最佳适应算法流程图_分享一个多无人机协同编队避障控制算法的思路

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dminpij;=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=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)