[发明专利]一种基于捕食逃逸鸽群优化的多无人飞行器编队协调控制方法

说明书

技术领域

本发明提出了一种基于捕食逃逸鸽群优化的多无人飞行器编队协调控制方法，属于智能控制论领域。

背景技术

随着无人飞行器技术的日益成熟，无人飞行器现已被应用到包括航空航天，气象，测绘等多个领域。但是单一的无人飞行器已不足以满足人们日益增长的需求，所以多无人飞行器编队的概念被提出。多无人飞行器编队相比于单一飞行器，具有相当多的优势。例如，抗干扰能力，突发事件应急能力，大型任务执行能力等等。所以，多无人飞行器编队目前受到国内外学者和机构的密切关注，而如何协调控制多无人飞行器编队无疑是无人飞行器编队应用过程中最核心的问题。

鸽群智能优化算法(Pigeon-Inspired Optimization,PIO)是一种基于鸽群启发式的仿生智能优化算法。大自然中，鸽子能够很容易的找到回家的路是因为它们利用了多种自然工具：太阳，磁场，地标等。受到此种现象的启发，鸽群智能优化算法中建立了两个数学模型，一个是磁场罗盘算子，另一个是地标算子。与其他仿生智能算法相比，鸽群智能优化算法在解决复杂优化问题时具有动态性、强鲁棒性、协同性等多种优点。

捕食与逃逸也是大自然中普遍存在的一种现象，捕食者与被捕食者之间的竞争是最为普遍的动物性决策方式。被捕食者根据自身的能量状态，同时权衡周围的捕食风险，最终做出行为上的改变。一般的，被捕食者要与捕食者之间保持一定的逃逸开始距离，即被捕食者的警觉距离。当捕食者靠近到该距离或者更近时，被捕食者警觉，并开始逃逸。逃逸过程中被捕食者会回避风险较高的搜索区域，同时根据自身能量的不同采取不同的逃逸速度。能量状态越高，则逃逸的速度越快，被捕食的风险也就相对较小；反之，能量状态低的则会缓慢移动甚至不动，同时也将承受较大的被捕食的概率。

捕食逃逸鸽群优化是在基本鸽群智能优化算法的基础上加入了捕食逃逸的因素。将鸽群演化为一部分鸽子，一部分老鹰，两个群体。两种不同的群体，根据各自的定义进行约束和行动。老鹰追捕鸽群中的头鸽，从而对鸽群中的其他鸽子造成不同的捕食风险。当老鹰和鸽子之间的距离达到逃逸开始距离时，鸽子便会根据自身的能量状态，算法中用适应值来表示，进行逃逸。在多次捕食与逃逸的过程中，鸽群优胜劣汰。该算法在原有鸽群算法的基础上增添了捕食逃逸机制，从而使得搜索范围以及搜索精度有了大幅度的提高，不仅如此，在同等精度下缩短了算法运行时间。

发明内容

1、发明目的：

本发明提供了一种基于捕食逃逸鸽群优化的多无人飞行器编队协调控制方法，并用事例来验证其可行性，其目的是提供一种解决多无人飞行器编队协调控制的方法。

2、技术方案：

本说明书将以一种无人飞行器编队为例简述捕食逃逸鸽群优化在多无人飞行器编队协调控制问题中的应用。

在多无人飞行器编队中，首先，为了简化问题，必须满足以下基本假设。第一，地球被看作均质球体，忽略一切摄动。第二，多无人飞行器编队中，引导无人飞行器和跟随无人飞行器的运动轨迹为正圆。第三，无人飞行器本身远小于轨道半径，故可看作质点。(飞行器坐标系建立与编队协调控制前后轨道见图2，图3)在满足以上三个基本假设的前提下，多无人飞行器的运动状态即可以用CW(Clohessy-Wiltshire)方程来表示