技术分享 | 浅谈——四种集群分布式控制算法

2022-11-06 1574阅读

温馨提示:这篇文章已超过877天没有更新,请注意相关的内容是否还可用!

众所周知,无人机已经应用于各大领域,包括边防检查、森林防火、电力巡检、新闻采集以及商业宣传等方面。

技术分享 | 浅谈——四种集群分布式控制算法
(图片来源网络,侵删)
技术分享 | 浅谈——四种集群分布式控制算法
(图片来源网络,侵删)

但是,随着无人机用途的不断增加,相应对于无人机各方面也有了更高的要求,对于多无人机的的协同控制方面也不断涌现出多种控制方法,单从无人机的通信方式进行分类,可以分为集中式控制和分布式控制,下面就无人机的分布式控制做一个简单的描述,以及对无人机分布式控制方法做简单的总结,方便大家学习和理解。

首先拿集中式控制来说,有控制中心,控制效率较高,但核心无人机被击落后,系统就会陷入奔溃,无法继续执行任务。

而分布式控制没有系统控制的中心点,通过相邻个体之间的相互协调完成信息互换,最终完成整体的编队行为,由于没有控制中心,分布式控制系统又具有较高的灵活性,可以动态的改变控制网络的结构。所以对比集中式控制后,采用分布式控制策略使得集群系统具有可扩展性、鲁棒性、适应性等优点。在分布式控制中,无人机编队系统中的个体只需要和领域的无人机进行通信,通信数据和通信链路较少,控制方法极为方便,能够进行无人机编队系统中的无人机的删减和增加,实时调整编队工作状态。

图 1 无人机控制系统模型

图 2 分布式结构

如图所示UAV1作为无人机指挥员,在无人机编队中起着指挥和控制的作用,引导整个团队按照预定轨迹飞行,进而达到预期的目标位置,其与地面控制中心实时通信。UAV2、UAV3作为跟随机与地面站保持联系,不断的接受无人指挥中心的指挥,且2,3之间进行实时通信,达到分布式控制的目的。

了解无人机分布式控制之后,一起来了解下基于分布式控制的几种控制方法吧!

(1)基于长机-僚机的分布式编队控制方法

长机-僚机法的基本思想是:leader-follower机制,在多无人机组成的群体中,某架无人机作为整个编队的领导者,并作为第一优先级,向第二优先级(第二阶梯僚机)传送信息,以此类推,各僚机分别向比自己低一级的僚机传送信息,完成无人机间的信息通讯,达到队形控制的目的。但这种控制方法鲁棒性较差,没有精确的队形反馈,一旦长机出现问题,系统信息传送不到位,那么整个系统就会处于瘫痪状态。为了解决这种控制方式产生的弊端,提出leader-candidate-follower机制,通过从candidate中选举产生下一任长机技术集群,故此来弥补鲁棒性差这一问题,从而实现编队的稳定飞行。(Raft算法实现)

图 3长机-僚机图解

(2)基于行为的分布式编队控制

基于行为法的分布式控制思想是根据对无人机系统实施控制作用后所期望产生的整体行为模式,事先对每个无人机的个体行为规则和局部控制方案进行设计,这是一种先果后因的运动控制方法。通常每个无人机的行为模式类似于“库函数”一样存储于编队控制器中,在系统运行时,根据环境信息和控制指令的变化执行相应的行为方式,如避障、队形组成、队形切换、方向运动等。例如,在进行避障时,编队无人机在移动过程中要避免与障碍物和其他相邻飞机的碰撞,那么,当无人机通过传感器系统感知外界环境变换时,整个系统就会根据系统输入,选取行为模式,达到期望的行为,进而作出系统响应并输出。与领航跟随者不同之处在于,该方法中的协作作用是通过无人机之间的位置、状态输入值等信息的共享来实现的。每架无人机只需知道相邻无人机的信息就可以,减少了信息的获取,同时减少了计算量,系统实现较为简单。缺点在于很难描述群体的动态特性,难以进行精确控制,队形保持的稳定性不易控制。

(3)基于人工势场的分布式编队控制法

人工势场法基于无人机间的相互作用力,即引力场与斥力场,环境中的障碍物对无人机产生排斥力,而目标点对无人机产生吸引力,在合力的作用下,使得无人机沿最小化势能方向运动

图 4 人工势场法图解

(4)基于虚拟结构的分布式编队控制方法

将无人机的编队看作一种刚性的虚拟结构。每一个无人机可以看作在这个虚拟结构中一个固定的点。编队中的无人机个体直接跟踪保持虚拟结构上的固定坐标点就可以完成设定好的编队飞行巡检路线。以虚拟结构为框架,在编队控制算法中加入队形反馈,邻近的分散编队控制器之间进行通讯和信息传输,使得编队控制器既能控制编队的速度,又能很好的保持队形。

图 5虚拟结构法图解

以上就是对分布式控制的介绍和相关控制方法原理的阐述技术集群,希望对相关学习者能有一定的帮助。

阿木实验室致力于前沿IT科技的教育和智能装备,让机器人研发更高效!

VPS购买请点击我

免责声明:我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理! 部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理! 图片声明:本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库和百度,360,搜狗等多加搜索引擎自动关键词搜索配图,如有侵权的图片,请第一时间联系我们,邮箱:ciyunidc@ciyunshuju.com。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!

目录[+]