本發明屬于定位導航與控制，特別是指一種無人機集群云邊端協同導航控制決策方法。
背景技術：
：：1、城市環境下無人機集群執行物流運輸、線路巡檢、區域測繪等任務時，往往面臨空間遮擋、電磁信號干擾等情形導致通信受限等狀況，對無人機集群導航決策技術提出了新的要求。2、傳統無人機導航決策技術主要包括后臺人工遙控、預設路線自主飛行、基于傳感器的自主導航控制三種手段。其中，人工遙控方式安全性最高，但難以滿足集群任務大容量、快速實時的需求，且通信受限導致控制鏈路缺失條件下該方法將不可用；預設路線自主飛行方式可應用在已知靜態環境下，但面臨未知或動態環境將難以實現自適應的導航決策；基于傳感器的自主導航控制可以實現個體無人機自主導航，但目前缺乏集群協同導航決策的方式，且導航決策的可信度不高。技術實現思路1、有鑒于此，本發明提供一種無人機集群云邊端協同導航控制決策方法，解決了復雜通信場景下無人機集群的控制問題，實現了無人機個體、集群和后臺的協同導航決策能力。本發明可應用于區域巡檢、物流運輸等多無人機任務場景，實現無人機集群協同導航控制能力。2、為實現上述目的，本發明采用的技術方案為：3、一種無人機集群云邊端協同導航控制決策方法，包括以下步驟：4、步驟1，無人機集群在低空遂行任務，地面操作人員通過地面站云后臺實時監測無人機集群自身及態勢環境狀態；5、步驟2，檢測地面站云后臺與無人機集群間的通信速率，若集群內任一無人機與地面站云后臺之間的平均通信速率均大于最小態勢實時傳輸要求，則執行步驟3，否則轉步驟5；6、步驟3，地面站云后臺對接收的無人機集群實時回傳的態勢信息進行分析，從而建立多目標粒子群優化算法導航決策評價函數及約束條件，所述態勢信息包括環境障礙物分布、無人機自身運動狀態、集群內其他無人機位置；基于多目標粒子群優化算法進行導航決策解的搜索，得到無人機集群的導航決策解；7、步驟4，地面站云后臺將導航決策解發送至無人機集群，無人機集群接收并按照導航決策解進行飛行；8、步驟5，無人機集群內部實時監測機間全網通信速率，若全網平均通信速率大于最小實時交互傳輸要求，則執行步驟6，否則轉步驟7；9、步驟6，無人機集群進行機間通信交互，基于分布式合同網算法進行集群間任務分配，無人機集群按照任務分配結果進行導航飛行；10、步驟7，集群內無人機個體進行導航決策解計算，不依賴與其它無人機及地面站云后臺的通信，進行自主導航飛行。11、進一步地，步驟3的具體方式為：12、步驟301，根據無人機集群實時回傳的態勢信息建立多目標粒子群優化算法導航決策評價函數及約束條件，如下式所示：13、<mstyledisplaystyle="true"mathcolor="#000000"><mo>{</mo><mtablecolumnalign="left"><mtr><mtd><mi>y</mi><mi>=</mi><mi>min</mi><mrow><mo>[</mo><mrow><msub><mi>l</mi><mi>p</mi></msub><mi>,</mi><msub><mi>r</mi><mi>p</mi></msub><mi>,</mi><msub><mi>θ</mi><mi>p</mi></msub></mrow><mo>]</mo></mrow></mtd></mtr><mtr><mtd><msub><mi>h</mi><mi>p</mi></msub><mi>≥</mi><msub><mi>nh</mi><mi>min</mi></msub></mtd></mtr><mtr><mtd><mi>n</mi><mi>(</mi><mi>n</mi><mi>?</mi><mn>1</mn><mi>)</mi><msub><mi>λ</mi><mi>min</mi></msub><mi>≤</mi><msub><mi>λ</mi><mi>p</mi></msub><mi>≤</mi><mi>n</mi><mi>(</mi><mi>n</mi><mi>?</mi><mn>1</mn><mi>)</mi><msub><mi>λ</mi><mi>max</mi></msub></mtd></mtr></mtable></mstyle>14、式中，為無人機航程約束項，為無人機轉彎半徑約束項，為無人機集群爬升角度約束項，為無人機集群飛行高度約束項，為無人機集群機間距離約束項，共同組成多目標粒子群優化算法導航決策評價函數及約束條件；為集群無人機數量，為無人機飛行最小高度值，為機間最小避碰距離，為機間最大通信距離；15、步驟302，初始化粒子種群參數及外部檔案參數，其中，粒子種群參數包括種群規模、初始粒子位置與速度、最大迭代次數、收斂函數值，外部檔案參數包括外部檔案最大規模、加權支配系數；16、步驟303，判斷粒子之間的pareto支配關系，將處于pareto支配地位的粒子加入外部檔案；17、步驟304，按照下式判斷剩余粒子之間的加權支配關系，將處于加權支配地位的粒子加入外部檔案：18、<mstyledisplaystyle="true"mathcolor="#000000"><mo>{</mo><mtablecolumnalign="left"><mtr><mtd><mi>?</mi><mi>i</mi><mi>,</mi><msub><mi>f</mi><mi>i</mi></msub><mi>(</mi><msub><mi>x</mi><mn>1</mn></msub><mi>)</mi><mi>?</mi><msub><mi>f</mi><mi>i</mi></msub><mi>(</mi><msub><mi>x</mi><mn>2</mn></msub><mi>)</mi><mo>+</mo><msub><mi>ρ</mi><mi>i</mi></msub><msubsup><mi>∑</mi><mrow><mi>i</mi><mi>≠</mi><mi>j</mi></mrow><mrow><mn>1</mn><mi>...</mi><mi>k</mi></mrow></msubsup><mrow><mo>[</mo><mrow><msub><mi>f</mi><mi>j</mi></msub><mi>(</mi><msub><mi>x</mi><mn>1</mn></msub><mi>)</mi><mi>?</mi><msub><mi>f</mi><mi>j</mi></msub><mi>(</mi><msub><mi>x</mi><mn>2</mn></msub><mi>)</mi></mrow><mo>]</mo></mrow><mi>≤</mi><mn>0</mn></mtd></mtr><mtr><mtd><mi>?</mi><mi>i</mi><mi>,</mi><msub><mi>f</mi><mi>i</mi></msub><mi>(</mi><msub><mi>x</mi><mn>1</mn></msub><mi>)</mi><mi>?</mi><msub><mi>f</mi><mi>i</mi></msub><mi>(</mi><msub><mi>x</mi><mn>2</mn></msub><mi>)</mi><mo>+</mo><msub><mi>ρ</mi><mi>i</mi></msub><msubsup><mi>∑</mi><mrow><mi>i</mi><mi>≠</mi><mi>j</mi></mrow><mrow><mn>1</mn><mi>...</mi><mi>k</mi></mrow></msubsup><mrow><mo>[</mo><mrow><msub><mi>f</mi><mi>j</mi></msub><mi>(</mi><msub><mi>x</mi><mn>1</mn></msub><mi>)</mi><mi>?</mi><msub><mi>f</mi><mi>j</mi></msub><mi>(</mi><msub><mi>x</mi><mn>2</mn></msub><mi>)</mi></mrow><mo>]</mo></mrow><mi><</mi><mn>0</mn></mtd></mtr></mtable></mstyle>19、式中，為多目標粒子群優化算法評價函數各項，在該無人機導航決策問題中即是、及，是問題的可行解，若滿足上式則有加權支配；20、步驟305，若外部檔案中粒子數量達到最大規模，則隨機剔除處于加權支配地位而不處于pareto支配地位的粒子，直到外部檔案中粒子數量小于最大規模；21、步驟306，從外部檔案中選擇出全局最優解，即，對其他粒子加權支配最多的粒子位置，并進行標準粒子群算法的位置和速度迭代公式中全局極值的替換更新，單個粒子的速度位置迭代公式如下式所示：22、23、24、式中，和為第次迭代后的粒子速度和位置，為慣性權重，為學習因子；為第次迭代后的單個粒子個體極值，即單個粒子歷史最優位置；為第次迭代后的全局極值，該值由每次迭代后外部檔案中選擇出的全局最優解進行替換更新；25、步驟307，重復步驟303至步驟306，直到導航決策評價函數值達到收斂函數值，或迭代達到最大迭代次數，得到優化后的無人機集群導航決策解。26、進一步地，步驟6的具體方式為：27、步驟601，編號為的無人機遂行任務過程中感知到態勢變化，并作為招標者，在步長時間到達時，按與鄰機的信息傳遞順序將包含任務招標信息以及代價值的標書進行傳遞；28、步驟602，接收到標書的無人機對任務進行態勢評估，判斷是否參與任務的投標；若決定參與任務的投標，則根據綜合性能評估指標計算自身代價值，并在下一步長時間到達時，傳遞至其鄰居無人機；否則，則在下一步長時間到達時，只將標書進行傳遞；綜合性能評估指標代價值計算公式如下所示：29、30、式中，分別為環境約束項、自身約束項、任務約束項，為權重系數；31、步驟603，經過多次信息交換后，每個無人機均已獲知參與競標者的無人機的代價值，由全局代價值最低的單個或多個無人機執行任務。32、進一步地，步驟7的具體方式為：33、步驟701，個體無人機通過機載傳感器獲取自身的狀態和對環境的觀測信息；34、步驟703，根據當前觀測信息通過近端優化策略網絡計算，獲得當前的線速度和角速度控制量，并將其發送到無人機機載控制器；35、步驟702，所有無人機各自執行自主導航控制，實現當前狀態下的個體導航決策效果。36、本發明與現有技術相比的有益效果為：37、（1）本發明面向復雜物理和電磁環境下無人機實際飛行中的自適應導航決策控制應用，將無人機個體節點、無人機集群系統與后臺云端系統結合，設計了無人機集群云邊端協同導航控制決策架構及方法，可在執行任務過程中根據不同的通信狀況為無人機提供精準可靠魯棒的導航決策能力。38、（2）本發明采用基于改進外部檔案更新策略的多目標粒子群優化導航決策算法，可以在提高導航決策解準確性的同時提高搜索效率，滿足云后臺對無人機集群高性能導航決策輔助的需求。39、（3）本發明采用基于改進分布式合同網的無人機集群任務分配算法，可以在無中心節點及后臺控制下實現集群任務分配能力，滿足無人機集群分布式協同導航決策需求。當前第1頁12當前第1頁12