CN112859911B - 一种无网条件下大规模集群未知区域扫掠式覆盖控制方法 - Google Patents
一种无网条件下大规模集群未知区域扫掠式覆盖控制方法 Download PDFInfo
- Publication number
- CN112859911B CN112859911B CN202110029799.7A CN202110029799A CN112859911B CN 112859911 B CN112859911 B CN 112859911B CN 202110029799 A CN202110029799 A CN 202110029799A CN 112859911 B CN112859911 B CN 112859911B
- Authority
- CN
- China
- Prior art keywords
- cluster
- members
- area
- covered
- chain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010408 sweeping Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 230000033001 locomotion Effects 0.000 claims abstract description 32
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 29
- 230000001788 irregular Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000003252 repetitive effect Effects 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 description 5
- 230000006835 compression Effects 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Toys (AREA)
Abstract
本发明公开了一种无网条件下大规模集群未知区域扫掠式覆盖控制方法，包括以下步骤：S1、为集群的所有成员分配角色并按角色设置区分标识；S2、为集群所有成员设定起始位置和扫掠方向；S3、集群的每个成员通过其携带的传感器识别和测量其探测范围内其他成员的角色类型与相对位置，及待覆盖区域外边界轮廓的相对位置；S4、成员根据其获取的信息，建立运动控制模型，使集群在所述待覆盖区域内形成一种链状柔性编队协同运动，直至集群的运动轨迹覆盖整个待覆盖区域。本发明的集群成员仅需测定其探测范围内的其他成员和待覆盖区域边界的相对位置，即可实现集群的运动控制，并最终完全覆盖预先未知形状的区域，适用于无网条件下的大规模集群区域覆盖。
Description
技术领域
本发明涉及集群智能控制领域，尤其涉及一种无网条件下大规模集群未知区域扫掠式覆盖控制方法。
背景技术
无人机、地面/水下机器人等无人平台在灾难救援、地形测量、军事侦察、农林植保等场景中被广泛用于执行目标区域遍历覆盖任务。相比数个独立设备作业，多平台通过信息共享组成的集群系统协同执行覆盖任务，在任务效率和抗损性方面具有突出优势。不同于已有大量研究成果的一致性、群聚、蜂拥等基于聚集行为的协同控制问题，移动集群的协同覆盖通常需通过任务规划和指派来减少成员任务重叠，避免运动路线冲突。因此很多集群覆盖问题的研究采取区域划分方式分配任务，且需要成员间通过无线网络辨识身份、传递位置与任务意图等信息，以把握任务进度，实现任务规划与指派。
然而实际应用中，尤其是战场环境下，目标区域形状通常不规则且未知，难以预先规划任务，而无线网络信号易被干扰和屏蔽，且网络通信产生的电磁辐射易暴露装备，引发敌袭。因此本发明基于扫掠式覆盖原理，提出一种无网条件下大规模集群对未知区域完成作业覆盖的分布式协同运动控制方法。
现有的扫掠式覆盖控制，将集群成员按固定间距摆列，形成具有固定长度的直线队形，沿区域边界做扫掠运动，从而实现对固定宽度区域的覆盖，无法在不触碰边界的条件下完全覆盖形状不规则的区域，且算法依赖集群成员的身份编号，无法应用于无网条件下的大规模集群。
发明内容
本发明的目的在于克服现有技术的不足，提供一种集群成员仅需测定其探测范围内的其他成员和待覆盖区域边界的相对位置，即可实现集群的运动控制，并最终完全覆盖预先未知形状的区域，步骤简单，具有广适应性、强实用性与可操作性的无网条件下大规模集群未知区域扫掠式覆盖控制方法。
本发明的目的是通过以下技术方案来实现的：一种无网条件下大规模集群未知区域扫掠式覆盖控制方法，包括以下步骤：
S1、为集群的所有成员分配角色并按角色设置区分标识；
S2、为集群所有成员设定起始位置和扫掠方向；
S3、集群的每个成员通过其携带的传感器识别和测量其探测范围内其他成员的角色类型与相对位置，及待覆盖区域外边界轮廓的相对位置；
S4、集群的每个成员根据其获取的信息，建立运动控制模型，使集群在所述待覆盖区域内形成一种链状柔性编队协同运动，直至集群的运动轨迹覆盖整个待覆盖区域。
进一步地，所述集群成员的角色包括一个上引导者、一个下引导者和若干个跟随者，共三种类型，每个成员携带的传感器能够判定其探测范围内其他成员的角色。
进一步地，所述步骤S2中，为所有成员设定的扫掠方向相同，且成员携带的传感器能够进行绝对方向测定；
集群成员的起始位置相互靠近，且位于待覆盖区域内，靠近区域外边界轮廓某处，使成员形成连通的探测拓扑；其中上引导者和下引导者成员的起始位置为：保证外边界轮廓上某处位于上引导者和下引导者成员的探测范围内。
所述待覆盖区域为由集群外边界轮廓围成的非规则形状连通空间，其满足如下条件：
A：待覆盖区域形状对于集群的所有成员事先未知；
B：待覆盖区域内部最狭窄处至少允许每个集群成员单独通过而不发生碰撞；
C：待覆盖区域内部在垂直于扫掠方向上的截距最长处的长度不超过将所有集群成员的覆盖工作区域连续排列后形成的连通区域的最长径长度。
进一步地，所述步骤S3中，集群成员与待覆盖区域外边界轮廓的相对位置由该成员探测范围内某处待覆盖区域外边界轮廓片段的相对位置表示。
进一步地，所述步骤S4中，链状柔性编队的队形为：上引导者和下引导者分别在两端，二者之间由若干连续排列的跟随者连接，总体形成线形不规则、能够随运动变化的链状队列；
集群形成链状柔性编队，并沿扫掠方向运动的过程中，集群始终维所述链状柔性编队队形，且在某时刻后始终满足以下条件：
D：集群向设定的扫掠方向运动，即对每个成员、每个时刻t1，总存在一个时刻t2，使在t2以后的所有时刻，该成员的位置在扫掠方向上的坐标分量总是大于t1时刻该成员的位置在扫掠方向上的坐标分量；
E：任意两个相邻集群成员之间的距离受到上限约束，使在每个时刻，二者都处于对方的探测范围内，且二者执行区域覆盖作业的范围相互连通；
F：任意两个集群成员之间的距离受到下限约束，使在每个时刻，二者不相碰撞；
G：每个集群成员与待覆盖区域外边界轮廓之间的距离受到下限约束，使在每个时刻，集群成员与待覆盖区域外边界轮廓不相碰撞；
H：上引导者和下引导者分别沿一段连续且不相重复的待覆盖区域外边界轮廓片段，在待覆盖区域内向单一方向运动，且引导者与其对应的外边界轮廓片段之间的最小距离受到上限约束，使在每个时刻，所述外边界轮廓片段上至少存在一个点在引导者的区域覆盖作业范围和探测范围内。
所述步骤S4中，形成和维持链状柔性编队的运动控制模型建模方法包括以下步骤：
S41、为上引导者和下引导者成员设计扫掠方向的虚拟推力势场、二者与对应待覆盖区域边界轮廓之间的虚拟引力势场、二者分别与其他成员和另一个引导者对应待覆盖区域边界轮廓之间的虚拟斥力势场，及二者位置在扫掠方向上的坐标分量之间的引力势场，使其从初始时刻、初始位置开始，始终在待覆盖区域内沿其边界轮廓相反的两个延伸方向运动；
S42、为跟随者成员设计扫掠方向的虚拟推力势场、其与其他成员或待覆盖区域边界轮廓之间的虚拟斥力势场，及其与其探测拓扑中相邻成员之间的虚拟引力势场，使跟随者成员在上下引导者之间运动；
S43、压缩成员位置在扫掠方向上的坐标分量，使集群形成链状探测拓扑；
S44、建立断链重连机制，使集群维持链状队形；
S45、为所有成员设计虚拟阻力势场，使其运动轨迹更平滑。
进一步地，所述步骤S43中，以每个成员位置在扫掠方向上的坐标分量为一个智能体的状态，采用多智能体系统一致性控制协议，实现所述压缩成员位置在扫掠方向上的坐标分量的目的。
进一步地，所述步骤S44中，建立断链重连机制的方法为：判断链状探测拓扑中所有仅有唯一相邻成员的末节点成员的角色，若非跟随者成员，则无需重连，若为跟随者，调整其位置在垂直于扫掠方向上的坐标分量，使其在该方向上逐渐远离其相邻节点，直至其在探测拓扑中拥有两个相邻成员，且始终满足条件E。
本发明的有益效果是：根据本发明提出的无网条件下大规模集群未知区域扫掠式覆盖控制方法，集群成员仅需测定其探测范围内的其他成员和待覆盖区域边界的相对位置，并简单识别其他成员类型，无需获取任何成员位置的全局坐标或编号，即可实现集群的运动控制，并最终完全覆盖预先未知形状的区域，适用于无网条件下的大规模集群区域覆盖。该方法物理意义明确，设计步骤简单，具有广适应性、强实用性与可操作性。
附图说明
图1为一种理想的扫掠式覆盖运动轨迹示意图；
图2为本发明的无网条件下大规模集群未知区域扫掠式覆盖控制方法的流程图；
图3为通过坐标压缩和断链重连策略实现集群链状柔性编队的原理示意图。
具体实施方式
本发明针对无网条件下的大规模无人平台集群提出了一种基于链式柔性编队的未知不规则形状区域分布式协同覆盖控制方法，这些无人平台仅能通过其携带的传感器获取其周围一定范围内的目标信息，包括集群中其他成员的角色类型和相对位置，以及区域边界的相对位置；这些无人平台执行区域覆盖的含义是在其运动过程中，对其周围一定范围内的空间连续执行某种覆盖作业，包括但不止于无人机地面侦察、无人机农药喷洒、机器人打扫地面等；每个无人平台通过一边连续作业，一边运动，在其运动轨迹上形成一定宽度区间的覆盖作业完成区域，若所有集群成员的覆盖作业完成区域的总和覆盖了整个待覆盖区域，则称集群完成了待覆盖区域的完全覆盖。本发明所提出的控制方法的目的，即为使集群完成给定待覆盖区域的完全覆盖，且集群所有成员不相碰撞，也不碰撞或超出区域边界。
图1示意了一种理想的扫掠式覆盖运动轨迹，完成了一个不规则区域的完全覆盖。图1中用黑色小方块表示引导者成员，用黑色小圆点表示跟随者成员；标识1、2、3、4所指四组方块和圆点分别为t0、t1、t2、t3时刻集群所在位置，其中t0为起始时刻，其余时刻依次递增；标识5所指虚线范围表示单个集群成员的覆盖作业范围；标识6所指粗黑线表示待覆盖区域的外边界；标识7所指黑色箭头表示扫掠方向。如图1所示，集群成员在待覆盖区域中较宽的部分形成垂直于扫掠方向的链式编队，而在较窄部分则排队依次通过，以实现集群的运动轨迹对区域的安全完全覆盖。
下面结合附图进一步说明本发明的技术方案。
如图2所示，本发明的一种无网条件下大规模集群未知区域扫掠式覆盖控制方法，包括以下步骤：
S1、为集群的所有成员分配角色并按角色设置区分标识；所述集群成员的角色包括一个上引导者、一个下引导者和若干个跟随者，共三种类型，每个成员携带的传感器能够判定其探测范围内其他成员的角色。在本实施例中，集群成员可通过视觉传感器判定其他成员角色的类型，因此不同类型的成员用明显不同的颜色标识，所有成员共有三种颜色。
S2、为集群所有成员设定起始位置和扫掠方向；为所有成员设定的扫掠方向相同，且成员携带的传感器能够进行绝对方向测定；
集群成员的起始位置相互靠近，且位于待覆盖区域内，靠近区域外边界轮廓某处，使成员形成连通的探测拓扑；其中上引导者和下引导者成员的起始位置为：保证外边界轮廓上某处位于上引导者和下引导者成员的探测范围内。
在本实施例中，集群成员利用惯性导航仪中的指南仪测定方向，因此扫掠方向用某给定的指南仪读数表示。集群成员的起始位置形成的几何图案如图1中t0时刻集群成员的位置示例。
所述待覆盖区域为由集群外边界轮廓围成的非规则形状连通空间，如图1所示，其满足如下条件：
A：待覆盖区域形状对于集群的所有成员事先未知；
B：待覆盖区域内部最狭窄处至少允许每个集群成员单独通过而不发生碰撞；
C：待覆盖区域内部在垂直于扫掠方向上的截距最长处的长度不超过将所有集群成员的覆盖工作区域连续排列后形成的连通区域的最长径长度。
S3、集群的每个成员通过其携带的传感器识别和测量其探测范围内其他成员的角色类型与相对位置，及待覆盖区域外边界轮廓的相对位置；集群成员与待覆盖区域外边界轮廓的相对位置由该成员探测范围内某处待覆盖区域外边界轮廓片段的相对位置表示。
S4、集群的每个成员根据其获取的信息，建立运动控制模型，使集群在所述待覆盖区域内形成一种链状柔性编队协同运动，直至集群的运动轨迹覆盖整个待覆盖区域；
链状柔性编队的队形为：上引导者和下引导者分别在两端，二者之间由若干连续排列的跟随者连接，总体形成线形不规则、能够随运动变化的链状队列；
集群形成链状柔性编队，并沿扫掠方向运动的过程中，集群始终维所述链状柔性编队队形，且在某时刻后始终满足以下条件：
D：集群向设定的扫掠方向运动，即对每个成员、每个时刻t1，总存在一个时刻t2，使在t2以后的所有时刻，该成员的位置在扫掠方向上的坐标分量总是大于t1时刻该成员的位置在扫掠方向上的坐标分量；
E：任意两个相邻集群成员之间的距离受到上限约束，使在每个时刻，二者都处于对方的探测范围内，且二者执行区域覆盖作业的范围相互连通；
F：任意两个集群成员之间的距离受到下限约束，使在每个时刻，二者不相碰撞；
G：每个集群成员与待覆盖区域外边界轮廓之间的距离受到下限约束，使在每个时刻，集群成员与待覆盖区域外边界轮廓不相碰撞；
H：上引导者和下引导者分别沿一段连续且不相重复的待覆盖区域外边界轮廓片段，在待覆盖区域内向单一方向运动，且引导者与其对应的外边界轮廓片段之间的最小距离受到上限约束，使在每个时刻，所述外边界轮廓片段上至少存在一个点在引导者的区域覆盖作业范围和探测范围内。
所述步骤S4中，形成和维持链状柔性编队的运动控制模型建模方法包括以下步骤：
S41、为上引导者和下引导者成员设计扫掠方向的虚拟推力势场、二者与对应待覆盖区域边界轮廓之间的虚拟引力势场、二者分别与其他成员和另一个引导者对应待覆盖区域边界轮廓之间的虚拟斥力势场，及二者位置在扫掠方向上的坐标分量之间的引力势场，使其从初始时刻、初始位置开始，始终在待覆盖区域内沿其边界轮廓相反的两个延伸方向运动，并始终满足所述条件D至H中与之相关部分内容；
S42、为跟随者成员设计扫掠方向的虚拟推力势场、其与其他成员或待覆盖区域边界轮廓之间的虚拟斥力势场，及其与其探测拓扑中相邻成员之间的虚拟引力势场，使跟随者成员在上下引导者之间运动，并始终满足所述条件D至H中与之相关部分内容；
在本实施例中，考虑到集群成员在移动过程中，即使规定探测拓扑中每个成员最多仅能有两个相邻成员，集群的探测拓扑中仍然可能形成两个分别包含以上引导者或下引导者的环状结构，为了解决该问题，实现集群链状柔性编队，在步骤S41和S42的基础上提出坐标压缩和断链重连策略，通过引入这两个策略实现集群链状柔性编队的原理示意图如图3所示，在本实施例中，为方便描述，将扫掠方向用直角坐标系中的x轴正方向表示，如图3所示。图3中，用黑色小方块表示引导者成员，用黑色小圆点表示跟随者成员，用虚线表示探测拓扑中这些成员的连接关系；标识1上方对应的探测拓扑结构为存在两个环状结构的初始拓扑，通过在x轴方向的坐标压缩，得到标识2上方对应的探测拓扑结构，可见坐标压缩策略可起到破环的作用，通过实施断链重连策略，得到标识3上方对应的探测拓扑结构，此时完成了集群成员的链状排列。坐标压缩和断链重连策略用如下步骤描述：
S43、压缩成员位置在扫掠方向上的坐标分量，使集群形成链状探测拓扑；以每个成员位置在扫掠方向上的坐标分量为一个智能体的状态，采用多智能体系统一致性控制协议，实现所述压缩成员位置在扫掠方向上的坐标分量的目的。由于多智能体一致性控制已有大量研究，其控制协议无需详细阐述。
S44、建立断链重连机制，使集群维持链状队形；建立断链重连机制的方法为：判断链状探测拓扑中所有仅有唯一相邻成员的末节点成员的角色，若非跟随者成员，则无需重连，若为跟随者，调整其位置在垂直于扫掠方向上的坐标分量，使其在该方向上逐渐远离其相邻节点，直至其在探测拓扑中拥有两个相邻成员，且始终满足条件E。
由于步骤S41和S42中通过设计虚拟引力和斥力势场引导集群成员移动，调整其相对位置，可能造成弹性震荡，因此在步骤S44之后采取如下步骤：
S45、为所有成员设计虚拟阻力势场，使其运动轨迹更平滑。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (7)
1.一种无网条件下大规模集群未知区域扫掠式覆盖控制方法，其特征在于，包括以下步骤：
S1、为集群的所有成员分配角色并按角色设置区分标识；
S2、为集群所有成员设定起始位置和扫掠方向；
S3、集群的每个成员通过其携带的传感器识别和测量其探测范围内其他成员的角色类型与相对位置，及待覆盖区域外边界轮廓的相对位置；
S4、集群的每个成员根据其获取的信息，建立运动控制模型，使集群在所述待覆盖区域内形成一种链状柔性编队协同运动，直至集群的运动轨迹覆盖整个待覆盖区域；链状柔性编队的队形为：上引导者和下引导者分别在两端，二者之间由若干连续排列的跟随者连接，总体形成线形不规则、能够随运动变化的链状队列；
集群形成链状柔性编队，并沿扫掠方向运动的过程中，集群始终维所述链状柔性编队队形，且在某时刻后始终满足以下条件：
D：集群向设定的扫掠方向运动，即对每个成员、每个时刻t1，总存在一个时刻t2，使在t2以后的所有时刻，该成员的位置在扫掠方向上的坐标分量总是大于t1时刻该成员的位置在扫掠方向上的坐标分量；
E：任意两个相邻集群成员之间的距离受到上限约束，使在每个时刻，二者都处于对方的探测范围内，且二者执行区域覆盖作业的范围相互连通；
F：任意两个集群成员之间的距离受到下限约束，使在每个时刻，二者不相碰撞；
G：每个集群成员与待覆盖区域外边界轮廓之间的距离受到下限约束，使在每个时刻，集群成员与待覆盖区域外边界轮廓不相碰撞；
H：上引导者和下引导者分别沿一段连续且不相重复的待覆盖区域外边界轮廓片段，在待覆盖区域内向单一方向运动，且引导者与其对应的外边界轮廓片段之间的最小距离受到上限约束，使在每个时刻，所述外边界轮廓片段上至少存在一个点在引导者的区域覆盖作业范围和探测范围内；
形成和维持链状柔性编队的运动控制模型建模方法包括以下步骤：
S41、为上引导者和下引导者成员设计扫掠方向的虚拟推力势场、二者与对应待覆盖区域边界轮廓之间的虚拟引力势场、二者分别与其他成员和另一个引导者对应待覆盖区域边界轮廓之间的虚拟斥力势场，及二者位置在扫掠方向上的坐标分量之间的引力势场，使其从初始时刻、初始位置开始，始终在待覆盖区域内沿其边界轮廓相反的两个延伸方向运动；
S42、为跟随者成员设计扫掠方向的虚拟推力势场、其与其他成员或待覆盖区域边界轮廓之间的虚拟斥力势场，及其与其探测拓扑中相邻成员之间的虚拟引力势场，使跟随者成员在上下引导者之间运动；
S43、压缩成员位置在扫掠方向上的坐标分量，使集群形成链状探测拓扑；
S44、建立断链重连机制，使集群维持链状队形；
S45、为所有成员设计虚拟阻力势场。
2.根据权利要求1所述的一种无网条件下大规模集群未知区域扫掠式覆盖控制方法，其特征在于，所述集群成员的角色包括一个上引导者、一个下引导者和若干个跟随者，共三种类型，每个成员携带的传感器能够判定其探测范围内其他成员的角色。
3.根据权利要求1所述的一种无网条件下大规模集群未知区域扫掠式覆盖控制方法，其特征在于，所述步骤S2中，为所有成员设定的扫掠方向相同，且成员携带的传感器能够进行绝对方向测定；
集群成员的起始位置相互靠近，且位于待覆盖区域内，靠近区域外边界轮廓某处，使成员形成连通的探测拓扑；其中上引导者和下引导者成员的起始位置为：保证外边界轮廓上某处位于上引导者和下引导者成员的探测范围内。
4.根据权利要求3所述的一种无网条件下大规模集群未知区域扫掠式覆盖控制方法，其特征在于，所述待覆盖区域为由集群外边界轮廓围成的非规则形状连通空间，其满足如下条件：
A：待覆盖区域形状对于集群的所有成员事先未知；
B：待覆盖区域内部最狭窄处至少允许每个集群成员单独通过而不发生碰撞；
C：待覆盖区域内部在垂直于扫掠方向上的截距最长处的长度不超过将所有集群成员的覆盖工作区域连续排列后形成的连通区域的最长径长度。
5.根据权利要求1所述的一种无网条件下大规模集群未知区域扫掠式覆盖控制方法，其特征在于，所述步骤S3中，集群成员与待覆盖区域外边界轮廓的相对位置由该成员探测范围内某处待覆盖区域外边界轮廓片段的相对位置表示。
6.根据权利要求1所述的一种无网条件下大规模集群未知区域扫掠式覆盖控制方法，其特征在于，所述步骤S43中，以每个成员位置在扫掠方向上的坐标分量为一个智能体的状态，采用多智能体系统一致性控制协议，实现所述压缩成员位置在扫掠方向上的坐标分量的目的。
7.根据权利要求1所述的一种无网条件下大规模集群未知区域扫掠式覆盖控制方法，其特征在于，所述步骤S44中，建立断链重连机制的方法为：判断链状探测拓扑中所有仅有唯一相邻成员的末节点成员的角色，若非跟随者成员，则无需重连，若为跟随者，调整其位置在垂直于扫掠方向上的坐标分量，使其在该方向上逐渐远离其相邻节点，直至其在探测拓扑中拥有两个相邻成员，且始终满足条件E。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110029799.7A CN112859911B (zh) | 2021-01-11 | 2021-01-11 | 一种无网条件下大规模集群未知区域扫掠式覆盖控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110029799.7A CN112859911B (zh) | 2021-01-11 | 2021-01-11 | 一种无网条件下大规模集群未知区域扫掠式覆盖控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112859911A CN112859911A (zh) | 2021-05-28 |
| CN112859911B true CN112859911B (zh) | 2022-03-18 |
Family
ID=76002262
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110029799.7A Active CN112859911B (zh) | 2021-01-11 | 2021-01-11 | 一种无网条件下大规模集群未知区域扫掠式覆盖控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112859911B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106843269A (zh) * | 2017-01-22 | 2017-06-13 | 北京航空航天大学 | 一种基于小型鸟类集群飞行机制的无人机编队方法 |
| CN108718454A (zh) * | 2018-05-09 | 2018-10-30 | 中国人民解放军火箭军工程大学 | 一种多无人机通信中继平台协作自主布设方法 |
| CN109460064A (zh) * | 2019-01-03 | 2019-03-12 | 中国人民解放军战略支援部队航天工程大学 | 基于虚拟势场函数的无人机集群区域覆盖方法及其装置 |
| CN110134142A (zh) * | 2019-05-29 | 2019-08-16 | 北京理工大学 | 一种基于旋转排斥场的旋翼无人机领航跟随编队控制方法 |
| CN110389595A (zh) * | 2019-06-17 | 2019-10-29 | 中国工程物理研究院电子工程研究所 | 双属性概率图优化的无人机集群协同目标搜索方法 |
| CN111295627A (zh) * | 2017-05-05 | 2020-06-16 | 上海峰飞航空科技有限公司 | 水下领航无人机系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9798329B2 (en) * | 2015-07-27 | 2017-10-24 | Genghiscomm Holdings, LLC | Airborne relays in cooperative-MIMO systems |
| US10114384B2 (en) * | 2016-09-13 | 2018-10-30 | Arrowonics Technologies Ltd. | Formation flight path coordination of unmanned aerial vehicles |
-
2021
- 2021-01-11 CN CN202110029799.7A patent/CN112859911B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106843269A (zh) * | 2017-01-22 | 2017-06-13 | 北京航空航天大学 | 一种基于小型鸟类集群飞行机制的无人机编队方法 |
| CN111295627A (zh) * | 2017-05-05 | 2020-06-16 | 上海峰飞航空科技有限公司 | 水下领航无人机系统 |
| CN108718454A (zh) * | 2018-05-09 | 2018-10-30 | 中国人民解放军火箭军工程大学 | 一种多无人机通信中继平台协作自主布设方法 |
| CN109460064A (zh) * | 2019-01-03 | 2019-03-12 | 中国人民解放军战略支援部队航天工程大学 | 基于虚拟势场函数的无人机集群区域覆盖方法及其装置 |
| CN110134142A (zh) * | 2019-05-29 | 2019-08-16 | 北京理工大学 | 一种基于旋转排斥场的旋翼无人机领航跟随编队控制方法 |
| CN110389595A (zh) * | 2019-06-17 | 2019-10-29 | 中国工程物理研究院电子工程研究所 | 双属性概率图优化的无人机集群协同目标搜索方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112859911A (zh) | 2021-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113495578B (zh) | 一种基于数字孪生式训练的集群航迹规划强化学习方法 | |
| Lin et al. | A Novel Improved Bat Algorithm in UAV Path Planning. | |
| Hu et al. | Occlusion-based coordination protocol design for autonomous robotic shepherding tasks | |
| Huang et al. | Dynamic task assignment and path planning for multi-AUV system in variable ocean current environment | |
| Zhou et al. | Active target tracking with self-triggered communications in multi-robot teams | |
| CN110597059B (zh) | 面向无人系统的椋群式智能群体动态网络拓扑构建方法 | |
| CN106483958B (zh) | 一种基于障碍图和势场法的人机协同编队跟随及避障方法 | |
| CN104298239A (zh) | 一种室内移动机器人增强地图学习路径规划方法 | |
| Gautam et al. | Cluster, allocate, cover: an efficient approach for multi-robot coverage | |
| Ermekbayuly Kyzyrkanov et al. | Formation control and coordination of swarm robotic systems | |
| Ganganath et al. | Territorial marking for improved area coverage in anti-flocking-controlled mobile sensor networks | |
| CN112859911B (zh) | 一种无网条件下大规模集群未知区域扫掠式覆盖控制方法 | |
| Yuan et al. | Path-planning-enabled semiflocking control for multitarget monitoring in mobile sensor networks | |
| CN115113651B (zh) | 一种基于椭圆拟合的无人机长僚协同覆盖寻优方法 | |
| Chen et al. | Towards efficient distributed collision avoidance for heterogeneous mobile robots | |
| CN115061367A (zh) | 一种基于仅方位角下Henneberg约束方式的集群控制方法 | |
| Luo et al. | Asymptotic boundary shrink control with multirobot systems | |
| Patley et al. | Modified particle swarm optimization based path planning for multi-UAV formation | |
| Guo et al. | UAV maritime search and rescue based on improved A* and RCPP algorithms for path planning | |
| Savkin et al. | A method for decentralized self-deployment of a mobile sensor network with given regular geometric patterns | |
| Gautam et al. | Experimental evaluation of multi-robot online terrain coverage approach | |
| Huang et al. | Self-organizing formation control of multiple unmanned aerial vehicles | |
| Yasuda et al. | Adaptive formation behaviors of multi-robot for cooperative exploration | |
| Nazarzehi et al. | A distributed bio-inspired algorithm for search of moving targets in three dimensional spaces | |
| Ahmad | Distributed navigation of multi-robot systems for sensing coverage |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |