无人机的作用力为:
（图1-1）
式(1-1)中，dmin、 dr、da、 dmax分别是无人机i在排斥域、一致域和吸引域的边界。如图1-2所示，无人机i位于坐标原点，当dmin<pij<dr
(dmin为正常数)时，无人机j在无人机i的排斥域，编队力为斥力Fconijrep ,pij;=dmin时,斥力最大，Pij;
=d, 时，排斥力为0;当dr≤ρij≤da时，无人机j在无人机i的一致域，无人机i将根据无人机j的位置和编队队形要求调整自身状态来保持编队队形;当da<pij<dmax时，无人机j在无人机i的吸引域，编队力表现为引力Fconijrep,Pij=da时，引力为0，pij=dmax时，引力最大。
图1-2个体作用力区域示意图
无人机i的通信范围内有多架无人机时,将依据此规则与通信范围内的邻居无人机进行协同，避免个体碰撞同时编队。未检测到障碍物时，协同编队控制起主要作用，达到稳定时，Pi-Pj-Pij→0°
其次协同编队避障控制算法
自然界中存在大量的生物群集行为，个体之间仅通过简单的行为规则就可以在面临外界刺激时做出迅速一致的集体反应。例如，大雁迁徙时，头雁作为全队的领导者担任着领航、避障的任务。在遇到障碍物时，头雁改变飞行航向，其它大雁随之改变;当障碍物运动速度较快，打乱雁阵时，每只大雁可脱离头雁自主避障。本思路也仿照雁群避障行为，将多无人机群视为由具备自主决策能力的个体组成的整体，假设每架无人机个体都有感知、判断、决策和动态反应能力，多个个体间通过通信拓扑进行协调可使无人机群具有协同编队避障的能力。如图1-3所示，无人机1、2、3组成编队飞行整体。在编队内部，各无人机可通过分布式通信拓扑实现局部的信息交互，避免碰撞并保持队形;在编队外部，利用改进的人工势场法构建虚拟势场，使目标位置和障碍物信息反映在每一点的势场值上，无人机根据势场值的变化决定飞行的方向和速度，从而使无人机群在没有预先规划飞行路径的情况下也能躲避空域障碍物并飞向目标点。(图1-3中的三角形和六角星代表不同形状的障碍物)
图1-3避障控制思想示意图
根据上述协同编队避障的控制思想，可得到多3机协同编队避障的控制系统如下图所示。假设无人机装载通信设备和测距传感器，在障碍物分布未知的情况下，可在某个距离阈值内检测到障碍物。
图1-4防碰撞控制系统结构图
如图1-4所示，无人机与障碍物之间的距离达到安全距离后，外环根据障碍物和邻居无人机的运动状态生成防碰撞控制指令，内环根据飞行指令来调节航迹。图1-4中，无人机之间的彩色连线只代表信息传递途径，具体的信息传递方向根据实际情况而定。
对于每架无人机而言，执行编队避障任务时，每架无人机的控制输入Ftotali来自于编队内部其他无人机的作用fini和编队外部环境的作用Fouti,如式1-5所示。
（图1-5）
其中，ai、βi是无人机i控制编队内部和外部作用的权重系数。
经过上述讨论，无人机i在编队内部受到邻居无人机的编队力，在编队外部受到目标点引力和障碍物斥力，故受到的虚拟合力为:
（图1-7）
其中，ai、βi、k1、k2是控制参数，则对于任意无人机i，有ai;≠0。
图1-6给出了某架无人机的受力图，无人机i在目标点引力Fatti向目标点飞行。当测距传感器检测到障碍物并且无人机与障碍物的距离到达安全距离时，受到虛拟避障斥力Frepi，飞行速度越大、相对角度越小避障越早。同时无人机i的通信范围内还存在无人机j和k，受到编队斥力Fcopijrep和编队引力Fconikatt,无人机i将在这四种力的合力下飞行。当无人机编队离开障碍物后，只受到编队力和飞向目标点的力，当无人机编队满足队形约束之后将只受到目标点的引力。
无人机的行为协调问题的重点和难点是编队内部队形保持行为和编队外部避障行为的协调问题。当邻居无人机j在无人机i的斥力域、同时无人机i检测到障碍物时，无人机i需要同时进行避障和避碰。相关文献中的解决思路是为避障行为和避碰行为设置优先级，级别高的行为优先被进行，且多数研究人员认为避障优先级别更高。本次从鸟类群集现象中得到解决思路，同时进行避障和避碰。假设某时刻无人机i同时受到障碍物的斥力和邻居无人机的编队斥力的作用，两者方向相反。如图1-4a所示，无人机i与其邻居相距较近，Frepi<Fconijrep此时无人机i所受合力将使其优先避免与无人机j发生碰撞。过一段时间之后，无人机i的受力如图1-4b
所示，无人机j虽然还在无人机i的斥力域，但Fiepi>Fconijrep，无人机i将选择背离障碍物飞行。经过上述两个阶段的调整，无人机i可同时避免碰撞。下一次迭代时，无人机i的检测结果和通信结果会更新对环境的认知，重新判断合力方向。
多无人机协同避障是通过调整各无人机的速度矢量实现的，因此，可以将期望速度量直接定义为:
（图1-8）
将总的期望速度量沿坐标轴方向分解，可以得到三个方向上的速度分量:vxi、vyi、vzi。将所需的速度分量转换成一组实际飞行控制命令，用于每架无人机的所需速度、航向和俯仰控制如下图所示：
（图1-6）
当无人机i检测到障碍物，并且无人机j在无人机i的一致域时，无人机群就达到了协同编队避障，此时无人机i在三个方向上的期望速度分量为:
其中，Xij、Yij、zij分别代表无人机i与无人机j在三个坐标轴上的机间距离。
本次分享的控制算法优点有三:
(1)分布式的组织结构和灵活的避障模式
本次采取分布式一致性控制方案， 即无人机群中不存在中心领航者，个体具备局部的感知和通信能力，通过与邻近无人机的信息交互，适时地改变自身的运动以适应动态环境。无人机群中无人机个体的运动规则非常简单，在出现障碍物时，通过个体之间的组织、协调、合作却使它们组成的无人机群体现出高效的群体避障行为，兼具稳定性和灵活性，是本算法的主要优点。
(2)不存在局部最小值问题
当无人机群内部已经达到稳定的编队队形时，每架无人机只存在目标点所提供的引力，如果此时编队遇到障碍物，使得障碍物的斥力与目标点的引力相等，那么机群中的个体将面临局部最小值导致的静止问题。但是对于基于分布式信息交互策略的多无人机编队而言，基本不存在局部最小值问题。编队中会存在由于同一障碍物作用导致受力不平衡的无人机，在分布式通信拓扑的作用下，将在编队内部产生作用力使静止的无人机将在编队力的作用下前进。
(3)降低设备故障对编队的影响
无人机编队飞行时，可能会发生设备故障的情况，本次分享的编队避障算法可降低设备故障对编队的影响。例如，当某些无人机无法正常检测周围环境时，仍然可利用邻居无人机的状态信息进行间接避障;当某些无人机的通信设备损坏时，可利用自身的传感器进行自主避障。
上述编队避障控制算法的优点是可以使不同初始位置的多架无人机通过通信拓扑交换信息形成编队并协同避障，无人机整体具有高度群体效应。除了上述编队算法外，我们可以还针对具体的飞行环境和任务要求，提出另外两种简单局部避障控制策略，调整编队飞行高度避障和调整编队队形避障。
1、调整编队飞行高度避障
在编队任务和飞行高度允许的条件下，当无人机编队即将飞入某区域，但该区域含有大面积的障碍时，可采取改变飞行高度的方式避障。工作流程图如图1-9所示。无人机从初始位置出发,通过分布式通信网络形成指定编队队形。
当任意一架无人机检测到前方有障碍物时，无人机开始整体爬升，其邻居无人机随之爬升，直到无人机检测不到障碍物为止。此时，无人机保持编队飞行，同时检测原飞行高度是否有障碍物，如果检测不到障碍物则恢复原飞行高度继续编队飞行。
（图1-9）调整飞行高度避障流程图
调整编队飞行高度的避障算法简单，避障的同时可以有效保持编队队形，但是要求编队飞行的上方有足够的空间，对环境要求比较高。
2、调整编队队形避障
在任务允许的条件下，无人机编队可通过编队变换的方式进行避障。如图1-10所示，无人机形成指定编队队形后，当任意一架无人机检测到障碍物时,会对障碍物的位置判断，当障碍物只在编队的预定航向一侧时，编队可采用调整飞行高度或航向的方法避障；当障碍物位于无人机编队的两侧时，无人机要进一步判断障碍物间距与编队最大距离的大小，障碍物间距大于编队最大距离时，无人机编队可保持队形通过，继续前进，并检测新的障碍物；否则将缩小机间距离直到小于障碍物间距或最小安全机间距离为止。当间距小于等于最小安全距离时，变换至跟随形，直到飞过障碍物区域。无人机飞过障碍物以后将恢复原队形。
（图1-10）变化队形避障流程图
对于编队两侧均存在障碍物的情况下，编队变换避障策略灵活性高，无人机航向变化小，整体协作度高。但是此方法只适用于静态障碍空间，并且无人机的计算速度要快，否则会因为队形变换不及时而发生碰撞。
无人机避障算法方面的思路分享，其实关于多无人机避障问题，越深究越会发现它的解题思路越广泛。所以我们要发散思维，扩宽思路。必要时借助工具，更快我帮我们打开新的想法。比如，我们可以选择已经开发好的集群研发平台。
现在企业所开发好的集群研发平台，开放性高，接口丰富。可以很方便地进行二次开发，还可根据用户的实际需求定制整个系统平台，并提供相应的技术支撑和详细的例程和说明书指导。满足用户的个性化和差异化需求，使平台更加契合用户的使用特点和习惯，提升体验感和交互率，减少用户熟悉平台的时间成本，大大提高用户的开发效率和体验。
在实验内容方面：它可支持多无人机协同搜索区域分割与覆盖算法仿真；多无人机任务分配策略实验；多机编队队形设计、保持、变换和防撞实验；多无人机任务航迹规划实验；多无人机通信组网实验。
在应用方向 ：它可用于无人系统的动态建模和控制研究、运动规划、避障控制、多信息融合、编队控制、多智能体协调控制、无人系统自主控制等。
在开发环境方面：它的开发环境多样化，平台接口丰富、开放性强，用户不需要掌握太多的底层编程技术即可完成算法的修改和验证。支持C、C++、Python、ROS、Matlab/Simulink等多种编程环境，提供完善的二次开发接口。
在集群通信系统方面：支持WIFI、数传、等多种集群通讯方式。
在定位系统方面：它兼容的定位系统丰富，涵盖目前主流的室内外定位方式。可提供光学定位系统、UWB定位系统、激光定位系统、GPS、RTK等多种定位平台，定位系统覆盖面积可根据客户要求定制。
此外它可提供无人机编队飞圆形、空间8字、空间螺旋，队形变换，从跟随、空地协同等无人机编队例程。无人机和无人车之间的协同，如无人机车载起降和跟随等例程。这些例程完全开源，多种视频教程由浅入深地讲解实验的原理、步骤、目标等，并附有相应的配套例程代码，方便用户快速掌握、理解。
而且，已经开发好的集群研发平台所有的例程都能实现在仿真平台中模拟仿真。可以软件在环仿真，硬件在环仿真，实现仿真和实物开发有机结合。可以在实测之前通过仿真测试验证算法的可靠性和有效性，然后无缝切换到本集群研发平台。有效提高研发效率。
多无人机协调编队是一个新兴的研究领域，具有重大的研究价值和广阔的应用前景，就目前而言无人机编队控制已经取得了巨大进步，但仍然存在无人机协调能力和环境适应能力不高的问题需我们深入探讨研究。 |
