留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

多约束条件下无人艇和无人机集群协同航迹规划

侯岳奇 陶浩 龚俊斌 梁晓龙 张诺

侯岳奇, 陶浩, 龚俊斌, 等. 多约束条件下无人艇和无人机集群协同航迹规划[J]. 中国舰船研究, 2021, 16(1): 74–82 doi: 10.19693/j.issn.1673-3185.02091
引用本文: 侯岳奇, 陶浩, 龚俊斌, 等. 多约束条件下无人艇和无人机集群协同航迹规划[J]. 中国舰船研究, 2021, 16(1): 74–82 doi: 10.19693/j.issn.1673-3185.02091
HOU Y Q, TAO H, GONG J B, et al. Cooperative path planning of USV and UAV swarms under multiple constraints[J]. Chinese Journal of Ship Research, 2021, 16(1): 74–82 doi: 10.19693/j.issn.1673-3185.02091
Citation: HOU Y Q, TAO H, GONG J B, et al. Cooperative path planning of USV and UAV swarms under multiple constraints[J]. Chinese Journal of Ship Research, 2021, 16(1): 74–82 doi: 10.19693/j.issn.1673-3185.02091

多约束条件下无人艇和无人机集群协同航迹规划

doi: 10.19693/j.issn.1673-3185.02091
基金项目: 国家自然科学基金资助项目(61701471)
详细信息
    作者简介:

    侯岳奇,男,1995年生,博士生。研究方向:无人机集群协同控制。E-mail:afeu_hyq@163.com

    陶浩,男,1987年生,博士,工程师

    龚俊斌,男,1978年生,博士,高级工程师

    梁晓龙,男,1981年生,博士,教授,博士生导师。研究方向:航空集群作战运用,空管智能化。E-mail:afeu_lxl@sina.com

    通信作者:

    梁晓龙

  • 中图分类号: U664.82

Cooperative path planning of USV and UAV swarms under multiple constraints

知识共享许可协议
多约束条件下无人艇和无人机集群协同航迹规划侯岳奇,等创作,采用知识共享署名4.0国际许可协议进行许可。
  • 摘要:   目的  为实现海上无人集群在执行任务过程中的安全航行和通信保持,开展无人艇(USV)和无人机(UAV)集群协同航迹规划问题的研究。  方法  采用禁入和禁出地理围栏进行场景建模,将规避威胁和障碍问题转化为地理围栏约束。针对平台之间的碰撞冲突和通信连接问题,提出基于时序检测的碰撞冲突和通信保持约束判断准则。以集群平均航行时间为航迹优化函数,将多约束条件转化为惩罚函数,采用自适应差分进化算法进行优化求解。  结果  仿真结果表明,所提方法能够在威胁和障碍环境中保持无人艇和无人机集群的安全航行和通信连接,并在满足多约束的条件下实现集群平均航行时间最短。  结论  该方法可用于海上无人集群面对威胁和障碍环境时的离线航迹规划,具有一定的应用价值。
  • 图  1  USV和UAV集群协同航迹规划示意图

    Figure  1.  Diagram of cooperative path planning for USV and UAV swarms

    图  2  转弯过程中最大内切圆示意图

    Figure  2.  Diagram of maximum inscribed circle during turning

    图  3  碰撞检测时序关系示意图

    Figure  3.  Time sequence diagram of collision detection

    图  4  SaDE算法实数编码方式

    Figure  4.  Real number coding of SaDE algorithm

    图  5  无人艇与无人机集群航迹规划结果

    Figure  5.  Results of path planning of USV and UAV swarms

    图  6  航迹优化函数值优化过程

    Figure  6.  Optimization process of path optimization function

    图  7  USV/UAV集群平台航行时序关系图

    Figure  7.  Navigation sequence diagram of USV/UAV swarms

    图  8  平台间最小距离随时间变化的曲线

    Figure  8.  Variation curves of minimum distance between platforms with time

    图  9  平台间最大距离随时间变化的曲线

    Figure  9.  Variation curves of maximum distance between platforms with time

    表  1  无人机初始状态信息

    Table  1.   Initial status information of UAV

    平台坐标/m速度
    /(m·s−1)
    最小转弯
    半径/m
    路径点
    个数
    起点终点
    ${U_1}$(2 923,14 673)(12 976,6 012)20551
    ${U_2}$(1 429,13 945)(12 427,7 843)23752
    ${U_3}$(2 016,12 864)(11 789,5 122)251001
    下载: 导出CSV

    表  2  无人艇初始状态信息

    Table  2.   Initial status information of USV

    平台坐标/m速度
    /kn
    最小转弯
    半径/m
    路径点
    个数
    起点终点
    ${U_4}$(3 317,4 994)(9 785,8 685)302001
    ${U_5}$(3 170,5 415)(9 035,8 247)251402
    ${U_6}$(2 822,6 020)(11 330,11 900)302001
    ${U_7}$(2 794,7 129)(10 340,7 781)353002
    下载: 导出CSV
  • [1] 张维明, 黄松平, 黄金才, 等. 多域作战及其指挥控制问题探析[J]. 指挥信息系统与技术, 2020, 11(1): 1–6.

    ZHANG W M, HUANG S P, HUANG J C, et al. Analysis on multi-domain operation and its command and control problems[J]. Command Information System and Technology, 2020, 11(1): 1–6 (in Chinese).
    [2] 张卫东, 刘笑成, 韩鹏. 水上无人系统研究进展及其面临的挑战[J]. 自动化学报, 2020, 46(5): 847–857.

    ZHANG W D, LIU X C, HAN P. Progress and challenges of overwater unmanned systems[J]. Acta Automatica Sinica, 2020, 46(5): 847–857 (in Chinese).
    [3] NIU H L, SAVVARIS A, TSOURDOS A, et al. Voronoi-visibility roadmap-based path planning algorithm for unmanned surface vehicles[J]. The Journal of Navigation, 2019, 72(4): 850–874. doi: 10.1017/S0373463318001005
    [4] YANG J M, TSENG C M, TSENG P S. Path planning on satellite images for unmanned surface vehicles[J]. International Journal of Naval Architecture and Ocean Engineering, 2015, 7(1): 87–99. doi: 10.1515/ijnaoe-2015-0007
    [5] 欧阳子路, 王鸿东, 黄一, 等. 基于改进RRT算法的无人艇编队路径规划技术[J]. 中国舰船研究, 2020, 15(3): 18–24.

    OUYANG Z L, WANG H D, HUANG Y, et al. Path planning technologies for USV formation based on improved RRT[J]. Chinese Journal of Ship Research, 2020, 15(3): 18–24 (in Chinese).
    [6] ZHOU X Y, WU P, ZHANG H F, et al. Learn to navigate: cooperative path planning for unmanned surface vehicles using deep reinforcement learning[J]. IEEE Access, 2019, 7: 165262–165278. doi: 10.1109/ACCESS.2019.2953326
    [7] BABEL L. Coordinated target assignment and UAV path planning with timing constraints[J]. Journal of Intelligent & Robotic Systems, 2019, 94(3/4): 857–869.
    [8] WU Y. Coordinated path planning for an unmanned aerial-aquatic vehicle (UAAV) and an autonomous underwater vehicle (AUV) in an underwater target strike mission[J]. Ocean Engineering, 2019, 182: 162–173. doi: 10.1016/j.oceaneng.2019.04.062
    [9] CHO J, YOON Y. How to assess the capacity of urban airspace: a topological approach using keep-in and keep-out geofence[J]. Transportation Research Part C: Emerging Technologies, 2018, 92: 137–149. doi: 10.1016/j.trc.2018.05.001
    [10] ESRI. ESRI shape file technical description - an ESRI white paper[R]. Redlands, CA, USA: Environmental Systems Research Institute, Inc, 1998.
    [11] HORMANN K, AGATHOS A. The point in polygon problem for arbitrary polygons[J]. Computational Geometry, 2001, 20(3): 131–144. doi: 10.1016/S0925-7721(01)00012-8
    [12] QIN A K, SUGANTHAN P N. Self-adaptive differential evolution algorithm for numerical optimization[C]//2005 IEEE Congress on Evolutionary Computation. Edinburgh, Scotland, UK: IEEE, 2005.
  • ZG2091_en.pdf
  • 加载中
图(9) / 表(2)
计量
  • 文章访问数:  919
  • HTML全文浏览量:  251
  • PDF下载量:  302
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-08-28
  • 修回日期:  2020-10-18
  • 网络出版日期:  2021-01-15
  • 刊出日期:  2021-02-28

目录

    /

    返回文章
    返回