基于人工势场法的无人机编队关键技术研究.pdf

《基于人工势场法的无人机编队关键技术研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于人工势场法的无人机编队关键技术研究RESEARCHONKEYTECHNOLOGIESOFUAVFORMATIONBASEDONARTIFICIALPOTENTIALFIELDMETHOD张帅哈尔滨工业大学2018年6月国内图书分类号：V249.3学校代码：10213国际图书分类号：621密级：公开工学硕士学位论文基于人工势场法的无人机编队关键技术研究硕士研究生张帅：导师安若铭：副教授申请学位工：程硕士学科航天工程：所在单位航天：学院答辩日期20：18年6月授予学位单位哈尔滨工业大学：ClassifiedIndex:V249.3U.D.C:621Dissertatio

2、nfortheMasterDegreeinEngineeringRESEARCHONKEYTECHNOLOGIESOFUAVFORMATIONBASEDONARTIFICIALPOTENTIALFIELDMETHODCandidate：ZhangShuaiSupervisor：Prof.AnRuomingAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：AstronauticsEngineeringAffiliation：SchoolofAstronauticsEngineeringDateofDefence：June,2

3、018Degree-Conferring-Institution：HarbinInstituteofTechnology摘要摘要由于其成本较低、重量较轻以及隐蔽性好等优势，无人机越来越受到人们的关注；而无人机编队飞行技术的发展进一步拓展了它的应用前景。本文通过引入和改进人工势场法，分别阐述了单层级无人机编队数学模型、基于人工势场法的无人机编队控制理论、双层级无人机编队避障的人工势场设计方法，深入研究了六自由度下旋翼无人机编队飞行和避障方法。本文的主要研究内容如下：1、详细介绍单层级无人机编队数学模型和基于人工势场法的无人机编队控制理论，并对单层级编队进行仿真分析；2、详细论述双层级

4、编队对定点障碍采取整体避障方法时的势场设计方法和控制方法，强调双层级编队避障方法相对于单层级编队的耦合性和复杂性，并对双层级编队飞行和定点整体避障过程进行仿真分析；3、分析双层级编队对定点障碍采取分解避障方法时势场设计方法在信息拓扑结构上的不同和修正，并通过对疏松定点障碍和紧密定点障碍两种条件的仿真分析，验证分解避障方法的优势；4、通过对定点避障方法中障碍势场和耦合项的修正，使其在处理动点障碍时仍具有优秀的表现，并对侧面动点障碍和正向动点障碍两种情况进行仿真分析，验证动点分解避障方法在处理多种障碍条件时的高效性和通用性。本文提出的创造性成果包括：1、对人工势场法从无人机编队巡航/避

5、障、定/动点障碍、整体/分解避障等多个角度做出改进，提高了系统在处理相应问题时的稳定性，加快了收敛速度；2、基于数量庞大的无人机编队提出了层级的概念，通过对不同层级、不同连接权重、不同通信关系的剖析，优化了无人机编队的通信拓扑结构，增加了编队避障手段的可控性；3、通过逐步深入的理论研究和仿真对比，提出了基于双层级编队的动点分解避障方法，使其有能力应对空域中多种类障碍问题。关键词：多无人机编队；人工势场法；双层级；分解避障-I-AbstractAbstractBecauseofitsadvantagessuchaslowcost,lighterweightandgoodconceal

6、ment,UAVhasbeenpaidmoreandmoreattention,andthedevelopmentofUAVformationflighttechnologyhasfurtherexpandeditsapplicationprospect.Inthispaper,byintroducingandimprovingtheartificialpotentialfieldmethod,themathematicalmodelofsinglelevelUAVformation,theunmannedAircraftformationcontroltheorybasedona

7、rtificialpotentialfieldmethod,andtheartificialpotentialfielddesignmethodoftwo-levelunmannedaerialvehicleformationobstacleavoidancehavebeenexpounded,andthemethodofformationflightandobstacleavoidanceofrotorUAVhasbeenstudiedat6-DOFindetail