​微信公众号
手机版
​​新浪微博
会员登录
关于我们  |   商务合作  |  友情链接   |  意见反馈  |  人才招聘
北京云翼同创科技有限公司 深圳高博特文化发展有限公司   版权所有,并保留所有权利 © 2018 京ICP备16044150号-1                       

跨界 · 融合 · 服务 · 创新



双击此处添加文字
新闻聚焦
热点资讯
首页  >  新闻聚焦   >  热点资讯  >   详情
小型固定翼无人机集群综述和未来发展
来源:尖兵之翼 | 作者:高博特 | 发布时间: 810天前 | 21435 次浏览 | 分享到:
相比于旋翼无人机,固定翼无人机具有速度快、载重大、航程长等特点,在执行任务方面具有明显的优势。……

常用到的集群飞行控制方法脱胎于常见的多智能体协同控制方法,下面主要介绍领航-跟随法和虚拟结构法。1) 领航-跟随法:将集群中某架无人机或引入一虚拟的无人机作为领航者(长机),其余无人机作为跟随者(僚机)一起随领航者运动。该方法是目前无人机编队控制中应用最普遍、最基础的一种方法。Leader-follower控制律主要是针对跟随者的控制律,领航者则需要采用其他的控制手段。例如,采用无线电信号控制领航者,针对跟随者设计了跟踪领航者的编队控制律,实现了2架固定翼无人机的编队飞行;其中,跟随者控制律分为外环和内环2层,外环控制器以最小化跟随者相对于领航者的位置误差为目标,生成期望的滚转角和俯仰角以交给内环控制。使领航者沿航线飞行,跟随者借助于机载的视角传感器估计领航者的位置,利用设计的编队控制律,实现了2架固定翼无人机按两倍翼展距离的紧密编队飞行。

北京航空航天大学段海滨教授所在的研究团队将领航-跟随法结合中鸽群的分层策略,设计了小规模无人机集群的分布式控制方法,并通过8架无人机的集群仿真对算法加以验证。

对20架固定翼无人机采用领航-跟随法进行了飞行验证,但是该文献并未给出控制律的具体形式。而虽针对固定翼无人机设计了跟随领航者的控制律,但是未作闭环系统稳定性的分析,也未考虑固定翼无人机控制受限的影响。

值得一提的是,领航-跟随法作为最基本的编队控制框架,很容易与其他方法——如势场法等相结合,还可应用诸如模型预测控制、滑模控制。领航-跟随法的主要问题是当领航者损毁后,可能会导致整个编队的瘫痪,为解决这一问题,很多研究使用虚拟领航者,并将编队中多个真实的个体作为虚拟领航者的直接跟随者,以避免全局领航者损毁后“牵一发而动全身”。研究了虚拟领航者的轨迹对各无人机已知的情况,以及虚拟领航者始终为当前无人机编队重心时的情况,并用3架固定翼无人机对控制律加以验证。研究了虚拟领航者的状态仅对部分无人机已知,需对其他无人机设计分布式估计器估计虚拟领航者的位置,从而实现协同控制的问题。

2) 虚拟结构法,其核心思想是每个无人机跟随一个移动的刚性结构上的固定点。加拿大多伦多大学的刘洪涛教授团队利用虚拟结构法研究了多无人机的运动协调问题,并进行了数值仿真。提出一种动态虚拟结构编队控制方法,可使固定翼无人机沿规划的编队轨迹飞行时完成队形变换。

虚拟结构法很好地避免了传统领航-跟随法当全局领航者损毁后,整个编队面临瘫痪的问题。事实上,虚拟领航者本质上也是将传统的领航-跟随法与虚拟结构法相结合。虚拟领航者可以看成是基于虚拟结构法确定,每个无人机相对于虚拟领航者保持期望的位形,这一点又类似于领航-跟随法中对于跟随者的控制。由此,虚拟结构法与领航—跟随法二者的界限在一定程度上也变得模糊。在基于虚拟结构法设计三维空间内固定翼无人机的编队控制策略时,基于虚拟结构法设计独轮车群体队形保持控制律时,都用到了虚拟领航者这一概念。

对于小型固定翼无人机,由于受最小前向速度和非线性动力学的约束,集群飞行面临着新的挑战。目前关于固定翼无人机集群飞行的研究还较少。Gu等设计了“外环导航/内环控制”的内外环结构的编队控制器;Xargay等研究了严格时序约束条件下的多无人机协同路径跟踪问题;美国海军研究院完成了50架规模的固定翼集群飞行演示验证,但并未涉及大规模集群的队形保持、队形变换等协同控制问题。故而,如何基于小型固定翼的平台性能约束,并考虑非理想通信等不确定性条件,实现大规模无人机集群飞行,仍然是一个挑战性问题。

3.2.6 集群安全与冲突消解

无人机集群的安全控制是系统能够顺利执行飞行任务的关键技术之一,主要包括集群飞行安全和集群使用安全。

集群飞行安全指在复杂环境中,集群能够无碰撞地飞行,主要包括集群内部的机间防撞和对集群外部障碍的规避。

一方面,无人机集群的任务环境通常较为复杂,例如建筑物密布的城市环境、山峰悬崖林立的山区环境、树木飞鸟集聚的森林环境甚至动态未知的战场环境等,无人机集群飞行中不可避免地面临与环境中各种障碍物发生碰撞的危险;另一方面无人机的数量规模不断扩大,集群内各无人机在队形变换以及任务调度过程中极有可能因为路径交叉以及飞行不确定性等因素而发生碰撞冲突。近年来无人机的撞击事故频频发生。2014~2016年间,官方报道的无人机与大型客机危险接近、发生撞击的事件一共达到24起。2017年以来的情况更加严峻,相关的事故接连发生并且被频频报道。因此进行集群系统飞行安全控制的研究至关重要。

集群飞行安全控制问题的核心是碰撞规避问题。现有研究已经提出了各种各样的理论方法。综合考虑各种方法的作用时间、适用场景以及理论基础,主要可分为路径规划、优化控制、以及反应式控制3类。1) 基于路径规划的碰撞规避:基于先验信息的全局路径规划算法最先应用于障碍规避的相关研究中,相关算法也扩展到了多智能体系统,从而实现全局的协同路径规划,但是该类算法对动态环境障碍的可扩展性较低。目前,基于传感器在线感知的局部路径规划算法更多地用于动态环境的碰撞规避研究。相关方法包括A*、D*等图搜索算法,混合整数线性规划等数值优化算法,遗传算法、粒子群算法等启发式算法,以及势场法。路径规划用于冲突消解通常能够得到一条优化的无碰撞的飞行路径,但是缺点通常是反应时间长,并且对于运动受限的固定翼无人机,不一定能够找到可行解。2) 基于优化控制的碰撞规避:基于优化控制的碰撞规避包括基于博弈论的方法、基于遗传的方法、和基于预测控制的方法等。其中模型预测控制方法凭借其预测模型、滚动时域、和反馈校正3个机制,能够显式的处理各种约束条件,在碰撞规避问题中得到了大量的研究成果。并且,针对多智能体系统发展而来的分布式模型预测控制方法,能够显式的应对子系统之间的耦合约束,因此在多机器人和多无人机系统的研究中也得到了众多学者的关注。存在的问题是,非线性、不确定性以及运动受限等系统特点对模型预测控制算法的理论分析带来了很多挑战,关于鲁棒模型预测控制、非线性模型预测控制以及分布式模型预测控制的相关理论研究有待进一步研究和发展。3) 基于反应式控制的碰撞规避:反应式的碰撞规避方法主要包括基于规则的、和基于几何的2类。其中典型的算法包括速度障碍法、互惠速度障碍法等。该算法也进一步扩展至多智能体以及群体运动场景。该类算法的典型优点是响应快。

综上,基于路径规划的碰撞规避更新周期较长,适用于较远距离的碰撞冲突场景;基于优化控制的碰撞规避的灵活性和适应性更强,适用于中短距离范围的冲突场景;基于反应式控制的碰撞规避反应时间短,对动态场景的响应速度快,以最高优先级保证安全,适用于近距离尤其是各种突发的紧急碰撞冲突场景。尽管现有研究多种多样,但一个关键问题是:现有方法大多针对单一或者特定的冲突场景,缺乏针对一体化任务环境的整体性系统解决方案。

集群使用安全是集群运用过程中安全相关问题,包括集群网络安全、导航欺骗安全等。网络安全方面,主要针对无人机集群通信被干扰或者部分无人机损毁(例如攻击与诱捕等)后的响应。一种方案是进行通信中断/平台损毁后的拓扑重构,另一方案是设计具有一定抗毁性的通信拓扑。导航欺骗方面,主要针对机载GPS等导航系统模拟信号诱骗的响应。一种方案为加强导航信号的识别和校核,另一种方法为研究各种GPS拒止环境中的导航技术,比如仿生导航、视觉导航等。

3.2.7 集群指挥控制无人机集群协同

极大地提高了遂行复杂任务的能力,但与此同时,随着集群中无人机平台数量/类型的不断增加、任务类型的不断扩展,如何高效地管控无人机集群,实现低人机比的集群指挥控制面临着严峻的挑战。

近年来,国内外在多无人机系统指挥控制技术方面已取得了丰硕的成果。美国诺•格、通用原子、波音、洛•马、雷声等参与军方项目的公司已经进行了深入研究,并开展了相应的飞行试验。例如,美国雷声公司利用混合主动人机交互技术,推出能同时控制多架无人作战飞机的驾驶舱(UCS),是全世界第一种可以同时操纵多达8架空中、陆地或海上不同无人作战飞机的地基驾驶舱。Proxy航空系统公司利用其开发的通用分布式管理系统(UDMS),完成了2架“SkyWatcher”与2架“SkyRaider”无人机的协同飞行验证,并能够支持多达12个空中节点和超过30个地面节点(包括传感器)的指挥控制。在美国软件使能计划(Software Enabled Control,SEC相关试验中,麻省理工的研究人员研制出的有人机对无人机制导系统能使驾驶员通过飞行级英语话音指令制导控制另一架无人机,使无人机能够及时对突然改变的计划做出反应并避开意外威胁。但是,对于无人机集群的指挥控制技术,尚处于萌芽发展阶段。

为满足低人机比集群指控的要求,提高指挥员指控水平和态势认知水平,需要研究适合指挥员习惯的语义逻辑任务描述方法,以更贴近于人类的方式对集群下达指控指令,综合运用语音/手势/眼动/触觉等多种模式相结合的集群指控手段,来提高指挥员的指控水平,降低其认知负担和工作负荷,实现低人机比条件下集群指控。

Shah和Breazeal提出,现有的人机交互系统主要通过显式信息(明确的口头信息等)及隐式信息(表情、手势以及注视方向等)来实现人机交互控制。在显式信息交互方面,机器人能使用各种参考系(以自我、对象或外部为中心)有效响应人类的口头命令;通过中央任务管理器将任务分配给机器人,进一步通过口头交流有关目标、能力、计划和成就的信息来完成协调。在隐式信息交互方面,文献使用机器目光建立共同注意力,将点头用于巩固彼此的理解;进一步,使用人的注视信息进行意图解释,例如犹豫或是搜索跑动对象;介绍了基于手势的人机交互并将其分为2类,其中自由形式的交互允许用户使用指示性手势选择机器人的子集并分配目标和轨迹,而形状受限的交互要求用户只对定义了整个形状自由度所对应的子集实施控制;提出一种系统用于生成新一代的脑群控制接口,并为操作员提供对多智能体系统的丰富控制能力。

此外,随着任务复杂度、任务执行环境高动态不确定性的影响,集群指控技术还需具备更高的自动化和智能化程度,将操作员从基本的任务剖面中解放出来,使其关注更高层次的决策与关键事件确认,通过智能化辅助决策系统,以“人在回路之上”方式完成无人机集群同步协调控制,提升动态不确定条件下任务执行的有效性及时效性,实现精细化、高效性的集群指挥。美国DARPA早在2007年启动了“深绿(Deep Green)”计划,其核心是通过分析推断指挥员意图,形成作战方案的备选集合,提高指挥员的临机决策速度。2016 年,美军启动了指挥官虚拟参谋(Commander’s Virtual Staff)项目,旨在通过认知计算,高效处理战场态势数据,自主推荐任务清单,辅助指挥员进行决策。Stodola和Mazal提出了一个战术决策辅助系统TDSS,并建立了基于无人机编队侦察监视的战术辅助模型。此外,国防科技大学王菖等提出了基于指挥人员关注度和操作模型的信息调度算法,并提出了基于“人”疲劳度和错误率模型的自适应自主调度策略,实现了人-系统交互与功能分配的柔性切换过程。